5678 1234
PROGRAMA DE ASIGNATURA
ASIGNATURA: Modelos y Simulación AÑO: 2023
CARACTER: Obligatoria UBICACIÓN EN LA CARRERA: 4° año 1°
cuatrimestre
CARRERA: Licenciatura en Ciencias de la Computación
REGIMEN: Cuatrimestral CARGA HORARIA: 120 horas
ASIGNATURA: Modelos y Simulación AÑO: 2023
CARACTER: Obligatoria UBICACIÓN EN LA CARRERA: 3° año 1°
cuatrimestre
CARRERA: Licenciatura en Matemática Aplicada
REGIMEN: Cuatrimestral CARGA HORARIA: 120 Horas.
FUNDAMENTACIÓN Y OBJETIVOS
La simulación es una herramienta importante utilizada en las Ciencias de la Computación para
modelar sistemas y procesos complejos en un entorno virtual. El objetivo principal de la simulación
es imitar escenarios del mundo real, de forma tal que sea posible explorar, probar y optimizar
diferentes variables y parámetros sin los riesgos y costos asociados con la experimentación en el
mundo físico.
En esta asignatura se presentan distintos modelos probabilísticos y se desarrollan variadas
técnicas para la simulación de eventos y procesos estocásticos, continuos y discretos, y el análisis
estadístico de datos simulados.
Son objetivos de esta asignatura que el alumno logre:
- Relacionar conceptos de probabilidad y estadística con técnicas de modelado y simulación.
- Interpretar resultados obtenidos y tomar decisiones en base a ellos.
- Diseñar, desarrollar e implementar modelos adecuados a un sistema real.
- Seleccionar las técnicas adecuadas de acuerdo al tipo de sistema a simular.
Estos objetivos alcanzados permitirán que el alumno adquiera una formación sólida de los
conceptos y técnicas utilizados en la simulación de sistemas, a través del procesamiento digital de
modelos matemáticos probabilísticos.
CONTENIDO
Unidad I: Revisión de fundamentos de Probabilidad y Estadística.
Axiomas de probabilidad, probabilidad condicional e independencia. Variables aleatorias. Valor
esperado y varianza. Desigualdad de Chebyshev y Ley de los grandes números.
Variables aleatorias discretas: Distribuciones binomial, Poisson, geométrica, binomial negativa,
hipergeométrica.
Variables aleatorias continuas: Uniforme, normal, exponencial, gamma.
Unidad II: Procesos de Poisson
Procesos de Poisson homogéneos. Caracterización. Distribución del número de eventos.
Distribución del tiempo entre arribos y de tiempos de arribo. Superposición y refinamiento de
procesos de Poisson.
Procesos de Poisson no homogéneos. Función de intensidad y tasa media de arribos.
Unidad III: Generación de números pseudoaleatorios
Concepto y propiedades de un generador de números seudoaleatorios. Revisión histórica de
generadores de números seudoaleatorios. Generadores congruenciales y combinaciones.
Métodos actuales.
5678 1234
Unidad IV: Método de Monte Carlo
El método de Monte Carlo. Aplicaciones del método de Monte Carlo para el cálculo de integrales:
integración en el intervalo (0,1), en el intervalo (a, b) y en intervalos infinitos. Estimación del
número pi.
Unidad V: Generación de variables aleatorias discretas
Método de la transformada inversa. Método de la transformada inversa. Simulación de variables
uniformes discretas, Bernoulli, geométricas, de Poisson y binomial. Aplicaciones: cálculo de
promedios y simulación de una permutación aleatoria. Método de composición. Métodos
alternativos: el método del alias y métodos de la urna.
Unidad VI: Generación de variables aleatorias continuas.
Método de la transformada inversa. Método de aceptación y rechazo. Simulación de variables
exponenciales. Aplicación para simular variables aleatorias discretas de Poisson y variables
Gamma(n, lambda). Métodos para simular variables aleatorias normales. Método polar.
Simulación de procesos de Poisson homogéneos. Simulación de Procesos de Poisson no
homogéneos. Método de refinamiento y mejora del método.
Unidad VII: Análisis estadístico de datos simulados
Técnicas de inferencia estadística. Histogramas, distribución empírica. Estimación de parámetros
de una distribución. Estimadores de máxima verosimilitud. Propiedades de un buen estimador.
Error cuadrático medio y varianza de un estimador.
La media muestral y la varianza muestral. Fórmulas recursivas para el cálculo de la media
muestral y la varianza muestral. Estimador de la proporción. Fórmula recursiva para el estimador
de la proporción. Estimadores por intervalos del valor esperado y de una proporción.
Técnica Bootstrap. Aplicación para la estimación de una proporción, de la varianza y del error
cuadrático medio de un estimador.
Unidad VIII: Técnicas de validación estadística
Tests de bondad de ajuste. El test chi-cuadrado para datos discretos. El test de
Kolmogorov-Smirnov para datos continuos. Técnicas de bondad de ajuste con parámetros no
especificados. El problema de dos muestras: test de rangos de Mann-Whitney o Wilcoxon. El
problema de varias muestras: test de Kruskal-Wallis.
Validación de hipótesis de un proceso de Poisson homogéneo y no homogéneo.
Unidad IX: Cadenas de Markov
Cadenas de Markov: Propiedad de Markov. Probabilidades de transición. Diagrama de transición.
Estructura de clases. Clasificación de estados. Cadenas periódicas.
Tiempos de alcance y probabilidades de absorción. Tiempo medio de retorno. Distribución
estacionaria.
BIBLIOGRAFÍA
BIBLIOGRAFÍA BÁSICA
- Apuntes de Clase: Kisbye, Patricia, "Modelos y Simulación". Disponible en el aula virtual de la
materia.
- Sheldon M. Ross, Simulación, Prentice Hall, 2da. edición, (1999).
- Sheldon M. Ross, Simulation, Academic Press, 3rd. edition, (2002).
- Averill M. Law, W. David Kelton, Simulation Modelling and Analysis, Mc. Graw Hill, 3ra. edición,
2000
BIBLIOGRAFÍA COMPLEMENTARIA
- George Marsaglia and Arif Zaman, Some portable very-long-period random number generators,
Computers in Physics,(8)1, 117 (1994).
5678 1234
- Numerical Recipes: [Link]
EVALUACIÓN
FORMAS DE EVALUACIÓN
Se prevén:
- Tres (3) evaluaciones parciales. Los alumnos podrán recuperar una sola evaluación parcial.
- Un (1) trabajo práctico especial, realizado en forma individual.
- Tres (3) actividades de seguimiento no obligatorias, previas a cada parcial. Su aprobación
sumará puntaje al parcial siguiente.
REGULARIDAD
Para regularizar el alumno deberá cumplir los siguientes requisitos:
- Aprobar dos parciales, o un parcial y un recuperatorio.
- Aprobar el trabajo práctico especial.
PROMOCIÓN
Para promocionar el alumno deberá cumplir los siguientes requisitos:
- Aprobar los tres parciales, o dos parciales y un recuperatorio, con nota no menor a 6(seis) y
promedio no menor a 7 (siete).
- Aprobar el trabajo práctico especial con una nota no menor a 6(seis)
