大学院
過去（2022年度）の授業の情報です
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
確率的シミュレーション
確率的な事象をシミュレートするための基盤技術であるモンテカルロ法を扱う。モンテカルロ法を「使う」上で欠かせない確率分布からのサンプリング（乱数発生法）から、モンテカルロ法を「工夫」して計算効率を向上させる手段（分散減少法）までを概観することによって、モンテカルロ法を正しく理解し、正しく工夫して使えるようになることを目指す。
時間割／共通科目コード
コース名
教員
学期
時限
3736-143
GEN-SI5103L1
確率的シミュレーション
合田 隆
火曜2限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
1
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
工学系研究科
授業計画
1. 確率的シミュレーションの基礎
確率的シミュレーションの概要
基本統計量
モンテカルロ法による推定
2. 乱数発生法
疑似乱数生成法
逆関数法
変換法
受理棄却法
3. 分散減少法1
対照変量法
制御変量法
共通乱数法
条件付きモンテカルロ法
重点サンプリング
4. マルチレベルモンテカルロ法
バイアス-バリアンス分解
制御変量法から2 レベルモンテカルロ法へ
マルチレベルモンテカルロ法
入れ子型期待値計算
5. 分散減少法2
層化サンプリング
ラテン超方格法
準モンテカルロ法
6. 大域的感度分析
局所的感度分析
分散分析と大域的感度分析
感度指標のモンテカルロ近似
成績評価方法
出席および毎回の小テスト（40%）と最終レポート（60%）
履修上の注意
基礎を固める（工学部共通）
