Modulets indhold, forløb og pædagogik

De studerende, som gennemfører modulet, opnår viden om computational statistics samt en række emner, hvori metoder fra computational statistics spiller et vigtig rolle.

Fire til fem af følgende emner udgør kursets pensum. De studerende orienteres om de konkrete emner ved kursets begyndelse.

Læringsmål

Viden

• Kvantitativ software-udvikling
• Implementation af numeriske algoritmer
• Grundlæggende Monte Carlo metoder og deres anvendelser
• Relationelle databaser og deres anvendelser
• Optimering af diskrete problemer; herunder heuristik og meta-heuristikker
• Stokastiske differentialligninger (SDE’er) og eksempler på deres anvendelse
• Numerisk behandling af SDE’er og partielle differentialligninger

Færdigheder

• kan anvende de relevante metoder I en eller flere scenarier ved at bruge passende software implementationer samt fortolke output og ændre relevante parametre

• kan formulere de underliggende antagelser og beskrive begrænsninger og udvidelsesmuligheder for relevante metoder fra faget I et eller flere specifikke scenarier

• kan bedømme goodness-of-fit for modellerne fra faget når dette er relevant

Kompetencer

• kan tilegne sig yderligere viden om de relevante metoder

• kan kombinere passende emner fra kurset til at analysere et specifikt problem

• kan på skrift beskrive metoderne, resultaterne og output fra en analyse af et specifikt problem, hvori der indgår computational statistics

Undervisningsform

Forelæsninger med tilhørende opgaveregning.

Omfang og forventet arbejdsindsats

Modulet er 5 ECTS svarende til 150 timers studenterbelastning.

Eksamen

Prøver