monte carlo simulations
Matemática
Verbete 1 de 1
substantivo
Contexto: "Numerical results are presented to demonstrate the efficiency and accuracy of AAPG projection schemes and comparisons are made to approximations obtained using Monte Carlo simulation, generalized polynomial chaos-based stochastic Galerkin projection schemes and the generalized spectral decomposition method."
Fonte: Lin Gao; Christophe Audouze; NAIR, And Prasanth B.. Anchored analysis of variance Petrov–Galerkin projection schemes for linear stochastic structural dynamics. Royal society publishing, (S.L), out. 2015. Disponível em: <https://royalsocietypublishing.org/doi/full/10.1098/rspa.2015.0023>. Acesso em: 26 nov. 2018.
Fonte: Lin Gao; Christophe Audouze; NAIR, And Prasanth B.. Anchored analysis of variance Petrov–Galerkin projection schemes for linear stochastic structural dynamics. Royal society publishing, (S.L), out. 2015. Disponível em: <https://royalsocietypublishing.org/doi/full/10.1098/rspa.2015.0023>. Acesso em: 26 nov. 2018.
Termo equivalente: integração de monte carlo
Definição: "Monte Carlo simulations are a broad class of computational algorithms that rely on repeated random sampling to obtain numerical results. Their essential idea is using randomness to solve problems that might be deterministic. They are often used in physical and mathematical problems and are most useful when it is difficult or impossible to use other approaches. Monte Carlo simulations are mainly used in optimization, numerical integration, and generating draws from a probability distribution."
Fonte: SHREIDER, Yu.A.. The monte carlo method: the method of statistical trials. (S.L.): Elsevier, 2015. 394 p.
Fonte: SHREIDER, Yu.A.. The monte carlo method: the method of statistical trials. (S.L.): Elsevier, 2015. 394 p.
Definição em português: "As simulações de Monte Carlo são uma ampla classe de algoritmos computacionais que se baseiam em amostragens aleatórias repetidas para obter resultados numéricos. Sua ideia essencial é usar aleatoriedade para resolver problemas que podem ser determinísticos. Eles são frequentemente usados em problemas físicos e matemáticos e são mais úteis quando é difícil ou impossível usar outras abordagens. As simulações de Monte Carlo são usadas principalmente em problemas otimização, integração numérica e geração de números aleatórios o a partir de uma distribuição de probabilidade."