b478: fundamentowanie ii
Transkrypt
b478: fundamentowanie ii
OPISY KURSÓW/PRZEDMIOTÓW: Kod kursu/przedmiotu Studia Doktoranckie GIH0112D Tytuł kursu/przedmiotu SYMULACJA MONTE CARLO W OBLICZENIACH INŻYNIERSKICH Imię, nazwisko i tytuł/stopień prowadzącego Włodzimierz BRZĄKAŁA, dr hab. inż. WWW.ib.pwr.wroc.pl/brzakala Imiona, nazwiska oraz tytuły/stopnie członków zespołu dydaktycznego Wojciech PUŁA, dr inż. Forma zaliczenia kursu Forma kursu Tygodniowa liczba godzin Forma zaliczenia Wykład Ćwiczenia Laboratorium Projekt Seminarium 2 E Wymagania wstępne 1. Podstawy rachunku prawdopodobieństwa i statystyki Krótki opis zawartości całego kursu Wykład ma charakter interdyscyplinarny i zawiera podstawy teoretyczne specyficznej metod symulacji numerycznej. Służy ona do oceny wpływu losowości danych na losowość wyniku. Przedstawiony jest przegląd praktycznych metod obliczeniowych, oszacowania dokładności i zbieżności oraz liczne przykłady zastosowań w modelowaniu zjawisk i podejmowaniu decyzji przy uwzględnieniu losowych parametrów układu. Podstawowe zastosowania grupy metod Monte Carlo dotyczą: - budownictwa i mechaniki (miary bezpieczeństwa i niezawodności konstrukcji, narzędzie do racjonalnego określania cząstkowych współczynników bezpieczeństwa, opis niejednorodności materiałowych, modelowanie losowych obciążeń i ich kombinacji), - problemów technologicznych (np. dyfuzja zanieczyszczeń), ekonometrycznych, transportowych i in. (np. optymalne decyzje, procesy demograficzne), - matematyki finansowej (notowania giełdowe, gry losowe). Dla wyrównania poziomu wiedzy słuchaczy, kilka pierwszych wykładów jest rodzajem repetytorium z rachunku prawdopodobieństwa i statystki. Wykład (podać z dokładnością do 2 godzin) Zawartość merytoryczna poszczególnych godzin wykładowych 1. Wprowadzenie do symulacji Monte Carlo, najprostsze przykłady numeryczne 2. Definicja, schemat i charakterystyczne cechy metod Monte Carlo 3. Elementy rachunku prawdopodobieństwa – zmienne losowe, rozkłady 4. Elementy rachunku prawdopodobieństwa – prawa wielkich liczb i tw.graniczne 5. Elementy statystyki matematycznej – estymacja i przedziały ufności 6. Elementy statystyki matematycznej – testowanie zgodności i niezależności 7. Generowanie liczb o rozkładzie równomiernym 8. Generatory zmiennych losowych – metody ogólne 9. Generatory zmiennych losowych – metody szczególne 10. Generowanie wektorów losowych, procesów stochastycznych i pól losowych 11. Specjalne metody obliczania całek, symulacja ukierunkowana i ważona 12. Zastosowanie – awaryjność konstrukcji budowlanej 13. Zastosowanie – losowa wytrzymałość dźwigara 14. Zastosowanie – system masowej obsługi: teoria kolejek 15. Liczba godzin 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Ćwiczenia, seminarium – zawartość tematyczna Nie ma tej formy zajęć Laboratorium, projekt – zawartość tematyczna Nie ma tej formy zajęć Literatura podstawowa 1. R.Wieczorkowski, R.Zieliński, Komputerowe generatory liczb losowych. WNT, W-wa 1997. 2. J.R.Benjamin, C.A.Cornell, Rachunek prawdopodobieństwa, statystyka i teoria decyzji dla inżynierów. WNT, W-wa 1977. 3. I.M.Sobol, Metoda Monte Carlo (j.ros., j.ang). Seria Popularnych Wykładów z Matematyki. Tom 46. Nauka, Moskwa 1985. 4. R.Y.Rubinstein, Simulation and the Monte Carlo Metod. J.Wiley&Sons, NY 1981. … i wiele innych w katalogu Biblioteki Głównej PWr. 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. WNT, W-wa 1983. 3. Czasopismo Structural Safety. Warunki zaliczenia Egzamin – kilka pytań i prostych mini-zadań rachunkowych. DESCRIPTION OF THE COURSES Course code Ph.D. Study GHI0112D Course title THE MONTE CARLO SIMULATION IN ENGINEERING PROBLEMS Name, first name and degree of the lecturer/supervisor BRZĄKAŁA, Włodzimierz dr hab. inż. WWW.ib.pwr.wroc.pl/brzakala Names, first names and degrees of the team members PUŁA, Wojciech Form in which the courses should be completed Lecture Exercises Course form Number of hours/week Form of the course completion dr inż. Laboratory Project Seminar 2 E Prerequisites 1. Fundamentals of probability calculus and statistics Course description This is an interdisciplinary course concentrated on a theoretical background of a specific numerical simulation. The attention is paid on random response due to random initial data. Practical calculation aspects are strongly emphasized, like accuracy estimation and convergence rate. Many examples are analyzed that may be useful in modelling of random systems as well as making decisions basing on random data. The following disciplines belong to standard applications of the Monte Carlo methods: - civil engineering and mechanics (safety measures and indexes, numerical tool for evaluation of partial safety factors, code calibrations, modelling of material inhomogeneities, random excitations of different origin etc.), - problems of technology (diffusion of pollutants a.o.), econometrics, logistics (optimal decisions, population growth etc.), - financial mathematics (stock exchange analyses, random games) and potentially just every one. The course is supported by a repetition of fundamentals of probability calculus and statistics to make a certain background level and to introduce all necessary denotations. Lecture Particular lectures contents 1. Introduction, intuitions, the simplest examples – what is the course about 2. Definition, description and characteristics of the Monte Carlo Methods 3. Elements of the probability calculus – random variables, distributions 4. Elements of the probability calculus – law of large numbers, limit theorems 5. Elements of the statistics – estimation, confidence intervals 6. Elements of the statistics – testing of hypotheses 7. Generators of uniformly distributed random numbers 8. Generators of random variables – general methods 9. Generators of random variables – specific methods 10. Generators of random vectors, stochastic processes and random fields 11. Specific methods of integral evaluation, directional and weighted simulate. 12. Example – probability of failure of a construction 13. Example – random strength of a beam 14. Example – Queueing system 15. Number of hours 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Excercises, seminars – the contents None Laboratory, project – the contents None Basic references 1. R.Wieczorkowski, R.Zieliński, Komputerowe generatory liczb losowych. WNT, W-wa 1997. 2. J.R.Benjamin, C.A.Cornell, Rachunek prawdopodobieństwa, statystyka i teoria decyzji dla inżynierów. WNT, W-wa 1977. 3. I.M.Sobol, Metoda Monte Carlo (j.ros., j.ang). Seria Popularnych Wykładów z Matematyki. Tom 46. Nauka, Moskwa 1985. 4. R.Y.Rubinstein, Simulation and the Monte Carlo Metod. J.Wiley&Sons, NY 1981. … and many others available. Additional references 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. WNT, W-wa 1983. 3. Czasopismo Structural Safety. Conditions of the course acceptance/credition Examination – simple numerical tasks, detailed questions