Hoppa till huvudinnehållet
Till KTH:s startsida

II2206 Stokastisk simulering 7,5 hp

Administrera Om kursen

Kursen syftar till att ge studenterna grundläggande kunskaper och färdighet i stokastisk simulering. Kursen belyser design av experiment, implementering av simuleringar med diskreta händelser samt statistisk analys av utdata och hypotesprövning.

Information per kursomgång

Termin

Information för HT 2024 Start 2024-10-28 programstuderande

Studielokalisering

KTH Kista

Varaktighet
2024-10-28 - 2025-01-13
Perioder
P2 (7,5 hp)
Studietakt

50%

Anmälningskod

50477

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Ingen platsbegränsning

Målgrupp

Öppen för alla program under förutsättning att kursen kan ingå i programmet.

Planerade schemamoduler
[object Object]

Kontakt

Examinator
Ingen information tillagd
Kursansvarig
Ingen information tillagd
Lärare
Ingen information tillagd

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan II2206 (HT 2022–)
Rubriker med innehåll från kursplan II2206 (HT 2022–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Kursen innehåller följande moment

  • Introduktion till simulering – resurseffektiv design av komplexa system
  • Stokastisk modellering
  • Slumptalsgenerering
  • Simulering av diskreta händelser
  • Utdataanalys: parameterestimering, felskattning, tidsserieanalys, ergodicitet och korrelation
  • Experimentell design och metoder för variansreduktion
  • Hypotesprövning och modellvalidering

Lärandemål

Efter godkänd kurs ska studenten kunna

  • generera stokastiska variabler (slumptal)  med godtycklig fördelning
  • konstruera simuleringar med diskreta händelser
  • estimera parametrar ur simulationsresultaten och estimatens statistiska fel
  • pröva hypoteser med hjälp av simuleringar
  • utvärdera den valda stokastiska modellen med avseende på konsistens med verkliga data
  • värdera den resurseffektivisering som simuleringsverktyg kan ge i förhållande till traditionella experimentella metoder.

För högre betyg skall studenten dessutom kunna

  • generera vektorer av slumptal med givna korrelationsegenskaper
  • estimera parametrar i korrelerade tidsserier
  • utvärdera olika simulationsmetoder med avseende på resurseffektivitet samt konstruera effektiva simuleringsstrategier genom olika metoder för variansreduktion.

Kurslitteratur och förberedelser

Särskild behörighet

Kunskaper och färdigheter i programmering, 5 hp, motsvarande slutförd kurs ID1018/DD1337/DD1310-DD1318/DD1321/DD1331/DD100N.

Kunskaper i matematisk statistik, 6 hp, motsvarande slutförd kurs SF1910-SF1926/IX1501.

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

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

  • HEM1 - Hemuppgifter, 4,0 hp, betygsskala: A, B, C, D, E, FX, F
  • PRO1 - Projekt, 3,5 hp, betygsskala: P, F

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

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Ki Won Sung

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

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

EECS/Datavetenskap

Huvudområde

Datalogi och datateknik, Elektroteknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Övrig information

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