Datos Identificativos 2019/20
Asignatura (*) Simulación Estatística Código 614493011
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Segundo Optativa 5
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Correo electrónico
Profesorado
Correo electrónico
Web http://eio.usc.es/pub/mte/
Descrición xeral Se pretende que el alumno adquiera destreza en la identificación de problemas reales que pueden ser resueltos mediante simulación y su resolución en la práctica. Para ello se tratará de que el alumno conozca el funcionamiento de los principales algoritmos de generación de números aleatorios uniformes, así como de métodos generales y específicos para simular distintas distribuciones de probabilidad (tanto discretas como continuas y en el caso uni o multidimensional). También se pretende que el alumno conozca las principales aplicaciones de la simulación (especialmente en inferencia estadística), las ventajas y limitaciones de esta metodología y algunas de las técnicas más utilizadas.

Competencias do título
Código Competencias do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Comprensión das técnicas básicas de simulación. AM1
AM2
AM3
AM7
AM11
BP10
BP14
Capacidade crítica sobre as posibilidades e limitacións das técnicas de simulación. AM1
AM2
AM3
AM9
AM15
BP6
BP9
BP14
CP1
CP2
CP3
CP5
CP6
CP7
CP8
CP9
CP10
Capacidade de manexar algún tipo de software (paquetes estatísticos ou follas de cálculo, como R ou excel) para levar a cabo estudos de simulación. AM2
AM7
AM11
AM13
BP7
BP8
BP12
BP14
CP4
CP6
CP7
Capacidade de identificar problemas que requiran o deseño de experimentos de simulación e resolvelos mediante a súa implementación en linguaxes de programación de alto nivel (como el lenguaje GNU R). AM3
AM11

Contidos
Temas Subtemas
1. Introducción. Conceptos de sistema real, modelo y definición de simulación. Experimentación real y simulación. Simulación necesaria e innecesaria. Ventajas e inconvenientes de la simulación. Contenidos de la asignatura.
2. Generación de números pseudoaleatorios uniformes en (0,1). Introducción. Propiedades deseables de un generador de números pseudoaleatorios uniformes. Métodos de los cuadrados medios y de Lehmer. Métodos congruenciales. Medidas estadísticas de calidad de un generador de números pseudoaleatorios.
3. Análisis de los resultados de simulación. Diagnosis de la convergencia. Estimación de la precisión. Problemas de estabilización y dependencia.
4. Aplicaciones de la simulación. Aplicaciones en inferencia estadística. Introducción al remuestreo Bootstrap. Integración Monte Carlo. Muestreo de importancia. Optimización Monte Carlo. Temple simulado. Algoritmos genéticos de optimización.
5. Métodos universales para la generación de variables continuas. Método de inversión. Método de aceptación/ rechazo y sus variantes. Ejemplos de métodos específicos para generación de distribuciones notables.
6. Métodos universales para la generación de variables discretas. Método de la transformación cuantil. Algoritmos basados en búsqueda secuencial. Métodos de truncamiento. Algoritmos basados en árboles binarios. Método de la tabla guía. Método de Alias. Ejemplos de métodos específicos para generación de distribuciones notables.
7. Simulación de distribuciones multidimensionales. Método de las distribuciones condicionadas. Método de aceptación/rechazo. Simulación de datos dependientes: métodos basados en la factorización de la matriz de covarianzas y simulación basada en cópulas. Simulación discreta multivariante.
8. Técnicas de reducción de la varianza. Variables antitéticas. Números aleatorios comunes. Muestreo estratificado. Variables de control. Condicionamiento.
9. Introducción a los métodos de cadenas de Markov Monte Carlo. Muestreo de Gibbs. Algoritmo Metropolis Hastings. Diagnosis de un algoritmo MCMC.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A1 A2 A3 A7 A9 C2 C6 C7 C8 C10 16 32 48
Prácticas de laboratorio A1 A2 A3 A11 A13 B7 B8 B9 B10 B12 C3 C4 C5 C9 18 18 36
Traballos tutelados A1 A2 A3 A15 B6 B7 B12 B14 C1 C4 C6 C7 0 30 30
Proba obxectiva A1 A2 A3 2 0 2
 
Atención personalizada 9 0 9
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Presentación dos aspectos relevantes de cada tema incluído no programa da materia, de modo que os alumnos poidan abordar as tarefas propostas nas prácticas de laboratorio.
Prácticas de laboratorio Empregaránse diferentes ferramentas de software libre (principalmente o paquete R, pero tamén recursos web, applets, ...) para ilustrar a aplicación na práctica das metodoloxías explicadas nas clases teóricas e tamén co fín de facilitar a resolucion dos traballos prácticos propostos. Ademais facilitaráse un guión das prácticas onde se describirán os distintos exercicios a realizar.
Traballos tutelados Traballos prácticos propostos para que o alumno poida resolvelos con axuda de programas informáticos. Unha vez resoltos, o alumno deberá presentar e discutir a solución que aplicou.
Proba obxectiva Proba escrita para a avaliación da aprendizaxe que constará dunha parte teórica e doutra práctica.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Traballos tutelados
Descrición
Atención ao alumno tanto durante o desenvolvemento das clases coma nos horarios de titorías.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Sesión maxistral A1 A2 A3 A7 A9 C2 C6 C7 C8 C10 Avaliaranse os coñecementos adquiridos mediante a realización dunha proba escrita. 30
Prácticas de laboratorio A1 A2 A3 A11 A13 B7 B8 B9 B10 B12 C3 C4 C5 C9 Avaliaranse os coñecementos adquiridos mediante a realización dunha proba escrita. 30
Traballos tutelados A1 A2 A3 A15 B6 B7 B12 B14 C1 C4 C6 C7 Presentación dos traballos resoltos. 40
 
Observacións avaliación

Fontes de información
Bibliografía básica Cao, R. (2002). Introducción a la simulación y a la teoría de colas. Netbiblo
Robert, C.P. y Casella G. (2010). Introducing Monte Carlo Methods with R. Springer
Jones, O., Maillardet, R. y Robinson A. (2009). Introduction to Scientific Programming and Simulation Using R. CRC
Gentle, J.E. (2003). Random number generation and Monte Carlo methods. Springer-Verlag

Bibliografía complementaria Bratley, P. (1990). A guide to simulation. Springer-Verlag
Evans, M. y Swartz, T. (2000). Approximating integrals via Monte Carlo and . Oxford University Press
Robert, C.P. y Casella, G. (2004). Monte Carlo statistical methods. Springer-Verlag
Devroye, L. (1986). Non-uniform random variate generation. Springer-Verlag
Ross, S.M. (1999). Simulación. Prentice Hall
Ripley, B.D. (1987). Stochastic Simulation. Wiley


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías