Markov Chain Monte Carlo Methoden - Thomas Plehn

Blick ins Buch

Markov Chain Monte Carlo Methoden (eBook)

Thomas Plehn (Autor)

eBook Download: PDF

2007 | 1. Auflage
53 Seiten
GRIN Verlag
978-3-640-09223-9 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)
Ebook-Leseprobe (EPUB)

Masterarbeit aus dem Jahr 2007 im Fachbereich Mathematik - Stochastik, Note: 1.0, Universität Bielefeld, Sprache: Deutsch, Abstract: Wir beginnen mit einem sehr einfachen Beispiel: Denken wir an einen zufälligen Läufer in einer sehr kleinen Stadt, die nur aus vier Straßen besteht. Dabei werden die vier Straßenecken wie in der untenstehenden Abbildung mit v1, v2, v3 und v4 bezeichnet. Zum Zeitpunkt 0 steht der zufällige Läufer in der Ecke v1. Zum Zeitpunkt 1 wirft er eine faire Münze und entscheidet je nach Ausfall, ob er weiter nach v2 oder v4 geht. Zum Zeitpunkt 2 wirft er wieder eine faire Münze, um zu entscheiden, zu welcher benachbarten Ecke er gehen soll. Dabei verwendet er die Entscheidungsregel, wenn die Münze Kopf zeigt, einen Schritt im Uhrzeigersinn zu gehen und andernfalls, wenn die Münze Zahl zeigt, einen Schritt gegen den Uhrzeigersinn zu gehen. Diese Prozedur wird fortgeführt für die Zeiten 3, 4, usw.

1 Grundlagen zu Markov-Ketten
1.1 Definition
1.2 Irreduzibilität und Aperiodizität
1.3 Stationäre Verteilungen und Reversibilität
1.3.1 Existenz der stationären Verteilung
1.3.2 Reversibilität einer Verteilung
1.4 Konvergenzsatz
1.4.1 Konvergenz gegen die stationäre Verteilung
1.4.2 Eindeutigkeit der stationären Verteilung

2 Metropolis-Hastings Algorithmu
2.1 Allgemeine Beschreibung des Metropolis-Hastings Algorithmus
2.2 Implementierung des Metropolis-Algorithmus im Beispiel der Exponentialverteilung
2.3 Fehler-Abschätzung im Beispiel der Exponetialverteilung

3 Gibbs-Sampler
3.1 Allgemeine Beschreibung des Gibbs-Samplers
3.2 Implementierung des Gibbs-Sampler Beispiels
3.3 Verallgemeinerung auf q-Färbungen

4 Approximate counting
4.1 Problemstellung
4.2 Existenz-Theorem
4.3 Beweis: erster Teil
4.4 Beweis: zweiter Teil
4.5 Implementierung

5 Literatur

6 Quelltexte
6.1 Metropolis-Hastings Algorithmus
6.2 Gibbs-Sampler
6.3 Approximate-Counting Algorithmus

Erscheint lt. Verlag	16.10.2007
Verlagsort	München
Sprache	deutsch
Themenwelt	Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik
Schlagworte	Carlo • Chain • Markov • mcmc_methoden • MCMC-Methoden • Monte
ISBN-10	3-640-09223-6 / 3640092236
ISBN-13	978-3-640-09223-9 / 9783640092239

Haben Sie eine Frage zum Produkt?

PDF (Ohne DRM)
Größe: 761 KB

Digital Rights Management: ohne DRM
Dieses eBook enthält kein DRM oder Kopierschutz. Eine Weitergabe an Dritte ist jedoch rechtlich nicht zulässig, weil Sie beim Kauf nur die Rechte an der persönlichen Nutzung erwerben.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

27,95 €