CAPUTO PIETRO
Mutuazione: 20410441 CP420-INTRODUZIONE AI PROCESSI STOCASTICI in Matematica LM-40 R CAPUTO PIETRO
Obiettivi
Acquisire una solida preparazione di base negli aspetti principali della teoria dei processi stocastici con particolare riguardo ai processi di Markov e alle loro applicazioni (metodo Monte Carlo e simulated annealing), della teoria delle passeggiate aleatorie e dei modelli più semplici di sistemi di particelle interagenti.Risultati Apprendimento Attesi
Markov Chains and Mixing Times, by D. Levine, Y. Peres and E. Wilmer, AMS 2009 - disponibile online pdfAn introduction to Markov processes, by D. Stroock, Springer 2013
Markov Chains, by J.R. Norris, Cambridge University Press 2006
Lectures on finite Markov chains, by L. Saloff-Coste, Lecture Notes in Math. 1665, pp.301-413 (1997).
Programma
Catene di Markov, tempo discreto e continuo. Teoremi di convergenza. Accoppiamenti. Esempi e applicazioni.Prerequisiti
Teoria delle probabilita elementareTesti Adottati
Markov Chains and Mixing Times, by D. Levine, Y. Peres and E. Wilmer, AMS 2009 - disponibile online pdfAn introduction to Markov processes, by D. Stroock, Springer 2013
Markov Chains, by J.R. Norris, Cambridge University Press 2006
Lectures on finite Markov chains, by L. Saloff-Coste, Lecture Notes in Math. 1665, pp.301-413 (1997).
Bibliografia Di Riferimento
Markov Chains and Mixing Times, by D. Levine, Y. Peres and E. Wilmer, AMS 2009 - disponibile online pdf An introduction to Markov processes, by D. Stroock, Springer 2013 Markov Chains, by J.R. Norris, Cambridge University Press 2006 Lectures on finite Markov chains, by L. Saloff-Coste, Lecture Notes in Math. 1665, pp.301-413 (1997).Modalità Frequenza
6 ore settimanaliModalità Valutazione
Colloquio oraleEsempi Domande
cosa e' una catena di Markov