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.
