Numeriske Metoder (NuMe)

Kursusindhold

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.

Engelsk titel

Numerical Methods (NuMe)

Uddannelse

Bacheloruddannelsen i datalogi-økonomi
 

Målbeskrivelse

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. 

Forelæsninger og øvelsestimer.

Se Absalon for kursuslitteratur.

 

1. Programmering og Problemløsning (PoP)
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)

Skriftlig
Individuel
Løbende feedback i undervisningsforløbet
ECTS
7,5 ECTS
Prøveform
Skriftlig prøve, 4 timer med opsyn.
4 timers skriftlig eksamen med skriftlige hjælpemidler
Hjælpemidler
Skriftlige hjælpemidler tilladt
Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Flere interne bedømmere
Kriterier for bedømmelse

Se målbeskrivelsen.

Enkeltfag dagtimer (tompladsordning)

  • Kategori
  • Timer
  • Forelæsninger
  • 28
  • Forberedelse (anslået)
  • 118
  • Øvelser
  • 56
  • Eksamen
  • 4
  • Total
  • 206