Random Generators and Monte Carlo MethodsModule description #20158 / Version 1
- 10 CP
- Oral exam
- Graded
- Winter and summer semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
| Module / Version | #20158 / #1 |
|---|---|
| Validity | SS 2014 – Summer semester 2021 |
| Available language(s) | German |
| Credit points | 10 |
| Person responsible for the module | Kruse, Raphael |
| Grading | Graded |
| Exam format | Oral exam |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät II |
|---|---|
| Institute | Institut für Mathematik |
| Academic chair | Not specified |
Contact
| Office | MA 5-3 |
|---|---|
| Contact person | Not specified |
| E-mail address | kruse@math.tu-berlin.de |
| Website | Not specified |
Learning outcomes
Die Vorlesung ist eine Einführung in die Theorie und Implementierung von Zufallszahlengeneratoren und
Monte Carlo Methoden. Das erste Ziel ist das Verständnis, in welchem Sinne deterministische Algorithmen
verwendet werden können, um (Pseudo-)Zufallszahlen zu generieren. Der zweite Teil beschäftigt sich
mit (multilevel) Monte Carlo Methoden und Varianzreduktionstechniken, mit dem Ziel diese zu implementieren und Fehler- und Aufwandsabschätzungen durchführen zu können. Diese Vorlesung dient als
Startpunkt für eine Spezialisierung im Bereich Numerik stochastischer Prozesse.
Fachkompetenz: 55% Methodenkompetenz: 30% Systemkompetenz: 10% Sozialkompetenz: 5%
Monte Carlo Methoden. Das erste Ziel ist das Verständnis, in welchem Sinne deterministische Algorithmen
verwendet werden können, um (Pseudo-)Zufallszahlen zu generieren. Der zweite Teil beschäftigt sich
mit (multilevel) Monte Carlo Methoden und Varianzreduktionstechniken, mit dem Ziel diese zu implementieren und Fehler- und Aufwandsabschätzungen durchführen zu können. Diese Vorlesung dient als
Startpunkt für eine Spezialisierung im Bereich Numerik stochastischer Prozesse.
Fachkompetenz: 55% Methodenkompetenz: 30% Systemkompetenz: 10% Sozialkompetenz: 5%
Content
Einführung in die zugrundeliegenden Resultate der Wahrscheinlichkeitstheorie;
Zufallszahlengeneratoren für die Gleichverteilung, insbesondere lineare Kongruenz-Generatoren, Mersenne
Twister;
Zufallszahlengeneratoren für die Normalverteilung;
(multilevel) Monte-Carlo Methoden;
Varianzreduktionstechniken;
Kon
denzintervalle;
Implementation anhand von Beispielen aus der Theorie der Integralgleichungen und Finanzmathematik.
Zufallszahlengeneratoren für die Gleichverteilung, insbesondere lineare Kongruenz-Generatoren, Mersenne
Twister;
Zufallszahlengeneratoren für die Normalverteilung;
(multilevel) Monte-Carlo Methoden;
Varianzreduktionstechniken;
Kon
denzintervalle;
Implementation anhand von Beispielen aus der Theorie der Integralgleichungen und Finanzmathematik.
Module components
Compulsory area
The following courses are mandatory for this module:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Zufallsgeneratoren und Monte - Carlo - Methoden | Lecture | Irregular | [de] | 4 | ISIS |
Workload and credit points
Zufallsgeneratoren und Monte - Carlo - Methoden (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor- und Nachbereitung | 15 | 12 h | 180 h |
| 240 h | |||
Course-independent workload
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 60 h | 60 h |
| 60 h | |||
The workload of the module adds up to 300 hours. The module therefore comprises 10 credit points.
Description of teaching and learning methods
Vorlesungen
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
dringend empfohlen: Analysis, Lineare Algebra, Programmierkenntnisse in Matlab oder Python
wünschenswert: Wahrscheinlichkeitstheorie I
wünschenswert: Wahrscheinlichkeitstheorie I
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Oral exam |
| Language | German |
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Winter and summer semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Standard.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
unavailable
Recommended literature
- Wird in der Vorlesung bekannt gegeben.
Assigned programs
This module is not used in any program.
Miscellaneous
Not specified