MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO

Tamaño: px

Comenzar la demostración a partir de la página:

Download "MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO"

Antonio Suárez Alarcón
hace 6 años
Vistas:

GUIA DOCENTE DE LA ASIGNATURA MÉTODOS PARA LA GENERACIÓN DE MODELOS EN PROBABILIDAD-ESTADÍSTICA Curs 2014-2015 (Fecha última actualización: 10/06/14) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO

1 GUIA DOCENTE DE LA ASIGNATURA MÉTODOS PARA LA GENERACIÓN DE MODELOS EN PROBABILIDAD-ESTADÍSTICA Curs (Fecha última actualización: 10/06/14) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Optimización Estadística mediante Simulación Estcástica PROFESORES* 1 Optimización Estadística mediante Simulación Estcástica 4º 1º 6 Optativa DIRECCIÓN COMPLETA DE CONTACTO PARA TUTORÍAS (Dirección pstal, teléfn, crre electrónic, etc.) Dpt. Estadística e Investigación Operativa, Facultad de Ciencias. Campus Fuentenueva, Granada. Eva Mª Rams Ábals Despach 15. Tfn ramsa@ugr.es HORARIO DE TUTORÍAS* Lunes: GRADO EN EL QUE SE IMPARTE OTROS GRADOS A LOS QUE SE PODRÍA OFERTAR Grad en Estadística PRERREQUISITOS Y/O RECOMENDACIONES (si prcede) Se recmienda tener cursadas y aprbadas las asignaturas de Cálcul de Prbabilidades I y II del módul de frmación básica, así cm haber adquirid previamente algunas ncines básicas de prgramación. BREVE DESCRIPCIÓN DE CONTENIDOS (SEGÚN MEMORIA DE VERIFICACIÓN DEL GRADO) Revisión sbre ls métds clásics de generación de variables aleatrias discretas y cntinuas. Generación de vectres y matrices aleatrias. Generación de prcess aleatris básics. Página 1

2 COMPETENCIAS GENERALES Y ESPECÍFICAS Cmpetencias generales G02. Saber aplicar ls cncimients básics de cada módul a su trabaj vcación de una frma prfesinal y pseer las cmpetencias que suelen demstrarse pr medi de la elabración y defensa de arguments y la reslución de prblemas dentr de la Estadística y ámbits en que esta se aplica directamente. G03. Saber reunir e interpretar dats relevantes para emitir juicis que incluyan una reflexión sbre temas relevantes de índle scial, científica ética. G05. Haber desarrllad aquellas habilidades de aprendizaje necesarias para emprender estudis psterires cn un alt grad de autnmía. G06. Saber utilizar herramientas de búsqueda de recurss bibligráfics. Cmpetencias específicas E03. Cncer ls fundaments teórics y saber aplicar mdels y técnicas estadísticas en estudis y prblemas reales en diverss ámbits científics y sciales. E06. Cmprender y utilizar básicamente el lenguaje matemátic. E07. Cncer ls cncepts y herramientas matemáticas necesarias para el estudi de ls aspects teórics y práctics de la Prbabilidad, la Estadística y la Investigación Operativa. E08. Cncer y saber utilizar aplicacines infrmáticas de análisis estadístic, cálcul numéric y simbólic, bases de dats, visualización gráfica y ptimización, que sean útiles para la aplicación y desarrll de las técnicas estadísticas. E09. Cncer ls cncepts básics y habilidades prpias de un ámbit científic scial en el que la Estadística la Investigación perativa sean una herramienta fundamental. OBJETIVOS (EXPRESADOS COMO RESULTADOS ESPERABLES DE LA ENSEÑANZA) Cncer ls elements teórics y práctics (cmputacinales) invlucrads en la prgramación, en un entrn aprpiad, de ls algritms asciads a la generación de: Númers pseud-aleatris, necesaris para la simulación de distribucines. Variables aleatrias discretas y cntinuas, cm herramienta previa para la generación de muestras Vectres aleatris, invlucrads en la implementación de técnicas estadísticas que requieren el us de distribucines multidimensinales. Prcess aleatris elementales: Recrrids aleatris, el mvimient Brwnian y el prces de Pissn, fundamentales en la implementación de ls métds MCMC. Página 2

3 TEMARIO DETALLADO DE LA ASIGNATURA TEMARIO TEÓRICO: Tema 1. Generación de númers pseuds-aleatri. Métd de ls Cuadrads Medis; Métd de Lehmer; Métd Cngruencial. Cntrastes de Unifrmidad y Aleatriedad. Otrs generadres de númer aleatris: Registr de Desplazamient; Fibnacci Retardads; N lineales; Cmbinación de Generadres; Generadres Paralels; Generadres Cmerciales. Tema 2. Intrducción a ls métds de generación de variables aleatrias discretas. Métd de la Transfrmación Cuantil Métd de Aceptación-Rechaz. Métd de Cmpsición. Tema 3. Métds de generación de variables aleatrias cntinuas. Transfrmada Inversa. Técnica de Aceptación-Rechaz. Técnica de Cmpsición. Tema 4. Métds de generación de vectres aleatris. Métd Plar. Métd Cndicinal. Generación de la Nrmal Bivariante. Métds Específics. Generación de Nrmal Multivariante y Distribución de Dirichlet. Generación de Nrmales Multivariantes mediante el Métd de Búsqueda de Jacbi. Tema 5. Generación de prcess básics Generación de recrrids aleatris simples y de recrrids cn salt aleatri: Versines unidimensinal, bidimensinal y tridimensinal. Generación del Mvimient Brwnian unidimensinal y multidimensinal. Generación del Prces de Pissn unidimensinal y multidimensinal. TEMARIO PRÁCTICO: Seminaris/Talleres Ncines básicas sbre prgramación Prácticas de Labratri Práctica 1. Implementación en entrn MatLab de genedarres de númer aleatris. Práctica 2. Implementación en entrn MatLAb de las técnicas de generación de distribucines discretas y cntinuas. Práctica 3. Implementación en entrn MatLab de ls algritms de simulación asciads a la generación de Recrrids Aleatris, Mvimient Brwnian y prces de Pissn. Página 3

4 BIBLIOGRAFÍA BIBLIOGRAFÍA FUNDAMENTAL: Ca Abad, R. (2002). Intrducción a la Simulación y a la Tería de Clas. Netbibli, S.L. A Cruña. Stchastic Simulatin: Algrithms and Analysis. Ripley, B.D. (2006). Stchastic Simulatin. Jhn Wiley. Rss, S.M. (1990). A Curse in Simulatin. Macmillan. Rubinstein, R.Y. y Melamed, B. (1998). Mdern Simulatin and Mdeling. Wiley. BIBLIOGRAFÍA COMPLEMENTARIA: Chang, H.S., Hu J., Fu, M.C., y Marcus S.I. (2007). Simulatin-Based Algrithms fr Markv Decisin Prcesses. Springer-Verlag Shedler, G.S. (1993). Regenerative Stchastic Simulatin. Academic Press. ENLACES RECOMENDADOS METODOLOGÍA DOCENTE Clases teóricas. Clases de prblemas. Trabajs y seminaris. Tutrías académicas. Estudi y trabaj autónm. Estudi y trabaj en grup. Prácticas de rdenadr. Las anterires actividades frmativas pseen una cmpnente presencial y n presencial/ individual y grupal. Específicamente, atendiend a las indicacines generales de ls móduls del grad, se cntemplará la siguiente distribución aprximada: Un 30% de dcencia presencial en el aula, dnde el prfesr expndrá de frma cncisa, cn una visión fundamentalmente aplicada, ls cntenids reflejads en ls Temas 1-5. Asimism, se reslverán las cuestines teóricas planteadas pr ls alumns en relación cn dichs cntenids, prprcinand una rientación bibligráfica aprpiada. En particular, en relación cn las prácticas, se desarrllarán ejempls específics en lenguaje MaLab R. También se prcederá a la evaluación de actividades y tutrías. Un 70% de estudi individualizad del alumn, en este 70% se cntemplará una revisión bibligráfica, el desarrll de trabaj práctic en relación cn la implementación de ls algritms de simulación expuests en ls Temas 1-5, en lenguaje MaLab R, así cm la implementación de extensines de ls misms a distribucines alternativas. Página 4

5 La relación de cada actividad frmativa cn las cmpetencias a adquirir es la siguiente: Clases de tería Cmpetencias generales: G03, G05. Cmpetencias específicas: E03, E06, E07, E08, E09. Clases de prblemas y prácticas de rdenadr Cmpetencias generales: G02. Cmpetencias específicas: E06, E07, E08, E09. Seminaris y expsición de trabajs Cmpetencias generales: G02, G03, G05, G06. Cmpetencias específicas: E06, E07, E08, E09. Tutrías Cmpetencias generales: G03, G05. Cmpetencias específicas: E03, E06, E07, E08, E09. Trabaj persnal del alumn Cmpetencias generales: G02, G03, G05, G06. Cmpetencias específicas: E03, E06, E07, E08, E09. EVALUACIÓN (INSTRUMENTOS DE EVALUACIÓN, CRITERIOS DE EVALUACIÓN Y PORCENTAJE SOBRE LA CALIFICACIÓN FINAL, ETC.) Se valrarán ls siguientes aspects: Pruebas específicas de cncimients y reslución de ejercicis, rales y escritas, dnde se evaluará la adquisición de cntenids pr parte del alumn, en un plan fundamentalmente teóric, que cntempla la reslución de cuestines teóricas y prblemas ejercicis escrits sbre la materia (50% de la calificación). Trabajs y prácticas de rdenadr. Incluye el desarrll de trabajs de revisión bibligráfica, participación en la reslución de prblemas práctics mediante rdenadr e implementación de algritms de simulación en un entrn aprpiad (40% de la calificación). Participación, actitud y esfuerz persnal en tdas las actividades frmativas prgramadas (10% de la calificación). La evaluación única final establecida en la nrmativa de evaluación y de calificación de ls estudiantes de la Universidad de Granada cnsistirá en un examen escrit en el que se incluirán preguntas teóricas y prácticas sbre el temari que figura en esta guía dcente. INFORMACIÓN ADICIONAL Página 5

Documentos relacionados

Simulación Estocástica e Inferencia Estadística

GUIA DOCENTE DE LA ASIGNATURA Simulación Estocástica e Inferencia Estadística Curso 2013-2014 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Optimización Estadística mediante Simulación Estocástica PROFESOR(ES)