●作者簡介
獻詞
前言
第1章 預備知識
1.1 隨機試驗
1.2 條件概率和事件的獨立性
1.3 隨機變量和概率分布
1.4 幾個重要分布
1.5 期望
1.6 聯合分布
1.7 隨機變量的函數
1.8 變換
1.9 聯合正態隨機變量
1.10 極限定理
1.11 泊松過程
1.12 馬爾可夫過程
1.13 估計量的效率
1.14 信息
1.15 凸優化及對偶性
習題
參考文獻
第2章 隨機數、隨機變量和隨機過程的產生
2.1 引言
2.2 隨機數的產生
2.3 隨機變量的產生
2.4 常用分布隨機變量的產生
2.5 隨機向量的產生
2.6 泊松過程的產生
2.7 馬爾可夫鏈和馬爾可夫跳躍過程的產生
2.8 隨機排列的產生
習題
參考文獻
第3章 離散事件繫統仿真
3.1 仿真模型
3.2 DEDS仿真時鐘和事件表
3.3 離散事件仿真
習題
參考文獻
第4章 離散事件繫統的統計分析
4.1 引言
4.2 靜態仿真模型
4.3 動態仿真模型
4.4 Bootstrap法
習題
參考文獻
第5章 方差控制
5.1 引言
5.2 共同隨機變量和對偶隨機變量
5.3 控制變量
5.4 條件蒙特卡洛
……

《仿真與蒙特卡洛方法》（第2版）反映了第1版經典版出版20多年以來該領域的新進展，全面深入地探討了蒙特卡洛仿真中新出現的各種主題。在保持原書深入淺出和直觀易懂風格的同時，本次修訂的新版本提供了大量的信息，以便讀者更加深入地理解各領域中問題的解決方法，比如工程、統計、計算機科學、數學和生命科學等領域。
本書的開頭部分從更新的視角介紹了概率論的基本概念、馬爾可夫過程和凸優化，後續章節討論了蒙特卡洛方法在多方面取得的各種突破性進展，包括以下新主題：
馬爾可夫鏈蒙特卡洛
方差減小技術，包括變換似然比方法和篩選法
靈敏度分析中的得分函數法
蒙特卡洛優化中的隨機近似法和隨機等效法
稀有事件估計與組合優化的交叉熵方法
蒙特卡洛方法在計數問題中的應用，突出了參數化最小交叉熵方法
每一章的最後都配有大量的習題並特等