본서는 몬테칼로 시뮬레이션(Monte Carlo simulation) 방법을 사용하고 싶은 사람들을 위한 것이다. 몬테칼로 시뮬레이션이란 컴퓨터를 이용해서 문제를 푸는 확률적 기법이다. 이 기법은 과학, 공학, 경제, 사회 등 거의 모든 영역에서 우리가 직면하고 있는 문제를 푸는 데 적용될 수 있다. 이 강력한 계산 기법과 관련된 지식을 독자들에게 전달하는 것이 이 책의 목적이다. 이 책은 몬테칼로 방법이 무엇이고, 어떻게 작동하는지, 어떻게 해서 복잡한 문제들을 푸는 데 사용될 수 있는지를 구체적으로 보여 줄 것이다.

1장 시뮬레이션과 몬테칼로 방법 2장 확률과 통계 기초 2.1 표본공간과 확률변수 2.2 확률밀도함수와 누적분포함수 2.3 기댓값과 분산 2.4 조건부확률 2.5 분포에 대한 이해 3. 이산형 확률분포 3.1 이산형 균등분포, 3.2 베르누이분포, Bernoulli 3.3 이항분포, Bin 3.4 포아송 분포, Poisson 3.5 기하분포, Geom 3.6 음이항분포, NegBin 3.7 초기하분포, HypGeom 4. 연속형 확률분포 4.1 균등분포, U 4.2 지수분포, Expo 4.3 정규분포, N 4.4 로그정규분포, LogN 4.5 와이블 분포, Weibull 4.6 레일리 분포, Rayleigh 4.7 극단값분포, EVD 4.8 감마분포, Gamma 4.9 카이제곱()분포, Chi2 4.10 베타분포, Beta 4.11 F 분포, F 4.12 Student’s t 분포, Stt 4.13 코쉬 분포, Cauchy 4.14 파레토 분포 4.15 삼각형분포 5. 추정 5.1 추정 개요 5.2 확률변수들의 합과 정규분포 5.3 중심극한정리와 다수의 법칙 5.4 추정방법 5.5 통계적 허용한계 6. 균등분포 난수 만들기 6.1 난수 6.2 합동법 6.3 PC 환경에서 균등분포 난수 만들기 7. 특정 확률분포를 따르는 난수 만들기 7.1 특정 분포 난수를 만드는 여러 가지 방법들 7.2 이산형 확률분포 7.3 연속형 확률분포 7.4 실험분포 및 난수 만들기 8. 몬테칼로 시뮬레이션 8.1 몬테칼로 방법 8.2 기본(또는 원시) 몬테칼로 방법 8.3 몬테칼로 시뮬레이션 결과의 해석 8.4 반복시행횟수 결정 8.5 몬테칼로 시뮬레이션 요약 9. 분산축소기법 9.1 분산축소기법 개요 9.2 층별 표본추출법 9.3 중요부 표본 추출법 9.4 공통난수법 9.5 대조변수법 9.6 제어변수법 9.7 조건부 몬테칼로법 10. 데이터로부터 분포의 모수추정 10.1 데이터 분석 절차 10.2 분포의 모수추정 방법 10.3 이산형 분포의 모수추정 10.4 연속형 분포의 모수추정 11. 적합도 검정 11.1 개요 11.2 카이제곱검정 11.3 실험분포에 근거한 적합도검정 부록 A. 예제 프로그램 운용을 위한 도움말 부록 B. 부동소수점 연산 B.1 부동소수점 표현 B.2 컴퓨터에서 처리하는 수의 범위 B.3 실수 표현에 있어서의 오류 B.4 부동소수점 연산의 특징 B.5 예외 처리 찾아보기

머리말
이 책은 몬테칼로 시뮬레이션(Monte Carlo simulation) 방법을 사용하고 싶은 사람들을 위한 것이다. 몬테칼로 시뮬레이션이란 컴퓨터를 이용해서 문제를 푸는 확률적 기법이다. 이 기법은 과학, 공학, 경제, 사회 등 거의 모든 영역에서 우리가 직면하고 있는 문제를 푸는 데 적용될 수 있다. 이 강력한 계산 기법과 관련된 지식을 독자들에게 전달하는 것이 이 책의 목적이다. 이 책은 몬테칼로 방법이 무엇이고, 어떻게 작동하는지, 어떻게 해서 복잡한 문제들을 푸는 데 사용될 수 있는지를 구체적으로 보여 줄 것이다.

출간 후에라도 수정사항이 있을 경우에는 자유아카데미 홈페이지(www.freeaca.com) 자료실에 제공할 예정이다.