Skip to main content
SUPERVISOR
Mohammad Salehi Marzijarani,Amir Naderi
محمد صالحی (استاد مشاور) امیر نادری (استاد راهنما)
 
STUDENT
Azam Arshadipour
اعظم ارشدی پور

FACULTY - DEPARTMENT

دانشکده ریاضی
DEGREE
Master of Science (MSc)
YEAR
1386

TITLE

Slice Sampling Method and Related Topics
Statistical simulation is of great importance in Engineering and applied sciences. Simulating random number from some distributions, however, is not an easy task. Markov chai monte carlo(MCMC) is among the most important methods to simulate random numbers in such situations. Two of the most applicable algorithms based on the MCMC methods are Metropolis-Hastings, Gi sampling and slice sampling.
در علوم کاربردی و مهندسی شبیه سازی از توزیع های آماری از اهمیت وی‍‍ژه ای برخوردار است، اگرچه این ممکن است ساده نباشد. تاکنون روش های متفاوت شبیه سازی معرفی شده اند که از بین آن ها روش های مبتنی بر مونت کارلو زنجیر مارکفی از مهم ترین هستند. دو الگوریتم متروپولیس-هستینگس و گیبس پرکاربردترین الگوریتم ها هستند اما در مواردی با محدودیت هایی مواجه هستند. در این پایان نامه ضمن بیان روش های متداول روش نمونه گیری برشی برای رفع برخی از محدودیت ها بیان می شود.

ارتقاء امنیت وب با وف بومی