
Procesos Estocásticos
Código: 100116Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Matemáticas | OP | 4 |
Profesor/a de contacto
- Nombre :
- Rosario Delgado De la Torre
- Correo electrónico :
- rosario.delgado@uab.cat
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Como requisitos generales, para poder seguir la asignatura, hace falta un buen conocimiento a nivel práctico de álgebra lineal, análisis y cálculo o, más concretamente, de matrices, integración y series. Como requisitos más específicos es necesario haber cursado previamente el curso de Probabilidad y Modelización Estocástica de tercer curso.
Objetivos
El objetivo de esta asignatura es, por un lado, introducir al alumno en la parte de la teoría de la probabilidad llamada teoría de los procesos estocásticos, que tiene por objeto de estudio los fenómenos aleatorios que evolucionan en el tiempo o en el espacio. Veremos las generalidades básicas de estos modelos y estudiaremos algunos modelos concretos.
Se estudiarán con detalle las cadenas de Markov en tiempo discreto, en general y, como ejemplo principal, el caso del paseo aleatorio. Veremos también las cadenas de Markov en tiempo continuo como, por ejemplo, el proceso de Poisson o los procesos de nacimiento y muerte. Finalmente introduciremos también el movimiento Browniano.
Resultados de aprendizaje
- Utilizar eficazmente bibliografía y recursos electrónicos para obtener información.
- Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Generar propuestas innovadoras y competitivas en la investigación y en la actividad profesional.
- Demostrar de forma activa una elevada preocupación por la calidad en el momento de argumentar o hacer públicas las conclusiones de sus trabajos.
- Idear demostraciones de resultados matemáticos del área de probabilidad y estadística.
Contenidos
- Introducción a los processos estocásticos.
- Cadenas de Markov a tiempo discreto.
- Procesos de nacimiento y muerte.
- Sistemas de Colas.
- El movimiento Browniano.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Clases de teoría | 28 | 1,12 | 1, 2, 6, 7 |
| Clases de problemas | 13 | 0,52 | 1, 2, 4, 5, 6, 7 |
| Preparación exámenes | 20 | 0,8 | 1, 2, 7 |
| Estudio de la teoría y resolución de problemas | 65 | 2,6 | 1, 2, 4, 5, 6, 7 |
| Seminarios | 6 | 0,24 | 2, 4, 5, 6, 7 |
Esta asignatura es cuatrimestral y consta de dos horas de teoría y una hora de problemas por semana de docencia presencial. Además, se realizarán tres sesiones de seminario de dos horas cada una.
La introducción de los conocimientos teóricos en las clases de teoría es fundamental para que el estudiante pueda comprender y adquirir los fundamentos de la teoría de los procesos estocásticos que se presentan en esta asignatura. El conocimiento de los conceptos introducidos en las clases teóricas, de los enunciados de las proposiciones y teoremas, así como de los ejemplos y aplicaciones estudiados, es imprescindible para que el estudiante pueda resolver en las clases de problemas cuestiones similares mediante una metodología análoga.
La asignatura sigue una estructura basada en la secuencia definición–teorema–demostración–aplicación, ya que este enfoque permite al estudiante comprender y seguir los razonamientos propios de la teoría matemática que se está desarrollando. Asimismo, le ayuda a entender el papel que desempeñan los distintos elementos utilizados en las demostraciones de nuevos resultados matemáticos, así como las hipótesis que es necesario imponer. De manera complementaria, se pretende fomentar una actitud crítica ante cualquier afirmación matemática y desarrollar la intuición sobre la adecuación de los diferentes modelos matemáticos a una amplia variedad de situaciones reales, ya sean físicas, biológicas, económicas o de otros ámbitos. Para ello, se trabajará con problemas aplicados a distintas áreas en las que la modelización desempeña un papel fundamental.
En las clases de problemas se resolverán tanto ejercicios de carácter más teórico como ejercicios de carácter práctico.
Por otra parte, las sesiones de seminario estarán dedicadas a la realización de prácticas con el software libre R (RStudio), con el objetivo de simular algunos de los procesos introducidos en las clases teóricas. La simulación es una herramienta especialmente útil, ya que permite explorar el comportamiento de un sistema cuando el análisis exacto resulta difícil, verificar resultados teóricos y desarrollar intuición acerca de los fenómenos que se están modelizando.
USO DE LA INTELIGENCIA ARTIFICIAL (IA): En esta asignatura se permite el uso de tecnologías de Inteligencia Artificial (IA) exclusivamente para tareas de apoyo, tales como la búsqueda bibliográfica o de información, la corrección y revisión de textos o las traducciones. El estudiante deberá identificar claramente, cuando corresponda, qué partes de los trabajos entregados han sido generadas con ayuda de estas tecnologías, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido tanto en el proceso como en el resultado final de la actividad.
La falta de transparencia en el uso de la IA en esta actividad evaluable se considerará una falta de honestidad académica y podrá conllevar una penalización parcial o total en la calificación de la actividad, así como sanciones más graves en los casos de mayor gravedad.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Control (PAC1) | 35% | 4 | 0,16 | 2, 3, 4, 6, 7 |
| Examen | 50% | 4 | 0,16 | 2, 4, 6, 7 |
| Examen de recuperación | 85% | 4 | 0,16 | 1, 2, 4, 5, 6, 7 |
| Entrega de problemas y/o ejercicios prácticos (PAC2) | 15% | 6 | 0,24 | 1, 2, 4, 5, 6, 7 |
La evaluación de la asignatura se basará en las siguientes evidencias (los porcentajes indican el peso de cada una en la calificación final):
- PAC1 (prueba de teoría y problemas, realizada a mitad del cuatrimestre): 35%
- PAC2 (entregas de problemas y/o ejercicios prácticos realizados en el aula): 15%
- Examen (de teoría y problemas, realizado al finalizar el cuatrimestre): 50%
Si la calificación obtenida en alguna de estas evidencias es inferior a 3.5 sobre 10, se considerará como 0 a efectos del cálculo de la calificación final.
Para superar la asignatura, la calificación final deberá ser al menos de 5 sobre 10.
Si la calificación final no alcanza el 5 sobre 10, y únicamente en este caso, el estudiante podrá presentarse al Examen de recuperación, que representará el 85% de la calificación final.
El 15% restante corresponderá a la calificación obtenida en la PAC2, que no es recuperable.
Evaluación única
El alumnado que se haya acogido a la modalidad de evaluación única deberá realizar una prueba final consistente en un examen que incluirá contenidos de teoría, problemas y prácticas con R.
Bibliografía
- An excursion into Markov chains. X. Bardina and M. Ferrante. Springer, to appear.
- Introduction to Probability Models. Sheldon M. Ross. 2024 (Thirteenth edition). Ejemplares disponibles en la biblioteca de Ciencia y Tecnología.
- Introduction to Stochastic Processes. Gregory F. Lawler. 2006 (Second Edition). Disponible en línea en las bibliotecas de la UAB.
- Adventures in Stochastic Processes. Sidney I. Resnick. 1992. Ejemplares disponibles en la biblioteca de Ciencia y Tecnología.
- Simulation. Sheldon M. Ross. 2023 (Sixth edition). Disponible en línea en las bibliotecas de la UAB.
Software
RStudio
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (TE) Teoría | 1 | Catalán | primer cuatrimestre | manaña-mixto |
| (PAUL) Prácticas de aula | 1 | Catalán | primer cuatrimestre | manaña-mixto |
| (SEM) Seminarios | 1 | Catalán | primer cuatrimestre | tarde |