<= Atrás     Docencia > Licenciatura > Modelos Estocásticos Home Mapa Contactar Buscar Ayuda
 
Versión para imprimir

Modelos Estocásticos
(Curso 2003-2004)

(Ver curso 2004-2005)

Código Sigma: 43962
Carácter: Optativa
Curso:
Ciclo:
Cuatrimestre:
Créditos: 6 = 3T + 3P (4 horas semanales)

Objetivos: Aplicación de procesos estocásticos al análisis de datos. Manejo de sofware estadístico adecuado para este fin.

Evaluación:

  • Examen final (ejercicio escrito + examen con ordenador): 70%.
  • Realización de trabajos prácticos y otras actividades a lo largo del curso: 30%.
Prerrequisitos:
Descriptor: Tipos de dependencia estocástica. Procesos de conteo. Modelos de dependencia Markoviana. Modelos dinámicos. Modelos de mezcla. Inferencia en procesos estocásticos. Análisis de datos longitudinales.

Programa:

  1. Procesos de conteo.
    Notación y terminología. Intensidades. El proceso de Poisson. Procesos de Poisson no homogéneos. Procesos de renovación. Intensidades dependientes de covariables.
  2. Cadenas de Markov en tiempo discreto.
    Ajuste como modelos logísticos y log-lineales. Orden, estacionaridad, reversibilidad. Modelo "mover-stayer". Modelos de regresión de Markov. Modelos de nacimiento y contagio. Modelos de aprendizaje.
  3. Cadenas de Markov en tiempo continuo.
    Cadenas de Markov en tiempo continuo. Procesos semi-markovianos. Intensidades constantes. Intensidades dependientes del tiempo o de covariables.
  4. Modelos dinámicos.
    Dependencia serial. Modelos de Markov ocultos. Modelos con sobredispersión para duraciones o frecuencias. Filtro de Kalman. Curvas de crecimiento.
  5. Extensiones.
    Autorregresión. Procesos puntuales con marcas. Procesos doblemente estocásticos. Modelos de punto de cambio.
Actividades: Las clases prácticas se desarrollarán en el aula de informática con el programa AMPL.

Bibliografía:

  • Guttorp, P. Stochastic Modelling of Scientific Data, Chapman & Hall, 1995.
  • Lindsey, J. K. Models for Repeated measurements, 2nd ed., Oxford University Press, 1999.
  • Lindsey, J. K. The Statistical Analysis of Stochastic Processes in Time, LUC, Diepenbeek, 2001.
  • MacDonald, I. L. Y Zucchini, W. Hidden Markov and Other Models for Dicrete-valued Time Series, Chapman & Hall, 1997.
  • Rigdon, S. E. y Basu, A. P. Statistical Methods for the Reliability of Repairable Systems, Wiley, 2000.
  Última actualización : 30/09/03