Aviso importante
La guía docente es provisional.
La versión en PDF de la guía docente puede tardar unos días en estar disponible en el DDD.
Métodos Cuantitativos
Código: 40094Créditos: 15
| Titulación | Tipo | Curso |
|---|---|---|
| Análisis Económico / Economic Analysis | OB | 1 |
Profesor/a de contacto
- Nombre :
- Pau Milán Solé
- Correo electrónico :
- pau.milan@uab.cat
Equipo docente
- Jordi Caballe Vilella
- Fernando Payro Chew
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Sin prerrequisitos.
Objetivos
Este módulo proporciona a los estudiantes herramientas cuantitativas avanzadas, necesarias para el análisis económico. Este módulo cubre optimización, probabilidad y estadística.
El módulo se organiza en dos secciones. La primera sección incluye los fundamentos de la teoría de la optimización. La segunda sección proporciona a los estudiantes los fundamentos teóricos de la probabilidad y estadística, necesarias para el análisis econométrico y financiera.
Resultados de aprendizaje
- CA01 (Diseñar soluciones analíticas para problemas económicos profesionales .) Diseñar soluciones analíticas para problemas económicos profesionales .
- CA02 (Integrar una pregunta de decisión estratégica en un modelo formal para su posterior resolución .) Integrar una pregunta de decisión estratégica en un modelo formal para su posterior resolución .
- KA01 (Describir los instrumentos matemáticos avanzados para formalizar modelos multivariantes .) Describir los instrumentos matemáticos avanzados para formalizar modelos multivariantes .
- KA02 (Enumerar los conceptos clave de optimización individual (espacios métricos, convexidad, ecuaciones diferenciales) aplicados al análisis económico .) Enumerar los conceptos clave de optimización individual (espacios métricos, convexidad, ecuaciones diferenciales) aplicados al análisis económico .
- KA03 (Identificar los fundamentos de probabilidad y estadística necesarios para la inferencia econométrica .) Identificar los fundamentos de probabilidad y estadística necesarios para la inferencia econométrica .
- KA04 (Reconocer los elementos de teoría de juegos y los equilibrios utilizados en decisiones estratégicas multipersonales .) Reconocer los elementos de teoría de juegos y los equilibrios utilizados en decisiones estratégicas multipersonales .
- SA01 (Aplicar demostraciones matemáticas para derivar resultados de teoría económica .) Aplicar demostraciones matemáticas para derivar resultados de teoría económica .
- SA02 (Clasificar los supuestos y variables relevantes para modelar una interacción estratégica con dos agentes .) Clasificar los supuestos y variables relevantes para modelar una interacción estratégica con dos agentes .
- SA03 (Usar álgebra y cálculo diferencial para resolver problemas económicos en sesiones de laboratorio .) Usar álgebra y cálculo diferencial para resolver problemas económicos en sesiones de laboratorio .
- SA04 (Comparar conjuntos de datos simulados para determinar la idoneidad de técnicas econométricas .) Comparar conjuntos de datos simulados para determinar la idoneidad de técnicas econométricas .
Contenidos
I. Optimización
1. Conjuntos y espacios métricos
2. Funciones y Correspondencias
3. Espacios lineales y álgebra lineal
4. Funciones suaves, optimización y estática comparativa
5. Ecuaciones diferenciales y diferenciales
II. Probabilidad y estadística
1. Probabilidad
2. Teoría de la medida
3. Variables y distribuciones aleatorias
4. Esperanza
5. Distribuciones especiales
6. Funciones de variables aleatorias
7. Procesos estocásticos y distribuciones limitantes
8. Muestreo
9. Estimación
10.Contraste de hipótesis
Para una descripción más detalla del contenido del temario ir a https://sites.google.com/view/idea-program/master-program
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Clases de teoría | 112,5 | 4,5 | |
| Trabajo personal, trabajo en grupo, lecturas. | 187,5 | 7,5 | |
| Resolución ejercicios y tutorías | 75 | 3 |
El curso constará de sesiones donde el profesor presenta el material y sesiones dedicadas específicamente a la resolución de problemas. Se recomienda a los estudiantes que formen grupos de estudio para debatir sobre tareas y lecturas.
La metodología docente propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Examen Parte II | 40% | 0 | 0 | CA01, CA02, KA01, KA02, KA03, KA04, SA01, SA02, SA03, SA04 |
| Examen Parte I | 40% | 0 | 0 | CA01, CA02, KA01, KA02, KA03, KA04, SA01, SA02, SA03, SA04 |
| Asistencia a clase y resolución de ejercicios | 20% | 0 | 0 | CA01, CA02, KA01, KA02, KA03, KA04, SA01, SA02, SA03, SA04 |
Este modulo no contempla evaluación única
| Examen Parte I | 40% |
Examen Parte II | 40% |
Resolución de ejercicios & Asistencia y participación en clase | 20% |
La evaluación propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
En esta asignatura, no se permite el uso de tecnologías de Inteligencia Artificial (IA) en ninguna de sus fases. Cualquier trabajo que incluya fragmentos generados con IA será considerado una falta de honestidad académica y puede conllevar una penalización parcial o total en la nota de la actividad, o sanciones mayores en casos de gravedad.
Bibliografía
Optimización:
Axler, S.J., Linear algebra done right (Vol. 2). New York: Springer.
Carter, M., Foundations of mathematical economics. MIT Press.
Sydsæter, K., Hammond, P., Seierstad, A. and Strom, A., Further mathematics for economic analysis. Pearson education
Probabilidad y Estadística:
Ash, R.B., Real Analysis and Probability, Academic Press.
Bierens, H.J., Introduction to the Mathematical and Statistical Foundations of Econometrics, Cambridge University Press.
Billingsley, P., Probability and Measure, Wiley.
DeGroot, M.H. and Schervish, M.J., Probability and Statistics, Pearson.
Hogg, R.V., McKean, J. and Craig, A.T., Introduction to Mathematical Statistics, Pearson.
Lindgren, B.V., Statistical Theory, Chapman and Hall/CRC.
Rice, J.A., Mathematical Statistics and Data Analysis, Cengage Learning.
Referencias adicionales se proporcionan a lo largo del curso.
Software
- Matlab
- R
- Phyton
- Stata
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 |
|---|---|---|---|---|
| (TEm) Teoría (máster) | 30 | Inglés | primer cuatrimestre | manaña-mixto |
| (PLABm) Prácticas de laboratorio (máster) | 30 | Inglés | primer cuatrimestre | manaña-mixto |