CURSO : SIMULACION ESTOCASTICA SIGLA : ELM2110 REQUISITOS : ELM1110 CRÉDITOS : 12 MÓDULOS : 3 I. OBJETIVOS 1. Presentar al alumno una introduccion a diversas tecnicas de simulacion estocastica. 2. Presentar al alumno una variedad de aplicaciones de las tecnicas anteriores, en diversos problemas fundamentalmente vinculados a metodos estadisticos. II. CONTENIDOS 1. Numeros Aleatorios. Generacion de numeros seudo aleatorios. Uso de numeros aleatorios para evaluar integrales. 2. Simulacion de Variables Aleatorias Discretas y Continuas . Metodo de la transformacion inversa. Distribuciones Poisson y Binomial. El metodo polar para generar variables aleatorias normales. Metodo de aceptacion y rechazo. Metodo de composicion. Simulacion de un Proceso de Poisson. 3. Tecnicas de Reduccion de la Varianza. Uso de variables de control. Condicionamiento. Muestreo estratificado. Muestreo por importancia. Uso de numeros aleatorios comunes. 4. Analisis Estadistico de Datos Simulados. La media y varianza muestral. El bootstrap para estimar errores cuadraticos medios. Docimas de bondad de ajuste: Kolmogorov-Smirnov, Pearson. 5. Metodos de Simulacion Basados en Cadenas de Markov (MCMC). Cadenas de Markov. El algoritmo de Metropolis-Hastings. El muestreador de Gibbs. El metodo de recalentamiento (annealing) simulado. Metodos de re-muestreo. Aplicaciones. III. METODOLOGIA Basada especificamente en las siguientes actividades: ? Clases expositivas ? Clases de ejercicios ? Pruebas ? Examen ? Proyectos IV. BIBLIOGRAFIA Ripley, B. D. Stochastic Simulation. New York: Wiley,1987. Ross, S. Simulation. Second Edition. San Diego: Academic Press,1997. Tanner, M. Tools for Statistical Inference: Methods for the Exploration of Posterior Distributions and Likelihood Functions. Third Edition. New York: Springer,1996. Thisted, R. Elements of Statistical Computing. Numerical Computation. New York: Chapman and Hall,1988.