I837 – Mathematical Stochastic Models: Stochastic Processes, Game Theory, Time Series

Module
Mathematical Stochastic Models: Stochastic Processes, Game Theory, Time Series
Mathematisch-stochastische Modelle: Stochastische Prozesse, Spieltheorie, Zeitreihen
Module number
I837 [I-837]
Version: 1
Faculty
Informatics/Mathematics
Level
Master
Duration
1 Semester
Semester
Summer semester
Module supervisor

Prof. Dr. rer. nat. Anja Voß-Böhme
anja.voss-boehme(at)htw-dresden.de

Lecturer(s)

Prof. Dr. rer. nat. Anja Voß-Böhme
anja.voss-boehme(at)htw-dresden.de

Course language(s)

German
in "Mathematisch-stochastische Modelle: Stochastische Prozesse, Spieltheorie, Zeitreihen"

ECTS credits

5.00 credits

Workload

150 hours

Courses

4.00 SCH (3.00 SCH Lecture | 1.00 SCH Seminar)

Self-study time

90.00 hours

Pre-examination(s)
None
Examination(s)

Written examination
Module examination | Examination time: 120 min | Weighting: 100%
in "Mathematisch-stochastische Modelle: Stochastische Prozesse, Spieltheorie, Zeitreihen"

Form of teaching

3/1/0 V/Ü/P

Die Vorlesungen vermitteln Theorie, praktischen Hintergrund, Formeln und Beispiele zu den oben genannten Themen. In den Übungen werden die Vorlesungsinhalte vertieft durch das begleitete Bearbeiten von anwendungsbezogenen Problemstellungen sowie die Diskussion von Fragen zur Vorlesung und zum Selbststudium.

Media type
No information
Instruction content/structure

Bedarfsgerechte Auswahl aus folgenden Schwerpunkten:

  • Markovketten und probabilistische zelluläre Automaten
  • Markovprozesse, insbesondere Diffusionsprozesse
  • Martingale
  • Spieltheorie und ihre Anwendung in den Wirtschafts-, Sozial- und Lebenswissenschaften
  • Zeitreihenanalyse
Qualification objectives

Die Studenten lernen, quantitative Fragestellungen mit Unsicherheiten in geeignete stochastische Modelle zu überführen und deren Qualität zur Beantwortung der Ausgangsfragestellung zu bewerten. Exakte und numerische Methoden zur Analyse stochastischer Modelle können Sie bedarfsgerecht anwenden, die Ergebnisse in den Kontext des Ausgangsproblems übertragen und die Notwendigkeit für weitere Anpassungen des mathematischen Modells beurteilen. Sie sind in der Lage, mathematische Notation effektiv für eine präzise Kommunikation einzusetzen und Ihre Ergebnisse nachvollziehbar darzustellen. Die Studenten  kennen die Einsatzmöglichkeiten von stochastischen Simulationen zur Analyse der Modelle, können entsprechende Algorithmen selbst entwickeln bzw. aus der Literatur eigenständig entnehmen und rechnergestützt umsetzen.  

Social and personal skills
No information
Special admission requirements
No information
Continuation options
No information
Literature

wird in der Vorlesung bekannt gegeben

Notes
No information