GUÍA DOCENTE. Curso Académico 2015/16. Modelos de Simulación y Economía Computacional

Transcripción

1 GUÍA DOCENTE Curso Académico 2015/16 1. Modelos de Simulación y Economía Computacional 1.1. Datos de la asignatura Tipo de estudios Titulación Nombre de la asignatura Carácter de la asignatura Máster Máster Universitario en Métodos de Investigación en Ciencias Económicas y Empresariales Modelos de Simulación y Economía Computacional Obligatoria Curso 1º Idioma de impartición Coordinador/a de la asignatura Semestre Español García Alonso, Carlos 1º Semestre Número de créditos 4.0 Course data Study type Degree Course name Course caracter Master Master's Degree in Research Methods in Business Simulation and Computational Economic Models Required Courses Course 1º Language Responsible Semester Spanish García Alonso, Carlos 1º Semester Página 1 de 6

2 ECTS Credits Datos del equipo de profesores Escuela de Doctorado Página web: Departamento de Matemáticas e Ingeniería Apellidos, Nombre García Alonso, Carlos Alvarez Gálvez, Javier Correo electrónico cgarcia@uloyola.es jalvarez@uloyola.es 1.3. Requisitos previos Conocimientos básicos sobre modelos matemáticos y estadísticos. 1.4 Objetivos del curso En esta materia, por un lado, se describirán las técnicas de simulación (especialmente simulación Monte Carlo) como instrumento para modelar situaciones de decisión complejas en entornos inciertos. Por otro lado, se introducirán las técnicas de modelado de dependencias funcionales entre variables basadas en inteligencia artificial. De acuerdo con la memoria del programa, las Competencias Básicas (CB) son: CB1. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. CB2. Que los y las estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. CB3. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. CB4. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. CB5. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Las Competencias Generales (CG) son: CG1. Ser capaz de utilizar de forma avanzada las Tecnologías de la Información para su manejo en el ámbito de estudio. CG2. Ser capaz de comunicarse oralmente y por escrito en lengua extranjera (Inglés) con el fin de diseñar o exponer proyectos de I+D+i así como sus resultados ante una audiencia que puede ser lega o experta en los temas en cuestión. CG3. Ser capaz de adaptarse a nuevas situaciones, entornos diferentes y a trabajar bajo presión. CG4. Ser capaz de orientarse hacia la calidad y la excelencia. CG5. Ser capaz de establecer y mantener unas relaciones interpersonales constructivas. Las Competencias Transversales (CT) son: CT1. Sensibilizarse hacia la dimensión moral inherente a todo lo humano y lo social (acción personal, instituciones sociales) e inclinarse positivamente hacia el bien moral de uno mismo o de los demás (vivencia de sentido, realización de la persona, sentido de justicia). Las Competencias Específicas (CE) son: CE1. Ser capaz de desarrollar estrategias de optimización de modelos y sistemas, comprobando y, en su caso, mejorando de su eficiencia. CE2. Ser capaz de aplicar los conocimientos adquiridos a la resolución de situaciones de decisión reales en el ámbito de las Ciencias Económicas y Empresariales. CE3. Ser capaz de iniciar un proceso de investigación que conduzca a la realización de una Tesis Doctoral. Página 2 de 6

3 1.5. Asistencia a clase La asistencia a clase es un elemento esencial dentro del proceso de aprendizaje de la asignatura, junto con la participación activa del alumno y el trabajo continuo. La configuración de la asignatura necesita la asistencia y la participación en clase del 80% como mínimo para alcanzar los objetivos y competencias de la asignatura. Los alumnos que por concurrir causas objetivas (p. ej. enfermedad, trabajo y otras equiparables) no puedan asistir a clase, lo deberán de comunicar al profesor al comienzo del curso, justificando las circunstancias objetivas indicadas. La asistencia a clase es obligatoria, siendo la misma superior o igual al 80% 1.6. Contenidos del programa Tema 1: Introducción a las técnicas de simulación La importancia de las técnicas de simulación para modelar situaciones de decisión en entornos inciertos El mecanismo de la simulación: los modelos de simulación El problema de generar números aleatorios Tipos de modelos de simulación El tratamiento estadístico de los resultados y el error Tema 2: Los modelos de simulación Monte-Carlo Generar muestras La eficiencia en los modelos Monte-Carlo El análisis de los resultados y la reducción de la varianza La planificación de los experimentos Bloque 3: Diseño y desarrollo de modelos de simulación La importancia del diseño experimental Diseño de modelos de simulación Verificación y validación de los modelos de simulación Tema 4. Los modelos de simulación basados en agentes Qué es un agente? Diseño y desarrollo de modelos de simulación basados en agentes Tema 5: Aplicaciones Página 3 de 6

4 Contents Section 1: Introduction to simulation Relevance of simulation models in uncertainty Simulation models The problem of random numbers generation Types of simulation models Statistical analysis of results and errors Section 2: Monte-Carlo simulation models Sample selection Monte-Carlo eficiency Analysis of the results and variance reduction Experiment planning Section 3: Design and development of simulation models Relevance of the design Design of simulation models Checking and validation of simulation models Section 4. Agent-based simulation models What is an agent? Design and development of agent-based simulation models Section 5: Examples 1.7. Referencias de consulta BIBLIOGRAFÍA BASICA Fishman, G.S Monte-Carlo: concepts, algorithms and applications. Springer-Verlag New York, Inc. Kendrick, D.A., Ruben Mercado, P., Amman H.M Computational economics. Princeton University Press. Ríos-Insua, D. Ríos-Insua, S. Martín, J Simulación: métodos y aplicaciones. AlfaOmega RA-MA. Tesfatsion, L., Judd, K.L Handbook of computational economics Vol.1 & 2. North-Holland. BIBLIOGRAFIA COMPLEMENTARIA El Sheikh, A., Al Ajeeli, A., Abu-Taieh, E.M.O Simulation and modelling: current technologies and applications. IGI Publishing, NY, USA. Jäckel, P Monte-Carlo methods in finance. John Wiley & Sons, UK. Kollman, K., Miller, J.H., Page, S.E Computational models in Political Economy. The MIT Press, MA, USA. Myerson, R.B Probability models for economic decisions. Thomson, CA, USA. Sadowski, D.A., Tips for successful practice of simulation. In Henderson S.G., Biller B., Shortle J., Tew J.D. and Barton R.R. (Eds), Proceedings of the 2007 Winter Simulation Conference, IEEE Sánchez, S.M Work smarter, not harder: guidelines for designing simulation experiments. In Henderson S.G., Biller B., Shortle J., Tew J.D. and Barton R.R. (Eds), Proceedings of the 2007 Winter Simulation Conference, IEEE Sánchez, P.J., Fundamentals of simulation modeling. In Henderson S.G., Biller B., Shortle J., Tew J.D. and Barton R.R. (Eds), Proceedings of the 2007 Winter Simulation Conference, IEEE Página 4 de 6

5 Sargent, R.G., Verification and Validation of simulation models. In Henderson S.G., Biller B., Shortle J., Tew J.D. and Barton R.R. (Eds), Proceedings of the 2007 Winter Simulation Conference, IEEE Métodos Docentes Los instrumentos didácticos-docentes se utilizarán en el desarrollo de la asignatura serán fundamentalmente los siguientes: La lección magistral será utilizada para la exposición de los conceptos de cada tema. Clases prácticas dedicadas al diseño y desarrollo de modelos de simulación y economía computacional. Lecturas comentadas de artículos y libros relacionados con la asignatura. Modelización de un problema real usando los conocimientos adquiridos y aplicando las técnicas aprendidas en la asignatura. Tutorías individuales en el despacho del profesor. Se pondrá a disposición de los alumnos el siguiente material básico: - Guía Docente de la asignatura. - Artículos de investigación relacionados con el tema de estudio. - Software necesario. 3. Tiempo estimado de trabajo del estudiante Nº horas % Actividades presenciales 40 40% Clases teóricas: 20 Clases prácticas: 10 Seminarios: 7 Tutorías programadas en todo el cuatrimestre: 1 Presentación y defensa del trabajo de investigación 2 Página 5 de 6

6 Actividades no presenciales 60 60% (trabajo autónomo del estudiante) Realización del trabajo de investigación 35 Lectura de artículos y material bibliográfico 25 Carga total de horas de trabajo % 4. Métodos de evaluación y porcentaje en la calificación final La evaluación del aprendizaje debe comprender tanto el proceso realizado como el resultado obtenido. El examen tradicional sólo permite evaluar el resultado obtenido, dejando al margen el proceso de aprendizaje. Por este motivo, en el sistema de evaluación se valorarán las actividades programadas durante el curso. Los alumnos tendrán que realizar un trabajo de investigación relacionado con el contenido de la asignatura. Concretamente, tendrán que modelizar alguna situación propuesta por ellos o por el profesorado aplicando alguna de las técnicas desarrolladas durante el curso. El formato en el que el alumnado habrá de presentar el trabajo será definido en los primeros días del curso. En la calificación final del trabajo se tendrá en cuenta el proceso de elaboración del mismo, su contenido y la exposición realizada. La siguiente tabla muestra los porcentajes que cada método de evaluación supone en la calificación final del alumnado. Métodos de evaluación Trabajo Final 75% Evaluación Continua 25% Trabajo Final (en el caso de no poder asistir a clase de forma justificada) 100% Página 6 de 6