CG1 - Aprender a aplicar los conocimientos adquiridos y a explotar su potencial para la resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares).

CG4 - Comunicar y presentar públicamente ideas, procedimientos o informes de investigación, así como asesorar a personas u organizaciones en el tratamiento estadístico computacional de la información. La presentación de estas ideas debe transmitir de forma clara y precisa las conclusiones de forma que sean entendidas tanto por el especialista como por el profano en temas estadístico-computacionales.

CG5 - Comprender y utilizar el lenguaje y las herramientas matemáticas para modelizar y resolver problemas complejos, reconociendo y valorando las situaciones y problemas susceptibles de ser tratados matemáticamente.

CG6 - Conocer los modelos, métodos y técnicas relevantes en distintas áreas de aplicación de la Estadística matemática participando en la creación de nuevas tecnologías que contribuyan al desarrollo de la Sociedad de la Información.

CG7 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendo su rango de aplicabilidad y limitaciones.

CT1 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y en la resolución de problemas y estudio de casos. Esto implica, más concretamente: Integrar creativamente conocimientos y aplicarlos a la resolución de problemas complejos, perseguir objetivos de calidad en el desarrollo de su actividad profesional, adquirir capacidad para la toma de decisiones y ser capaz de mostrar creatividad, iniciativa y espíritu emprendedor para afrontar los retos de su actividad.

CT2 - Tener la capacidad de reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas relevantes de índole científica, tecnológica y empresarial. Demostrar razonamiento crítico y gestionar información científica y técnica de calidad, bibliografía, bases de datos especializadas y recursos accesibles a través de Internet.

CE1 - Adquisición de una formación sólida y rigurosa en temas avanzados de Estadística, Matemática computacional, Modelos estocásticos y Metodología de la toma de Decisiones aplicadas al tratamiento de la Información.

CE2 - Capacidad para planificar la resolución de un problema en función de las herramientas de que se disponga y, en su caso, de las restricciones de tiempo y recursos.

CE3 - Capacidad para utilizar aplicaciones informáticas estadísticas, de cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas con un elevado grado de complejidad.

CE4 - Desarrollar habilidades de aprendizaje en Estadística Computacional y Matemáticas, así como en sus respectivas aplicaciones, que permitan al alumno continuar estudiando y profundizando en la materia de modo autónomo, así como el desarrollo profesional con un alto grado de independencia.

CE5 - Resolver problemas y casos reales planteados en el tratamiento estadístico computacional de la información generada en los ámbitos de la ciencia, la tecnología y la sociedad mediante habilidades de modelización matemática, estimación y computación.

CE6 - Desarrollar programas que resuelvan problemas matemáticos utilizando para cada caso el entorno computacional adecuado.

Competencias básicas:

CB6 - Poseer y comprender 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.

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

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.

En esta asignatura, dentro del módulo de Fundamentos, se trata de garantizar que todos los estudiantes tengan los conocimientos básicos que les permitan generar variables aleatorias con distribución conocida, precisar la estimación por Técnicas de Monte Carlo y construir modelos de simulación para analizar variables aleatorias complejas.

1. Introducción a la simulación:
(a) Ámbitos de utilidad de las técnicas de simulación
(b) Metodología para diseñar, construir e interpretar modelos de simulación

2. Generación de números (pseudo-)aleatorios

3. Generación de variables aleatorias

4. Teoría de cópulas

5. Simulación computacional:
(a) Cadenas de Markov
(b) Teoría de colas
(c) Simulación Monte Carlo
(d) Técnicas de reducción de la varianza orientadas a mejorar la eficiencia estadística de los análisis de simulación

6. Software de simulación

7. Casos de uso

Entrega de trabajos (por grupos): 70%
Examen teórico-práctico: 20%
Asistencia y participación activa: 10%

A.M. Law & W.D. Kelton (1991). Simulation Modelling and Analysis. McGraw-Hill, New York, NY.

R.B. Nelsen (1999). An Introduction to Copulas. Springer, New York, NY.

Profesores:

Nombre: Jorge González Ortega
Despacho: 408
Facultad de Ciencias Matemáticas
Correo electrónico: jgortega@ucm.es

Nombre: Javier Jarillo Díaz
Despacho: 410
Facultad de Ciencias Matemáticas
Correo electrónico: jjarillo@ucm.es