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.

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.

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.

Exposición teórica por parte del profesor.

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).

30h (clases teóricas) + 30h (clases prácticas) + 6h (tutorías) + 81h (estudio autónomo de los contenidos) + 3h (actividades de evaluación) = 150h

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.

(70%) Examen final
(20%) Entrega de prácticas (en clase)
(10%) Evaluación in situ mediante observación directa del trabajo y desempeño de los estudiantes en clase

En la convocatoria ordinaria la calificación final será obtenida de acuerdo a la ponderación anterior. Se recuerda que la titulación es presencial y la asistencia es obligatoria, salvo motivos de causa mayor que deberían ponerse en conocimiento del profesor para ser gestionados de la mejor manera posible.

La convocatoria extraordinaria será evaluada de manera análoga a la convocatoria ordinaria (misma ponderación). La evaluación continua (30% no correspondiente al examen final) 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)".

M.S. BAZARAA, H.D. SHERALI & C.M. SHETTY (1979). Nonlinear Programming: Theory and Algorithms. Hoboken, NJ: Wiley.

L. GRIPPO & M. SCIANDRONE (2023). Introduction to Methods for Nonlinear Optimization. Cham: Springer.

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

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

Profesor:

Nombre: Jorge González Ortega
Despacho: 408, Facultad de CC Matemáticas, UCM
E-mail: jgortega@ucm.es