Simulação e Processos Estocásticos
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Matemática |
Ocorrência: 2019/2020 - 2S
Ciclos de Estudo/Cursos
Língua de trabalho
Português
Objetivos
O curso visa introduzir de forma rigorosa os fundamentos de processos estocásticos e simulação. São abordados os conceitos fundamentais das áreas em questão, assim como as ferramentas matemáticas mais relevantes para a sua análise em diversas aplicações.
Resultados de aprendizagem e competências
Durante a primeira parte do curso vão ser consolidados os conceitos essenciais do método de Monte Carlo e processos estocásticos. A segunda parte do curso vai ser devotada a aplicações dos conhecimentos adquiridos usando simulação em outras áreas de conhecimento.
Modo de trabalho
Presencial
Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)
Unidades aconselhadas para a frequência: Probabilidades e Estatística, Análise Real I e Análise Real II.
Programa
I. Revisões sobre probabilidades e variáveis aleatórias discretas e contínuas.
II. Simulação e Método de Monte Carlo Aspectos estatísticos da simulação. Simulação de dados (distribuições discretas e contínuas): métodos gerais, transformações e misturas; utilização crítica de geradores disponíveis correntes. Integração de Monte Carlo e estimação de valores esperados. Técnicas de redução de variância. Método de Monte Carlo em inferência estatística. Métodos de reamostragem.
III. Caminhada aleatória. Movimento Browniano.
IV. Introdução aos processos estocásticos e sua simulação. Classes de processos estocásticos. Introdução à análise estatística de sinais e séries temporais: caracterização, estacionariedade, autocorrelação.
IV. Estimação e simulação. Modelação/simulação: cadeias de Markov, processo de Poisson, passeio aleatório; processos de nascimento e morte, filas de espera.
Bibliografia Obrigatória
Ross Sheldon M.;
Simulation. ISBN: 0-12-598410-3
Papoulis Athanasios;
Probability, random variables, and stochastic processes. ISBN: 0-07-048468-6
Shonkwiler Ronald W. 1942-;
Explorations in Monte Carlo methods. ISBN: 9780387878362
Law A., Kelton W.D; Simulation Modelling and Analysis, McGrawHill, 2007. ISBN: 978-0073401324
Wood Matt A.;
Python and Matplotlib essentials for scientists and engineers. ISBN: 978-1-62705-619-9
Evans Lawrence C. 1949-;
An introduction to stochastic differential equations. ISBN: 978-1-4704-1054-4
Bibliografia Complementar
Ross Sheldon M.;
Introduction to probability models. ISBN: 978-0-12-375686-2
Métodos de ensino e atividades de aprendizagem
Apresentação dos assuntos do curso e sua discussão com os estudantes.
Software
Jupyter
Python
Palavras Chave
Ciências Físicas > Matemática > Matemática aplicada
Ciências Físicas > Matemática > Teoria das probabilidades
Tipo de avaliação
Avaliação distribuída sem exame final
Componentes de Avaliação
Designação |
Peso (%) |
Teste |
85,00 |
Trabalho prático ou de projeto |
15,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Estudo autónomo |
106,00 |
Frequência das aulas |
56,00 |
Total: |
162,00 |
Obtenção de frequência
Classificação final superior ou igual a 9,5 valores.
Fórmula de cálculo da classificação final
Classificação final = t1 + t2 + tc1 + tc2
t1 = classificação do 1º teste que vale 8,5 valores
t2 = classificação do 2º teste que vale 8,5 valores
tc1 = classificação do 1º trabalho computacional que vale 1,5 valores
tc1 = classificação do 2º trabalho computacional que vale 1,5 valores
NOTA: tc1 e tc2 obtidos no decorrer da parte lectiva.
Estas classificações transitam para o exame de recurso.
EXAME ÉPOCA DE RECURSO:
Classificação final = er1 + er2 + tc1 + tc2
er1 = classificação da 1ª parte que vale 8,5 valores
er2 = classificação da 2ª parte que vale 8,5 valores
tc1, tc2 = obtidos no decorrer da parte lectiva.
(1) O exame da época de recurso consiste em duas partes correspondentes à divisão da matéria para os testes.
(2) No exame de recurso, o estudante pode escolher uma ou duas das suas partes. Se a(s) entregar para correção, substitui(em) a(s) classificação(ões) correspondente(s) obtida(s) no(s) teste(s).
Melhoria de classificação
Melhoria de nota será feita em exame da época de recurso.