Министерство науки и высшего образования РФ

Федеральное государственное автономное образовательное учреждение

высшего образования
«СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ (МОДУЛЯ)

ФТД.02 Основы метода Монте-Карло

наименование дисциплины (модуля) в соответствии с учебным планом

Направление подготовки / специальность

01.04.01 Математика

Направленность (профиль)
[Link] Комплексный анализ

Форма обучения очная

Год набора 2022

ДОКУМЕНТПОДПИСАН
Э_
_____________________ЛЕ
__К
_Т
_РОН
__ Н
__ ОЙ
__ П
___ОД
_ П_
___ИС
__ЬЮ___________
__
Сертификат: 6EA173892A8A 5ACD E60C 3E69C5A6A666
Красноярск 2022
Владелец: ФГАОУВО "СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ"

Действителен: с24мая2022гпо17авг
уста2023г
.
 РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ (МОДУЛЯ)

Программу составили
к.ф.-м.н., доцент, Семенова Дарья Владиславовна
должность, инициалы, фамилия

2
 1 Цели и задачи изучения дисциплины
1.1 Цель преподавания дисциплины
Целью преподавания дисциплины является освоение студентами
современных тенденций развития теории алгоритмов численного
статистического моделирования, которые находят широкое применение при
решении задач в области прикладной математики и информатики.
1.2 Задачи изучения дисциплины
Задачами дисциплины являются освоение методологии разработки и
реализации статистических методов моделирования, в том числе
‒ изучение стандартных и специальных алгоритмов численного
моделирования случайных элементов (случайных величин, векторов и
функций),
‒ применение статистического инструментария в исследовании
характера и структуры взаимосвязей многомерных совокупностей,
‒ разработка и анализ эффективности методов статистического
моделирования, а также отработка навыков применения этой методологии в
научных исследованиях и решении практических задач математического
моделирования, возникающих в области прикладной математики и
информатики.
1.3 Перечень планируемых результатов обучения по дисциплине
(модулю), соотнесенных с планируемыми результатами освоения
образовательной программы
Код и наименование индикатора Запланированные результаты обучения по дисциплине
достижения компетенции
ОПК-2: Способен строить и анализировать математические модели в
современном естествознании, технике, экономике и управлении
ОПК-2.1: Создает и исследует методы, направленные на решение задач
математические модели в аналитического характера, предполагающих выбор и
естествознании, технике, многообразие актуальных способов решения задач
экономике и управлении особенности и границы применимости современных
моделей, аналитических и численных методов
решения стохастических задач, знает методы
построения новых математических моделей для
решения прикладных задач моделирования реальных
процессов.
современные тенденции и направления в научных
исследованиях (в своей области), проводимых в
мире, с использованием методов статистического
моделирования .
уметь использовать специализированные библиотеки
языков Python и R для решения математических
задач и визуализации результатов.
уметь систематизировать научные результаты,
выделять из них главное, и удалять второстепенное;
уметь самостоятельно выбирать эффективные
методы решения поставленных задач и

3
разрабатывать новые методы для получения новых
научных и прикладных результатов.
владеть методами математического и
алгоритмического моделирования при решении
прикладных задач
владеть способностью передавать результат
проведенных физико-математических и прикладных
исследований в виде конкретных рекомендаций,
выраженных в терминах предметной области
изучавшегося явления
Владеет навыками выполнения научно-
исследовательской работы, самостоятельной
разработки новых математических моделей
стохастических систем и процессов, применения и
модификации известных и самостоятельно
разработанных математических моделей для
получения новых научных и прикладных
результатов.

4
ОПК-2.2: Использует знать основы теории и приложений весовых методов
математическое Монте-Карло и современные направления их
моделирование в своей развития;
профессиональной знать основные понятия, постановки задач, основные
деятельности принципы и методы доказательства теорем и
разработки алгоритмов с использованием методов
Монте-Карло;
знать классические и современные методы
статистического моделирования, применяемые в
прикладной математике и информатике для решения
задач, необходимые и достаточные условия их
реализации.
уметь реализовывать алгоритмы метода Монте-Карло
и анализировать их с точки зрения эффективности и
возможностей применения для решения актуальных
прикладных задач;
уметь применять методы статистического
моделирования для решения задач в области
прикладной математики и информатики;
уметь ставить новые задачи в области прикладной
математики и информатики, находить пути их
решения, формулировать и доказывать теоремы, а
также разрабатывать алгоритмы для написания
компьютерных программ.
владеть основными методами моделирования
случайных величин и технологиями создания
моделируемых вероятностных плотностей;
владеть навыками выбора подходящего
программного обеспечения для решения прикладных
задач;
владеть различными методами статистического
моделирования, применяемыми при решении задач в
области прикладной математики и информатики, в
том числе владеть умением формулировать и
доказывать теоремы, а также разрабатывать
алгоритмы и писать программы по данным
алгоритмам.

1.4 Особенности реализации дисциплины

Язык реализации дисциплины: Русский.
Дисциплина (модуль) реализуется с применением ЭО и ДОТ
URL-адрес и название электронного обучающего курса: [Link]
[Link]/course/[Link]?id=15205.

5
 С
2. Объем дисциплины (модуля) е
м
е
Всего, с
зачетных т
Вид учебной работы
единиц р1
(акад.час)

Контактная работа с
1,06 (38)
преподавателем:

практические занятия 1,06 (38)

Самостоятельная работа
0,94 (34)
обучающихся:

курсовое проектирование
Нет
(КП)
курсовая работа (КР) Нет

6
 3 Содержание дисциплины (модуля)
3.1 Разделы дисциплины и виды занятий (тематический план занятий)
Контактная работа, ак. час.
Занятия семинарского типа
Занятия
Самостоятельная
лекционного
№ Семинары и/или Лабораторные работа, ак. час.
Модули, темы (разделы) дисциплины типа
п/п Практические работы и/или
занятия Практикумы
В том В том В том В том
Всего числе в Всего числе в Всего числе в Всего числе в
ЭИОС ЭИОС ЭИОС ЭИОС
1. Основы метода Монте-Карло
1. Вычисление математического ожидания и дисперсии
2
методом Монте-Карло
2. Вычисление интеграла методом Монте-Карло 2
3. Погрешность и трудоёмкость метода Монте-Карло 2
4. Метод выборки по важности 2
5. Методы понижения дисперсии 2
6. Случайные элементы в задачах теории переноса 2
7. Интегральные уравнения второго рода, ряд Неймана 2
8. Однородная цепь Маркова, обрывающаяся с
2
вероятностью единица, и ее моделирование
9. Оценка по столкновениям для вычисления линейного
функционала от решения интегрального уравнения
2
второго рода. Прямое моделирование. Локальные
оценки.

7
 10. Физические датчики стандартных случайных
величин и генераторы псевдослучайных чисел. Метод 2
вычетов и его свойства.
11. Стандартный метод моделирования дискретного
2
распределения и его трудоёмкость
12. Моделирование равномерного дискретного
2
распределения. Квантильный метод.
13. Метод обратной функции распределения.
2
Конструирование моделируемых плотностей.
14. Моделирование случайных векторов.
Конструирование двумерного моделируемого вектора с 2
зависимыми компонентами.
15. Методы интегральной и дискретной суперпозиции.
2
Конструирование моделируемых плотностей.
16. Обоснование метода исключения. Конструирование
плотностей случайных величин, эффективно 2
моделируемых методом исключения.
17. Некоторые специальные методы моделирования
6
непрерывных случайных величин.
18. Решение задач 20
19. Индивидуальный проект 14
20. Зачет
Всего 38 34

8
 4 Учебно-методическое обеспечение дисциплины
4.1 Печатные и электронные издания:
1. Михайлов Г. А., Войтишек А. В. Численное статическое
моделирование : методы Монте-Карло: учебное пособие для вузов по
направлению подготовки "Прикладная математика"(Москва: Академия).
2. Лемешко Б. Ю., Постовалов С. Н., Лемешко С. Б., Чимитова Е. В.
Статистический анализ данных, моделирование и исследование
вероятностных закономерностей. Компьютерный подход(Москва: ООО
"Научно-издательский центр ИНФРА-М").
3. Винклер Г. Анализ изображений, случайные поля и методы Монте-
Карло на цепях Маркова. Математические основы: перевод с
английского(Новосибирск: ГЕО).
4. Андерсон Т. У., Гнеденко Б. В. Введение в многомерный статистический
анализ: перевод с английского(Москва: Государственное издательство
физико-математической литературы [Физматгиз]).
5. Соболь И.М. Метод Монте-Карло: научное издание(Москва: Наука).

6. Ермаков С.М., Михайлов Г.А. Статистическое моделирование(Москва:

Наука, Гл. ред. физ.-мат. лит.).
7. Кендалл М., Стьюарт А., Пресман Э.Л., Ротаря В.И. Многомерный
статистический анализ и временные ряды: научное издание(Москва:
Наука, Гл. ред. физ.-мат. лит.).
8. Лапко В. А. Компьютерное моделирование систем и статистический
анализ данных: методические указания по лабораторным работам
(Красноярск: ИПЦ КГТУ).
9. Статистические методы. Правила определения и методы расчета
статистических характеристик по выборочным данным. Часть 1.
Нормальное распределение: нормативно-технический материал(М.: Изд-
во стандартов).
10. Семенова Д.В Основы метода Монте-Карло: [учеб-метод. материалы к
изучению дисциплины для ...[Link] Комплексный анализ,
[Link] Алгебра, логика и дискретная математика, [Link]
Математическое моделирование, [Link] Математическая физика,
[Link] Прикладная математика и информатика в гуманитарных и
социально-экономических науках, [Link] Математическое и
компьютерное моделирование, [Link] Вычислительная математика]
(Красноярск: СФУ).

4.2 Лицензионное и свободно распространяемое программное

обеспечение, в том числе отечественного производства (программное
обеспечение, на которое университет имеет лицензию, а также свободно
распространяемое программное обеспечение):
1. Семинарские занятия проводятся в компьютерном классе с удаленным
доступом к сети Интернет с установленным программным
обеспечением:

9
2. Visual Studio,
3. система компьютерной вёрстки TeX,
4. Python, R (The R Project for Statistical Computing)
5. Visual Studio Code
6. MS Office,
7. Adobe Acrobat.
4.3 Интернет-ресурсы, включая профессиональные базы данных
и информационные справочные системы:
1. научная библиотека СФУ [Link]
2. поисковые системы: Google или Яндекс.
5 Фонд оценочных средств
Оценочные средства находятся в приложении к рабочим программам
дисциплин.

6 Материально-техническая база, необходимая для осуществления

образовательного процесса по дисциплине (модулю)
Используется проектор (для семинаров), слайды мультимедийных
презентаций и компьютеры с предустановленным программным
обеспечением и доступ в Интернет.

10