Probability and Stochastic Analysis - University of Bonn
NoLinebreak

Andreas Eberle - Vorlesungen


Algorithmische Mathematik II (Stochastik für Lehramt), Sommersemester 2013

Montags und mittwochs 10 ct, Grosser Hörsaal, Wegelerstr. 10

Inhalt der Vorlesung: Die Vorlesung beginnt mit einer Einführung in die (diskrete) Stochastik. Nachdem im ersten Semester Algorithmen für Fragestellungen der diskreten Mathematik und linearen Algebra im Mittelpunkt standen, die zumindest im Prinzip eine exakte Lösung liefern, betrachten wir nach Pfingsten Probleme der numerischen Analysis und Stochastik, für die man in endlich vielen Schritten typischerweise nur eine Näherungslösung mit einer bestimmten Genauigkeit, bzw. diese sogar nur mit einer bestimmten Wahrscheinlichkeit erhält.

Übungen: Dr. Jan Maas, Dr. Matthias ErbarTutorien: Christian Grimm (Mo 12), Robert Giesler (Mo 14), Arthur Wettschereck (Fr 8),Christina Peuker (Di 10 LWK), Alexander Platz (Di 12), Laura Spiegel (Mi 8),Carolin Schärfer (Mi 12), Benny Cabrera (Mi 12), Maxime Wegesin (Do 12, Fr 8).Tutorien Lehramt: Julian Honermann (Di 8), David Molitor (Mi 8), Judy Ackermann (Fr 12).Abgabe der Übungen: Dienstags bis 13 Uhr, Postfach gegenüber der Fachbibliothek Mathematik.Klausur: 20.7. 9.00-12.00 WPHS und GHS, Zweiter Pruefungstermin 17.9. 9.00-12.00 GHS

 

Aktuell:

 

Programmieren/Computereinsatz: In diesem Semester werden wir in Vorlesung und Übungen das Mathematik-Softwarepaket Mathematica einsetzen. Als Bonner Mathematikstudent erhalten Sie Mathematica kostenlos über die Campuslizenz. Weitere Informationen und Einführungen finden Sie hier.

Materialien zur Vorlesung:

  • G. Kersting, A. Wakolbinger: Einführung in die Stochastik, Birkhäuser.
  • U. Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik, Springer.
  • H. Dehling, B. Haupt: Einführung in die Wahrscheinlichkeitstheorie und Statistik, Vieweg-Verlag.
  • N. Henze: Stochastik für Einsteiger, Vieweg+Teubner. (BESONDERS EMPFEHLENSWERT FÜR LEHRAMT)
  • K.L. Chung: Elementare Wahrscheinlichkeitstheorie und Stochastische Prozesse, Springer.
  • G.R. Grimmett, D.R. Stirzaker: Probability and Random Processes, Oxford UP.
  • H. Föllmer, H. Künsch: Wahrscheinlichkeitsrechnung und Statistik, Skript ETH Zürich.
  • O. Häggström: Finite Markov Chains and Algorithmic Applications, London Math.Soc.
  • T. Müller-Gronbach, E. Novak, K. Ritter: Monte Carlo-Algorithmen, Springer.
  • W. Dahmen und A. Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer.
  • P. Deuflhard und A. Hohmann: Numerische Mathematik, de Gruyter-Verlag.
  • J. Werner: Numerische Mathematik 1, Vieweg.
  • G. Hämmerlin und K.-H. Hoffmann: Numerische Mathematik, Springer.
  • M. Hanke-Bourgeois: Grundlagen der Numerischen Mathematik und des Wissenschaftlichen Rechnens, Teubner-Verlag.
  • A. Quarteroni, R. Sacco, F. Saleri: Numerische Mathematik 1, Springer-Verlag.

  • Grinstead/Snell: "Introduction to Probability" ; Buch und Mathematica-Programme.
  • Im Mathematica Demonstrations Project finden Sie etliche Mathematica-Demonstrationen zur Stochastik und numerischen Analysis, mit denen Sie selbst experimentieren können.
  • Mathematica Einführungsvorlesung vom 16.4.2009

 

Übungsaufgaben:

 

Programmierprojekte:

 


27 May 2013 Andreas Eberle eberleadf@uni-bonnfdsa.de