Module
Liste aller Module
An dieser Stelle gibt es eine alphabetische Liste aller Module. Einzelne Modulnamen können "doppelt" erscheinen, da gleichlautende aber unterschiedliche Module in unterschiedlichen Studiengängen Verwendung finden. Dies geschieht bspw. durch Vorgaben der Akkreditierungsagenturen oder bei sehr unspezifischen Modulen wie Abschlussarbeiten. In dem Fall finden Sie das richtige Modul eventuell schneller wenn Sie über den Anbieter suchen.
Module
Modul (6 Credits)
Stochastic Simulation
- Name im Diploma Supplement
- Stochastic Simulation
- Verantwortlich
- 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
- Bestandteile
Vorlesung (3 Credits)
Stochastic Simulation
- Name im Diploma Supplement
- Stochastic Simulation
- Anbieter
- Lehrperson
- SWS
- 2
- Sprache
- englisch
- Turnus
- unregelmäßig
- maximale Hörerschaft
- unbeschränkt
- 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.
- Hörerschaft
Übung (3 Credits)
Stochastic Simulation
- Name im Diploma Supplement
- Stochastic Simulation
- Anbieter
- Lehrperson
- SWS
- 2
- Sprache
- englisch
- Turnus
- unregelmäßig
- maximale Hörerschaft
- unbeschränkt
- empfohlenes Vorwissen
Siehe Vorlesung.
- Lehrinhalte
Siehe Vorlesung.
- Literaturangaben
Siehe Vorlesung.
- didaktisches Konzept
Bearbeitung von theoretischen und praktischen Übungsaufgaben – letztere mit Hilfe statistischer Software.
- Hörerschaft