출판사 제공 책소개 일부
본 교재는 전산통계학을 공부하는 통계학 전공자와 확률분포 생성을 바탕으로 하는 통계적 모의실험을 필요로 하는 모든 사람들에게 시작 단계에서 도움이 되고자 다양한 개념을 가능한 쉽게 표현하려고 애썼으며 다양한 응용 예제를 통하여 알고리즘의 연습이자연스럽게 이루어지도록 꾸미려고 노력하였다. 세밀한 논리적 이론보다는 직관적 개념의 이해와 응용력을 키우는 데 중점을 두었다.
본 교재는 전체 11장으로 이루어져 있고, 내용 면에서 크게 세 부분으로 구성되어 있다. 제1부는 제2부와 제3부의 기초가 된다. 제1부는 1장과 2장으로 구성된다. 1장에서는 시스템의 구성요소와 시스템의 구조 및 구성요소와의 관계를 다루고, 실제 시스템에 대한 모형화 과정, 모형 종류, 모형 진단 방법과 통계적 모의실험에서의 변화 과정에 대한 이해를 다룬다. 2장 확률분포의 생성에서는 난수생성 알고리즘 형태를 소개하고 난수생성자의 판정법을 다루며, 알려진 분포 또는 확률밀도함수가 주어진 분포에 따르는 확률변수값의 생성 알고리즘의 원리 및 구조를 소개한다.
제2부에서는 추정 알고리즘을 소개한다. 3장에서는 몬테카를로 적분과 분산감소기법을 소개하고, 4장에서는 비선형방정식의 해를 구...
출판사 제공 책소개 전체
본 교재는 전산통계학을 공부하는 통계학 전공자와 확률분포 생성을 바탕으로 하는 통계적 모의실험을 필요로 하는 모든 사람들에게 시작 단계에서 도움이 되고자 다양한 개념을 가능한 쉽게 표현하려고 애썼으며 다양한 응용 예제를 통하여 알고리즘의 연습이자연스럽게 이루어지도록 꾸미려고 노력하였다. 세밀한 논리적 이론보다는 직관적 개념의 이해와 응용력을 키우는 데 중점을 두었다.
본 교재는 전체 11장으로 이루어져 있고, 내용 면에서 크게 세 부분으로 구성되어 있다. 제1부는 제2부와 제3부의 기초가 된다. 제1부는 1장과 2장으로 구성된다. 1장에서는 시스템의 구성요소와 시스템의 구조 및 구성요소와의 관계를 다루고, 실제 시스템에 대한 모형화 과정, 모형 종류, 모형 진단 방법과 통계적 모의실험에서의 변화 과정에 대한 이해를 다룬다. 2장 확률분포의 생성에서는 난수생성 알고리즘 형태를 소개하고 난수생성자의 판정법을 다루며, 알려진 분포 또는 확률밀도함수가 주어진 분포에 따르는 확률변수값의 생성 알고리즘의 원리 및 구조를 소개한다.
제2부에서는 추정 알고리즘을 소개한다. 3장에서는 몬테카를로 적분과 분산감소기법을 소개하고, 4장에서는 비선형방정식의 해를 구하는 뉴턴 알고리즘을 소개하고 최소제곱추정량과 최대가능도추정량을 구하는 가우스-뉴턴 알고리즘과 뉴턴-랩슨 알고리즘을 소개한다. 5장에서는 경험분포함수를 이용한 재표본추출기법인 붓스트랩 알고리즘과 재크나이프 기법을 다룬다. 6장에서는 증대자료의 개념을 이용하여 조건부 기댓값을 최대화시켜 가며 모수를 추정하는 EM 알고리즘을 소개한다. 7장에서는 베이지안 추정에서 필요한 마코프 연쇄-몬테카를로 기법을 소개한다.
제3부에서는 여러 종류의 모형과 관련된 추정, 최적화 알고리즘과 통계적 모의실험을 소개한다. 8장에서는 인간의 뇌인식 과정을 모방하여 모형을 학습하고 추정하는 신경회로망을 해결하는 역전파 알고리즘을 소개하고, 9장에서는 최적해 문제를 해결하기 위하여 유전정보의 진화적 특성을 닮도록 개발된 유전자 알고리즘을 소개한다. 10장에서는 칼만 필터링으로 해결하는 동적선형모형에 대하여 추정 및 예측과정을 소개하고, 사례를 통하여 동적선형모형의 활용을 제시한다. 11장은 통계분포에 의하여 운용되는 통계적 모의실험을 연습하도록 구성하였다.
정보 제공 : 알라딘 
서평 (0 건)
*주제와 무관한 내용의 서평은 삭제될 수 있습니다.
서평추가