Hoppa till huvudinnehållet

Inför kursval

Monte Carlo-metoder omfattar ett antal olika metoder att lösa komplicerade matematiska problem med hjälp av stickprovsundersökningar. Man kan finna tillämpningar för Monte Carlo-metoder inom en rad områden, alltifrån opinionsundersökningar till simuleringar av tekniska system. Fokus i denna kurs kommer att ligga på det sistnämnda.

De metoder som lärs ut är generella, men många exempel som ges i kursen kommer att hämtas från simulering av elmarknader. Studenterna behöver dock inte ha några förkunskaper om elmarknader för att kunna följa med i dessa exempel.

Välj termin och kursomgång

Välj termin och kursomgång för att se information från rätt kursplan och kursomgång.

* Informationen tillhör Kursplan EG2420 (VT 2019–)

Innehåll och lärandemål

Kursinnehåll

Teori och exempel presenteras under föreläsningarna. Dessa tillämpas sedan av teknologerna i ett antal hemuppgifter, som löses med lämplig programvara (t.ex. Matlab). Kursen kommer att omfatta följande områden:

  • allmän sannolikhetsteori
  • stokastiska variabler
  • slumptalsgenerering
  • enkel sampling
  • slumptalskomplement
  • dolksampling
  • kontrollvariabler
  • korrelerad sampling
  • stratifierad sampling
  • viktsampling

Lärandemål

För att bli godkänd på kursen ska deltagarna visa att de kan

• tillämpa metoder för slumptalsgenerering, enkel sampling och variansreduceringstekniker,

• formulera modeller som lämpar sig för Monte Carlo-simulering, samt utforma lämpliga simuleringsmetoder för en given modell,

• analysera föreslagna simuleringsmetoder och ge konstruktiv kritik.

Kursupplägg

Lektioner, seminarier, projektuppgift

Kurslitteratur och förberedelser

Särskild behörighet

• SF1625 Envariabelanalys (eller motsvarande)

• SF1626 Flervariabelanalys (eller motsvarande)

• MJ1520 Statistik och riskhantering eller SF1901 Sannolikhetsteori och statistik I (eller motsvarande)

• Engelska B/Engelska 6 (eller motsvarande)

Rekommenderade förkunskaper

SF1811 eller SF1861 Optimeringslära (eller motsvarande)

Utrustning

Ingen information tillagd

Kurslitteratur

M. Amelin, Monte Carlo Methods in Engineering, course compendium

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • PRO1 - Projektarbete 1, 4,0 hp, betygsskala: A, B, C, D, E, FX, F
  • TEN1 - Tentamen, 3,5 hp, betygsskala: P, F

Examinator beslutar, baserat på rekommendation från KTH:s samordnare för funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Slutbetyget är lika med betyget på projektuppgiften.

Övriga krav för slutbetyg

Varje examinationsmoment ska vara godkänt.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Mikael Amelin

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb EG2420

Ges av

EECS/Elektroteknik

Huvudområde

Elektroteknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Övrig information

I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex.