SylabUZ
Course name | Modeling Random Phenomena |
Course ID | 11.0-WK-IDP-MZL-W-S14_pNadGen4GHLU |
Faculty | Faculty of Mathematics, Computer Science and Econometrics |
Field of study | Data Engineering |
Education profile | academic |
Level of studies | First-cycle studies leading to Engineer's degree |
Beginning semester | winter term 2021/2022 |
Semester | 5 |
ECTS credits to win | 6 |
Available in specialities | Modeling and Data Analysis |
Course type | optional |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 30 | 2 | - | - | Credit with grade |
Laboratory | 30 | 2 | - | - | Credit with grade |
Celem przedmiotu jest zapoznanie studenta z podstawowymi metodami służącymi do symulacji różnych omawianych zjawisk probabilistycznych i problemów deterministycznych oraz symulacji losowych wybranych rzeczywistych problemów, ze szczególnym uwzględnieniem metody Monte Carlo.
Zaliczenie ze wstępu do rachunku prawdopodobieństwa, podstawowa znajomość wybranych pakietów oprogramowania matematycznego.
Wykład/laboratorium:
1. Zmienne losowe w symulacjach komputerowych (Generatory liczb pseudolosowych. Różne metody generowania realizacji zmiennych i wektorów losowych. Generowanie skończonych prób losowych z rozkładów tych zmiennych. Konstrukcja i wykorzystanie dystrybuanty empirycznej, estymacja kwantyli i funkcji gęstości.)
2. Metoda Monte Carlo i je zastosowania do rozwiązywania problemów probabilistycznych i deterministycznych, dokładność tej metody.
3. Symulacje wybranych procesów stochastycznych.
4. Wykorzystanie wybranego pakietu matematycznego do symulacji różnych omawianych zjawisk probabilistycznych i problemów deterministycznych.
Wykład tradycyjny.
Laboratoria, w ramach których studenci rozwiązują problemy analitycznie oraz przy wykorzystaniu wybranego pakietu matematycznego.
Outcome description | Outcome symbols | Methods of verification | The class form |
Udział w zajęciach jest obowiązkowy.
Laboratorium – na ocenę z laboratorium składają się wyniki osiągnięte na 2 kolokwiach z zadaniami o zróżnicowanym stopniu trudności (80%) oraz aktywność na zajęciach (20%). Warunkiem zaliczenia ćwiczeń jest uzyskanie pozytywnych ocen z dwóch kolokwiów.
Wykład – egzamin pisemny. Warunkiem zaliczenia wykładu jest pozytywna ocena z zaliczenia pisemnego.
Na ocenę z przedmiotu składa się ocena z laboratorium (50%) i ocena z wykładu (50%). Warunkiem zaliczenia przedmiotu są pozytywne oceny z laboratorium i wykładu.
1. Jakubiak, J. K. Misiewicz, Wykład z procesów stochastycznych z zadaniami. Część pierwsza: Procesy Markowa, SCRIPT, Warszawa 2010.
Modified by dr Alina Szelecka (last modification: 05-05-2021 13:03)