Kursplan för Markovprocesser

Markov Processes

Kursplan

  • 10 högskolepoäng
  • Kurskod: 1MS012
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Matematik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2007-03-15
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2022-10-18
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2023
  • Behörighet:

    120 hp. Sannolikhetsteori I. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

  • Ansvarig institution: Matematiska institutionen

Mål

Efter godkänd kurs ska studenten kunna:

  • redogöra teorin för stokastiska processer, särskilt Markovproceser, och en grund att använda Markovprocesser inom en rad tillämpningsområden;
  • redogöra för Markovkedjor i diskret och kontinuerlig tid avseende tillståndsdiagram, rekurrens och transiens, klassificering av tillstånd, periodicitet, irreducibilitet, mm, och kunna utföra beräkningar med övergångssannolikheter och övergångsintensiteter;
  • redogöra för existens och entydighet av stationära och asymptotiska fördelningar för Markovkedjor och i förekommande fall beräkna sådana som lösningar till en balansekvation;
  • beräkna absorptionssannolikheter och förväntad tid till absorption för Markovkedjor genom att använda principen om att betinga på första hoppet;
  • ansätta en lämplig Markovmodell och göra lämpliga beräkningar, speciellt modellering med födelse-dödsprocesser;
  • redogöra för Markovprocesser med kontinuerligt tillståndsrum, speciellt inledande kunskaper om Brownsk rörelse och diffusionsprocesser, samt ha viss förståelse för kopplingen mellan teorin för Markovprocesser och differentialekvationer;
  • redogöra för någon generell Markovmetod, exempelvis Markov Chain Monte Carlo.

Innehåll

Markovegenskapen, Chapman-Kolmogorovs relation, klassificering av Markovprocesser och övergångssannolikheter. Övergångsintensiteter, framåt- och bakåtekvationer. Stationär och asymptotisk fördelning. Konvergens av Markovkedjor. Födelse-dödsprocesser. Absorptionssannolikhet och absorptionstid. Brownsk rörelse och diffusion, samt geometrisk Brownsk rörelse. Generella Markovmodeller. Tillämpningar av Markovkedjor.

Undervisning

Föreläsningar, lektioner och räkneövningar. Inlämningsuppgifter samt projekt som presenteras muntligt.

Examination

Skriftlig tentamen (10hp).

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.

Litteratur

Litteraturlista

Gäller från: HT 2023

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

alternativt