Tratamiento Estadístico Computacional de la Información (conjunto con UPM)

Máster. Curso 2020/2021.

TÉCNICAS DE MONTE CARLO - 607576

Curso Académico 2020-21

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
1) Actividades presenciales (hasta 1,2 ECTS)
- Clases teóricas: Competencias CG6
- Clases prácticas: Competencias CG1, CG5, CG6, CG7
- Tutorías en grupo: Competencias CG2, CG3.
2) Actividades no presenciales (hasta 1,8 ECTS)
- Estudio autónomo de los contenidos teóricos, resolución de problemas y elaboración de trabajos:
Competencias CG1, CG2, CG3, CG4, CG5, CG7
Nota: ver documento ANECA del Máster (http://www.mat.ucm.es/teci)
Transversales
2) Actividades no presenciales (hasta 1,8 ECTS)
- Estudio autónomo de los contenidos teóricos, resolución de problemas y elaboración de trabajos:
Competencias CT1, CT2.
Nota: ver documento ANECA del Máster (http://www.mat.ucm.es/teci)
Específicas
1) Actividades presenciales (hasta 1,2 ECTS)
- Clases teóricas: Competencias CE1, CE4.
- Clases prácticas: Competencias CE2, CE3, CE5, CE6.
2) Actividades no presenciales (hasta 1,8 ECTS)
- Estudio autónomo de los contenidos teóricos, resolución de problemas y elaboración de trabajos:
Competencias CE2, CE3, CE4, CE5, CE6, CE7
Nota: ver documento ANECA del Máster (http://www.mat.ucm.es/teci)

ACTIVIDADES DOCENTES

Clases teóricas
70%
Clases prácticas
30%

Presenciales

1,2

No presenciales

1,8

Semestre

1

Breve descriptor:

(Disculpen la existencia de faltas de ortografía por ausencia de tildes en algunos campos de las fichas docentes, se deben a un error informatico ajeno a la Facultad de CC. Matematicas)

En esta asignatura, dentro del modulo de fundamentos, se trata de garantizar que todos los estudiantes tienen los conocimientos basicos que les permitan: 1. Generar variables aleatorias con distribucion conocida. 2. Precisar la estimacion por Tecnicas de Monte Carlo. 3. Construir un modelo de simulacion para analizar variables aleatorias complejas. Ademas, deben ser capaces de utilizar el software del curso: Matlab, R o lenguaje de proposito general.

Requisitos

Conocimientos básicos de probabilidad, estadística y manejo de software básico de programación y estadístico

Objetivos

Dotar al alumno de las siguientes capacidades: 1. Capacidad para ajustar distribuciones y generar variables aleatorias con distribucion conocida. 2. Capacidad para precisar la estimacion por Tecnicas de Monte Carlo. 3. Capacidad para construir un modelo de simulacion para analizar variables aleatorias complejas

Contenido

Metodologia para disenar y construir modelos de simulacion Generacion de numeros pseudo aleatorios. Generacion de variables univariantes: metodos de la funcion inversa y de rechazo. Generacion de variables multivariantes. Analisis de resultados de simulacion. Tecnicas de reduccion de la varianza.

Evaluación

(40%) Entrega de ejercicios prácticos
(20%) Asistencia y participación del estudiante
(40%) Examen teórico-práctico
- Se requiere la asistencia a un mínimo del 50% de las clases para poder realizar el examen.
- Se requiere una nota de al menos 4 sobre 10 en el examen para aprobar la asignatura.

Bibliografía

Law, Kelton. Simulation Modeling and Analysis. McGraw-Hill

Otra información relevante

Material disponible en Campus Virtual: Notas y guiones de desarrollo del temario.

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único08/10/2020 - 04/12/2020MARTES 19:30 - 21:00B05CARLOS DOMINGO GUZMAN LAMENCA MARTINEZ
LUIS SANZ SAN MIGUEL
VIERNES 18:00 - 19:30B05CARLOS DOMINGO GUZMAN LAMENCA MARTINEZ
LUIS SANZ SAN MIGUEL