Kursplan för Markovprocesser

Markov Processes

Det finns en senare version av kursplanen.

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: 2013-04-23
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: vecka 34, 2013
  • Behörighet: 120 hp med Inferensteori, alternativt med Sannolikhet och statistik och Stokastisk modellering
  • 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, övergångssannolikheter. Övergångsintensiteter, framåt- och bakåtekvationer. Stationär och asymptotisk fördelning. Konvergens av Markovkedjor. Födelse-dödsprocesser. Absorptionssannolikhet, absorptionstid. Brownsk rörelse och diffusion, geometrisk Brownsk rörelse. Generella Markovmodeller. Tillämpningar av Markovkedjor.

Undervisning

Föreläsningar, lektioner och räkneövningar.

Examination

Obligatoriska inlämningsuppgifter under kursens gång.

Litteratur

Litteraturlista

Gäller från: vecka 34, 2013

alternativt