BMETESZMsMSMOD-00

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Sztochasztikus modellek
A tárgy angol címe: 
Stochastic Models
A tárgy rövid címe: 
SztochasztikusModellek
2
0
2
v
Kredit: 
5
Kizáró tantárgyak: 
Applied Stochastics
A tantárgy felelős tanszéke: 
Sztochasztika Tanszék
A tantárgy felelős oktatója: 
Dr. Pete Gábor
A tantárgy felelős oktatójának beosztása: 
egyetemi docens
Akkreditációs adatok
Akkreditációra benyújtás időpontja: 
2024.05.02.
Akkreditációs bizottság döntési időpontja: 
2024.05.15.
Tematika
A tantárgy az alábbi témakörök ismeretére épít: 
basics of probability theory and stochastic processes
A tantárgy szerepe a képzés céljának megvalósításában: 
TTK Matematikus és Alkalamazott matematikus képzések kötelezően választható tárgya
A tantárgy részletes tematikája magyarul és angolul: 

– Pólya’s theorem on recurrence versus transience of simple random walk on Z^d. Green's function. The spectral radius of the d-regular tree.
– Fekete's subadditive lemma, with three applications: return probabilities; the connective constant and the speed of random walks on infinite transitive graphs.
– Chernov's and Azuma-Hoeffding large deviations inequalities. Comparison with the Strong Law of Large – Numbers and the Central Limit Theorem.
– Stochastic domination and couplings.
– Erdős-Rényi random graph phase transitions: subgraph containment, connectivity, giant cluster. First and second moment methods. Critical Galton-Watson trees die out: integer-valued Chung-Fuchs theorem for the recurrence of the exploration random walk.
– Basics of network science: clustering coefficient, isoperimetric ratio (or Cheeger constant), centrality measures: eigenvector centrality, PageRank.
– The basics of Markov chain mixing times: spectral and coupling methods.
– The Barabási-Albert preferential attachment graph, and its degree distribution.
– Renewal processes: SLLN, renewal equations, renewal theorems, renewal paradox, size-biasing.
– Blow-up vs null-recurrence vs positive recurrence in a G/G/1 queuing system.
– Copulas of multivariate continuous distributions.
– Percolation theory: definitions and their equivalence. Examples: p_c(\Z)=1, p_c(\T_d)=1/(d-1), p_c(\Z_2) \in [1/3,2/3] using the Peierls contour method.
– The Ising model on finite graphs: definition, spatial Markov property, basic properties of the partition function, definition of long range order. The Curie-Weiss phase transition.

Követelmények szorgalmi időszakban: 
Két zárthelyi dolgozat és házifeladatok teljesítése.
Követelmények vizsgaidőszakban: 
Egy szimulációs projekt és írásbeli vizsga.
Pótlási lehetőségek: 
A TVSZ szerint
Konzultációs lehetőségek: 
Az oktatóval egyeztetve
Jegyzet, tankönyv, felhasználható irodalom: 
Rick Durrett: Essentials of stochastic processes, 2nd edition. Springer, 2011. https://services.math.duke.edu/~rtd/EOSP/EOSP2E.pdf
Rick Durrett: Random graph dynamics. Cambridge University Press, 2007. https://www.math.duke.edu/~rtd/RGD/RGD.pdf.
Rick Durrett. Probability: theory and examples. 5th edition. Cambridge University Press, 2019. https://services.math.duke.edu/~rtd/PTE/PTE5_011119.pdf
David Levin, Yuval Peres, Elizabeth Wilmer. Markov chains and mixing times. American Mathematical Society, 2008. http://pages.uoregon.edu/dlevin/MARKOV/.
Mark Newman. Networks. An introduction. Oxford University Press, 2010.
Gabor Pete: Probability and geometry on groups, http://math.bme.hu/~gabor/PGG.pdf
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
56
Félévközi felkészülés órákra: 
28
Felkészülés zárthelyire: 
16
Zárthelyik megírása: 
2
Házi feladat elkészítése: 
0
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
24
Vizsgafelkészülés: 
24
Összesen: 
150
Ellenőrző adat: 
150
A tárgy tematikáját kidolgozta
Név: 
Dr. Pete Gábor
Beosztás: 
egyetemi docens
Munkahely (tanszék, kutatóintézet, stb.): 
Sztochasztika Tanszék és Rényi Alfréd Matematikai Kutatóintézet
A tanszékvezető neve: 
Dr. Simon Károly