> Ciencias exactas>Simulación con modelos aleatorios

Ciencias exactas

Simulación con modelos aleatorios Ver más grande

Simulación con modelos aleatorios

Nuevo

Autores: Varios
Editorial: Universidad Pedagógica y Tecnológica de Colombia
Edición: Primera, 2014
Formato: Libro
Rustico 17 x 24 cm
148 páginas
Peso: 0.262 Kg
ISBN: 9789586602075

Más detalles

Advertencia: ¡Últimos artículos en inventario!


COP$ 69.000

Añadir a la lista de deseos

Más

Reseña. Simulación con modelos aleatorios

En texto titulado simulación con modelos aleatorios Conocimiento estadístico-probabilístico y simulación proporciona un marco conceptual para fundamentar teóricamente los procesos de simulación y desarrollar simulaciones con variables aleatorias provenientes de diversas distribuciones, con especial atención en la Distribución Lambda Generalizada. El texto está dirigido a una amplia gama de lectores desde quienes presenten unas ideas básicas de probabilidad y estadística hasta profesionales que usan la simulación como herramienta de trabajo pero que requieren conocer sus fundamentos teóricos para soportar procesos de investigación por medio de simulación, así mismo para aquellos que se encuentren en proceso de formación. El lector podrá aprender y acrecentar su conocimiento a través de los aspectos teóricos proporcionados, los ejemplos proporcionados a lo largo del texto, los de aplicación de la simulación en contextos reales y los ejercicios propuestos en cada capítulo.

Contenido. Simulación con modelos aleatorios

Introducción
 
1. Elementos conceptuales sobre simulación
1.1 El concepto de simulación
1.2 Noción de lo aleatorio y de los números aleatorios
1.3 Generación de números aleatorios
1.3.1 Método de los cuadrados medios
1.3.2 Método de las congruencias lineales
1.4 Pruebas estadísticas para números pseudoaleatorios
1.4.1 Prueba de la media
1.4.2 Prueba de la varianza
1.4.3 Prueba de independencia
1.5 Planeación de experimentos de simulación en PC
1.5.1 Formulación del problema
1.5.2 Recolección y procesamiento de datos
1.5.3 Modelo matemático
1.5.4 Estimación de parámetros
1.5.5 Evaluación del modelo y los parámetros
1.5.6 Formulación de un programa para la PC
1.5.7 Validación
1.5.8 Diseño de los experimentos de simulación
1.5.9 Análisis de los datos simulados
1.6 Formas de utilizar el concepto de simulación
1.6.1 Nivel intuitivo
1.6.2 Nivel formal
1.6.3 Conocimiento estadístico-probabilístico y simulación
Ejercicios capítulo 1
 
2. Conocimiento probabilístico usual en simulación
2.1 Elementos de probabilidad
2.1.1 Experimento aleatorio
2.1.2 Sigma álgebra
2.1.3 Medida de probabilidad
2.2 Variable aleatoria real
2.3 Función de probabilidad para variables aleatorias discretas
2.4 Función de densidad de probabilidad
2.5 Función de distribución
2.6 Esperanza matemática y varianza de una variable aleatoria
2.7 Métodos de simulación de una variable aleatoria
2.7.1 Método de la transformada inversa
2.7.2 Método del rechazo
2.7.3 Método de Box Muller
2.7.4 Método de la composición
2.7.5 Método de la convolución
2.8 Método de simulación Monte Carlo
2.8.1 Concepto de muestra aleatoria
2.8.2 Ley fuerte de los grandes números
2.8.3 Un algoritmo para la simulación Monte Cario
2.8.4 Aproximación de una integral en el intervalo (0,1)
2.8.5 Método de Monte Cario para integrales en (a,b)
2.8.6 Aproximación de una integral en el intervalo (-2,2)
Ejercicios capítulo 2
 
3. Simulación con variables aleatorias discretas y continuas
3.1 Uso de modelos aleatorios discretos
3.1.1 Modelo de Bernoulli
3.1.2 Modelo Binomial
3.1.3 Modelo de Poisson
3.1.4 Aplicación del método de la transformada inversa
3.2 Simulación de variables aleatorias continuas
3.2.1 Modelo uniforme
3.2.2 Modelo exponencial
3.2.3 Modelo continuo no usual
3.2.4 Aplicación del método de composición
3.2.5 Simulación con una distribución beta
3.2.6 Aplicación del método del rechazo
Ejercicios capítulo 3
 
4. Simulación de variables con distribución normal
4.1 Distribución normal
4.1.1 Método de Box Muller para una normal estándar
4.1.2 Método de las 12 uniformes
4.1.3 Método del rechazo para una normal estándar
4.1.4 Método de la transformada inversa DLG normal esto
4.1.5 Aplicación del método de Marsaglia
4.2 Ejemplos de aplicación de una distribución normal
4.2.1 Aplicación en una institución financiera
4.2.2 Uso de una normal para simular una Birnbaum-S
Ejercicios capítulo 4
 
5. Simulación con la distribución lambda generalizada (DLG)
5.1 Caracterización de la DLG
5.1.1 Definición de la DLG
5.1.2 Momentos de la DLG
5.1.3 Distribuciones simétricas provenientes de la DLG
5.1.4 Distribuciones asimétricas seleccionadas de la DLG
5.1.5 Distribuciones usuales provenientes de la DLG
5.1.6 Otras distribuciones seleccionadas de la DLG
5.2 Simulación de variables aleatorias con DLG
5.2.1 Algoritmo general para una DLG
5.2.2 Simulación con distribuciones simétricas
5.2.3 Simulación con distribuciones asimétricas
5.2.4 Simulación con distribución platicúrtica
5.2.5 Simulación con distribución leptocúrtica
5.3 Ejemplos de aplicación de la simulación
5.3.1 Variabilidad del espesor de un producto
5.3.2 Tiempos de servicio de unos clientes de supermercado
5.3.3 Utilidades generadas por unas pequeñas empresas
5.3.4 Tiempos entre llegadas de los clientes de un banco
Ejercicios capítulo 5
 
Referencias
Whatsapp