Stokastisk simulation
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
See course description in English
Læringsmål
- 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.
Anbefalede forudsætninger
02402, eller et lignende grundkursus i statistik. Kendskab til programmering.
Undervisningsform
Forelæsninger, øvelser og kursusarbejde.