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

Docente responsabile:  Enza Messina

PROGRAMMA

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

·          Tecniche di riduzione della varianza

·          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

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

Radom 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

 

Tipo esame:            Scritto e orale

Tipo valutazione:            Voto finale

 

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 25/03/2011