Παρουσίαση/Προβολή

Επιλέχθηκε εικόνα

Υπολογιστική Στατιστική - Μέθοδοι προσομοίωσης

(331-3800) -  Christos Merkatas

Περιγραφή Μαθήματος

Ύλη μαθήματος:

Tυχαίοι αριθμοί, γεννήτριες (ψευδο-)τυχαίων αριθμών, γεννήτριες παραγωγής τυχαίων αριθμών από την U(0,1).  Iσχυρός Νόμος Μεγάλων Αριθμών και ολοκλήρωση Μonte Carlo. Μέθοδοι προσομοίωσης διακριτών και συνεχών τυχαίων μεταβλητών.  Στατιστική ανάλυση προσομοιωμένων δεδομένων (δειγματοληψία και εκτίμηση παραμέτρων, τεχνικές μείωσης της διασποράς, προσδιορισμός κατανομών τυχαίων μεταβλητών), εισαγωγή σε Markov chain Monte Carlo.

 

Μαθησιακά aποτελέσματα:

Με την παρακολούθηση κι επιτυχή εξέταση του μαθήματος οι φοιτητές/τριες θα είναι ιδανικά σε θέση να:

  • Εξοικειωθούν με τεχνικές της υπολογιστικής στατιστικής:
  •  Προβούν σε προσομοίωση κατανομών με χρήση υπολογιστικών τεχνικών
  •  Εκτιμούν παραμέτρους στατιστικών μοντέλων με χρήση υπολογιστή
  •  Αναπτύξουν μοντέλα προσομοίωσης χρησιμοποιώντας σύγχρονες γλώσσες προγραμματισμού.

 

Μέθοδος αξιολόγησης

Η αξιολόγηση θα γίνει με 2 (προαιρετικές) προόδους και ο τελικός βαθμός θα είναι ο μέσος όρος (ΜΟ) των βαθμών των δύο προόδων.

Για την ολοκλήρωση της αξιολόγησης μέσω προόδων απαιτείται η συμμετοχή και στις δύο προόδους, ανεξάρτητα από τον βαθμό που έχει επιτευχθεί στην πρώτη.

Σε περίπτωση αποτυχίας (ΜΟ < 5) είναι δυνατή η συμμετοχή στις τελικές εξετάσεις. 

Σημειώνεται ότι για να συμμετάσχετε στη δεύτερη πρόοδο θα πρέπει ο βαθμός της πρώτης προόδου να είναι τουλάχιστον 3.

Επιπλέον, κατά τη διάρκεια του εξαμήνου θα δωθεί ένα αριθμός (προαιρετικών) ασκήσεων οι οποίες θα λειτουργούν ως bonus στον τελικό βαθμό που θα προκύψει είτε από τις προόδους είτε από την τελική εξέταση. 

Οι φοιτητές/τριες που υποβάλλουν λύσεις θα πρέπει να είναι προετοιμασμένοι/ες να τις παρουσιάσουν και να τις εξηγήσουν στην τάξη, εφόσον τους ζητηθεί. 

 

 

 

 

Ημερομηνία δημιουργίας

Τετάρτη 2 Οκτωβρίου 2024