I847 – Stochastische Prozesse, Spieltheorie, Zeitreihen

Modul
Stochastische Prozesse, Spieltheorie, Zeitreihen
Stochastic Processes, Game Theory, Time Series
Modulnummer
I847 [I837]
Version: 1
Fakultät
Informatik/Mathematik
Niveau
Master
Dauer
1 Semester
Turnus
Sommersemester
Modul­verantwortliche/-r

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

Dozierende

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

Lehrsprache(n)

Deutsch

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 Angabe
Prüfungsleistung(en)

Schriftliche Prüfungsleistung
Prüfungsdauer: 120 min | Wichtung: 100 %

Lehrform

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.

Medienform
Keine Angabe
Lehrinhalte / Gliederung

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
Qualifikationsziele

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.  

Besondere Zulassungs­voraussetzung(en)
Keine Angabe
Fortsetzungs­möglichkeiten
Keine Angabe
Literatur

wird in der Vorlesung bekannt gegeben

Hinweise
Keine Angabe