prikaz prve stranice dokumenta Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu
  Download
PDF 12.18 MB
master's thesis
Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu
2023. urn:nbn:hr:126:980612
Markulak, Dunja
Josip Juraj Strossmayer University of Osijek
School of Applied Mathematics and Informatics

Cite this document

Markulak, D. (2023). Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu (Master's thesis). Osijek: Josip Juraj Strossmayer University of Osijek, School of Applied Mathematics and Informatics. Retrieved from https://urn.nsk.hr/urn:nbn:hr:126:980612

Markulak, Dunja. "Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu." Master's thesis, Josip Juraj Strossmayer University of Osijek, School of Applied Mathematics and Informatics, 2023. https://urn.nsk.hr/urn:nbn:hr:126:980612

Markulak, Dunja. "Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu." Master's thesis, Josip Juraj Strossmayer University of Osijek, School of Applied Mathematics and Informatics, 2023. https://urn.nsk.hr/urn:nbn:hr:126:980612

Markulak, D. (2023). 'Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu', Master's thesis, Josip Juraj Strossmayer University of Osijek, School of Applied Mathematics and Informatics, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:126:980612

Markulak D. Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, School of Applied Mathematics and Informatics; 2023 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:126:980612

D. Markulak, "Euler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu", Master's thesis, Josip Juraj Strossmayer University of Osijek, School of Applied Mathematics and Informatics, Osijek, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:126:980612

Please login to the repository to save this object to your list.
Metadata
TitleEuler-Maruyama metoda za rješavanje stohastičkih diferencijalnih jednadžbi uz implementaciju u Pythonu
Title (english)Euler-Maruyama Method For Solving Stohastic Differential Equations With Python Implementation
AuthorDunja Markulak
MentorNenad Šuvak (mentor)
Committee memberIvan Papić (predsjednik povjerenstva)
Committee memberNenad Šuvak (član povjerenstva)
Committee memberMirta Benšić (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
School of Applied Mathematics and Informatics
Osijek
Defense date and country2023-10-30, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Mathematics
Probability Theory and Statistics
Abstract
U ovom radu definiramo stohastičke diferencijalne jednadžbe (SDJ) i dajemo kratak pregled teorije vezane uz njih. Zatim definiramo procese: geometrijsko Brownovo gibanje i Ornstein-Uhlenbeckov proces, koje kasnije koristimo kao primjere. Glavni dio rada definira Euler-Maruyama metodu za numeričko rješavanje SDJ te pruža implementaciju u programskom jeziku Python. Također predstavljamo pseudo-likelihood metodu za procjenu parametara temeljenu na Euler-Maruyama metodi. Na kraju je predstavljeno samostalno izrađeno grafičko korisničko sučelje koristeći Python za simuliranje trajektorija SDJ.
Abstract (english)
In this paper, we define stochastic differential equations (SDE) and the general theory connected to SDE. Afterward, we define processes: geometric Brownian Motion and Ornstein-Uhlenbeck process, which we later use in examples. The main part of the paper defines the Euler-Maruyama method for numerically solving SDEs and provides an implementation in the programming language Python. We also present the pseudo-likelihood method for parameter estimation based on the Euler-Maruyama method. Finally, a self-made graphical user interface using Python is presented for simulating SDE trajectories.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:126:980612
Study programmeTitle: Mathematics; specializations in: Financial and Statistical Mathematics, Mathematics and Computer Science, Industrial and Applied Mathematics
Course: Financial and Statistical Mathematics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra matematike (magistar/magistra matematike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2023-11-06 13:07:44