I838 – Mathematisch-stochastische Modelle: Modellbildung und Modellanpassung

Modul
Mathematisch-stochastische Modelle: Modellbildung und Modellanpassung
Mathematical stochastic models: Model design and model fitting
Modulnummer
I838
Version: 2
Fakultät
Informatik/Mathematik
Niveau
Master
Dauer
1 Semester
Turnus
Sommersemester
Modulverantwortliche/-r

Prof. Dr. rer. nat. Fabian Schwarzenberger
fabian.schwarzenberger(at)htw-dresden.de

Dozent/-in(nen)

Prof. Dr. rer. nat. Fabian Schwarzenberger
fabian.schwarzenberger(at)htw-dresden.de

Lehrsprache(n)
ECTS-Credits

5.00 Credits

Workload

150 Stunden

Lehrveranstaltungen

4.00 SWS (3.00 SWS Vorlesung | 1.00 SWS Übung)

Selbststudienzeit

90.00 Stunden

Prüfungsvorleistung(en)
Keine
Prüfungsleistung(en)

Mündliche Prüfungsleistung
Modulprüfung | Prüfungsdauer: 25 min | Wichtung: 100%
in "Mathematisch-stochastische Modelle: Modellbildung und Modellanpasuung"

Lehrform

2 SWS Vorlesung und 2 SWS Praktikum

Medienform
Keine Angabe
Lehrinhalte/Gliederung

Bedarfsgerechte Auswahl aus folgenden Schwerpunkten:

  • Begriff der Modellierung, Einteilung der Modelle
  • Modelle der Stochastik (z.B. Regressionsmodelle)
  • Modellierung mit Gleichungssystemen
  • Modellierung unter Verwendung von Differentialgleichungen
  • Mathematische Epidemiemodelle
  • Modellierung mittels Graphen
  • Zelluläre Automaten
  • Chaostheorie und Fraktale
  • Modellanpassung (Datenbasierte Schätzverfahren für Parameter im Modell, Ausgleichsrechnung)
Qualifikationsziele

Die Studierenden besitzen einen Überblick über wesentliche Arten der mathematischen Modellierung. Sie können eigenständig praktische Fragestellungen in passende mathematische Modelle zu überführen. Hinsichtlich der Wahl des Modells ist den Studierenden möglich die Modellkomplexität und Interpretierbarkeit im Kontext der zugrunde liegenden Fragestellung zu diskutieren. Die Studierenden beherrschen grundlegende Lösungsmethoden für die behandelten Modelle und sind in der Lage die Lösungen
adäquat zu interpretieren. Darüber hinaus sind die Studierenden mit grundlegenden Arten
der datenbasierten Parameteranpassung für gegeben Modelle vertraut.

Sozial- und Selbstkompetenzen
Keine Angabe
Besondere Zulassungsvoraussetzung
Empfohlene Voraussetzungen
Fortsetzungsmöglichkeiten
Literatur

Wird vom Vorlesenden zu Beginn der Veranstaltung bekannt gegeben.

Aktuelle Lehrressourcen

   

Hinweise
Keine Angabe