Simulación y Remuestreo
Código: 104868 Créditos ECTS: 6| Titulación | Tipo | Curso |
|---|---|---|
| 2503852 Estadística Aplicada | OB | 3 |
Contacto
- Nombre:
- Aureli Alabert Romero
- Correo electrónico:
- aureli.alabert@uab.cat
Equipo docente
- Roger Borràs Amoraga
- (Externo) Aureli Alabert
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Se supone que el estudiante ha adquirido las competencias propias de las asignaturas de Inferencia Estadística, Cálculo de Probabilidades, y Procesos Estocásticos, y que tiene buen nivel de programación en lenguaje R.
Objetivos y contextualización
Aprender cómo generar muestras con ordenador y aplicarlo al análisis de sistemas complejos y la optimización de procesos.
Aprender las técnicas de remuestreo en inferencia estadística y aprendizaje automático.
Resultados de aprendizaje
- KM15 (Conocimiento) Identificar algoritmos y técnicas, de simulación y remuestreo, y modelos para situaciones complejas, fomentando la innovación en el ámbito de la estadística.
- KM15 (Conocimiento) Identificar algoritmos y técnicas, de simulación y remuestreo, y modelos para situaciones complejas, fomentando la innovación en el ámbito de la estadística.
- SM15 (Habilidad) Resolver problemas de inferencia no convencionales mediante técnicas de simulación y de remuestreo
Contenido
Simulación: Simulación de variables aleatorias a partir de la ley uniforme. Simulación de eventos discretos. Simulación con el paquete Simmer. Análisis de la salida, reducción de la varianza. Generación de variables uniformes.
Tests permutacional: Tests para dos muestras. Test de datos apareados. Test de correlaciones. Ejemplos avanzados.
Bootstrap y otros métodos de remuestreo: Conceptos básicos. Estimaciones del error estándar y del sesgo. Bootstrap paramétrico. Bootstrap no-paramétrico. Métodos para calcular intervalos de confianza. Ejemplos de aplicación (modelos lineales y lineales generalizados, tests de hipótesis, series temporales, ...).
Remuestreo para aprendizaje automático: Bagging. Boosting.
- Tests permutacionales: Tests para dos muestras. Test de datos apareados. Test de correlaciones. Ejemplos avanzados.
- Bootstrap y otros métodos de remuestreo: Conceptos básicos. Estimaciones del error estándar y del sesgo. Bootstrap paramétrico. Bootstrap no-paramétrico. Mètodos para calcular intervalos de confianza. Ejemplos de aplicación (modelos lineals y lineales generalizados, tests de hipótesis, series temporales, ...).
- Remuestreo para aprenendizaje automático: Bagging. Boosting.
- Simulación: Simulación de variables i vectores aleatorios. Simulación de sucesos discretos. Análisis del output. Modelización del input. Generación de números aleatorios.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases teóricas y prácticas | 50 | 2 | |
| Tipo: Autónomas | |||
| Estudio personal de la materia | 48 | 1,92 | |
| Trabajos | 48 | 1,92 |
La docencia combinará en clase lecciones por parte de los profesores y trabajo práctico de los estudiantes con ordenador.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Entrega de prácticas de Remuestreo | 12.5% | 0 | 0 | KM15, SM15 |
| Entrega de prácticas de Simulación | 12.5% | 0 | 0 | KM15, SM15 |
| Examen de Remuestreo | 37.5% | 2 | 0,08 | KM15, SM15 |
| Exámen de Simulación | 37.5% | 2 | 0,08 | KM15, SM15 |
Véase por favor la versión de la Guia en Catalán o en Inglés. En caso de discrepancia, la versión en Catalán prevalece.
Bibliografía
- Ross, Sheldon (2013) Simulation. Elsevier (Recurs electrònic UAB).
- Law (2014) Simulation. Modelling and Analysis.
- James - Witten - Hastie - Tibshirani (2013) An introduction to Statistical Learning: with applications in R. Springer (Recurs electrònic UAB).
- Efron - Hastie (2016) Computer Age Statistical Inference. Cambridge University Press.
Software
Durante el curso se darán las instrucciones de instalación pertinentes para el software que se utilizará, en el momento oportuno.
Lista de idiomas
| Nombre | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PLAB) Prácticas de laboratorio | 1 | Catalán | segundo cuatrimestre | tarde |
| (TE) Teoría | 1 | Catalán | segundo cuatrimestre | tarde |