Datos Identificativos 2019/20
Asignatura (*) Métodos numéricos estocásticos Código 614855226
Titulación
Mestrado Universitario en Matemática Industrial (2013)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Primeiro Optativa 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Vazquez Cendon, Carlos
Correo electrónico
carlos.vazquez.cendon@udc.es
Profesorado
Calvo Garrido, María Del Carmen
Vazquez Cendon, Carlos
Correo electrónico
carmen.calvo.garrido@udc.es
carlos.vazquez.cendon@udc.es
Web http://www.m2i.es
Descrición xeral Impartiranse coñecementos relacionados co cálculo estocástico e as ecuacións diferenciáis estocásticas, así como coas súas técnicas numéricas asociadas. Tamén se presentarán exemplos de problemas nos que xurdan estos conceptos e técnicas.

Competencias do título
Código Competencias do título
A1 Alcanzar un conocimiento básico en un área de Ingeniería/Ciencias Aplicadas, como punto de partida para un adecuado modelado matemático, tanto en contextos bien establecidos como en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares.
A2 Modelar ingredientes específicos y realizar las simplificaciones adecuadas en el modelo que faciliten su tratamiento numérico, manteniendo el grado de precisión, de acuerdo con requisitos previamente establecidos.
A3 Determinar si un modelo de un proceso está bien planteado matemáticamente y bien formulado desde el punto de vista físico.
A4 Ser capaz de seleccionar un conjunto de técnicas numéricas, lenguajes y herramientas informáticas, adecuadas para resolver un modelo matemático.
A5 Ser capaz de validar e interpretar los resultados obtenidos, comparando con visualizaciones, medidas experimentales y/o requisitos funcionales del correspondiente sistema físico/de ingeniería.
A7 Saber modelar elementos y sistemas complejos o en campos poco establecidos, que conduzcan a problemas bien planteados/formulados.
A8 Saber adaptar, modificar e implementar herramientas de software de simulación numérica.
B1 Saber aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios, incluyendo la capacidad de integrarse en equipos multidisciplinares de I+D+i en el entorno empresarial.
B2 Poseer 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, sabiendo traducir necesidades industriales en términos de proyectos de I+D+i en el campo de la Matemática Industrial
B3 Ser capaz de integrar conocimientos para enfrentarse a la formulación de juicios a partir de información que, aun siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos.
B5 Poseer las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo, y poder emprender con éxito estudios de doctorado.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer e saber aplicar os distintos métodos numéricos para a resolución de ecuacións diferenciais aleatorias (Euler, Mistein, Taylor, etc), así como implementalos en ordenador para resolver exemplos de problemas reais AM4
AM5
AM8
BM1
BM2
BI1
Coñecer o cálculo de Ito e aplicalo en distintos exemplos das finanzas e outras ciencias aplicadas AM1
AM5
AM7
BP1
BM1
BI1
Coñecer os conceptos e resultados relacionados coas ecuacións diferenciais aleatorias, así como os ámbitos de aplicación destas en problemas reais AM2
AM3
AM7
BP1
BM2
BI1
Introduciranse os conceptos e resultados relacionados cos procesos aleatorios e indicaranse campos de aplicación destes AM1
AM7
BP1
Coñecer os métodos de Monte Carlo e aplicalos á resolución de problemas AM2
AM4
BM2
BI1

Contidos
Temas Subtemas
1. Introdución aos procesos estocásticos
2. Métodos de Monte Carlo
3. Cálculo de Ito
4. Ecuacións diferenciais estocásticas
5. Métodos numéricos para ecuacións diferenciais estocásticas

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Solución de problemas 0 60 60
Solución de problemas 0 36 36
Proba obxectiva 4 0 4
Sesión maxistral 42 0 42
 
Atención personalizada 8 0 8
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Solución de problemas - Nos documentos.pdf que se expoñen aparecen exercicios sinxelos para a revisión e aplicación de conceptos
- Ademais indícanse referencias bibliográficas onde se poden encontrar exercicios relacionados coa materia exposta
Solución de problemas Déixanse ao alumno problemas ou para que resolva na casa, algúns son máis curtos e outros requiren unha maior dedicación
Proba obxectiva Entréganse ao alumno enunciados de varios problemas para que os resola, podendo utilizar as transparencias que se expuxeron en clase
Sesión maxistral - Entrégase previamente ás sesións un documento.pdf coas transparencias que se expoñerán en clases
- Usarase tablet PC e sistema de videoconferencia para a impartición da sesión magistral aos alumnos das tres universidades
- Fomentarase intervención dos alumnos con preguntas e resolveranse dúbidas ou ilustrarán comentarios mediante aplicacion Windows Journal

Atención personalizada
Metodoloxías
Solución de problemas
Descrición
Revisaranse os exercicios a cada alumno e comentaranse os resultados destes

Avaliación
Metodoloxías Competencias Descrición Cualificación
Solución de problemas Valoraranse os exercicios propostos en clases para a súa realización fóra de clases 50
Proba obxectiva Realizarase unha proba escrita de aplicación práctica dos coñecementos impartidos en data fixada cunha data adicional para recuperación desta 50
 
Observacións avaliación

Fontes de información
Bibliografía básica T. Mikosh (1998). Elementary stochastic calculus with finance in view. World Scientific
P. Glasserman (2004). Monte Carlo methods in financial engineering. Springer
P. Kloeden, E. Platen (1992). Numerical solution of stochastic differential equations. Springer
B. Oksendal (1998). Stochastic differential equations. An introduction with applications. Universitext, Springer

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Modelos matemáticos nas finanzas/614855211

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