Design and Analysis of Simulation Experiments

1. Auflage. Softcover version of original hardcover Auflage 1995
ISBN: 978-90-481-4604-8
Verlag: Springer

Buch, Englisch, 200 Seiten, Previously published in hardcover, Format (B × H): 155 mm x 235 mm, Gewicht: 330 g

Reihe: Mathematics and Its Applications

This book is devoted to a new branch of experimental design theory called simulation experimental design. There are many books devoted either to the theory of experimental design or to system simulation techniques, but in this book an approach to combine both fields is developed. Especially the mathematical theory of such universal variance reduction techniques as splitting and Russian Roulette is explored. The book contains a number of results on regression design theory related to nonlinear problems, the E-optimum criterion and designs which minimize bias.
This volume will be of value to readers interested in systems simulation, applied statistics and numerical methods with basic knowledge of applied statistics and linear algebra.

Zielgruppe

Research

Autoren/Hrsg.

Ermakov, S.M.

Melas, Viatcheslav B.

Fachgebiete

• Wirtschaftswissenschaften Betriebswirtschaft Wirtschaftsmathematik und -statistik
• Wirtschaftswissenschaften Volkswirtschaftslehre Volkswirtschaftslehre Allgemein Wirtschaftstheorie, Wirtschaftsphilosophie
• Wirtschaftswissenschaften Betriebswirtschaft Unternehmensforschung
• Interdisziplinäres Wissenschaften Wissenschaften: Forschung und Information Entscheidungstheorie, Sozialwahltheorie
• Wirtschaftswissenschaften Volkswirtschaftslehre Volkswirtschaftslehre Allgemein Wirtschaftsstatistik, Demographie
• Interdisziplinäres Wissenschaften Wissenschaften: Forschung und Information Kybernetik, Systemtheorie, Komplexe Systeme
• Wirtschaftswissenschaften Betriebswirtschaft Management Entscheidungsfindung
• Mathematik | Informatik Mathematik Operations Research
• Mathematik | Informatik Mathematik Mathematik Interdisziplinär Systemtheorie

Inhaltsverzeichnis

Preface. 1. Methods of Distribution and Process Simulation. 2. Discrete Markov Chains. 3. Path Branching Technique for Discrete Markov Chains. 4. General Markov Chains. 5. General Design Methods of Simulation and Regression Experiments. References. Index.