CG1 - Comprender y utilizar las técnicas y modelos de la Estadística con el lenguaje matemático adecuado.

CG3 - Conocer los teoremas y modelos clásicos en distintas áreas de la Matemática y de la Estadística.

CG4 - Asimilar la definición de nuevos objetos matemático-estadísticos, en términos de otros ya conocidos, y ser capaz de utilizar dichos objetos en diferentes contextos.

CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.

CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.

CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

CT1 - Haber demostrado poseer y comprender conocimientos en el área de las Matemáticas y la Estadística, partiendo de la base de la educación secundaria general, y alcanzando un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de dicha área.

CT2 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y que posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro del área de la Estadística, con base en las Matemáticas.

CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

CE1 - Proponer, analizar, validar e interpretar modelos de situaciones en las que se presenten fenómenos estocásticos utilizando las herramientas estadístico-matemáticas más adecuadas.

CE2 - Resolver problemas de Estadística mediante herramientas matemáticas e informáticas.

Clases teóricas con exposición teórica por parte del profesor.

Clases prácticas de resolución de problemas individual o en grupo, tutorizada por el profesor.

Resolución individual o en grupo de problemas y entrega de algunos problemas escogidos por escrito (con posible defensa oral).

2,4

3,6

6

Profundización en las técnicas de resolución de problemas de programación lineal y no lineal característicos de la Investigación Operativa. Desarrollo de la perspectiva computacional y aplicación a problemas estadísticos.

Se recomienda haber cursado con aprovechamiento las asignaturas de "Cálculo Diferencial", "Cálculo Integral", "Elementos de Ecuaciones Diferenciales Ordinarias", "Métodos Numéricos" e "Investigación Operativa". Se asumen conocimientos básicos de Matlab.

- Conocer las características de diversos algoritmos para optimizar funciones no lineales sin restricciones.

- Resolver problemas no lineales (con restricciones) a partir de las condiciones de optimalidad o mediante métodos aproximados.

- Plantear problemas estadísticos como problemas de optimización y resolverlos.

- Saber resolver algunos problemas de optimización combinatoria presentes en aplicaciones estadísticas.

1. Optimización no lineal sin restricciones: algoritmos y aplicaciones estadísticas.

2. Optimización con restricciones: casos lineal, cuadrático y no lineal; algoritmos y aplicaciones estadísticas.

3. Optimización combinatoria: algoritmos y aplicaciones estadísticas.

4. Software.

En la convocatoria ordinaria, la calificación final será obtenida como media ponderada de las calificaciones del examen final y la evaluación continua, de acuerdo a: 70% examen final (sobre contenidos teóricos y/o prácticos) + 30% evaluación continua (incluyendo la entrega y defensa de prácticas y/o participación en clase).

La convocatoria extraordinaria se corresponderá con la máxima calificación entre: 90% examen final (sobre contenidos teóricos y/o prácticos) + 10% evaluación in situ mediante observación directa del trabajo y desempeño de los alumnos; y 70% examen final (sobre contenidos teóricos y/o prácticos) + 30% evaluación continua (incluyendo la entrega y defensa de prácticas y/o participación en clase). La evaluación continua sólo se podrá completar durante el curso debido a su razón de ser.

La calificación sigue las directrices del R.D. 1125/2003, artículo 5, apartado 4: "Los resultados obtenidos por el alumno en cada una de las materias del plan de estudios se calificarán en función de la siguiente escala numérica de 0 a 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: 0-4,9: Suspenso (SS). 5,0-6,9; Aprobado (AP). 7,0-8,9: Notable (NT). 9,0-10: Sobresaliente (SB)".

S.S. Rao (2019). Engineering Optimization: Theory and Practice. Wiley, Hoboken, NJ.

M.S. Bazaraa, H.D. Sherali & C.M. Shetty (1979). Nonlinear Programming: Theory and Algorithms. Wiley, Hoboken, NJ.

P. Venkataraman (2009). Applied Optimization with MATLAB Programming. Wiley, Hoboken, NJ.