Simulación Estocástica 2027-I

Acerca del curso

La materia de Simulación Estocástica introduce al estudiante al estudio de métodos computacionales para modelar, analizar y resolver problemas que involucran incertidumbre y aleatoriedad. A través de una combinación de fundamentos probabilísticos, algoritmos de simulación y aplicaciones modernas, el curso busca desarrollar en el estudiante las herramientas necesarias para implementar y evaluar técnicas de simulación aplicadas en estadística, finanzas, investigación de operaciones, aprendizaje automático y otras áreas cuantitativas.

Temario

En este curso nos enfocaremos (principalmente) en los siguientes temas.

• Fundamentos de la simulación.
• Generación de variables aleatorias y vectores aleatorios.
• Métodos Monte Carlo y MCMC.
• Procesos estocásticos y aplicaciones.

El temario oficial se puede revisar aquí.

Calificación

La evaluación del curso tendrá un enfoque principalmente práctico y computacional, privilegiando la implementación de algoritmos, el análisis de resultados y la interpretación de métodos de simulación y estará conformada por:

• Tareas individuales (50%).
• Proyecto final (50%) que se podrá realizar en equipos de hasta 3 integrantes.

Es importante tener en cuenta los siguientes aspectos de la calificación.

• En caso de entregar el proyecto final no habrá derecho a NP (salvo casos extraordinarios).
• En cualquier momento se podrá solicitar al estudiante explicar, justificar o discutir cualquier parte del código entregado.
• La calificación aprobatoria mínima es de 6 y no se puede renunciar a ella.

Bibliografía recomendada

• Asmussen, S., & Glynn, P. W. (2007). Stochastic simulation: algorithms and analysis (Vol. 57, pp. 487-488). New York: Springer.
• Iacus, S. M. (2008). Simulation and inference for stochastic differential equations: with R examples (Vol. 486). New York: Springer.
• Liu, J. S., & Liu, J. S. (2001). Monte Carlo strategies in scientific computing (Vol. 10, pp. 978-0). New York: springer.
• Robert, C. P., Casella, G., & Casella, G. (2004). Monte Carlo statistical methods (Vol. 2). New York: Springer.

Presentaciones

Códigos

Los códigos que se vean a lo largo del curso se pueden checar en este repositorio.

Tareas

Datos