Mostrar registro simples

dc.contributor.advisorDotto, Oclide Josept_BR
dc.contributor.authorDornelles Filho, Adalberto Ayjarapt_BR
dc.date.accessioned2015-05-23T02:01:03Zpt_BR
dc.date.issued2000pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/116969pt_BR
dc.description.abstractMonte Carlo é o nome dado de forma geral às técnicas de resolução de problemas numéricos através do uso intensivo de números aleatórios. No trato computacional, esses números não são, de fato, aleatórios, mas pseudo-aleatórios, pois são gerados por algoritmos determinísticos que, no entanto, “parecem” aleatórios, isto é, são aprovados em testes de aleatoriedade. Variáveis aleatórias com quaisquer distribuições de probabilidade são então simuladas a partir de números pseudo-aleatórios uniformemente distribuídos no intervalo (0;1) através de certas transformações. Entre as diversas aplicações do método Monte Carlo destaca-se a quadratura numérica multidimensional, que consiste essencialmente em estimar o valor médio da função integranda através do valor médio da função em pontos escolhidos de modo aleatório no interior da região de integração. Técnicas especiais de amostragem permitem a redução da variância e, em conseqüência, do erro nos valores estimados. O erro de convergência do método é, no pior caso, de ordem O(n-1/2). No entanto o uso de pontos amostrais quase-aleatórios pode levar a convergência mais rápida de ordem O(n-1). O presente trabalho descreve uma grande quantidade de algoritmos para obtenção de variáveis pseudo-aleatórias e quasealeatórias ; para a transformação de diversas distribuições de probabilidade e para quadratura multidimensional.pt_BR
dc.description.abstractMonte Carlo is the name usually given to numerical problems resolution techniques by intensive use of random numbers. In computer procedures, this numbers are not, in fact, random but pseudo-random because they are generated by deterministic algorithms, but “look like” random, that is, they pass on randomness tests. Such random variables with any probability distribution are simulated on pseudo-random numbers with uniform distribution in (0;1) by certain transformations. Among a diversity of Monte Carlo methods applications, a special one is the multidimensional numeric quadrature which consists essentially of estimating tha integrand function mean value by the mean that function at random points in the integration region. Sampling techniques allow a variance reduction and hence an estimated error reduction. The error convergence order is, in the worst case, O(n-1/2). However quasi-random sampling points could bring a faster convergence order of O(n-1). The present work describes a wide quantity of algorithms for producing pseudo-random and quasi-random variables; for transforming a diversity of probability distributions, and for multidimensional quadrature.en
dc.format.mimetypeapplication/pdf
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectEstatística aplicada : Probabilidade : Análise multivariadapt_BR
dc.subjectVariáveis aleatórias : Simulaçãopt_BR
dc.subjectMétodo de Monte Carlo : Simulaçãopt_BR
dc.subjectQuadratura multidimensionalpt_BR
dc.subjectNúmeros aleatóriospt_BR
dc.subjectNúmeros pseudo-aleatóriospt_BR
dc.subjectVariância : Reduçãopt_BR
dc.subjectPontos amostrais quase-aleatóriospt_BR
dc.titleA simulação de variáveis aleatórias e os métodos Monte Carlo e Quase-Monte Carlo na quadratura multidimensionalpt_BR
dc.typeDissertaçãopt_BR
dc.identifier.nrb000271100pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Matemáticapt_BR
dc.degree.programPrograma de Pós-Graduação em Matemática Aplicadapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2000pt_BR
dc.degree.levelmestradopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples