Guía DocenteCurso
Facultade de Informática
  Inicio | galego | castellano | english | A A A |  
Mestrado Universitario en Técnicas Estadísticas (Plan 2011)
 Asignaturas
  Simulación Estatística
   Contidos
Temas Subtemas
1. Introducción.
2. Generación de números pseudoaleatorios uniformes en (0,1).
3. Métodos universales para la generación de variables continuas.
4. Métodos universales para la generación de variables discretas.
5. Métodos específicos para generación de distribuciones notables.
6. Simulación de distribuciones multidimensionales.
7. Diseño de experimentos de simulación.
8. Integración y optimización Monte Carlo.
9. Introducción a los métodos de cadenas de Markov Monte Carlo. 		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. Métodos universales para la generación de variables continuas.
Método de inversión. Método de aceptación/ rechazo y sus variantes.

4. Métodos universales para la generación de variables discretas.
Método de la transformación cuantil. Algoritmos basados en búsqueda secuencial. Algoritmos basados en árboles binarios. Árboles de Huffman. Método de la tabla guía. Métodos de truncamiento.

5. Métodos específicos para generación de distribuciones notables.
Distribuciones continuas: normal, chi-cuadrado de Pearson, t de Student, F de Snedecor, exponencial, Weibull, gamma, beta, logística, Pareto. Distribuciones discretas: equiprobable, binomial, geométrica, binomial
negativa, Poisson.

6. Simulación de distribuciones multidimensionales.
Método de las distribuciones condicionadas. Método de aceptación/rechazo. Métodos de codificación o etiquetado. Métodos específicos para simular la normal multivariante.

7. Diseño de experimentos de simulación.
Diferencias y similitudes con la experimentación real. Simulación estática y dinámica. Simulación por eventos y por cuantos. Técnicas de reducción de la varianza. Problemas de estabilización y dependencia. Ejemplos prácticos.

8. Integración y optimización Monte Carlo.
Integración Monte Carlo. Muestreo de importancia. Optimización Monte Carlo. Temple simulado. Algoritmos genéticos de optimización.

9. Introducción a los métodos de cadenas de Markov Monte Carlo.
Muestreo de Gibbs. Algoritmo Metropolis Hastings.
Universidade da Coruña - Rúa Maestranza 9, 15001 A Coruña - Tel. +34 981 16 70 00  Soporte Guías Docentes