Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Ichpas, R., (2017). Markovian Binary Trees : an Algorithmic Approach [Tesis, Università di Pisa]. http://renati.sunedu.gob.pe/handle/sunedu/952767
Ichpas, R., Markovian Binary Trees : an Algorithmic Approach [Tesis]. IT: Università di Pisa; 2017. http://renati.sunedu.gob.pe/handle/sunedu/952767
@mastersthesis{renati/1400,
title = "Markovian Binary Trees : an Algorithmic Approach",
author = "Ichpas Tapia, Rolando Fredy",
publisher = "Università di Pisa",
year = "2017"
}
Title: Markovian Binary Trees : an Algorithmic Approach
Other Titles: Árboles binarios markovianos : un enfoque algorítmico
Authors(s): Ichpas Tapia, Rolando Fredy
Advisor(s): Meini, Beatrice
Keywords: Procesos de Markov; Modelos estocásticos; Análisis estocástico; Algoritmos de ramificación y acotamiento
OCDE field: http://purl.org/pe-repo/ocde/ford#1.01.01
Issue Date: 2017
Institution: Università di Pisa
Abstract: Los procesos de ramificación constituyen uno de los campos clásicos de probabilidades aplicadas y siguen siendo un área activa de investigación. Desde que este sector ha crecido tan amplio y diverso, en esta tesis hacemos solo una introducción a los conceptos generales que nos ayudarán a comprender la construcción de los árboles de Markovia. En términos generales, un proceso de ramificación podría describirse como un modelo estocástico para el desarrollo de una población, cuyos miembros generalmente se denominan individuos o partículas, y que se reproducen independientemente. El prototipo de un proceso de ramificación modelando un fenómeno en su forma más pura y el simple proceso de Galton-Watson o,
Históricamente más correcto, el proceso Bienaym e-Galton-Watson.
I processi di Rami cazione (Branching Processes) costituiscono uno dei campi classici della probabilità applicata e sono ancora un'area attiva di ricerca. Dato che questo settore è cresciuto così ampio e diversi cato, in questa tesi si fa solo un'introduzione ai concetti generali che ci aiuterà a comprendere la costruzione dei Markovian Trees. I teoremi e le proposizioni viste qui non verranno dimostrati, un trattamento più completo su questo argomento insieme alle dimostrazioni può essere trovato in [4] e [19]. In senso lato, un processo di rami cazione potrebbe essere descritto come un modello stocastico per lo sviluppo di una popolazione, i cui membri di solito si chiamano individui o particelle, e che si riproducono in modo indipendente. Il prototipo di un processo di Rami cazione modellando un fenomeno nella sua forma più pura è il semplice processo di Galton-Watson o, storicamente più corretto, il processo di Bienaymé-Galton-Watson.
I processi di Rami cazione (Branching Processes) costituiscono uno dei campi classici della probabilità applicata e sono ancora un'area attiva di ricerca. Dato che questo settore è cresciuto così ampio e diversi cato, in questa tesi si fa solo un'introduzione ai concetti generali che ci aiuterà a comprendere la costruzione dei Markovian Trees. I teoremi e le proposizioni viste qui non verranno dimostrati, un trattamento più completo su questo argomento insieme alle dimostrazioni può essere trovato in [4] e [19]. In senso lato, un processo di rami cazione potrebbe essere descritto come un modello stocastico per lo sviluppo di una popolazione, i cui membri di solito si chiamano individui o particelle, e che si riproducono in modo indipendente. Il prototipo di un processo di Rami cazione modellando un fenomeno nella sua forma più pura è il semplice processo di Galton-Watson o, storicamente più corretto, il processo di Bienaymé-Galton-Watson.
Link to repository: http://renati.sunedu.gob.pe/handle/sunedu/952767
Discipline: Ciencias naturales
Grade or title grantor: Università di Pisa. Dipartimento di Matematica
Grade or title: Magíster en Matemática
Register date: 6-May-2020
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Ichpas_Tapia_RF.pdf | Tesis | 1.65 MB | Adobe PDF | View/Open |
Autorizacion.pdf Restricted Access | Formato de autorización | 1.16 MB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.