Wykład - PL - Politechnika Wrocławska
Transkrypt
Wykład - PL - Politechnika Wrocławska
POLITECHNIKA WROCŁAWSKA – STUDIA DOKTORANCKIE JEDNOSTKA ZGŁASZAJĄCA/REALIZUJĄCA KURS: WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO / STUDIUM DOKTORANCKIE KARTA PRZEDMIOTU Nazwa w języku polskim: Symulacje Monte Carlo w obliczeniach inżynierskich Nazwa w języku angielskim: Monte Carlo simulations in engineering problems Kurs prowadzony jest w języku polskim / angielskim* Kurs ogólnouczelniany*: 1) przedmiot podstawowy (matematyka, fizyka, chemia lub inne); 2) przedmiot humanistyczny; 3) przedmiot menadżerski; 4) język angielski; 5) język obcy nowożytny; 6) kurs dydaktyczny szkoły wyższej; Wydziałowy kurs kierunkowy rozwijający umiejętności zawodowe*: 1) przedmiot szczegółowy w dyscyplinie 2) przedmiot szczegółowy interdyscyplinarny 3) seminarium (interdyscyplinarne, specjalistyczne, kierunkowe) Przedmiot obowiązkowy / wybieralny / nadobowiązkowy*: Osiągane efekty kształcenia dla studiów doktoranckich (określone na podstawie ZW 9/2013 zgodnie z ZW 97/2013): D3_W02 D3_W04 Kod przedmiotu: GHB0112D * zaznaczyć właściwe Wykład Liczba godzin zajęć zorganizowanych w Uczelni (ZZU) Liczba godzin całkowitego nakładu pracy doktoranta Forma zaliczenia – na ocenę Liczba punktów ECTS w tym liczba punktów odpowiadająca zajęciom o charakterze praktycznym (P) w tym liczba punktów ECTS odpowiadająca zajęciom wymagającym bezpośredniego kontaktu (BK) Lektorat (ćwiczenia) Seminarium Egzamin Wygłoszenie referatu 30 60 Egzamin** 3 ** w przypadku kursu dydaktycznego szkoły wyższej także: hospitacje, zajęcia ewaluacyjne WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1. Zna podstawy analizy matematycznej i algebry. 2. Posiada podstawową wiedzę praktyczną dotyczącą rachunku prawdopodobieństwa, statystyki matematycznej i podstaw informatyki. 3. Rozumie wpływ losowości parametrów układu na losowe odchylenia wyników. 1 POLITECHNIKA WROCŁAWSKA – STUDIA DOKTORANCKIE CELE PRZEDMIOTU C1 Rozszerzenie wiedzy o podstawach teoretycznych rachunku prawdopodobieństwa i statystyki matematycznej. C2 Umiejętność generowania ciągów liczb pseudolosowych i ich zastosowań. C3 Komputerowe generowanie liczb pseudolosowych o równomiernym rozkładzie na odcinku (0;1). C4 Biegłość w przekształcaniu zmiennych losowych pojedynczych, wektorowych, procesów stochastycznych i pól losowych. C5 Ocena generatorów liczb pseudolosowych: zgodność rozkładów, niezależność, zbieżności (testowanie generatorów i ciągów liczb losowych). C6 Przykłady zastosowań w modelowaniu zjawisk i podejmowaniu decyzji przy uwzględnieniu losowych parametrów układu. EFEKTY KSZTAŁCENIA DLA PRZEDMIOTU (PEK) Z zakresu wiedzy: PEK_W02 – Posiada wiedzę na zaawansowanym poziomie o charakterze podstawowym dla dziedziny związanej z obszarem prowadzonych badań naukowych, obejmującej najnowsze osiągnięcia nauki – w zakresie zastosowania metod probabilistycznych w modelowaniu systemów losowych i w obliczeniach inżynierskich. PEK_W04 – Posiada ugruntowaną wiedzę w zakresie przedmiotów podstawowych: rachunek prawdopodobieństwa i statystyka matematyczna, metody numeryczne; zna podstawowe twierdzenia dotyczące ciągów zmiennych losowych i ich „obróbki” statystycznej; potrafi zidentyfikować i poddać testom wyniki budzące wątpliwości. Z zakresu umiejętności: PEK_U02 – Posiada umiejętności związane z metodyką badawczą i metodologią prowadzenia badań naukowych - wie, jakimi narzędziami przeprowadzić ocenę podstawowych statystyk, dobrać właściwy generator liczb i właściwy test; ma biegłość w przekształcaniu zmiennych losowych. PEK _U05 – Potrafi inicjować i przeprowadzać samodzielne badania naukowe, także poza instytucję zajmującą się edukacją i w jaki sposób interpretować uzyskane rezultaty - wie, w jaki sposób testować i opracować wyniki obliczeń statystycznych. Z zakresu kompetencji społecznych: PEK_K01 – Jest świadomym roli współpracy, w tym międzynarodowej, w procesie prowadze- nia badań naukowych i analizy otrzymywanych wyników – korzysta z osiągnięć i dorobku światowego w zakresie probabilistyki, teorii niezawodności i metod numerycznych. PEK_K05 – Ma świadomość społecznej roli uczonego - rozumie ważność oraz znaczenie realizowania naukowej i dydaktycznej działalności w postępie technicznym, dla rozwoju nauki oraz podnoszenia poziomu wykształcenia. 2 POLITECHNIKA WROCŁAWSKA – STUDIA DOKTORANCKIE TREŚCI PROGRAMOWE Liczba godzin Forma zajęć - wykład Wy1 Wy2 Wy3 Wy4 Wy5 Wy6 Wy7 Wy8 Wy9 Wy10 Wy11 Wy12 Wy13 Wy14 Wy15 Wprowadzenie: motywacja (systemy losowe), zakres wykładu, warunki zaliczenia. Przykład - symulacyjne obliczenie liczby π (zagadnienie Buffona). Definicja, schemat i charakterystyczne cechy metod Monte Carlo Elementy rachunku prawdopodobieństwa – zmienne losowe, dystrybuanty Elementy rachunku prawdopodobieństwa – wektory losowe, rozkłady łączne Elementy rachunku prawdopodobieństwa: - prawa wielkich liczb - centralne twierdzenie graniczne Elementy statystyki matematycznej – estymacja i przedziały ufności Elementy statystyki matematycznej – testowanie zgodności i niezależności Generowanie liczb pseudolosowych o rozkładzie równomiernym Generatory zmiennych losowych – metody ogólne (odwracanie dystrybuant) Generatory zmiennych losowych – metody ogólne (metoda eliminacji) Generatory zmiennych losowych – metody szczególne dla różnych rozkładów Różne metody generowania zmiennych losowych gaussowskich Generowanie wektorów losowych, procesów stochastycznych i pól losowych Specjalne metody obliczania całek, symulacja ukierunkowana i ważona Zastosowanie – losowa wytrzymałość dźwigara (belka drewniana) Zastosowanie – system masowej obsługi (teoria kolejek) Suma godzin Forma zajęć – lektorat (ćwiczenia) Le1 … 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 30 Liczba godzin nie występuje Suma godzin Forma zajęć - seminarium Se1 … Liczba godzin nie występuje Suma godzin STOSOWANE NARZĘDZIA DYDAKTYCZNE N1. Udostępnienie repetytorium w formie kopii kserograficznych omawianych szczegółowo na pierwszych sześciu wykładach. N2. Wyprowadzenia i przekształcenia obliczeniowe wykonywane na tablicy, przeprowadzanie dowodów najprostszych zależności. N3. Częste odwoływanie się do przykładów praktycznych i posiadanej wiedzy z rachunku prawdopodobieństwa. N4. Udostępnione kopie kserograficzne szczegółowych cząstkowych wyników obliczeń w celu prześledzenia całego algorytmu obliczeń. N5. Praca w grupach na Wy1 = symulacyjne obliczenia za pomocą różnych generatorów fizycznych (kości do gry, monety, tablice liczb losowych, kalkulator, książka telefoniczna, igła Buffona); dyskusja problemów w grupie studentów. 3 POLITECHNIKA WROCŁAWSKA – STUDIA DOKTORANCKIE OCENA OSIĄGNIĘCIA EFEKTÓW KSZTAŁCENIA (PEK) Oceny: F – formująca (składowa), P – podsumowująca F1 Numer efektu kształcenia Sposób oceny osiągnięcia efektu kształcenia PEK_W02 PEK_W04 PEK_U02 PEK_U05 Częste powtórki najważniejszych faktów, podkreślanie i nawiązywanie do faktów ostatnio przedstawionych lub znanych ze studiów; utrwalanie wiedzy; częste pytania kierowane do słuchaczy; praca w małych zespołach nad przykładem symulacyjnym na Wy1; obecność na wykładach. Odwoływanie się do dorobku literatury międzynarodowej (publikacje), komputerowych programów komercyjnych oraz wdrożeń. Egzamin końcowy zawierający pytania teoretyczne (wiedza) oraz mini-zadania obliczeniowe (umiejętności). F1 PEK_K01 PEK_K05 P1 PEK_W02 PEK_W04 PEK_U02 PEK_U05 LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA LITERATURA PODSTAWOWA: [1] R.Y.Rubinstein, Simulation and the Monte Carlo Metod. J.Wiley&Sons, NY 1981. [2] I.M.Sobol, Metoda Monte Carlo (j.ros., j.ang). Seria Popularnych Wykładów z Matema[3] [4] tyki. Tom 46. Nauka, Moskwa 1985. R.Wieczorkowski, R.Zieliński, Komputerowe generatory liczb losowych. WNT, Warszawa 1997 J.R.Benjamin, C.A.Cornell, Rachunek prawdopodobieństwa, statystyka i teoria decyzji dla inżynierów. WNT, Warszawa 1977. LITERATURA UZUPEŁNIAJĄCA: [1] S.Brandt, Analiza danych. Metody statystyczne i obliczeniowe. PWN, Warszawa 1999. [2] G.E.P.Box, G.M.Jenkins, Analiza szeregów czasowych. Prognozowanie i sterowanie. [3] WNT, W-wa 1983. Czasopisma Structural Safety, Probabilistic Engineering Mechanics i inne. OPIEKUN PRZEDMIOTU (IMIĘ, NAZWISKO, ADRES E-MAIL) Włodzimierz Brząkała, [email protected] 4 POLITECHNIKA WROCŁAWSKA – STUDIA DOKTORANCKIE MACIERZ POWIĄZANIA EFEKTÓW KSZTAŁCENIA DLA PRZEDMIOTU Symulacje Monte Carlo w obliczeniach inżynierskich Z EFEKTAMI KSZTAŁCENIA DLA STUDIÓW DOKTORANCKICH (określonymi na podstawie ZW 9/2013 zgodnie z ZW 97/2013) Przedmioto wy efekt kształcenia PEK_W02 PEK_W04 PEK_U02 PEK_U05 PEK_K01 PEK_K05 Odniesienie przedmiotowego Cele Treści efektu do efektów kształcenia dla przedmiotu*** programowe*** studiów doktoranckich D3_W02 C1-C6 Wy1-Wy15 D3_W04 C1, C4 Wy1-Wy15 D3_W02 C2-C5 Wy1-Wy15 D3_W04 C5, C6 Wy1-Wy15 D3_W02 C1-C6 Wy1-Wy15 D3_W04 C1-C6 Wy1-Wy15 *** z tabeli powyżej Numer narzędzia dydaktycznego*** N1 N1 N2, N2, N4 N2, N3 N1, N5 N1, N5