ClubEnsayos.com - Ensayos de Calidad, Tareas y Monografias
Buscar

Algoritmos geneticos ESTADISTICA APLICADA


Enviado por   •  19 de Febrero de 2017  •  Práctica o problema  •  1.583 Palabras (7 Páginas)  •  222 Visitas

Página 1 de 7

[pic 3]

Estadística Aplicada

ESTADISTICA APLICADA

1. OBJETIVO DE LA MATERIA

Acercar al estudiante el conocimiento que involucra la estadística y las aplicaciones prácticas que conlleva en el manejo de datos con un enfoque a la aplicación del modelaje a la gestión de riesgos. La aproximación a la materia será robustecida con la presentación de 4 técnicas prácticas que permitirán al alumno resolver casos reales. La materia no ha sido diseñada como un curso de especialización, sino como un curso general, lo cual involucra que el objetivo sea el conocimiento básico de la materia y no la especialización en ésta.

2. MÉTODO GENERAL

Por una parte, el curso proporcionará una base teórica sustentada en las definiciones y herramientas que proporciona la materia y efectuará una aproximación a la aplicación práctica de lo aprendido a través de prácticas en aula y extra aula. Específicamente:

Cada una de las técnicas que se tiene contempladas para el avance tiene la siguiente metodología de desarrollo:

  1. Compresión del concepto. Apunta a una descripción teórica de la técnica, tales como definiciones, historia, problemática, teorías y otros. Esta parte está guiada por una presentación en Powerpoint discurseada y ampliada por el facilitador.
  2. Comprensión de la problemática y su aplicabilidad. Con esto se busca que el alumno pueda reflexionar respecto a los distintos desafíos que puede tener cuando encara diversos problemas en la gestión de una empresa, como suele resolvérselos de forma rudimentaria y cómo las técnicas sofisticadas que existen en la actualidad, y muy propiamente la que se está viendo, pueden coadyuvar para una gestión más eficiente. Esta parte no contiene un material de respaldo y metodológicamente será monitoreada por el facilitador mediante un diálogo compartido con los alumnos.
  3. Introducción práctica a la técnica. Una vez que el alumno haya asimilado la utilidad de la técnica que está en avance, el curso propone incursionarlo al campo práctico. Para esto, el facilitador hará la demostración de uso a los alumnos, abordando casos y problemas de ejemplo que serán resueltos in situ.
  4. Asimilación del tema. A fin de constatar y asegurar la comprensión cabal por parte del alumno, en lo que respecta la asimilación de uso de la técnica aprendida, se le pedirá que genere un estudio de caso, donde el alumno pueda reconocer su propia problemática, su propia estrategia de resolución y demostración de uso práctico de la técnica asimilada.

3. CONTENIDO

PARTE I. CONCEPTOS BÁSICOS DE LA ESTADISTICA

  1. Qué es estadística?
  1. Definición
  2. Críticas a la estadística
  3. Análisis exploratorio
  4. Análisis descriptivo
  5. Análisis inferencial

PARTE II. ESTADÍSTICA MULTIVARIANTE

  1. Qué es la estadística multivariante
  1. Definición
  1. Técnicas de independencia
  2. Técnicas de dependencia

PARTE III. RELACION CON EL ACUERDO DE BASILEA

  1. Relación con el acuerdo de Basilea
  1. Resumen del Acuerdo de Basilea
  2. Requerimientos de capital
  3. Riesgo y estadística
  4. Pérdida esperada
  5. Cálculo de la pérdida esperada
  6. Técnicas empleadas para la construcción de modelos

PARTE IV. PREPARACION DE DATOS

  1. Preparación de datos
  1. Tipos de análisis
  2. Concepto
  3. Medidas y variables estadísticas
  4. Proceso de generación de conocimiento – KDD
  5. Proceso de preparación de datos
  6. Transformación vs gerencialización
  7. Gerencialización de datos
  8. Aplicación práctica

PARTE V. MODELO LOGIT

  1. Modelo LOGIT
  1. Motivo de uso
  2. Regresión logística binaria
  3. Ejemplos de uso
  4. Aplicación práctica

PARTE VI. REDES NEURONALES

  1. Redes neuronales
  1. Introducción
  2. Modelos biológicos
  3. Redes neuronales artificiales
  4. Función base
  5. Función de activación
  6. Estructura de una red neuronal
  7. Estructuras de conexión
  8. Tamaño de una red
  9. Conceptos relacionados al aprendizaje
  10. Tasa de aprendizaje y factor momento
  11. Tips
  12. Evolución: Perceptrones
  13. Evolución: Regla Delta
  14. Evolución: Redes neuronales lineales
  15. Evolución: Backpropagation
  16. Evolución: Redes multicapa
  17. Evolución: Redes no supervisadas
  18. Ventajas actuales
  19. Aplicaciones
  20. Aplicación práctica

PARTE VII. ALGORITMOS GENETICOS

  1. Algoritmos genéticos
  1. Tipos de algoritmos evolutivos
  2. Definición
  3. Teoría biológica
  4. Funcionamiento
  5. Generación de la población inicial
  6. Sujeto y función de adaptación
  7. Cruce
  8. Condición de parada
  9. Términos biológicos
  10. Términos de la técnica
  11. Teorema fundamental
  12. Modelo de islas
  13. Modelo celular
  14. Ventajas
  15. Requerimientos
  16. Aplicaciones
  17. Aplicación práctica

PARTE VIII. SIMULACION MONTECARLO

  1. Administración del efectivo y de valores negociables
  1. Conceptos básicos
  2. Modelo Montecarlo vs. Modelos Analíticos
  3. Importancia
  4. Aplicación
  5. Aplicación práctica

...

Descargar como (para miembros actualizados) txt (10 Kb) pdf (250 Kb) docx (70 Kb)
Leer 6 páginas más »
Disponible sólo en Clubensayos.com