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

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

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