Stochastic Simulation

Modul: Stochastic Simulation (6 Credits)
Name im Diploma Supplement	Stochastic Simulation
Verantwortlich	Prof. Dr. Christoph Hanck
Voraussetzungen	Siehe Prüfungsordnung.
Workload	180 Stunden studentischer Workload gesamt, davon: Präsenzzeit: 60 Stunden Vorbereitung, Nachbereitung: 60 Stunden Prüfungsvorbereitung: 60 Stunden
Dauer	Das Modul erstreckt sich über 1 Semester.
Qualifikationsziele	Die Studierenden besitzen einen umfassenden Überblick über Monte Carlo Methoden kennen die zugrundeliegenden Algorithmen zur Simulation von geeigneten Zufallszahlen und Zufallsprozessen können Monte Carlo Methoden für ökonomische Analysen anwenden sind in der Lage eigenständig und mit Hilfe statistischer Software Simulationsstudien durchzuführen können selbständig ausgewählte Übungsaufgaben bearbeiten
Praxisrelevanz	Simulationsstudien und Monte Carlo Verfahren sind unerlässlich, sobald analytische Schätzverfahren unmöglich oder zu kompliziert sind.
Prüfungsmodalitäten	Zum Modul erfolgt eine modulbezogene Prüfung in der Gestalt einer mündlichen Prüfung (in der Regel: 20-40 Minuten).
Verwendung in Studiengängen	BWL EaF Master > Wahlpflichtbereich > 1.-3. FS, Wahlpflicht ECMX Master > Wahlpflichtbereich > ME7 Econometric Methods > 1.-3. FS, Wahlpflicht VWL Master > Wahlpflichtbereich I > 1.-3. FS, Wahlpflicht
Bestandteile	Vorlesung Stochastic Simulation (3 Credits) Übung Stochastic Simulation (3 Credits)
Modul: Stochastic Simulation (WIWI‑M0891)

Vorlesung: Stochastic Simulation (3 Credits)
Name im Diploma Supplement	Stochastic Simulation
Anbieter	Lehrstuhl für Ökonometrie
Semesterwochenstunden	2	Sprache	englisch
Turnus	unregelmäßig	maximale Hörerschaft	###LABEL_NOLIMIT###
empfohlenes Vorwissen Grundlegende Kenntnisse der Wahrscheinlichkeitstheorie und mathematischen Statistik sowie erste statistische Programmiererfahrungen sind wünschenswert.
Abstract Vermittlung von Theorie und praktischer Durchführung von Simulationsstudien, welche statistische Berechnungen erheblich vereinfachen können.
Lehrinhalte Einführung in die Monte Carlo Methode Erzeugung von Pseudozufallszahlen Varianzreduktion Rare-Event Simulation Effiziente Simulation von Stochastischen Prozessen Markov Chain Monte Carlo Methoden Anwendungen
Literaturangaben Asmussen, Glynn (2007): Stochastic Analysis. Springer, 1st ed
didaktisches Konzept Die Veranstaltung ist als Vorlesung konzipiert, die jedoch durch vielfältige, sachorientierte Diskussionen ihren Frontalcharakter weitestgehend verliert. Dazu R-Illustrationen, gemeinsames Programmieren der statistischen Konzepte, Übungsaufgaben.
Vorlesung: Stochastic Simulation (WIWI‑C1141)

Übung: Stochastic Simulation (3 Credits)
Name im Diploma Supplement	Stochastic Simulation
Anbieter	Lehrstuhl für Ökonometrie
Lehrperson	M.Sc. Martin Christopher Arnold
Semesterwochenstunden	2	Sprache	englisch
Turnus	unregelmäßig	maximale Hörerschaft	###LABEL_NOLIMIT###
empfohlenes Vorwissen Siehe Vorlesung.
Lehrinhalte Siehe Vorlesung.
Literaturangaben Siehe Vorlesung.
didaktisches Konzept Bearbeitung von theoretischen und praktischen Übungsaufgaben – letztere mit Hilfe statistischer Software.
Übung: Stochastic Simulation (WIWI‑C1142)

Modul: Stochastic Simulation (6 Credits)