02443 Stokastisk simulation

2024/2025

Kursusinformation
Stochastic Simulation
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
Teknologisk specialisering (MSc), se flere
Teknologisk specialisering (MSc), Sustainable Energy
Teknologisk specialisering (MSc), Business Analytics
Teknologisk specialisering (MSc), Transportation and Logistics
Teknologisk specialisering (MSc), Biotechnology
Teknologisk specialisering (MSc), Mathematical Modelling and Computation
Teknologisk specialisering (MSc), Human-Centered Artificial Intelligence
Teknologisk specialisering (MSc), Quantitative Biology and Disease Modelling
Retningsspecifikt kursus (MSc), se flere
Retningsspecifikt kursus (MSc), Biotechnology
Retningsspecifikt kursus (MSc), Quantitative Biology and Disease Modelling
Retningsspecifikt kursus (MSc), Business Analytics
Retningsspecifikt kursus (MSc), Human-Centered Artificial Intelligence
Retningsspecifikt kursus (MSc), Mathematical Modelling and Computation
Retningsspecifikt kursus (MSc), Transport and Logistics
Generel retningskompetence (MSc), Transportation and Logistics
Generel retningskompetence (MSc), Mathematical Modelling and Computation
Juni
Campus Lyngby
Forelæsninger, øvelser og kursusarbejde.
3-uger
Sidste dag(e) i 3-ugersperioden
Bedømmelse af opgave(r)/rapport(er)
Opgaver og rapport udarbejdes under kurset. Der skal være elementer af rapporterne, hvor det fremgår, hvilken del de enkelte studerende har ansvar for.
Alle hjælpemidler - med adgang til internettet
bestået/ikke bestået , intern bedømmelse
02402 , eller et lignende grundkursus i statistik. Kendskab til programmering.
Bo Friis Nielsen , Lyngby Campus, Bygning 321, Tlf. (+45) 4525 3397 , bfni@dtu.dk
01 Institut for Matematik og Computer Science
http://www.imm.dtu.dk/courses/02443
I studieplanlæggeren
Dette kursus giver den studerende en mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Ligesom fysikere analyserer naturen ved at udføre målinger på en forsøgsopstilling, og teknikere analyserer komplicerede konstruktioner ved at studere skalamodeller, kan matematikere og operationsanalytikere betjene sig af simulation til at analysere problemstillinger, der er så indviklede, at en rent teoretisk behandling i praksis er umulig. Simulation kan karakteriseres som en art numeriske eksperimenter. Modeller opbygges i form af programmer til en datamaskine, og eksperimentet består i at køre disse programmer med forskellige sæt af inddata. Som for eksperimenter består kunsten dels i at opbygge en god model, dels i at kunne analysere måleresultaterne. Kurset behandler især sådanne problemstillinger, hvor tilfældigheder spiller en afgørende rolle. De tilsvarende simulationsmetoder bliver ofte benævnt "Monte Carlo metoder". Det er kursets formål at give en indføring i opbygningen af simulationsmodeller og i vurdering af simulationsresultater
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Anvende tilfældighedsgeneratorer indbyggede i software-pakker
  • Implementere algoritmer til simulering af tilfældige tal fra en given fordeling
  • Udføre simple statistiske analyser af simulerede data
  • Anvende simulationsbaserede statistiske metoder, som Markov Chain Monte Carlo og Bootstrap, p� simple problemer.
  • Anvende Simuleret Udglødning til at løse mindre, diskrete optimeringsproblemer.
  • Anvende event-by-event princippet til at designe en simulationsmodel for et givet teknisk system
  • Verficere programmel til simulation.
  • Validere en simulationsmodel
  • Tilrettelægge og gennemføre et simulationsstudie med henblik på en
  • Kunne anvende variansreducerende teknikker i simulationsstudier
  • Præsentere resultaterne af et simulationsstudie skriftligt eller mundtligt
Kursusindhold
De første 6-7 dage indeholder gennemgang af teori og eksempler. Der er mødepligt til denne del af kurset.
Kurset er i høj grad baseret på arbejde med praktiske problemer. Følgende emner gennemgås i forelæsninger: Modelopbygning. Generering af tilfældige tal. Tests for tilfældighed. Tilfældige tal fra statistiske fordelinger.
Introduktion til diskret simulation (fx. systemer) og variansreducerende metoder, bootstrap, Markov chain Monte Carlo teknikken samt simulated annealing. Simulationssprog. Statistisk analyse af simulationsresultater. En række problemer diskuteres i forbindelse med praktiske eksempler.
Litteraturhenvisninger
Simulation, Sheldon M. Ross, Elsevier, 2013.
Simulation Modeling and Analysis, Averill M. Law, McGraw-Hill, 2015.
Introducing Monte Carlo Methods with R, C.P. Robert and G. Casella, Springer, 2010 (pdf available from DTU electronic library).
Sidst opdateret
02. maj, 2024