Simulación/2002 Héctor Allende

Slides:



Advertisements
Presentaciones similares
Serie de Taylor y Maclaurin
Advertisements

PRUEBAS DE HIPOTESIS. I.S.C. Rosa E. Valdez V.. Dentro del estudio de la inferencia estadística, se describe como se puede tomar una muestra aleatoria.
Resolución aproximada de ecuaciones Ejemplos
Límites de Sucesiones de Números Reales
Estimación de una probabilidad en muestras pequeñas
Convergencia de Sucesiones
Problemas resueltos del Teorema de Rolle
Problemas del método de Newton
Problemas resueltos /Aplicaciones de la derivada /Método de Newton
EC. DIFERENCIAL Def: Se llama ecuación diferencial a una relación que contiene una o varias derivadas de una función no especificada “y” con respecto.
Integrales Impropias (II)
UNIDAD No. 1 El proceso de integración
7. Máquinas Estocásticas
Diferenciación e Integración Numérica
PERT en un contexto aleatorio y método Monte Carlo
Capítulo 5 Método de MonteCarlo
La ley de los grandes números
DISTRIBUCIONES MUESTRALES, DE LAS MUESTRAS O DE MUESTREO
Ecuaciones diferenciales de 1er orden :
DEFINICIÓN MATEMÁTICA DE UNA FUNCIÓN DE VARIABLE REAL.
UNIDAD N° 2 LIMITES DE FUNCIONES
Universidad de América
Distribuciones muestrales Procedimientos de muestreo
Distribución muestral de la Media
Sesión 12: Procesos de Decisión de Markov
Distribuciones y Probabilidad
Distribución Normal.
TEMA 4 TRANSFORMADA DE LAPLACE
SESION Nº 03.  En la práctica de la ingeniería y ciencias, es muy frecuente él tener que resolver ecuaciones del tipo f(x)=0. En estas ecuaciones se.
Teoría de Sistemas y Señales
Variables Aleatorias Unidimensionales
Distribuciones derivadas del muestreo
ITERACIÓN DE UN PUNTO FIJO. Un punto fijo de una función g es un número para el cual g(p)=p Los problemas de punto fijo y los de búsqueda de raíces tienen.
Departament d’Estadística Divisió de Ciències Experimentals i Matemàtiques Estimación de máxima verosimilitud Programa de doctorado en Estadística, Análisis.
Método Alias (Walter 1977) Permite generar de manera eficiente v.a.d. Con soporte finito. Supongamos que se desea generar la v.a.d. X con función de cuantía.
Unidad V: Estimación de
Tema 8: Estimación 1. Introducción.
Ecuaciones diferenciales 1. Ecuaciones diferenciales de primer orden
1 MÉTODOS DE SIMULACIÓN Permitien el estudio de propiedades de sistemas complejos. Generación de conjunto de configuraciones distintas para un mismo sistema.
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
ESTADISTICA I CSH M. en C. Gal Vargas Neri.
Capítulo 7 Estimación de Parámetros Estadística Computacional
Simular: Representar una cosa, fingiendo o imitando lo que no es.
ESTIMACION POR INTERVALOS
Análisis Matemático III
Inferencia Estadística
Unidad II: Variables Aleatorias Concepto Discreta y Continua Fun. de densidad Fun. de probabilidad F. de distribución Esperanza y Varianza Propiedades.
Unidad V: Estimación de
El Teorema central del Límite
Métodos de integración de Montecarlo: Reciben este nombre porque se basan en la generación de números aleatorios. Así, si, por ejemplo quiséramos calcular.
EC. DIFERENCIAL Presione Enter Ej:1) Hallar la solución de: no tiene solución ya que y=0 es la única solución. 2) Hallar la solución de y’= xy(0) =1 Tiene.
P Y E 2012 Clase 11Gonzalo Perera1 Repaso de clase anterior Fórmula del bloqueo de Erlang. LFGN y el problema de la Robustez.
Teoría de Probabilidad Dr. Salvador García Lumbreras
Sesión 13: Distribuciones Muestrales y Tamaño de Muestra
DISTRIBUCIONES MUESTRALES
Repaso de clase anterior
Teoría de Probabilidad
Clase 9.1 Integrales.
DR. JORGE ACUÑA A., PROFESOR TEOREMA DEL LíMITE CENTRAL.
ESTIMACIÓN DE PARÁMETROS
MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
14.4 Planos tangentes Aproximación lineal Diferenciabilidad
P y E 2012 Clase 15Gonzalo Perera1 Repaso de la clase anterior. Métodos de estimación.
Clase N°13 Comparación de configuraciones alternativas de un sistema
Laboratorio de Estadística administrativa Distribuciones de Muestreo Teorema del límite central Tamaño de muestra Marzo de 2007.
Tema 1 : Introducción y errores
Tema 4 : Cálculo de raíces de ecuaciones no lineales
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
Distribuciones Muestrales Ing. Raúl Alvarez Guale, MPC.
Capítulo 5 Método de MonteCarlo
Transcripción de la presentación:

Simulación/2002 Héctor Allende Capítulo 5 Método de MonteCarlo Prof.Héctor Allende Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Idea : Es la aproximación a la solución de un problema por medio del muestreo de un proceso al azar. Esto no ayuda mucho lo que es el Método de Monte Carlo pero podemos familiarizarnos por la vía de ejemplos: Caso 1 x y Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Caso 2: Sea g(x) una función y supongamos que deseamos conocer Problema determinista Sea u ~ U(0,1) y sea x = u Entonces E[g(u)] = siendo Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Luego E[g(u)] = Entonces transformamos la estimación de por el cálculo E[g(u)] por la vía de la ley de los grandes números. Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Teoremas Límites Convergencia en Distribución: x pto. continuidad Convergencia en Probabilidad: >0 Nota: Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Desigualdad de Chebyshev: Sea X v.a. con Entonces Ley débil de los grandes números: sucesión de v.a.i.i.d. : entonces: Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Teorema Central de Límite: Sea {X} suc. de v.a.i.i.d / finitas. Entonces: Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Es decir podemos resolver un problema determinístico por medio del cálculo del valor esperado de una muestra grande. Algoritmo Valores iniciales, S1=0 ; S2 = 0 1.- Generar ui (U(0,1)) 2.- Calcular g(ui) 3.- Calcular 4.- Repetir el cálculo k-veces 5.- Calcular ; 6.- Calcular el S1 = S1 + g(ui) S2 = S2 + [g(ui)]2 Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Caso 3 : Para Sea Entonces donde Luego podemos estimar mediante el cálculo de E[h(y)] Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Caso 4 :  puede ser calculado mediante donde U1, U2, ..., Un sucesiones v.a.i.i.d. U(0,1) Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Caso 5 : Para Sea Entonces Luego siendo Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Tarea : Usando el método de Monte Carlo Simulación/2002 Héctor Allende

Simulación/2002 Héctor Allende Método de Monte Carlo Caso 6 : Derive un método aproximado para resolver este problema de integración, vía Simulación de Monte Carlo y proponga un Algoritmo Simulación/2002 Héctor Allende