Introducción a la programación y simulación científicas con R

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 29 votos.

Título original:

Introduction to Scientific Programming and Simulation Using R

Contenido del libro:

Aprenda a programar modelos estocásticos

Altamente recomendada, la primera edición de Introduction to Scientific Programming and Simulation Using R, un éxito de ventas, fue elogiada como una introducción excelente y fácil de leer con amplios ejemplos y ejercicios. Esta segunda edición continúa introduciendo la programación científica y la modelización estocástica de forma clara, práctica y exhaustiva. Los lectores aprenden a programar experimentando con el código R y los datos proporcionados.

Las cuatro partes del libro enseñan:

⬤ Conocimientos básicos de R y conceptos de programación.

⬤ Cómo pensar en matemáticas desde un punto de vista numérico, incluyendo la aplicación de estos conceptos a la búsqueda de raíces, integración numérica y optimización.

⬤ Fundamentos de probabilidad, variables aleatorias y expectativas necesarios para entender la simulación.

⬤ Modelización y simulación estocástica, incluida la generación de números aleatorios y la integración de Monte Carlo.

En un nuevo capítulo sobre sistemas de ecuaciones diferenciales ordinarias (EDO), los autores tratan los esquemas de Euler, punto medio y Runge-Kutta de cuarto orden (RK4) para resolver sistemas de EDO de primer orden. Comparan experimentalmente la eficiencia numérica de los distintos esquemas y muestran cómo mejorar el esquema RK4 utilizando un tamaño de paso adaptativo.

Otro capítulo nuevo se centra en las cadenas de Markov de tiempo discreto y continuo. En él se describen las matrices de transición y de velocidad, la clasificación de los estados, el comportamiento límite, las ecuaciones de Kolmogorov hacia delante y hacia atrás, las cadenas absorbentes finitas y los tiempos de acierto esperados. También presenta métodos para simular cadenas de tiempo discreto y continuo, así como técnicas para definir el espacio de estados, incluidos los estados agrupados y las variables suplementarias.

Construyendo la intuición estadística de los lectores, Introduction to Scientific Programming and Simulation Using R, Second Edition muestra cómo convertir algoritmos en código. Está diseñado para quienes desean crear herramientas, no sólo utilizarlas. El código y los datos pueden descargarse de CRAN.