Final report
•Download as PPTX, PDF•
0 likes•13 views
This document discusses a performance evaluation project using Markov Chain Monte Carlo (MCMC) methods to sample random variables. It explores Markov chains and the Monte Carlo approach, using the Anaconda2 Python library and references a blog post about MCMC sampling that provides additional details on setting up MCMC problems.
Recommended
More Related Content
More from Hyun Wong Choi
More from Hyun Wong Choi (20)
Recently uploaded
Recently uploaded (20)
Final report
- 1. Performance evaluation project Markov Chain Monte Carlo(MCMC) Hyun Woong Choi
- 2. Random variable Markov Chain + Monte Carlo algorithm
- 5. Learning / conclusion of work Markov chain Monte Carlo Approach Anaconda2 – python library http://twiecki.github.io/blog/2015/11/10/m cmc-sampling/#Setting-up-the-problem
Editor's Notes
- Problem definition (Monte Carlo method)은 난수를 이용하여 함수의 값을 확률적으로 계산하는 알고리즘을 부르는 용어이다. 수학이나 물리학 등에 자주 사용되며, 계산하려는 값이 닫힌 형식으로 표현되지 않거나 복잡한 경우에 근사적으로 계산할 때 사용된다. 스타니스와프 울람이 모나코의 유명한 도박의 도시 몬테카를로의 이름을 본따 명명하였다. 1930년 엔리코 페르미가 중성자의 특성을 연구하기 위해 이 방법을 사용한 것으로 유명하다. 맨해튼 계획의 시뮬레이션이나 수소폭탄의 개발에서도 핵심적인 역할을 담당하였다. 알고리즘의 반복과 큰 수의 계산이 관련되기 때문에 몬테카를로는 다양한 컴퓨터 모의 실험 기술을 사용하여 컴퓨터로 계산하는 것이 적합하다.
- Analytical model
- Learning / conclusion of work