Stochastic Dynamical Systems: Concepts, Numerical Methods, Data AnalysisJohn Wiley & Sons, 17.12.1996 - 552 Seiten Dieser einzigartige Band führt den Leser in die mathematische Begriffsbildung für komplexe Systeme ein. Er ist ideal für Studenten der Mathematik, Physik, Chemie und Medizin, die sich in ihrem Studium erstmals mit stochastischen dynamischen Systemen beschäftigen. Das Buch stellt praktische Methoden zur Verfügung, um mit solchen Systemen umgehen zu können, und stellt die zugundeliegenden Definitionen und theoretischen Annahmen, wo erforderlich, klar heraus. Im Gegensatz zu anderen Büchern über dieses Gebiet, die oft einen bestimmten Zugang bevorzugen, deckt Stochastical Dynamical Systems eine Vielzahl von stochastischen und statistischen Methoden ab, die für die Untersuchung von komplexen Systemen wie Polymerschmelzen, dem menschlichen Körper und der Atmosphäre absolut notwendig sind. Das Buch behandelt die Datenanalyse ebenso wie Simulationsmethoden für gegebene Modelle. Die ganze Vielfalt der klassischen und neuartigen Begriffe der mathematischen Stochastik wird in einem leicht verständlichen Stil erklärt, so daß die Leser diese Konzepte leicht für die Untersuchung ihrer Daten anwenden können. |
Inhalt
Stochastic Processes and Complex Systems | 1 |
Random Variables | 7 |
Analysis of Stationary Data | 40 |
Deduction of Models from Data | 90 |
CONTENTS | 134 |
of a Classification | 148 |
Basic Equations for Stochastic Processes | 159 |
Master Equations | 190 |
CONTENTS XV | 289 |
Functional Integrals in Stochastics | 316 |
Perturbation Theory and Approximations | 336 |
Time Series | 371 |
Linear Models for Stochastic Processes | 412 |
CONTENTS | 489 |
Tables | 509 |
| 529 | |
Andere Ausgaben - Alle anzeigen
Häufige Begriffe und Wortgruppen
absorbing boundary according algorithm approximation calculated called Chapman-Kolmogorov equation consider covariance function covariance matrix defined degrees of freedom density function determined distributed random variable distribution function eigenvalues estimated values estimator function Euler method event example expectation value Figure filter Fokker-Planck equation follows given graphs holds independent integral interval linear Markov process master equation mean value measured moments nonlinear normally distributed random null hypothesis observation obtains Ornstein-Uhlenbeck process parameters particles pn(t polymer procedure process X(t Pstat(x quantity random numbers random sample random variable random vector realization Section simulation solution standard error stationary stochastic differential equation stochastic process Suppose t₁ tion trajectory transition probability two-time variance white noise Wiener process X₁ yields zero μο σ² Σα σχ
Verweise auf dieses Buch
Topics in Nonlinear Time Series Analysis: With Implications for EEG Analysis Andreas Galka Eingeschränkte Leseprobe - 2000 |
Brownian Motion: Fluctuations, Dynamics, and Applications Robert M. Mazo Keine Leseprobe verfügbar - 2002 |

