de | en

Monte-Carlo-Methoden
Monte Carlo Methods

Modul PH2222

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Modulversion vom SS 2018 (aktuell)

Von dieser Modulbeschreibung gibt es historische Versionen. Eine Modulbeschreibung ist immer so lange gültig, bis sie von einer neuen abgelöst wird.

verfügbare Modulversionen
SS 2018SS 2015

Basisdaten

PH2222 ist ein Semestermodul in Englisch auf Master-Niveau das im Sommersemester angeboten wird.

Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.

  • Allgemeiner Spezialfachkatalog Physik
  • Spezifischer Spezialfachkatalog Applied and Engineering Physics
  • Spezifischer Spezialfachkatalog Kern-, Teilchen- und Astrophysik

Soweit nicht beim Export in einen fachfremden Studiengang ein anderer studentischer Arbeitsaufwand ("Workload") festgelegt wurde, ist der Umfang der folgenden Tabelle zu entnehmen.

GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
150 h 60 h 5 CP

Inhaltlich verantwortlich für das Modul PH2222 ist Allen C. Caldwell.

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

You will learn many different techniques for generating (pseudo) random numbers according to arbitrary probability distributions, as well as numerical techniques for implementing them.  This course will also familiarize you with advanced techniques for solving high-dimensional integrals, performing optimization and regression tasks and for simulating physical situations.

Lernergebnisse

After successful completion of this module, the student is able

  • to apply different techniques for generating (pseudo) random numbers according to arbitrary probability distributions.
  • to know and apply Monte Carlo based integration techniques such as accept/reject, sample mean, importance sampling and stratified sampling.
  • to understand the fundamentals of random walks.
  • to use Markov Chain Monte Carlo techniques for sampling from distributions.
  • to use simulated annealing techniques to solve optimization problems.

Voraussetzungen

The student will be expected to program algorithms and produce graphical output.  Access to a computer and practical knowledge of a computing language is necessary.

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

ArtSWSTitelDozent(en)Termine
VO 2 Monte Carlo Methods Caldwell, A. Mo, 16:00–18:00, PH II 227
UE 2 Exercise to Monte Carlo Methods Schulz, O.
Leitung/Koordination: Caldwell, A.
Termine in Gruppen

Lern- und Lehrmethoden

The lectures will present the learning content (in English).  Examples will be drawn from a range of physics areas.  A number of exercises will be assigned that the students will be expected to solve over the course of the semester and submit in a written report. 

A recitation session will precede the lectures, where students will present their solutions to the exercises and where further examples will be presented.

Medienformen

Lecture notes will be provided.  You will need access to a computer.

Literatur

  • Monte Carlo Statistical Methods, 2nd Edition, Christian P. Robert and George Casella, Springer Verlag 2004.
  • Markov Chain Monte Carlo in Practice (Interdisciplinary Statistics) W.R. Gilks, S. Richardson, D.J. Spiegelhalter 1996 Chapman & Hall.
  • Simulation and the Monte Carlo Method (Wiley Series in Probability and Statistics) Reuven Y. Rubinstein 1981 John Wiley & Sons.
  • Computational Physics, 2nd Edition, Nicholas J. Giordano and Hisao Nakanishi, Pearson Prentice Hall 2006.
  • Numerical Recipes, W.H. Press, B.P. Flannery, S.A. Teukolsky, and W.T. Vetterling, Cambridge Universitty Press, 1992 (Fortran), 2002 (C++).

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

The students will turn in a report at the end of the semester where they present and discuss their solutions to the exercises. Therein the achievement of the competencies given in section learning outcome is tested at least to the given cognition level.

Wiederholbarkeit

Eine Wiederholungsmöglichkeit wird am Semesterende angeboten.

Aktuell zugeordnete Prüfungstermine

Derzeit sind in TUMonline die folgenden Prüfungstermine angelegt. Bitte beachten Sie neben den oben stehenden allgemeinen Hinweisen auch stets aktuelle Ankündigungen während der Lehrveranstaltungen.

Titel
ZeitOrtInfoAnmeldung
Prüfung zu Monte-Carlo-Methoden
Di, 25.9.2018 Dummy-Termin. Wenden Sie sich zur individuellen Terminvereinbarung an die/den Prüfer(in). Anmeldung für Prüfungstermin zwischen 25.9.2018 und 20.10.2018. // Dummy date. Contact examiner for individual appointment. Registration for exam date between 2018-09-25 and 2018-10-20. bis 24.9.2018
Nach oben