Anbefalede faglige forudsætninger for at deltage i modulet

Modulet bygger videre på viden, færdigheder og kompetencer opnået i moduler i statistik og matematisk analyse fra bachelor studieordningen eller tilsvarende moduler.

Modulets indhold, forløb og pædagogik

Studerende, som gennemfører modulet, vil have tilegnet sig viden om metoder på avanceret niveau inden for matematisk modellering.

Tre til fire af følgende hovedemner udgør kursets pensum. De studerende orienteres om de konkrete emner ved kursets begyndelse.

Læringsmål

Viden

• Viden om partielle differentialligninger, herunder:
  • første og anden ordens lineære partielle differentialligninger og deres klassifikation
  • randværdier og begyndelsesværdi problemer
  • løsningsmetoder for lineære differential ligninger
  • løsningsrepræsentation og regularitet af løsninger
• Expectation-maximisation (EM) algoritmen og missing data.
• Bayesianske netværk
• Grafiske modeller
• Køteori
• Hidden Markov modeller

Færdigheder

• kan anvende relevante metoder i et eller flere tilfælde og fortolke resultaterne
• er i stand til at forklare de underliggende antagelser og argumentere for metodernes begrænsninger og udvidelsesmuligheder i et eller flere tilfælde
• kan vurdere goodness-of-fit for de anvendte metoder, hvor dette er relevant

Kompetencer

• kan opnå yderligere viden om relevante metoder
• kan kombinere relevante metoder fra kurset i analysen af et specifikt problem
• kan i skriftlig form beskrive metoden, resultaterne og konklusionerne fra en analyse af et specifikt problem.

Undervisningsform

Forelæsninger med tilhørende opgaveregning.

Omfang og forventet arbejdsindsats

Kursusmodulets omfang er 5 ECTS svarende til 150 timers studieindsats.

Eksamen

Prøver

Prøvens navn	Matematisk modellering
Prøveform	Skriftlig eller mundtlig
ECTS	5
Bedømmelsesform	7-trins-skala
Censur	Intern prøve
Vurderingskriterier	Vurderingskriterierne er angivet i Universitetets eksamensordning