Está en la página 1de 3

UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Económica, Estadística y CC. SS.

SÍLABO
CURSO: ANALISIS NUMÉRICO PARA ESTADISTICA

I. INFORMACIÓN GENERAL
ASIGNATURA : Análisis numéricos para estadística

CÓDIGO : FMS501

PRE-REQUISITO : Calculo avanzado para ingeniería II

DPTO ACADEMICO : Dpto. académico de matemáticas

CONDICON : Obligatorio

CICLO ACADEMICO :5

Nº DE CRÉDITOS :5

HORAS DE TEORÍA :4

HORAS DE PRÁCTICA :2

SISTEMA DE EVALUACION : G

II. SUMILLA DEL CURSO

El presente curso permite al estudiante manejar los conceptos del análisis numérico para
implementar algoritmos en el computador, que puedan resolver problemas en el área de la
estadística. Se tratará el punto flotante y el análisis de error de un computador, la solución
numérica de ecuaciones no lineales, el análisis matricial numérico, el método de Monte Carlo
y tópicos adicionales que se emplean en los cursos posteriores de la carrera.

III. COMPETENCIAS

El estudiante:
1. Maneja la representación punto flotante del computador y puede realizar un análisis de los
errores numérico que la máquina ocasiona al trabajar.
2. Implementa los métodos numéricos en la computadora, usando software de cómputo
estadístico.
3. Emplea y modifica apropiadamente los métodos numéricos para resolver ecuaciones o
sistemas lineales, así como también realizar cálculos matriciales.
4. Aplica el método de Monte Carlo para aproximar áreas y volúmenes, conoce sus
aplicaciones estadísticas básicas.
5. Conoce y ejecuta las principales fórmulas de diferenciación e integración numérica, y
aproximación polinomial.
6. Construye un programa adecuado para calcular las principales descomposiciones
matriciales, las derivadas matriciales y el producto de Kronecker

F02-silabo-FIEECS 1
IV. UNIDADES DE APRENDIZAJE

1. REPRESENTACIÓN DE PUNTO FLOTANTE Y ANÁLISIS DE ERROR


Representación de punto flotante normalizada / Forma de punto flotante de precisión simple
/ Forma de punto flotante de doble precisión / Errores de cómputo en la representación de
números / Datos significativos / Pérdida de significancia causada por l computador / Teorema
de pérdida de precisión.

2. LOCALIZACIÓN DE RAICES DE ECUACIONES


Método de bisección (Algoritmo y seudocódigo de la bisección, Análisis de convergencia) /
Método de falsa posición (regula falsi) y modificaciones / Método de Newton
(Interpretaciones, algoritmo y análisis de convergencia) / Sistemas de ecuaciones no lineales /
Método de la secante (Algoritmo y análisis de convergencia) / Comparación de métodos.

3. ALGEBRA LINEAL Y MATRICIAL NUMÉRICA


Sistemas de ecuaciones lineales: Estrategias de pivoteo / Inversa, determinante y factorización
de matrices / Métodos Iterativos para sistemas lineales / El método del gradiente conjugado /
Eigenvalores y eigenvectores: Método de la potencia y Householder

4. MÉTODO DE MONTE CARLO Y SIMULACIÓN


Algoritmos y generadores de números aleatorios / Uso del seudocódigo aleatorio / Cálculo de
áreas y volúmenes mediante técnicas de Monte Carlo / Problema del dado cargado / Problema
del cumpleaños / Problema de la aguja de Buffon / Problema de dos dados.

5. SUAVIZADO DE DATOS Y EL MÉTODO DE MÍNIMOS CUADRADOS


Método de mínimos cuadrados / Ejemplo lineal / Ejemplo no polinomial / Funciones base /
Sistemas ortogonales / Polinomios de Chebyshev / Suavizado de datos: regresión polinomial

6. DIFERENCIACIÓN E INTEGRACIÓN NUMÉRICA


Fórmulas de 2, 3 y 5 puntos / Extrapolación de Richardson / Elementos de integración numérica
/ Integración numérica compuesta / Integración de Romberg / Cuadratura Gaussiana /
Integrales múltiples e impropias.

7. TÓPICOS ADICIONALES
Descomposición QR, LU, LDU y de Cholesky / Aplicación para obtener obtener eigenvalores,
encontrar determinantes e invertir matrices / Inversa generalizada (Moore-Penrose) /
Productos Hadamard / Productos Kronecker y el operador Vec / Diferenciación de un escalar
respecto a un vector (derivada de 𝑎′𝑥, 𝑥′𝑥 y 𝑥′𝑆𝑥) / Derivada de un escalar respecto a una
matriz (𝑡𝑟(𝑋), 𝑎′ 𝑋𝑎, 𝑡𝑟(𝑋𝐴), 𝑡𝑟(𝐴′ 𝑋𝐴), |𝑋|, |𝑋|𝑟 ) / Derivada de 𝐴𝑥 / Derivada de una matriz
respecto a un escalar.

F02-silabo-FIEECS 2
V. METODOLOGÍA
El curso se desarrolla en sesiones de teoría y laboratorio. En las sesiones de teoría, el docente
presenta los conceptos, métodos y aplicaciones. En las sesiones en el laboratorio, se
implementan en la computadora los métodos estudiados en teoría para resolver diversos
problemas seleccionando el método más adecuado. El desarrollo del curso se hace de manera
didáctica ayudado por el uso de multimedia y separatas, en todas las sesiones se promueve la
participación los estudiantes.

VI. FÓRMULA DE EVALUACIÓN

Sistema de Evaluación “G”. Cálculo del Promedio Final: PF = (EP + EF + PP) / 3


EP: Examen Parcial EF: Examen Final PP=( ∑ 3 mejores PC)/3

VII. BIBLIOGRAFÍA

1. Ward Cheney; Kincaid David. Métodos Numéricos y Computación. Cengage Learning, 2011.
2. Bloomfield Victor A. Using R for Numerical Analysis in Science and Engineering. CRC Press,
2014
3. Fieller Nick. Basics of Matrix Algebra for Statistics with R. CRC Press, 2016

F02-silabo-FIEECS 3