L'objectiu d'aquest curs és introduir els problemes que apareixen a l'arrel de l'aparició de tècniques de generació massiva de dades ("high throughput") i mostrar com s'aplica l'estadística (i la bioinformàtica) per afrontar-los. Al final de cadascuna de les tres parts de l'assignatura, els alumnes hauran de realitzar i lliurar un treball pràctic amb dades reals.
3. PROCESSOS PUNTUALS ESPACIALS Dedicació: 40h
L'examen final constarà de dos blocs: un bloc teòric amb una pregunta de cadascuna de les 3 parts de l'assignatura en què s'haurà de desenvolupar un tema, i un bloc pràctic on s'haurà de respondre algunes preguntes sobre amb una sortida. Capacitat per expressar i resoldre quantitativament les necessitats d'anàlisi de la informació i els problemes de presa de decisions de diverses organitzacions, identificant fonts d'incertesa i variabilitat i avaluant la quantitat d'evidència aportada per les dades.
Anàlisi Exploratòria de Dades Longitudinals: Univariant i Multivariant
Estimació i Inferència en el Model Marginal. Inferència per a Efectes Aleatoris
Model Lineal Generalitzat (GLM). Equacions Generalitzades d?Estimació (GEE)
Model Lineal Mixt Generalitzat (GLMM)
Model No Lineal Mixt
MÀSTER UNIVERSITARI EN ENGINYERIA MATEMÀTICA (Pla 2006). Unitat optativa) MÀSTER UNIVERSITAT EN ESTADÍSTICA I INVESTIGACIÓ OPERATIVA (Pla 2006). BATXILLERAT CIÈNCIES I TÈCNIQUES ESTADÍSTIQUES (Pla 1999). Unitat optativa) MÀSTER UNIVERSITAT EN ESTADÍSTICA I INVESTIGACIÓ OPERATIVA (Pla 2006).
Conceptes bàsics i models paramètrics
Aquest curs està enfocat des del punt de vista d'aplicació en medicina, salut pública i epidemiologia i en altres disciplines: estudis econòmics, estudis actuarials, enginyeria i estudis demogràfics.
Tipus de censura i truncament
Inferència no paramètrica per a una mostra
Comparació de dues o més poblacions
Regressió paramètrica: El model de vida accelerada
Regressió semiparamètrica: El Model de Cox
Els processos es dissenyaran de manera que garanteixin, dins del temps disponible per al desenvolupament de l'assignatura, uns criteris bàsics de verificació i validació dels models i dels resultats de la simulació. Finalment, i a partir del recorregut conceptual aplicat a diversos entorns socials, tecnològics o econòmics, s'obtindrà una àmplia perspectiva de les possibles aplicacions professionals de la simulació i la planificació i gestió de projectes de simulació.
Introducció
Descripció d'exemples
Paradigmes
Disseny dels experiments
Introducció als nous paradigmes de simulació i el seu ús en el context de la simulació de processos i serveis: simulació amb agents intel·ligents, autòmats cel·lulars.
Verificació, validació i acreditació
Sistemes de simulació
Nous paradigmes
Nous components
Casos pràctics
Capacitat per analitzar, sintetitzar i justificar críticament les conclusions d'un estudi estadístic o d'una investigació operativa i, si escau, proposar alternatives. Capacitat per dissenyar i implementar estudis estadístics i/o d'investigació operativa, inclosos els procediments de recollida, processament i anàlisi d'informació, anàlisi de costos i execució adaptats als recursos disponibles i als procediments estàndard existents.
Bases dels assajos clínics
Determinació de la grandària mostral
Multiplicitat
Randomització
Assajos d'equivalència
Anàlisi del canvi i estudis amb intercanvi de la medicació
Assajos aleatoritzats en grup
Dissenys seqüencials
Meta-anàlisis
Distingeix entre el magatzem de dades de l'empresa (magatzem de dades), el magatzem de dades departamental (magatzem de dades) i el magatzem de dades operacionals (magatzem de dades operacionals). Reconèixer els diferents tipus de dades que es troben en un magatzem de dades i indicar-ne les característiques.
Introducció a les bases de dades relacionals
SQL i álgebra relacional
Transaccions Vistes i Indexos
Drivers, Java i la JDBC
Disseny conceptual i lògic
Hi ha un examen d'assignatura no eliminatori, un examen final i un apartat de treballs (uns 3 al llarg del curs).
Magatzems de dades
Anàlisi multidimensional i transformació de dades
- Introducció a linux/unix
- El llenguatge PERL
- Publicació de dades en la xarxa
- Gestió de bases de dades en línia
Coneixement d'un llenguatge de bases de dades com SQL i un llenguatge de programació d'accés i manipulació de bases de dades com PHP. Familiaritzar els estudiants amb l'ús d'una biblioteca d'estructura de dades amb el Java Collection Framework.
Repàs de conceptes bàsics
Heu de ser capaços de dissenyar programes eficients i correctes basats en classes d'objectes per resoldre problemes del vostre interès.
Classes i objectes senzills
Tipus primitius versus classes i objectes
Disseny de classes amb taules
Herència i enllaç dinàmic
Introdució a una biblioteca d'estructures de dades
Programació amb threads
- DEL CARME RUIZ DE VILLA JUBANY - AResponsable:JOSEP LLUÍS CARRASCO JORDAN
- DISSENYS EN BLOCS INCOMPLETS BALANCEJATS (BIB)
- DISSENYS CROSSOVER
- DISSENYS AMB MESURES REPETIDES (MR)
- ALGUNS DISSENYS EXPERIMENTALS Dedicació: 41h 40m Classes teòriques: 5h
- INTRODUCCIÓ A LA BIOEQUIVALÈNCIA (BE)
- ALTRES ENFOCS DE BIOEQUIVALÈNCIA I CONCEPTES RELACIONATS
- PROVES D'EQUIVALÈNCIA
- BIOEQUIVALÈNCIA I EQUIVALÈNCIA Dedicació: 41h 40m Classes teòriques: 5h
- INTRODUCCIÓ
- ANÀLISI AMB DADES D'ESCALA QUALITATIVA
- ANÀLISI AMB DADES D'ESCALA QUANTITATIVA
- AVALUACIÓ DE LA QUALITAT DE DADES
Introdueix els estudiants als conceptes i procediments necessaris per realitzar anàlisis de coherència entre mesures. Saber distingir l'anàlisi de concordança de mesurament de l'anàlisi d'associació o comparació de paràmetres.
CONCORDANÇA DE MESURES
Per ser avaluats, els estudiants hauran d'assistir com a mínim al 80% de les classes. En les sessions de formació d'informàtica, s'espera que els estudiants utilitzin els conceptes teòrics vists anteriorment.
ANÀLISI ESPACIAL: INTRODUCCIÓ A L'ESTADÍSTICA I ECONOMETRIA ESPACIAL
TÈCNIQUES D'ANÀLISI EXPLORATÒRIA ESPACIAL
IMPLEMENTACIÓ DE L'ANÀLISI EXPLORATÒRIA ESPACIAL
ECONOMETRIA ESPACIAL I MODELITZACIÓ: ANÀLISI DE LA DEPENDÈNCIA O AUTOCORRELACIÓ ESPACIAL
ECONOMETRIA ESPACIAL I MODELITZACIÓ: HETEROGENEÏTAT ESPACIAL
Realització i defensa del treball: 55% de la nota Assistència i participació a classe: 5% de la nota Sistema de qualificació.
ANÀLISI D'EFECTES ESPACIALS A LA PRÀCTICA
Activitats d'aprenentatge teòric: Aquestes activitats es faran presencialment a l'aula i amb el professor. Activitats d'aprenentatge pràctic: Aquestes activitats es realitzaran directament amb el professor a l'aula d'informàtica.
Arrels Unitàries i Cointegració
Tot això fa que el programa del curs combina els aspectes teòrics fonamentals de l'econometria amb els més aplicats. En aquest sentit, un dels objectius a tenir en compte a l'hora d'impartir el programa de l'assignatura és trobar un equilibri entre el formalisme del desenvolupament de continguts i la seva usabilitat a partir de programari lliure conegut per als estudiants, com R.
Models economètrics per dades de panel
L'examen final representarà el 70% de la nota final i cadascun dels tres exercicis el 10%. Nota: Qui ho desitgi podrà en qualsevol moment renunciar a la nota obtinguda en les pràctiques i realitzar una prova final i única que constituirà el 100% de la nota final.
Models per a variable dependent limitada
Material per a les sessions pràctiques, que inclou: una descripció detallada de la pràctica perquè l'estudiant la pugui realitzar de manera autònoma, i les dades corresponents a la pràctica. Examinar la informació rellevant per al tema i tractar les dades obtingudes per fer una exposició a classe si és necessari.
Problemes i objectius econòmics
Els agents econòmics: famílies, empreses i sector públic
Fonaments d'economia de l'empresa
Subsistemes de l'empresa
L'administració de l'empresa
La presa de decisions a l'empresa
En aquest curs, l'estudiant s'introduirà en tècniques especialitzades d'anàlisi estadística per investigar les relacions entre gens i malalties. S'examinaran amb detall les tècniques d'anàlisi de dades de famílies en forma d'arbre genealògic (vinculació) i les tècniques basades en dades d'individus no relacionats (associació).
Introducció a l'epidemiologia genètica
Anàlisis de lligament
Anàlisis d'associació
L'avaluació continuada es basarà en la participació dels estudiants en les activitats proposades al Campus Virtual, que inclouran exercicis d'autoavaluació, resolució de problemes analítics i participació en debats (60%). Es realitzarà una anàlisi pràctica amb dades reals que es presentaran al final del curs (30%).
Estudis d'associació global (Whole Genome Scans)
Estudis d'associació amb famílies
Habilitats de comunicació escrita i oral amb domini eficaç de les tècniques de comunicació oral i escrita per comunicar idees, plans i conclusions a un públic expert o sense experiència. D'una banda, serviran per ensenyar l'ús del programari R per aplicar la metodologia de les sessions teòriques a dades reals.
Introducció a l'epidemiologia
Mesures epidemiològiques, les seves variàncies i intervals de confiança
Aspectes d'estudis epidemiològics
Anàlisi d'estudis epidemiològics
Estadística Actuarial Vida Dedicació: 30h
Models de risc i teoria de la ruïna - Models de risc col·lectiu i individual - Estimació de la distribució del dany total - Teoria de la ruïna.
Estadística Actuarial No Vida Dedicació: 30h
L'objectiu fonamental és situar en un context empresarial l'aplicabilitat de les tècniques estadístiques, que l'estudiant ja coneix, i destacar els beneficis que pot aportar el seu ús. Esbrinar quina tècnica estadística és la més adequada en diferents contextos i situacions empresarials - Avaluar els beneficis que pot aportar el seu ús a l'organització.
Estadística pro activa
L¿estadística en altres àrees: gestió de clients, serveis financers, gestió de processos
La venta de l¿estadística: interna i externa
CAT) ¿ La venta de la estadística: interna y externa
- Processos vectorials autoregressius
- Processos integrats i cointegració
- Models de l'estructura temporal de tipus de interès
- Anàlisi de components principals Dedicació: 27h 30m Classes teòriques: 4h
Reducció de la dimensió dels problemes financers mitjançant l'anàlisi de components principals - Anàlisi crítica de treballs de recerca en l'àmbit de les finances. 34; Estimar l'estructura temporal dels tipus d'interès a Espanya: triar entre mètodes alternatius".
L'Estadística a la industria
L'estudiant serà capaç de gestionar un projecte d'estadística industrial des de la seva concepció fins a la seva implementació. L'estudiant serà capaç de fer front a projectes d'estadística industrial complexos, sovint poc definits o estructurats, que requereixen equips multidisciplinaris per al seu desenvolupament.
La literatura científica en Estadística Industrial
Analísi de dades vs. Disseny d'experiments
El problema de la mesura: calibratge i regressió inversa
Estudi de la Variabilitat
Estudis R&R de Reproducibilitat i Repetibilitat
Fiabilitat Industrial
L'estadística oficial va sorgir com a resposta a la necessitat d'una informació estadística harmonitzada i regular sobre l'entorn demogràfic, social i econòmic de la realitat nacional. En aquest context, el coneixement dels mecanismes d'actuació i articulació dels sistemes de producció i difusió de resultats és un àmbit d'interès particular per als estadístics, i també per als usuaris de l'estadística oficial en la mesura que necessiten metadades. informació sobre la qualitat i les limitacions de les dades que necessiten utilitzar.
Entorn institucional i legal de l'estadística oficial
En aquest context, l'assignatura pretén familiaritzar l'estudiant amb l'entorn jurídic i institucional de l'estadística pública de l'àmbit, els principals processos d'elaboració i difusió de resultats estadístics i, finalment, les dades demogràfiques, socials i econòmiques que busquen actualment l'estat i la institucions regionals. estadístiques.
Processos de la producció d'estadística oficial
Marc conceptual de les fonts estadístiques
Que l'estudiant sàpiga dissenyar i resoldre problemes de presa de decisions per ordinador, com ara problemes de flux en xarxes de diversos tipus. Que l'estudiant conegui quins són els principals algorismes que permeten resoldre problemes de flux en xarxes, les seves propietats teòriques i les característiques de les seves implementacions.
Problemes de Camins Mínims
Problemes de Flux Màxim
Problemes de Flux de Cost Mínim
Arbres de Recobriment Mínims
Problemes Multiarticle
Problemes de Fluxos No Lineals
El 60% de la nota final provindrà de l'avaluació dels exercicis teòrics i de càlcul i el 40% de l'avaluació de les exposicions orals i informes sobre els temes elaborats pels estudiants.
Problemes de Fluxos Generalitzats
- Introducció a la Bioinformàtica
- Conceptes bàsics de Biologia Molecular
- Bases de dades biològiques: Conceptes, Tipus i Aplicacions
- Alineament de seqüències
- Models probabilístics de seqüències biològiques
- Predicció de gens i anotació de genomes
- Genòmica funcional i de sistemes
Comprendre el problema de predicció gènica i les dificultats (splicing alternatiu, gens no codificants, etc.) que comporta la seva solució completa. Cursos/tutorials complets de bioinformàtica en línia http://www.med.nyu.edu/rcr/rcr/btr/complete.html.
Fonaments
Després del curs, els estudiants seran capaços de dissenyar i analitzar de manera correcta i eficient estudis orientats al pronòstic mèdic, al diagnòstic, a les intervencions i a l'assignació de recursos. Els estudiants també han de ser capaços d'interpretar críticament els resultats d'altres investigadors i comunicar-ne els resultats de manera transparent.
Mesura
Diagnòstic
Evidència i decisió
Causa i efecte
Models estructurals i de variable latent
- Model Bayesià
- Inferència Bayesiana
- Computació Bayesiana
- Models
- Elecció i Validació de models
- Estudi de casos pràctics
La nota dels exercicis que s'han de presentar a les sessions pràctiques suposa el 20 per cent de la nota. També heu de fer un treball final de l'assignatura, que suposa un 25 per cent addicional de la nota.
Mostreig d'una llei Normal
L'estudiant ha d'adquirir coneixements formals de propietats dels estimadors i proves d'hipòtesis i això li ha de permetre escollir les millors opcions d'inferència en cada cas. L'estudiant ha d'adquirir coneixements formals de propietats dels estimadors i proves d'hipòtesis i això li ha de permetre escollir les millors opcions d'inferència en cada cas.
Famílies de distribucions: exponencial i de localització i escala
Estadístics suficients. Estimadors UMVUE
El mètode de la màxima versemblança
Estimació per intervals
Proves d'hipòtesis
Introducció a la inferència Bayesiana
Nocions d'estadística no paramètrica
Nocions de mètodes de remostreig: bootstrap i jacknife
El mètode dels moments
Les sessions presencials consisteixen en classes explicatives del professor combinades amb sessions de problemes i de laboratori on els estudiants realitzaran una sèrie d'exercicis teòrics i computacionals de manera guiada. Les qualificacions de la part teòrica representaran el 60% de la nota final i la del treball pràctic el 40%.
Programació Lineal (PL)
L'avaluació combinarà les notes de dos exàmens, corresponents a la part teòrica de l'assignatura, un parcial i un final, i la realització de treballs pràctics al llarg del quadrimestre.
Programació Lineal Entera (PLE)
Programació No Lineal (PNL)
Saber modelar i optimitzar la planificació de la generació a mitjà termini per maximitzar els beneficis que pot obtenir del mercat una empresa participant concreta. Apreneu a modelar i optimitzar la planificació de la generació a curt termini per maximitzar els beneficis.
Característiques d'un sistema de potència elèctrica
Saber abordar els problemes de planificació de la generació a curt termini i conèixer les variables implicades i les limitacions a complir. Saber abordar els problemes de planificació generacional a mig termini i conèixer les variables implicades i les limitacions a complir.
La xarxa elèctrica en temps real
Dominar els conceptes de mercat elèctric liberalitzat basat en la subhasta de producció i consum, mercat de reserva líquida, altres tipus de mercat i contractes bilaterals.
La planificació de la generació a curt termini
La planificació de la generació a mig termini
Característiques dels mercats elèctrics liberalitzats
Modelització i optimització de la planificació a mig termini en un mercat
Modelització i optimització de la planificació a curt termini en un mercat
Reconèixer i aplicar aspectes pràctics (numèrics i computacionals) per resoldre problemes massius (a molt gran escala) amb mètodes de punts interiors. Aprendre i aplicar diversos mètodes d'inici en calent per resoldre seqüències de problemes de punts interiors en què s'introdueixen o es modifiquen restriccions.
Introducció als mètodes de punt interior
Mètodes de punt interior per a problemes massius (molt gran escala)
Mètodes de punt interior per a problemes no lineals
Mètodes de punt interior per a programació cònica
Aspectes addicionals
Comprendre els fonaments de la metodologia bootstrap i saber aplicar-la per resoldre problemes estadístics diversos. L'entorn de treball fonamental de les sessions pràctiques serà R, del qual s'assumeix un coneixement mitjà (ús de l'entorn i programació bàsica).
Tema 1. El mètode de Montecarlo i l'Estadística
Tema 2. Introducció a la metodologia bootstrap
Tema 3. Intervals de confiança bootstrap
Tema 4. Tests de permutacions i d'aleatorització
Examen test amb preguntes sobre els conceptes teòrics tractats durant el curs (50%) Sistema d'avaluació. Perquè els alumnes siguin avaluats, hauran d'assistir com a mínim al 80% de les classes.
Tema 5. Mètodes de Montecarlo basats en Cadenes de Markov (MCMC)
DEL CARME RUIZ DE VILLA JUBANY - AResponsable:JAN GRAFFELMAN
També has d'haver fet un curs d'inferència estadística sobre proves univariades clàssiques (t de Student, F de Fisher). Aplicar les proves d'hipòtesis multivariants més freqüents, al vector de mitjanes i a la matriu de covariàncies.
Estadística Descriptiva Multivariant
Els alumnes que hagin superat el primer examen no hauran de presentar l'assignatura de la primera part a l'examen final. En tot cas, cal haver lliurat les tres pràctiques i realitzat els exercicis d'autoavaluació per aprovar-lo.
Inferència Estadística Multivariant
Classificació i obtenció de grups
DEL CARME RUIZ DE VILLA JUBANY - AResponsable:ALEXANDRE RIBA CIVIL
Capacitat per aplicar tècniques estadístiques, optimització i investigació operativa, en entorns tecnològics i industrials, per millorar la qualitat i la productivitat. Coneixements de tècniques estadístiques: l'estudiant coneix els aspectes bàsics d'anàlisi de variància i models lineals necessaris per comprendre correctament el funcionament de l'aplicació informàtica utilitzada per resoldre els problemes.
INTRODUCCIÓ AL DISSENY D'EXPERIMENTS
Recollida i anàlisi de dades: el primer objectiu és que l'estudiant entengui la necessitat d'una bona recollida de dades per extreure informació rellevant. Anàlisi de la solució: L'estudiant ha de ser capaç d'interpretar correctament els resultats de l'aplicació informàtica i analitzar la informació del programa per extreure conclusions útils.
MODEL D'EFECTES FIXES. DISSENY D'UN FACTOR
Disseny d'experiments: un segon objectiu és que l'estudiant, familiaritzat amb els principals tipus de problemes que requereixen un disseny planificat de recollida de dades, dissenyi l'experiment més adequat en un ampli ventall de casos. Anàlisi de nivells de factor únic: comparació de mitjanes mitjançant contrastos ortogonals, anàlisi de tendències i comparacions múltiples.
MODEL D'EFECTES FIXES. RESTRICCIONS A L'ALEATORITZACIÓ: BLOQUEIG
DISSENYS FACTORIALS
MODEL D'EFECTES ALEATORIS
DISSENYS JERARQUITZATS
DISSENY EN PARCEL·LES DIVIDIDES. L'ANÀLISI DE MESURES REPETIDES
ESTUDI DE CASOS
S'organitzen sessions específiques en cicles temporals per a estudiants del grau de Matemàtiques que no tinguin coneixements previs. Estudi de la cointegració: Estudi conjunt de sèries temporals no estacionàries i identificació de les seves relacions.
Anàlisi i modelització de sèries temporals
Dades atípiques, efectes calendari i anàlisi d'intervenció
Aplicacions a l'econometria: arrels unitàries i cointegració
Ús de la formulació del filtre de Kalman per al filtratge i suavització de dades i per a l'estimació de paràmetres. Formulació de l'espai d'estat dels models ARMA i ARIMA i estimació de màxima versemblança de paràmetres de sèries univariants i multivariants.
Espai d'estat, filtre de Kalman i aplicacions
Models estructurals en espai d'estat
Introducció als models amb volatilitat
Aquest curs ofereix una visió general de les principals metodologies metaheurístiques actuals amb especial èmfasi en els aspectes d'aplicació i implementació en diversos problemes de programació matemàtica. Per a un determinat problema de programació matemàtica, dissenyeu i implementeu un mètode heurístic eficient per resoldre'l.
Introducció: Mètodes heurístics i metaheurístics
Mètodes constructius: anàlisi de l'estructura del problema, procediments greedy
Mètodes de millora: k-intercanvis, cerca local
Anàlisi de heurístiques: comportament en el pitjor cas, comportament mitjà
Mètodes aleatoreitzats: GRASP
Com sortir dels òptims locals. Simulated Annealing, Tabu Search
Mètodes basats en poblacions
Cerca de profunditat variable: Variable Neighborhood Search
Mètodes reactius: autoadaptació dels valors del paràmetres
Aplicacions a problemes de Programació Matemàtica
Per realitzar aquestes tasques s'utilitza el programari MATLAB i la plataforma Atena per a l'avaluació contínua d'aquestes sessions. Utilitzar correctament diversos mètodes numèrics per resoldre sistemes d'equacions lineals amb el programari MATLAB.
Àlgebra lineal
Aplicar correctament mètodes numèrics per calcular valors i vectors propis mitjançant el programari MATLAB.
Resolució numèrica de sistemes lineals
Càlcul de valors i vectors propis
La nota L és la mitjana de les activitats d'avaluació contínua de la classe de problemes i la nota de pràctica proposada, totes ponderades per igual. En aquest cas, la nota E s'aconsegueix íntegrament en un examen amb dues parts, preguntes teòriques i examen de problemes.
Nocions de lògica
Aconsegueixen uns coneixements bàsics de conceptes matemàtics fonamentals en l'àmbit de l'estadística i la investigació operativa, que els permeten pensar de manera matemàtica i analítica per comprendre matèries específiques de l'especialitat. La capacitat de raonar en sentit matemàtic, la capacitat analítica per entendre matèries pròpies de l'especialitat.
Combinatòria
Nocions mètriques
El concepte de funció
El concepte de límit
Les sumes amb infinits sumands
Nocions de càlcul numèric
Coneixement de la formulació matemàtica d'alguns dels models de programació matemàtica més importants i capacitat per formular-ne de nous. Ser capaç d'implementar i aconseguir la solució òptima als problemes de decisió, escollint l'algorisme i el programari d'optimització més adequats per a cada cas individual.
Modelització de problemes de Programació Lineal (PL)
Davant la descripció d'un nou problema de decisió, ser capaç de formular correctament el problema d'optimització associat.
Modelització de problemes de Fluxos en Xarxes (FX)
Modelització de problemes de Programació Lineal Entera (PLE)
Modelització de problemes de Programació No Lineal (PNL)
PILAR MUÑOZ GRACIA - AResponsable: PILAR MUÑOZ GRACIA
Coneixement d'identificació i estimació de models estadístics i validació d'hipòtesis mitjançant anàlisi residual. Identificar, estimar i validar models tant per a l'estimació de la mitjana com de la variància heteroscedàstica condicional (volatilitat) d'aquestes sèries.
Introducció i presentació de la funcions en R pel tractament de series financeres
Comprendre la metodologia que permet calcular el Value at Risk (VaR) d'un determinat indicador de borsa i aplicar-lo correctament.
Introducció als mercats financers
Models condicionalment hetocedàstics (ARCH, GARCH,
Si no presenta els treballs pertinents en el termini assenyalat, la nota aconseguida es reduirà en un 50%.
Models de volatilitat no lineals
Valor al risk (VaR)
Introducció a l'ànalisi de series temporals multivariants
L'objectiu de l'assignatura és introduir l'estudiant en els problemes de modelització de sistemes en presència d'incertesa, i familiaritzar-lo amb les tècniques i algorismes per tractar-los. Proporciona la base per al modelatge i la programació estocàstica i es pretén que al final del curs l'estudiant sigui capaç d'identificar, modelar, formular i resoldre problemes de decisió que involucren variables tant deterministes com estocàstiques.
Modelització Estocastica
Propietats bàsiques
Mètodes de resolució
- Introducció als models estocàstics de la Investigació Operativa
- Models analítics i models de simulaci
- La simulació de models discrets
- La caracterització de l'aleatorietat de l'input de les dades de simulació
- Simulació i generació de mostres de variables aleatòries
- La generació de nombres pseudoaleatoris
- La simulació dels sistemes discrets
- L'anàlisi dels resultats de simulació
- Verificació i validació de models de simulació
- Estudi de casos d'aplicació de la simulació
Les notes de la part teòrica representen el 60% de la nota final, i les de la part pràctica el 40%. Conèixer i comprendre alguns dels models més importants de la relació lineal entre variables de la família exponencial.
Model de regressió múltiple
Anàlisi de la variança i de la covariança
Models de resposta binària
Models de resposta politòmica
Models per a resposta entera no-negativa
Tots els estudiants inscrits poden presentar-se a l'examen parcial i final, independentment dels resultats parcials. Models lineals generalitzats i models de supervivència: models de vida accelerada, models de perills proporcionals, model de taxa de perill generalitzada.
Introducció als models de supervivència
Introducció als models d'efectes aleatoris
L'anàlisi matemàtica juga un paper fonamental en el desenvolupament de la teoria bàsica subjacent a la metodologia estadística. Aplicar les eines clàssiques del càlcul infinit per desenvolupar aspectes d'interès en estadística com l'estudi de les funcions de densitat, la funció generadora de moments o la funció característica associada a una variable aleatòria.
Integral impròpia
Integral de Riemann-Stieltjes
Introducció a la integració complexa
Transformada de Fourier
Hi ha dos exàmens parcials durant el curs, un de mig quadrimestre i un de l'últim dia del curs, cadascun dels quals suposa el 40% de la nota final.
Aproximació de funcions Dedicació: 32h
A les sessions de teoria es proposaran problemes per fer a casa, que s'hauran de fer a la següent classe de problemes. Sabreu aplicar tècniques d'estimació de funcions no paramètriques a problemes habituals com la descripció de dades, l'anàlisi discriminant o el contrast de models paramètrics.
Proves no paramètriques clàssiques
Introducció als mètodes de suavització de corbes
Estimació no paramètrica de la densitat
Estimació de la funció de regressió
Es realitzarà un examen final global de l'assignatura, dividit en dues parts: una de teoria i problemes habituals, i l'altra, que es farà a l'aula d'informàtica. La nota de l'assignatura serà: Nota = 0,4*NP + 0,6*NF, on la NP dependrà dels exercicis i pràctiques realitzades al llarg del curs, i la NF dependrà de l'examen final.
Estimació de la regressió per splines
Regressió multiple i model additiu generalitzat
Introducció a l'anàlisi de dades funcionals
Implementar mètodes de descomposició utilitzant llenguatges de programació matemàtica algebraica per a diversos models per resoldre'l. Implementar versions senzilles de mètodes de punt interior amb llenguatge d'alt nivell (matlab) i conèixer les eines d'àlgebra lineal necessàries.
Dualitat
Realització de treballs pràctics en cadascuna de les parts de l'assignatura (1r. dualitat i descomposició; 2n. mètodes de punt interior).
Mètodes de descomposició
Mètodes de punt interior
Presenta les bases teòriques dels algorismes d'optimització contínua més importants i les seves eines per resoldre problemes d'alta dimensió. Coneixement de les bases teòriques dels principals algorismes d'optimització contínua sense i amb restriccions, i els procediments per resoldre problemes d'alta dimensió.
Conceptes bàsics
Practicar l'ús d'eines professionals d'optimització contínua, tant en l'àmbit públic com comercial.
Optimització sense constriccions
L'avaluació extraordinària del LCTE consistirà en un únic examen de tota l'assignatura que tindrà un pes del 70% i la pràctica realitzada durant el curs el 30%.
Problemes de mínims quadrats
Condicions d'òptim amb constriccions
Optimització amb constriccions lineals
Optimització amb constriccions qualssevol
Conèixer les funcions generadores de probabilitat i moments de les distribucions de probabilitat més habituals. Conèixer la funció característica de les lleis de probabilitat més habituals i la seva aplicació al càlcul de moments.
DISTRIBUCIONS MULTIDIMENSIONALS DE PROBABILITAT
FUNCIONS GENERADORES DE PROBABILITAT I DE MOMENTS
APLICACIÓ: CREIXEMENT D'UNA POBLACIÓ I PROCESSOS DE RAMIFICACIÓ. ALTRES
FUNCIONS CARACTERÍSTIQUES I LA LLEI GAUSSIANA MULTIDIMENSIONAL
CONVERGÈNCIA DE SUCCESSIONS DE VARIABLES ALEATÒRIES
APLICACIÓ: ESTIMACIÓ. MÈTODES DE MONTECARLO
CADENES DE MARKOV
APLICACIÓ: PASSEJADES ALEATÒRIES I ALTRES
EL PROCÉS DE POISSON. PROCESSOS DE NAIXEMENT I MORT
APLICACIÓ: CUES I AVALUACIÓ DE SISTEMES
SIMULACIONS: GENERACIÓ DE NOMBRES ALEATORIS
Conèixer els resultats de la teoria de la dualitat i les seves implicacions en el cas de la programació discreta. Explorar les propietats de la dualitat i les característiques inherents a l'estructura del model matemàtic per a la resolució de problemes discrets.
Problemes d'optimització combinatòria
Conèixer la metodologia bàsica per a tota la programació i especialment els mètodes enumeratius i els plans de tall així com les possibles combinacions dels anteriors. Ser capaç d'identificar desigualtats vàlides per a problemes típics de programació de nombres enters, com ara el problema de la motxilla i el problema del venedor ambulant.
Mètodes de plans de tall
Ser capaç de formular un model adequat i dissenyar i implementar un prototip de mètode per resoldre un problema concret d'optimització combinatòria.
Característiques dels models de programació sencera
Mètodes enumeratius
Relaxació lagrangiana en programació entera
El problema de la motxilla
El problema del viatjant de comerç
La qualificació final de la convocatòria extraordinària es calcula de la mateixa manera que la de la convocatòria ordinària. Coneix quina és l'àrea de control de divulgació estadística o protecció de dades estadístiques.
Introducció al control de revelació estadística
Mètodes per a microdades
Mètodes per a dades tabulars Dedicació: 30h
1. Conceptes bàsics de gestió de riscos
Formar investigadors en les últimes tècniques de risc quantitatiu i també introduir-los en temes de recerca en aquesta àrea.
2. Models multivariants de gestió de riscos
3. Mesures de dependència i còpules
4. Mesures de risc: valor en risc (VaR)
5. Teoria dels valors extrems
6. Gestió de risc de crèdit Dedicació: 120h
Aquests exercicis tindran com a objectiu avaluar la capacitat pràctica de l'estudiant per aplicar i desenvolupar els conceptes explicats a classe. DOCTOR EN ESTADÍSTICA I INVESTIGACIÓ OPERATIVA (Pla 2007). Unitat docent optativa) MÀSTER UNIVERSITAT D'ESTADÍSTICA I INVESTIGACIÓ EMPRESARIAL (Pla 2006).
Introducció a R
Objectes de R
Anàlisi descriptiu i exploratori amb R
Proves de contrast i models de regressió lineal amb R
Gràfics avançats amb llibreries específiques de R
Programació bàsica en R
Ús avançat de R
Introducció a SAS
Procediments bàsics de SAS
Creació i transformació de variables amb SAS
Introducció al llenguatge matricial amb el SAS: SAS/IML
Procediments estadístics avançats amb SAS
La mineria de dades és la conversió de dades en coneixement per a la presa de decisions. Creeu un procés KDD complet utilitzant la combinació adequada de tècniques de preprocessament, mineria de dades i postprocessament.
Introducció a la mineria de dades
Genereu informes que siguin comprensibles per a un usuari final amb el coneixement descobert i els resultats rellevants per a la presa de decisions posteriors.
Tècniques Descriptives
Tècniques d'associació entre variables
L'avaluació de l'assignatura es farà a partir de la puntuació obtinguda en els tres exercicis realitzats durant el curs. Aquesta darrera pràctica inclou elements de les anteriors i pretén resoldre el problema de previsió utilitzant diferents models i comparant-los.
Models de predicció
El tercer exercici és gratuït sobre un problema de predicció escollit per l'alumne entre diverses alternatives. Aquesta pràctica s'haurà de defensar públicament i l'estudiant haurà de respondre també les preguntes teòriques sobre els models i mètodes de l'assignatura, durant les quals s'organitzarà un examen final oral.
Validació i consolidació del coneixement descobert
La integració de tècniques en Mineria de Dades
Sistemes professionals de mineria de dades
Presentació de resultats
