Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Advanced Simulation Modelling

Informacje ogólne

Kod przedmiotu: 234061-D
Kod Erasmus / ISCED: 11.0 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0540) Matematyka i statystyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Advanced Simulation Modelling
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy: Elective courses for AAB - masters
Elective courses for QEM - masters
Przedmioty kierunkowe do wyboru SMMD-ADA
Przedmioty kierunkowe do wyboru SMMD-MIS
Punkty ECTS i inne: 3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
zobacz reguły punktacji
Język prowadzenia: angielski
Efekty uczenia się:

Wiedza:

Student knows how to:

1. define and present the structure of the decision problem under uncertainty and risk, and also with the systems dynamics methodology,

2. define the methodology of stochastic simulation for the decision suport,

3. characterize variance reduction techniques,

4. characterize methods for generating correlated quasi random variables,

5. characterize simulation methods in optimization.

Umiejętności:

Student is able to:

1. analyze complicated decision situations under risk,

2. build and verify simulation models under uncertainty and with interrelated parameters,

3. build a system dynamics simulation model using discreet event simulation,

4. choose and use statistical tests (probability distribution tests, significance of difference, etc.) for the simulative comparison of decisions and verification of the simulation model,

5. effectively implement simulation model with advanced functions of MsExcel including VBA and with Python programming language.

6. make conclusions on the basis of simulation,

7. recommend decisions and evaluate the risk of non achievement.

Kompetencje społeczne:

Student is able to:

1. analyze complicated business situations,

2. precisely and concisely formulate and document results.

3. build effective arguments with statistical methods and visual techniques (graphs, tables).

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-15 - 2025-09-30

Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 16 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Mateusz Zawisza
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Theory of simulation, construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation. Sensitivity analysis for output random variables, model optimization techniques. Programming simulation models with Julia using Microsoft Visual Studio Code and Jupyter notebooks.
Pełny opis:

The goal of the course is to present the theory of stochastic simulation together with tools and practical approaches. Student learn construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation are presented. The tools include Julia programming language, Microsoft Visual Studio Code, Jupyter notebook and computational libraries.

Literatura:

Literatura podstawowa:

A.M. Law, Simulation modeling and analysis, McGraw-Hill Education Boston, MA, 2007; Materiały konferencji Winter Simulation Conference http://informs-sim.org/; B. Mielczarek, Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009; Python 3.4 - http://docs.python.org/3.4/tutorial/

Literatura uzupełniająca:

J. Zaleski, Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004; H. Guerrero, Excel Data Analysis: Modeling and Simulation, Springer, 2010; Decyzje menedżerskie z Excelem, red. T. Szapiro, PWE, 2000.
Uwagi:

Kryteria oceniania:

referaty/eseje: 50.00%

ocena z ćwiczeń: 50.00%

Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)

Okres: 2024-10-01 - 2025-02-14
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 16 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Theory of simulation, construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation. Sensitivity analysis for output random variables, model optimization techniques. Programming simulation models with Julia using Microsoft Visual Studio Code and Jupyter notebooks.
Pełny opis:

The goal of the course is to present the theory of stochastic simulation together with tools and practical approaches. Student learn construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation are presented. The tools include Julia programming language, Microsoft Visual Studio Code, Jupyter notebook and computational libraries.

Literatura:

Literatura podstawowa:

A.M. Law, Simulation modeling and analysis, McGraw-Hill Education Boston, MA, 2007; Materiały konferencji Winter Simulation Conference http://informs-sim.org/; B. Mielczarek, Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009; Python 3.4 - http://docs.python.org/3.4/tutorial/

Literatura uzupełniająca:

J. Zaleski, Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004; H. Guerrero, Excel Data Analysis: Modeling and Simulation, Springer, 2010; Decyzje menedżerskie z Excelem, red. T. Szapiro, PWE, 2000.
Uwagi:

Kryteria oceniania:

referaty/eseje: 50.00%

ocena z ćwiczeń: 50.00%

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-24 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 16 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Theory of simulation, construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation. Sensitivity analysis for output random variables, model optimization techniques. Advanced Ms Excel's functions and simulation model programming with Python.
Pełny opis:

The goal of the course is to present the theory of stochastic simulation together with tools and practical approaches. Student learn construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation are presented. The tools include advanced MS Excel functions and Python programming language.

Literatura:

Literatura podstawowa:

A.M. Law, Simulation modeling and analysis, McGraw-Hill Education Boston, MA, 2007; Materiały konferencji Winter Simulation Conference http://informs-sim.org/; B. Mielczarek, Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009; Python 3.4 - http://docs.python.org/3.4/tutorial/

Literatura uzupełniająca:

J. Zaleski, Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004; H. Guerrero, Excel Data Analysis: Modeling and Simulation, Springer, 2010; Decyzje menedżerskie z Excelem, red. T. Szapiro, PWE, 2000.
Uwagi:

Kryteria oceniania:

referaty/eseje: 50.00%

ocena z ćwiczeń: 50.00%

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 16 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Przemysław Szufel
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Theory of simulation, construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation. Sensitivity analysis for output random variables, model optimization techniques. Advanced Ms Excel's functions and simulation model programming with Python.
Pełny opis:

The goal of the course is to present the theory of stochastic simulation together with tools and practical approaches. Student learn construction and verification techniques of simulation models. Dynamic stochastic simulation models - discreet event simulation are presented. The tools include advanced MS Excel functions and Python programming language.

Literatura:

Literatura podstawowa:

A.M. Law, Simulation modeling and analysis, McGraw-Hill Education Boston, MA, 2007; Materiały konferencji Winter Simulation Conference http://informs-sim.org/; B. Mielczarek, Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009; Python 3.4 - http://docs.python.org/3.4/tutorial/

Literatura uzupełniająca:

J. Zaleski, Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004; H. Guerrero, Excel Data Analysis: Modeling and Simulation, Springer, 2010; Decyzje menedżerskie z Excelem, red. T. Szapiro, PWE, 2000.
Uwagi:

Kryteria oceniania:

referaty/eseje: 50.00%

ocena z ćwiczeń: 50.00%
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
al. Niepodległości 162
02-554 Warszawa tel: +48 22 564 60 00 http://www.sgh.waw.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0