Статистическое моделирование и прогнозирование

内容描述: Дисциплина содержит следующие разделы: статистическое моделирование, включающее построение датчиков псевдослучайных величин, моделирование случайных факторов, расчёт интегралов методом Монте-Карло и статистическое моделирование надёжности; имитационное моделирование (ИМ) систем; моделирование стационарных и нестационарных временных рядов; построение линейные регрессионных моделей.

贷款数: 6

Пререквизиты:

• Теория вероятностей и математическая статистика

*СomplexityDiscipline(zh-CN)*:

零件: Компонент по выбору

循环次数: Профилирующие дисциплины

Цель

• Цель изучения дисциплины: дисциплина «Методы статистического моделирования» в рамках фундаментальной и специальной подготовки специалистов в области прикладной математики и информатики предусматривает изучение методов воспроизведения с помощью ЭВМ функционирования вероятностной модели некоторого объекта. Цель такого моделирования состоит в оценивании средних характеристик этих моделей.

Задача

• Задачей дисциплины является подготовка специалиста в области математического и системного программного обеспечение решения широкого круга прикладных задач проектирования систем различного назначения.

Результат обучения: знание и понимание

• Знание и понимание основных математических определений, теорем и др. теоретических сведений курса « Статистическое моделирование и прогнозирование», а также знание типов задач решаемых теми или иными математическими методами.

Результат обучения: применение знаний и пониманий

• Применение знаний и умений в формулировании прикладных практических задач математическими методами, а также применение известных методов для решения сформулированных задач.

Результат обучения: формирование суждений

• Умение на основе имеющихся знаний дисциплины " Статистическое моделирование и прогнозирование" делать выводы о возможных методах анализа и решения практических задач в специальной области.

Результат обучения: коммуникативные способности

• умение работать в коллективе для эффективного решения поставленных практических задач на основе знаний математических методов.

Результат обучения: навыки обучения или способности к учебе

• Способность самостоятельного или на основе учебных образовательных программ повышения квалификации в области математических знаний в целях соответствия современным требованиям специальности.

*TeachingMethods(zh-CN)*

При проведении учебных занятий предусматривается использование следующих образовательных технологий: - информационно – коммуникационная технология; - технология развития критического мышления; - проектная технология; - технология интегрированного обучения; - технологии уровневой дифференциации; - групповые технологии; - традиционные технологии(лекционное, практическое занятия).

*AssessmentKnowledge(zh-CN)*

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

*PolicyAssignmentTask(zh-CN)*

*EvaluationForm(zh-CN)*

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

• 40% результата, полученного на экзамене;
• 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

 

где, Р₁, Р₂ – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Темы лекционных занятий

• Тема 1. Введение. Предмет курса, история и перспективы развития методов математического моделирования. Актуальность и значимость проблем имитационного и статистического моделирования. Некоторые понятия и теоремы теории вероятностей. Метод статистических испытаний. Метод Монте-Карло. Тема 2. Генераторы, алгоритмы получения и преобразования случайных чисел. Алгоритмы моделирования некоторых распределений. Вероятностное моделирование математических задач. Тема 3. Статистические модели систем массового обслуживания. Одноканальной системы массового обслуживания. Моделирование многоканальной системы. Модификация систем массового обслуживания. Тема 4. Методы Монте-Карло для уравнений в частных производных (бессеточные методы). Решение уравнений эллиптического типа (задача Дирихле). Решение уравнений параболического типа на примере уравнения теплопроводности. Моделирование физических процессов и явлений. Тема 5. Методы компьютерного моделирования в термодинамике. Задачи статистического моделирования и возможное эффективное решение на многоядерных архитектурах Тема 6. Эконометрика, ее задача и метод. Схема построения эконометрических моделей. Линейная модель множественной регрессии. Тема 7. Характеристики и модели временных рядов. Линейные регрессионные модели. Показатели качества регрессии. Тема 8. Нелинейные модели регрессии и линеаризация. Ошибки спецификации эконометрических моделей.