Παρουσίαση/Προβολή
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. 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.
Ημερομηνία δημιουργίας
Τετάρτη 2 Οκτωβρίου 2024
-
Δεν υπάρχει περίγραμμα