•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Civilica Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Civilica Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

روش های کاهش واریانس در روش مونت کارلو

نویسنده:
غلامحسین, غلامی
,
آرش, میرترابی
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/2393168
کلیدواژه(گان): نمونه گیری نقاط مهم,رائو بلکولیزه کردن,متغیرهای کنترل شده,متغیرهای متضاد,اعداد تصادفی مشترک
کالکشن :
  • Civilica Articles
  • دانلود: (409.5Kb)
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    روش های کاهش واریانس در روش مونت کارلو

Show full item record

contributor authorغلامحسین, غلامی
contributor authorآرش, میرترابی
date accessioned2020-04-11T18:43:16Z
date available2020-04-11T18:43:16Z
identifier otherReaVP75yqtmkIwk74Q_GCHTbMgkCsNybiPBCEju5KyzjWQCAil.pdf
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/2393168
formatgeneral
languageFarsi
titleروش های کاهش واریانس در روش مونت کارلو
typeConference Paper
contenttypeFulltext
identifier padid10884655
subject keywordsنمونه گیری نقاط مهم
subject keywordsرائو بلکولیزه کردن
subject keywordsمتغیرهای کنترل شده
subject keywordsمتغیرهای متضاد
subject keywordsاعداد تصادفی مشترک
coverageAcademic
filesize419160
citations3
identifier linkhttp://www.civilica.com/Paper-CFMA03-CFMA03_094.html
conference title3rd Conference on Financial Mathematics and Applications
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace