NDAB20004U Numeriske Metoder (NuMe)
Numerical Methods (NuMe)
Bacheloruddannelsen i datalogi-økonomi
Numerisk metoder udgør et grundlæggende fundament når der arbejdes med computermodeller til løsning af økonomiske problemstillinger.
I kurset introduceres de studerende til metoder fra numerisk analyse og anvendt matematik, som de typisk anvendes i implementationen af økonomiske modeller. Kurset er både teoretisk og praktisk baseret.
Kurset dækker de mest grundlæggende numeriske metoder indenfor de økonomiske områder, herunder numerisk optimering, metoder til løsning af ikke-lineære ligningssystemer, approksimation af funktioner, interpolationsmetoder, numerisk integration og differentiering. Ligeledes introduceres de studerende til Monte Carlo metoder og metoder til løsning af dynamiske problemer, herunder numerisk dynamisk programmering. Der fokuseres specifikt på hvordan numeriske metoder bruges i økonomiske modeller og økonometriske analyser.
De studerende forventes at implementere et udvalg af de gennemgåede numeriske metoder i et højniveau programmeringssprog som Python.
Viden om
numeriske metoder indenfor områderne
- optimering,
- ikke-lineære ligningssystemer,
- approksimation,
- differentiation og integration,
- Monte Carlo og simulering,
- dynamisk programmering.
Færdigheder til at
- opstille simple modeller til numerisk løsning af optimeringsproblemer og ikke-lineære ligningssystemer,
- opstille simple modeller til approksimation af funktioner, differentialkvotienter og integraler, samt simuleringer,
- implementere og løse ovenstående i et (general purpose) programmeringssprog.
Kompetencer til at
- arbejde med åbne opgaver, hvor ikke alle detaljer er givet på forhånd,
- benytte et programmeringssprog til at skrive og afvikle numeriske programmer,
- forklare hvad der adskiller "eksakt matematik" fra "numerisk matematik",
- anvende numeriske metoder i en konkret økonomisk kontekst.
Se Absalon for kursuslitteratur.
2. Introduktion til Matematik (MatIntroNat)
3. Grundlæggende Statistik og Sandsynlighedsregning (GSS) eller tilsvarende; f.eks. Sandsynlighedsregning og Statistik (SS) eller Modelling and Analysis of Data (MAD) og Matematisk analyse og sandsynlighedsteori i datalogi (MASD)
4. Diskret Matematik og Formelle Sprog (DMFS) eller Diskret Matematik og Algoritmer (DMA)
5. Lineær Algebra for Dataloger (LinAlgDat)
- Kategori
- Timer
- Forelæsninger
- 28
- Forberedelse (anslået)
- 118
- Øvelser
- 56
- Eksamen
- 4
- I alt
- 206
Som meritstuderende - klik her!
Som enkeltfags-studerende (efter- og videreuddannelse) - klik
her!
- Point
- 7,5 ECTS
- Prøveform
- Skriftlig prøve, 4 timer med opsyn.4 timers skriftlig eksamen med skriftlige hjælpemidler
- Krav til indstilling til eksamen
Godkendelse af 3-5 opgaveafleveringer (antallet besluttes ved kursusstart)
- Hjælpemidler
- Skriftlige hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Flere interne bedømmere
- Reeksamen
Indstillingskrav som for ordinær eksamen.
Reeksamen som 4 timers skriftlig ordinær eksamen eller evt mundtlig eksamen forudsat at der er færre end 10 tilmeldte.
Kriterier for bedømmelse
Se målbeskrivelsen.
Kursusinformation
- Sprog
- Dansk
- Kursuskode
- NDAB20004U
- Point
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
- 1 blok
- Placering
- Blok 1
- Skemagruppe
- C
- Kursuskapacitet
- Ingen begrænsning
- Kurset udbydes også til efter- og videreuddannelse
- Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institut
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlige
- Kenny Erleben (5-6d6770707b42666b306d7730666d)