Básicas y generales: CG1, CG4, CG5, CG6, CG7

Transversales: CT1, CT2

Específicas: CE1, CE2, CE3, CE4, CE5, CE6

50%

50%

1,35

1,55

1

Aplicación de técnicas de simulación dentro del ámbito de la modelización matemática.

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

Resultados del aprendizaje:

 

●       Capacidad para generar números pseudoaleatorios y conocimiento de vías de chequeo.

●       Capacidad para generar variables aleatorias con distribución conocida.

●       Capacidad de estimar por técnicas de Monte Carlo.

●       Capacidad de utilizar técnicas de reducción de la varianza en un sistema.

●       Capacidad de muestrear de variables aleatorias mediante técnicas MCMC.

1.      Generación de números pseudo aleatorios.

2.      Generación de variables univariantes: métodos de la función inversa y de rechazo.

3.      Generación de distribución normal multivariante.

4.      Técnicas de reducción de la varianza.

5.      Técnicas de Markov Chain Monte Carlo (MCMC).

Entrega de trabajos (por grupos): 50% (a)
Examen teórico-práctico: 40% (b)
Asistencia y participación activa: 10% (c)

Para que las ponderaciones anteriores sean aplicadas es preciso:

i. Asistir al menos al 80% de las sesiones presenciales.
ii. Alcanzar al menos 3,5 puntos sobre 10 en el examen teórico-práctico.

La nota de los apartados (a) y (c) se conservará en su caso para la convocatoria extraordinaria.

A.M. LAW & W.D. KELTON (2000). Simulation Modelling and Analysis. New York, NY: McGraw-Hill. R.B.

C.P. ROBERT & G. CASELLA (2004). Monte Carlo Statistical Methods. New York, NY: Springer-Verlag.

S. ROSS (2006). Simulation. San Diego, CA: Academic Press.

S. ROSS. (1997) Introduction to Probability Models. San Diego, CA: Academic Press