Page begin -
Logo DISCO
|
Go to the Highly accessible area
|
Go to the Content page
|
Go to the End of content
|
Go to the Main menu
|
Go to the Navigation Bar (location)
|
Go to the Navigation menu (tree)
|
Go to the Commands list
|
Go to the Further readings
|
Go to the Bottom Menu
|
Logo Ateneo
   
Enrolled
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

 

Further readings
(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - last update of this page 11/11/2013