OPISY KURSÓW/PRZEDMIOTÓW:
Kod kursu/przedmiotu Studia Doktoranckie
GIH0112D
Tytuł kursu/przedmiotu
S
YMULACJAM
ONTEC
ARLO W OBLICZENIACH INŻYNIERSKICHImię, nazwisko i tytuł/stopień prowadzącego Włodzimierz BRZĄKAŁA, dr hab. inż.
WWW.ib.pwr.wroc.pl/brzakalaImiona, nazwiska oraz tytuły/stopnie członków zespołu dydaktycznego Wojciech PUŁA, dr inż.
Forma zaliczenia kursu
Forma kursu Wykład Ćwiczenia Laboratorium Projekt Seminarium
Tygodniowa liczba godzin 2
Forma zaliczenia E
Wymagania wstępne
1. Podstawy rachunku prawdopodobieństwa i statystyki
Krótki opis zawartości całego kursu
Wykład ma charakter interdyscyplinarny i zawiera podstawy teoretyczne specyficznej metod symulacji numerycznej. Służy ona do oceny wpływu losowości danych na losowość wyniku.
Przedstawiony jest przegląd praktycznych metod obliczeniowych, oszacowania dokładności i zbieżności oraz liczne przykłady zastosowań w modelowaniu zjawisk i podejmowaniu decyzji przy uwzględnieniu losowych parametrów układu.
Podstawowe zastosowania grupy metod Monte Carlo dotyczą:
- budownictwa i mechaniki (miary bezpieczeństwa i niezawodności konstrukcji, narzędzie do racjonalnego określania cząstkowych współczynników bezpieczeństwa, opis
niejednorodności materiałowych, modelowanie losowych obciążeń i ich kombinacji), - problemów technologicznych (np. dyfuzja zanieczyszczeń), ekonometrycznych, transportowych i in. (np. optymalne decyzje, procesy demograficzne),
- matematyki finansowej (notowania giełdowe, gry losowe).
Dla wyrównania poziomu wiedzy słuchaczy, kilka pierwszych wykładów jest rodzajem
repetytorium z rachunku prawdopodobieństwa i statystki.
Wykład (podać z dokładnością do 2 godzin)
Zawartość merytoryczna poszczególnych godzin wykładowych Liczba godzin
1. Wprowadzenie do symulacji Monte Carlo, najprostsze przykłady numeryczne 2 2. Definicja, schemat i charakterystyczne cechy metod Monte Carlo 2
3. Elementy rachunku prawdopodobieństwa – zmienne losowe, rozkłady 2 4. Elementy rachunku prawdopodobieństwa – prawa wielkich liczb i tw.graniczne 2
5. Elementy statystyki matematycznej – estymacja i przedziały ufności 2 6. Elementy statystyki matematycznej – testowanie zgodności i niezależności 2
7. Generowanie liczb o rozkładzie równomiernym 2
8. Generatory zmiennych losowych – metody ogólne 2
9. Generatory zmiennych losowych – metody szczególne 2 10. Generowanie wektorów losowych, procesów stochastycznych i pól losowych 2
11. Specjalne metody obliczania całek, symulacja ukierunkowana i ważona 2 12. Zastosowanie – awaryjność konstrukcji budowlanej 2
13. Zastosowanie – losowa wytrzymałość dźwigara 2 14. Zastosowanie – system masowej obsługi: teoria kolejek 2
15.
Ćwiczenia, seminarium – zawartość tematyczna Nie ma tej formy zajęć
Laboratorium, projekt – zawartość tematyczna Nie ma tej formy zajęć
Literatura podstawowa
1. R.Wieczorkowski, R.Zieliński, Komputerowe generatory liczb losowych. WNT, W-wa 1997.
2. J.R.Benjamin, C.A.Cornell, Rachunek prawdopodobieństwa, statystyka i teoria decyzji dla inżynierów.
WNT, W-wa 1977.
3. I.M.Sobol, Metoda Monte Carlo (j.ros., j.ang). Seria Popularnych Wykładów z Matematyki. Tom 46.
Nauka, Moskwa 1985.
4. R.Y.Rubinstein, Simulation and the Monte Carlo Metod. J.Wiley&Sons, NY 1981.
… i wiele innych w katalogu Biblioteki Głównej PWr.
Literatura uzupełniająca
1. S.Brandt, Analiza danych. Metody statystyczne i obliczeniowe. PWN, Warszawa 1999.
2. G.E.P.Box, G.M.Jenkins, Analiza szeregów czasowych. Prognozowanie i sterowanie. WNT, W-wa 1983.
3. Czasopismo Structural Safety.
Warunki zaliczenia
Egzamin – kilka pytań i prostych mini-zadań rachunkowych.
DESCRIPTION OF THE COURSES
Course code
Ph.D. Study GHI0112D
Course title
T
HEM
ONTEC
ARLO SIMULATION IN ENGINEERING PROBLEMSName, first name and degree of the lecturer/supervisor
BRZĄKAŁA, Włodzimierz
WWW.ib.pwr.wroc.pl/brzakaladr hab. inż.
Names, first names and degrees of the team members
PUŁA, Wojciech dr inż.
Form in which the courses should be completed
Course form Lecture Exercises Laboratory Project Seminar
Number of hours/week 2
Form of the course completion
E
Prerequisites
1. Fundamentals of probability calculus and statistics
Course description
This is an interdisciplinary course concentrated on a theoretical background of a specific numerical simulation. The attention is paid on random response due to random initial data.
Practical calculation aspects are strongly emphasized, like accuracy estimation and
convergence rate. Many examples are analyzed that may be useful in modelling of random systems as well as making decisions basing on random data.
The following disciplines belong to standard applications of the Monte Carlo methods:
- civil engineering and mechanics (safety measures and indexes, numerical tool for evaluation of partial safety factors, code calibrations, modelling of material
inhomogeneities, random excitations of different origin etc.),
- problems of technology (diffusion of pollutants a.o.), econometrics, logistics (optimal decisions, population growth etc.),
- financial mathematics (stock exchange analyses, random games) and potentially just every one.
The course is supported by a repetition of fundamentals of probability calculus and statistics
to make a certain background level and to introduce all necessary denotations.
Lecture
Particular lectures contents
Number ofhours
1. Introduction, intuitions, the simplest examples – what is the course about 2 2. Definition, description and characteristics of the Monte Carlo Methods 2 3. Elements of the probability calculus – random variables, distributions 2 4. Elements of the probability calculus – law of large numbers, limit theorems 2 5. Elements of the statistics – estimation, confidence intervals 2 6. Elements of the statistics – testing of hypotheses 2 7. Generators of uniformly distributed random numbers 2 8. Generators of random variables – general methods 2 9. Generators of random variables – specific methods 2 10. Generators of random vectors, stochastic processes and random fields 2 11. Specific methods of integral evaluation, directional and weighted simulate. 2 12. Example – probability of failure of a construction 2
13. Example – random strength of a beam 2
14. Example – Queueing system 2
15.
Excercises, seminars – the contents
NoneLaboratory, project – the contents
NoneBasic references
1. R.Wieczorkowski, R.Zieliński, Komputerowe generatory liczb losowych. WNT, W-wa 1997.
2. J.R.Benjamin, C.A.Cornell, Rachunek prawdopodobieństwa, statystyka i teoria decyzji dla inżynierów.
WNT, W-wa 1977.
3. I.M.Sobol, Metoda Monte Carlo (j.ros., j.ang). Seria Popularnych Wykładów z Matematyki. Tom 46.
Nauka, Moskwa 1985.
4.
R.Y.Rubinstein, Simulation and the Monte Carlo Metod. J.Wiley&Sons, NY 1981.… and many others available.
Additional references
1. S.Brandt, Analiza danych. Metody statystyczne i obliczeniowe. PWN, Warszawa 1999.
2. G.E.P.Box, G.M.Jenkins, Analiza szeregów czasowych. Prognozowanie i sterowanie. WNT, W-wa 1983.
3. Czasopismo Structural Safety.
Conditions of the course acceptance/credition
Examination – simple numerical tasks, detailed questions