Inizio della pagina -
Logo DISCO
|
Visita la Versione ad elevata leggibilità
|
Vai al Contenuto della pagina
|
Vai alla Fine dei contenuti
|
Vai al Menu Principale
|
Vai alla Barra di navigazione (sei in)
|
Vai al Menu di navigazione (albero)
|
Vai alla Lista dei comandi
|
Vai alla Lista degli approfondimenti
|
Vai al Menu inferiore
|
Logo Ateneo
   
Per gli Studenti
Metodi computazionali

Codice ins.

Insegnamento

CFU ins.

Tipo ins.

Anno

Sem.

SSD ins.

Responsabile insegnamento

E3101Q016

Metodi Computazionali

4

OBS

3

1

INF/01

MESSINA Enza

 

 

 

 

 

 

 

 

Obiettivi e contenuti:
Obiettivo del corso e’ quello di fornire gli elementi di base per comprendere ed utilizzare modelli probabilistici per la rappresentazione di problemi in condizioni di incertezza. Verranno presentati i principi di base e gli algoritmi di simulazione e dei metodi Monte Carlo.

Programma:

  • Processi stocastici e processi Markoviani
  • Tecniche per la generazione di numeri casuali
  • Generazione di realizzazioni di variabili discrete
  • Generazione di realizzazioni di variabili continue
  • Tecniche di simulazione
  • Costruzione e validazione di modelli di simulazione
  • Metodi Monte Carlo
  • Analisi dei risultati
  • Metodi per la stima dei parametri

Risultati di apprendimento previsti:
Gli studenti acquisiranno le conoscenze di background necessarie per lo sviluppo di modelli di simulazione e l’analisi critica dei risultati.

Prerequisiti:
Algebra matriciale di base, probabilità e statistica di base

Tipo esame:
Scritto e orale

Tipo valutazione:
Voto finale

Aims and contents:
This course introduces the basic concepts for understanding and probabilistic models for representing problems under uncertainty. The fundamental issues in simulation-based analysis and Monte Carlo-based computing will be presented.

Program details:

  • Stochastic processes and Markov processes
  • Random number generation
  • Generation of discrete random variables
  • Generation of continuous random variables
  • Simulation
  • Development and validation of simulation models
  • Monte Carlo methods
  • Variance reduction techniques
  • Output Analysis
  • Methods for parameter estimation

Learning outcomes:
Provide the background to develop simulation models and/or critically evaluate simulation models outputs.

Prerequisites:
Basic matrix algebra, Basic course in probability and statistics

Approfondimenti

Google Translate
Translate to English Translate to French Translate to German Translate to Spanish Translate to Chinese Translate to Portuguese Translate to Arabic
Translate to Albanian Translate to Bulgarian Translate to Croatian Translate to Czech Translate to Danish Translate to Dutch Translate to Finnish Translate to Greek Translate to Hindi
Translate to Hungarian Translate to Irish Translate to Japanese Translate to Korean Translate to Norwegian Translate to Polish Translate to Romanian Translate to Russian Translate to Serbian
Translate to Slovenian Translate to Swedish Translate to Thai Translate to Turkish

(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - ultimo aggiornamento di questa pagina 11/11/2013