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 til at løse økonomiske modeller. Kurset er både teoretisk og praktisk baseret.

Kurset dækker de mest grundlæggende numeriske metoder, herunder numerisk optimering, metoder til løsning af ikke-lineære ligningssystemer, approksimation af funktioner, interpolationsmetoder, numerisk integration og differentiering. Ligeledes introduceres de studerende til få udvalgte avancerede emner som eksempelvis Monte Carlo metoder.

Der anvendes eksempler igennem kurset som viser, hvordan numeriske metoder kan 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

  • Numerisk Optimering,
  • Ikke-lineære ligningssystemer,
  • Approksimation,
  • Differentiation og integration,
  • Samt avancerede emner såsom Monte Carlo simulering.

 

Færdigheder til at

  • Redegøre for hvordan algoritmer til numerisk løsning af optimeringsproblemer og ikke-lineære ligningssystemer virker,
  • Forklare, hvordan numeriske metoder anvendes til approksimation af funktioner, differentialkvotienter og integraler, samt simuleringer,
  • Implementere de numeriske metoder i et (general purpose) programmeringssprog og argumentere for at de virker korrekt.

 

Kompetencer til at

  • Arbejde med åbne opgaver, hvor ikke alle detaljer er givet på forhånd,
  • Forklare, hvad der adskiller "eksakt matematik" fra "numerisk matematik",
  • Anvende numeriske metoder til at løse simple modeller indenfor eksempelvis økonomi. 

Forelæsninger og øvelsestimer.

Se Absalon for kursuslitteratur.

 

1. Programmering svarende til kurset Programmering og problemløsning (PoP)
2. Lineær algebra svarende til Lineær algebra for dataloger (LinAlgDat).
3. Matematisk analyse svarende til et af kurserne Introduktion til matematik (MatIntroNat) eller Matematisk analyse og sandsynlighedsteori i datalogi (MASD).
4. Sandsynlighedsregning og statistik svarende til Grundlæggende statistik og sandsynlighedsregning (GSS), Sandsynlighedsregning og statistik (SS) eller Modelling and Analysis of Data (MAD) plus Matematisk analyse og sandsynlighedsteori i datalogi (MASD).

Skriftlig
Individuel
Løbende feedback i undervisningsforløbet
ECTS
7,5 ECTS
Prøveform
Løbende bedømmelse
Løbende bedømmelse baseret på 7-8 skriftlige afleveringer samt tilhørende programmeringsopgaver, alle vægtes ligeligt.
Hjælpemidler
Alle hjælpemidler tilladt
Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Flere interne bedømmere
Kriterier for bedømmelse

Se målbeskrivelsen.

Enkeltfag dagtimer (tompladsordning)

  • Kategori
  • Timer
  • Forelæsninger
  • 32
  • Forberedelse (anslået)
  • 64
  • Øvelser
  • 110
  • Total
  • 206