Программа дисциплины Стохастическое Моделирование для направления 010500. 68 «Прикладная математика и информатика»

I.Пояснительная записка

Автор программы

Л.Е. Жуков, Ph.D

Требования к студентам

Изучение курса "Стохастическое Моделирование" требует предварительных знаний по “Теории Вероятностей”, “Линейной Алгебре” и “Дискретной Математике”.

Аннотация

Дисциплина “Стохастическое Моделирование” предназначена для подготовки магистров по направлению 010500.68 “Прикладная математика и информатика”

Курс стохастическое моделирование посвящен анализу и моделированию случайных процессов. Курс начинается с рассмотрения цепей Маркова с дискретным временем и классификации возможных состояний. Далее рассматриваются методы вычисления стационарного распределения. В качестве примеров разбираются методы ранжирования интернет сайтов алгоритмом Pagerank, а также расчеты влияния в социальных сетях. Далее рассматриваются Пуассоновский процесс и Марковские процессы с непрерывным временем Вторая часть курса посвящена приложением теории Марковских процессов: теория массового обслуживание, скрытые Марковские модели, методы Монте Карло. Курс завершается изучением методов компьютерного моделирования случайных процессов (Матлаб)

Учебные задачи курса

Данный курс знакомит студентов с теорией случайных процессов и ее приложениям в информатике, экономике и социологии. В результате изучения курса, студенты получат навыки моделирования случайных процессов и практику программирования на Matlab

II.Тематический план курса «Стохастическое Моделирование»

№	Название темы	Всего часов по дисциплине	Аудиторные часы		Самостоятельная работа
			Лекции	Сем. и практика занятия
1	Обзор курса, введение. Понятие Марковского процесса	8	2	2	4
2	Дискретные цепи Маркова, Классификация состояний	8	2	2	4
3	Стационарное распределение в Марковских цепях	8	2	2	4
4	Пуассоновский процесс	8	2	2	4
5	Цепи Маркова с непрерывным временем	8	2	2	4
6	Стационарное распределение в Марковских цепях с непрерывным временем	8	2	2	4
7	Теория массового обслуживания	10	2	2	6
8	Скрытые Марковские модели	10	2	2	6
9	Методы Монте Карло (MCMC)	10	2	2	6
10	Компьютерное моделирование случайных процессов	30	6	6	18
	Итого	108	24	24	60

III.Источники информации

Базовый учебник

Ридер – подборка глав из книг по темам курса.

Список литературы

Основная литература

1. 
   Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009.
   
2. 
   J. R. Norris . Markov Chains (Cambridge Series in Statistical and Probabilistic Mathematics). Cambridge University Press, 1998.
   
3. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008.
   

Дополнительная литература

1. 
   William J. Stewart. Introduction to the Numerical Solution of Markov Chains. Princeton University Press, 1994.
   
2. 
   Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009
   
3. 
   Гнеденко Б.В. Курс теории вероятностей̆. 2005 -448с
   

IV.Формы контроля и структура итоговой оценки

Текущий контроль – домашнее задание.

Промежуточный контроль – контрольная работа в конце первого модуля (90 мин);

Итоговый контроль – письменный зачет в конце второго модуля (90 мин.)

О_{текущий} = О_дз

О_{итоговый} = 0.4·О_{экзамен} + 0.4·О_к/р + 0.2·О_{текущий}

Таблица соответствия оценок по десятибалльной и системе зачет/незачет

Оценка по 10-балльной шкале	Оценка по 5-балльной шкале
1	незачет
2
3
4	зачет
5
6
7
8
9
10

Таблица соответствия оценок по десятибалльной и пятибалльной системе

По десятибалльной шкале	По пятибалльной системе
1 – неудовлетворительно 2 – очень плохо 3 – плохо	неудовлетворительно – 2
4 – удовлетворительно 5 – весьма удовлетворительно	удовлетворительно – 3
6 – хорошо 7 – очень хорошо	хорошо – 4
8 – почти отлично 9 – отлично 10 – блестяще	отлично - 5

V.Программа курса “Стохастическое Моделирование”

Тема 1. Обзор курса, введение. Понятие Марковского процесса

Стохастические процессы. Марковские процессы. Цепи Маркова с дискретным временем. Переходная матрица. Конечномерные распределения и матрица перехода за n шагов. Уравнение Колмогорова-Чепмена.

Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 4, 4.1-4.2

Дополнительная литература

1. 
   Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009. Chapter 16, 16.1-16.3
   

Тема 2. Дискретные цепи Маркова, классификация состояний

Классификация состояний. Достижимые и сообщающиеся состояния. Классы эквивалентности. Неразложимые классы. Неразложимая цепь Маркова. Транзитивные и рекуррентные (возвратные) состояния. Критерий возвратности. Понятие периода состояния. Периодические состояния. Понятие времени возвращения. Вычисление среднего времени возвращения.

Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 4, 4.3

Дополнительная литература

1. 
   Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009. Chapter 16, 16.4
   
2. 
   
   
3. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008. Chapter 3
   

Тема 3. Стационарное распределение в Марковских цепях

Эргодические состояние и эргодическая Марковская цепь. Стационарное состояние. Основная теорема Марковских цепей. Уравнения стационарного состояния

Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 4, 4.4, 4.6

Дополнительная литература

1. 
   Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009. Chapter 16, 16.5-16.7
   

Тема 4. Пуассоновский процесс


Экспоненциальное распределение. Свойства распределения. Стационарный поток. Поток без последействия. Пуассоновский процесс. Время ожидания. Свойства процесса.

Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 5, 5.1-5.3

Дополнительная литература


Тема 5. Цепи Маркова с непрерывным временем.

Понятие процесса с непрерывным временем. Интенсивность переходов. Матрица интенсивности. Уравнение Чепмена Колмогорова


Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 6, 6.1-6.2

Дополнительная литература

1. 
   Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009. Chapter 16, 16.8
   
2. 
   
   
3. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008. Chapter 4
   

Тема 6. Стационарное распределение в Марковских цепях с непрерывным временем

Уравнение стационарного состояния.

Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 6, 6.4-6.5

Дополнительная литература


Тема 7. Теория массового обслуживания

Модели теории обслуживания. Уравнение стоимости. Экспоненциальные модели. Модель очереди М/М/1


Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 8, 8.1-8.3

Дополнительная литература

1. 
   Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009. Chapter 17, 17.1-17.4
   
2. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008. Chapter 5, 5.1-5.6
   

Тема 8. Скрытые Марковские модели


Понятие скрытой Марковской модели. Предсказание состояний. Оценка параметров модели

Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 4, 4.11

Дополнительная литература

1. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008. Chapter 11, 11.1-11.6
   

Тема 9. Методы Монте Карло (MCMC)


Моделирование методом Монте Карло. Хастингс Метроплис алгоритм.


Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 4, 4.9

Дополнительная литература

1. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008. Chapter 14, 14.1-14.6
   

Тема 10. Компьютерное моделирование случайных процессов

Генерация случайных последовательностей и перестановок. Моделирование стохастических процессов. Моделирование Пуассоновского процесса. Случайные блуждания. Моделирование Броуновского движения.


Основная литература

1. Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009. Chapter 11.

Дополнительная литература

1. 
   Olive Ibe . Markov Processes for Stochastic Modeling. Academic Press 2008. Chapter 8, Chapter 9.
   

VI.Тематика заданий по формам текущего контроля

Темы домашних работ

1. 
   Моделирование Марковского процесса
   
2. 
   Вычисление временных характеристик состояний
   
3. 
   Нахождения стационарного распределения
   
4. 
   Моделирование Пуассоновского процесса
   
5. 
   Анализ моделей с непрерывным временем
   
6. 
   Вычисление стационарного состояния
   
7. 
   Моделирование очереди
   
8. 
   Расчет параметров скрытой Марковской модели
   
9. 
   Генерация распределений методом MCMC
   
10. 
    Разработка моделей случайных процессов
    

Примеры задач, предлагаемых на контрольных работах

1. 
   Пусть дана Марковская цепь с двумя состояниями {0, 1} и матрицей̆ перехода P = [1/3, 2/3; 3/4,1/4]. Предположив, что в момент времени n = 0, цепь находится в состоянии 0, вычислить вероятность ее нахождения в состоянии 1 через n = 3 шага. Какова вероятность нахождения в состоянии 1 через длительное время?
   

2. 
   Пусть у игрока в начале игры имеется $1 и на каждом шаге игры он может выиграть $1 с вероятностью p и проиграть $1 с вероятностью 1 − p. Игра заканчивается когда игрок или разорен или накопил $3. Графически изобразить Марковскую цепь отвечающую этой игре. Вычислить полные вероятности разорения или выигрыша. Найти их численные значения при справедливой̆ игре, т.е. для p = 1/2.
   
3. 
   Сформулировать "фундаментальную теорему" существование и уравнения стационарного состояния для Марковских цепей̆ с непрерывным временем. Какие условия эквивалентны уравнениям стационарного состояния?
   

VII.Вопросы для оценки качества освоения дисциплины

Тема 1.

1. 
   Дать определение Марковского процесса. Привести примеры
   
2. 
   Теорема Колмогорова Чепмена
   

Тема 2.

1. 
   Дать определение периода состояния
   
2. 
   Какими свойствами обладают классы эквивалентных состояний
   

Тема 3.

1. 
   Дать определения эргодической цепи
   
2. 
   Фундаментальная теорема Марковских цепей
   

Тема 4.

1. 
   Дать определение Пуассоновского процесса
   
2. 
   Свойства экспоненциальных распределений
   

Тема 5.

1. 
   Дать определение процесса с непрерывным временем
   
2. 
   Привести примеры таких процессов
   

Тема 6.

1. 
   Дать определение интенсивности переходов. Нарисовать диаграмму.
   
2. 
   Уравнение стационарного состояния
   

Тема 7.

1. 
   Описать экспоненциальную модель
   
2. 
   М/М/1 очередь
   

Тема 8.

3. 
   Дать определение скрытой Марковской модели
   
4. 
   Привести примеры HMM
   

Тема 9.

1. 
   Объяснить принцип генерации распределений методом MCMC
   

Тема 10.

1. 
   Основные методы генерации распределений
   
2. 
   Способы уменьшения расхождений
   

VIII.Методические указания студентам

Преподавание ведется на русском языке с использованием английской технической терминологии. Однако большинство используемого справочного материала и научная литература по курсу на английском языке.

Домашние задания выполняются студентами самостоятельно за исключением проектов и курсовых работ, которые по предварительной договоренности с преподавателем возможно разрабатывать в группах.

Для выполнения практической части домашних работ рекомендуется использование Матлаб, однако возможно использование и других языков программирования по договоренности с преподавателем.


Автор программы: _____________________________/ Жуков Л.Е. /