Kolonko michael (22 Ergebnisse)

Zustand: New.

Paperback or Softback. Zustand: New. Stochastische Simulation: Grundlagen, Algorithmen Und Anwendungen. Book.

Zustand: New.

Zustand: As New. Unread book in perfect condition.

Zustand: New. In English.

Paperback. Zustand: New.

Paperback. Zustand: Sehr gut. oktav paperback. sehr gutes exemplar. ungelesen; kleiner fleck auf vorderer einbanddecke sowie erste seiten an unterer ecke gering fleckig - sonst tadellos; rote broschur; reihe: universität hildesheim - skripten des fachbereichs mathematik, informatik, naturwissenschaften nr. 10. …

Zustand: New.

Zustand: New. pp. xi + 260.

Paperback. Zustand: Sehr gut. oktav paperback. sehr gutes exemplar. ungelesen; erste seiten an unterer ecke minimal beknickt - sonst tadellos; rote broschur; reihe: universität hildesheim - skripten des fachbereichs mathematik, informatik, naturwissenschaften nr. 12.

Zustand: New. 2008. Paperback. . . . . .

Zustand: As New. Unread book in perfect condition.

8° Broschiert. Zustand: Gut. 32 ohne Schutzumschlag kaum Lesespuren an Einband und Block Block sauber ohne Einträge Name im Vorsatz 126636 Sprache: Deutsch Gewicht in Gramm: 300.

Paperback. Zustand: Brand New. 2008 edition. 260 pages. German language. 9.37x6.61x0.87 inches. In Stock.

Zustand: New. 2008. Paperback. . . . . . Books ship from the US and Ireland.

Paperback. Zustand: Sehr gut. oktav paperback. sehr gutes exemplar. ungelesen + tadellos; rote broschur; reihe: universität hildesheim - skripten des fachbereichs mathematik, informatik, naturwissenschaften nr. 9.

Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - Der Zufall in Gestalt von unvorhersehbaren Risiken und Chancen spielt seit jeher eine große Rolle bei vielen Entscheidungen in Wirtschaftsleben, Technik und Wissenschaft. Zufällige E- ussfaktoren müssen deshalb auch in die formalen Modelle aufgenommen werden, mit denen heutzutage komplexe Systeme geplant, gesteuert und optimiert werden. Früher reichte es - bei oft, zufallsbehaftete Größen durch ihre Mittelwerte zu modellieren. Für die Genauigkeit, die heutzutage von Modellen etwa für Prozesse in Produktion und Logistik verlangt wird, müssen aber auch die zufälligen Ein üsse genauer modelliert werden, es müssen ihre zeitliche Entwi- lung und ihre wechselseitigen Abhängigkeiten beschrieben werden. Dies führt typischerweise auf Modelle, die zwar realitätsnah sind, die aber mit den verfügbaren mathematisch-analytischen Methoden oft nicht mehr gelöst werden können. In dieser Situation kann die stochastische Simulation einen Ausweg bieten, indem sie der mathematischen Modellierung sozusagen eine experimentelle Variante zur Seite stellt. Einzige Voraussetzung dafür ist, dass der nicht-zufällige Teil des Modells, also etwa das Prozessgesc- hen bei feststehenden zufälligen Ein üssen, berechnet oder auf dem Rechner dargestellt werden kann. Wird dieses Teilmodell dann für wechselnden zufälligen Input beobachtet, so können aus den Beobachtungen Schätzungen für verschiedene Leistungskenngrößen gewonnen werden.…

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Der Zufall in Gestalt von unvorhersehbaren Risiken und Chancen spielt seit jeher eine große Rolle bei vielen Entscheidungen in Wirtschaftsleben, Technik und Wissenschaft. Zufällige E- ussfaktoren müssen deshalb auch in die formalen Modelle aufgenommen werden, mit denen heutzutage komplexe Systeme geplant, gesteuert und optimiert werden. Früher reichte es - bei oft, zufallsbehaftete Größen durch ihre Mittelwerte zu modellieren. Für die Genauigkeit, die heutzutage von Modellen etwa für Prozesse in Produktion und Logistik verlangt wird, müssen aber auch die zufälligen Ein üsse genauer modelliert werden, es müssen ihre zeitliche Entwi- lung und ihre wechselseitigen Abhängigkeiten beschrieben werden. Dies führt typischerweise auf Modelle, die zwar realitätsnah sind, die aber mit den verfügbaren mathematisch-analytischen Methoden oft nicht mehr gelöst werden können. In dieser Situation kann die stochastische Simulation einen Ausweg bieten, indem sie der mathematischen Modellierung sozusagen eine experimentelle Variante zur Seite stellt. Einzige Voraussetzung dafür ist, dass der nicht-zufällige Teil des Modells, also etwa das Prozessgesc- hen bei feststehenden zufälligen Ein üssen, berechnet oder auf dem Rechner dargestellt werden kann. Wird dieses Teilmodell dann für wechselnden zufälligen Input beobachtet, so können aus den Beobachtungen Schätzungen für verschiedene Leistungskenngrößen gewonnen werden. 260 pp. Deutsch.…

Zustand: New. Print on Demand pp. xi + 260.

Zustand: New. PRINT ON DEMAND pp. xi + 260.

Zustand: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Prof. Dr. Michael Kolonko, TU ClausthalZufaellige Einflussfaktoren sind oft wesentliche Bestandteile moderner mathematischer Modelle fuer oekonomische und technische Fragestellungen. Die stochastische Simulation stellt eine experimentelle Variante zur Loesu.…

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Der Zufall in Gestalt von unvorhersehbaren Risiken und Chancen spielt seit jeher eine große Rolle bei vielen Entscheidungen in Wirtschaftsleben, Technik und Wissenschaft. Zufällige E- ussfaktoren müssen deshalb auch in die formalen Modelle aufgenommen werden, mit denen heutzutage komplexe Systeme geplant, gesteuert und optimiert werden. Früher reichte es - bei oft, zufallsbehaftete Größen durch ihre Mittelwerte zu modellieren. Für die Genauigkeit, die heutzutage von Modellen etwa für Prozesse in Produktion und Logistik verlangt wird, müssen aber auch die zufälligen Ein üsse genauer modelliert werden, es müssen ihre zeitliche Entwi- lung und ihre wechselseitigen Abhängigkeiten beschrieben werden. Dies führt typischerweise auf Modelle, die zwar realitätsnah sind, die aber mit den verfügbaren mathematisch-analytischen Methoden oft nicht mehr gelöst werden können. In dieser Situation kann die stochastische Simulation einen Ausweg bieten, indem sie der mathematischen Modellierung sozusagen eine experimentelle Variante zur Seite stellt. Einzige Voraussetzung dafür ist, dass der nicht-zufällige Teil des Modells, also etwa das Prozessgesc- hen bei feststehenden zufälligen Ein üssen, berechnet oder auf dem Rechner dargestellt werden kann. Wird dieses Teilmodell dann für wechselnden zufälligen Input beobachtet, so können aus den Beobachtungen Schätzungen für verschiedene Leistungskenngrößen gewonnen werden.Vieweg+Teubner Verlag, Abraham-Lincoln-Straße 46, 65189 Wiesbaden 276 pp. Deutsch.…