Simulación con modelos aleatorios: Conocimiento estadístico-probabilístico y simulación
Sinopsis
Los procesos de simulación se utilizan hoy, en distintos contextos y con variado nivel de complejidad, para explorar, experimentar y desarrollar proyectos de investigación en diversos campos del conocimiento humano. A pesar de que la palabra simulación generalmente se ha asociado con la aparición del computador, se intuye que el concepto de simulación emergió cuando la humanidad empezó a emular algunos fenómenos naturales que se suscitaban de manera aleatoria, o en el instante en el que pensó imitar el comportamiento de algunos animales para construir artefactos y máquinas que le permitieran vivir mejor.
Desde hace mucho tiempo, el ser humano ha inventado aparatos y desarrollado procedimientos que han simulado el desplazamiento y otros comportamientos de ciertas especies animales, para generar nuevas formas de transporte, para tratar de predecir la ocurrencia de fenómenos naturales, como la lluvia, la velocidad del viento o el movimiento de los cuerpos celestes, o para experimentar con procesos alternativos en la búsqueda de soluciones a los problemas que se generan en la sociedad.
Capítulos
-
Capitulo 1: Elementos conceptuales sobre simulación
-
Capitulo 2: Conocimiento probabilístico usual en simulación
-
Capitulo 3: Simulación con variables aleatorias discretas y continuas
-
Capitulo 4: Simulación de variables con distribución normal
-
Capitulo 5: Simulación con la Distribución Lambda Generalizada (DLG)
Descargas
Citas
Albert, J. (2009). Bayesian computation with R. New York: Springer.
Aliaga, M. y Gunderson, B. (2005). Interactive Statistics. México: Prentice Hall.
Azarang, M. (1996). Simulación y análisis de modelos estocásticos. México: McGraw Hill.
Barceló, J. (1996). Simulación de sistemas discretos. Madrid: Isdefe.
Barros, M., Paula, G. A., & Leiva, V. (2009). An R implementation for generalize Birnbaum–Saunders distributions. Computational Statistics & Data Analysis, 53(4), 1511-1528.
Batanero, C. (2001). Didáctica de la Estadística. Granada: Universidad de Granada.
Bickel, P., & Doksum, K. (1977). Mathematical Statistics: Basic ideas and select topics. San Francisco: Holden-Day, Inc.
Birnbaum, Z. W. and Saunders, S. C. (1969a). A new family of life distributions. Journal of Applied Probability 6: 319-327.
Birnbaum, Z. W. and Saunders, S. C. (1969b). Estimation for a family of life Distributions With Applications to Fatigue. Journal Applied Probability 6: 328-347.
Blanco, L. (2004). Probabilidad. Bogotá: Univ. Nacional de Colombia.
Burbano, V. M. (2010). Una manera alternativa de simular variables aleatorias con distribución normal, uniforme y logística. Revista Ciencia en Desarrollo, 3(1), 63-72.
Chang, D. S. & Tang, L.C. (1994). Randon number generator for the Birnbaum-Saunders distribution. Comput Indian Eng, 27:345-348
Chang, D. S., & Tang, L.C. (1994). Percentile bounds and tolerance limits for the Birnbaum-Saunders distribution. Communications in Statistics: Theory and Methods 23: 2853-2863.
Churchman, C. W. (1973). El enfoque de sistemas. México: Diana.
Desmond, A. F. (1985). Stochastic models of failure in random environments. Canadian Journal of Statistics 13: 171-183.
Díaz, J. A. & Leiva, V. (2005). A new family of life distributions based on the elliptically contoured distributions. Journal of Statistical Planning and Inference, 128(2), 445-457.
Freudenthal, A. M. and Shinozuka, M. (1961). Structural Safety under Conditions of Ultimate Load Failure y Fatigue. Technical Report. Wright Air Development Division, Wright Air Force Base: 61-77. Dayton, OH.
Glasserman, P. (2004). Monte- Carlo Methods in Financial Engineering. Computational Finance. New York: Springer Verlag.
Gentle, J. E. (1998). Random number generation and Monte Carlo methods. New York: Springer.
Godino, J. D., Batanero, C. & Cañizares, M. J. (1987). Azar y probabilidad. Fundamentos didácticos y propuestas curriculares. Madrid: Síntesis.
Heitele, D. (1975). An epistemological view and fundamental stochastic ideas. Educational studies in Mathematics, 6(2), 187-205.
Hill, H. C., Ball, D. L. y Schilling, S. G. (2008.) Unpacking pedagogical content knowledge: Conceptualizing and measuring teachers’ topic-specific knowledge of students. Journal for Research in Mathematics Education, 39, 372-400.
Jones, G., Langrall, C y Mooney, E. (2007). Research in probability. Responding to classroom realities, en F. K. Lester (ed.), Second Handbook of Research on Mathematics Teaching and Learning, Charlotte, Information Age Publishing, pp. 909-955.
Kandu, D., Kannan, N., & Balakrishnan, N. (2008). On the hazard function of the Birnbaum-Saunders distribution and associated inference. Computational Statistics & Data Analysis 52: 2692-2702.
Karian, Z. A., Dudewics, E. J. (2000). Fitting Statistical Distributions: The Generalized Lambda Distribution and Generalized Bootstrap Methods. Boca Ratón, FL: CRC Press.
Law M. A. M. y Kelton W. D. (1991). Simulation Modeling and Analysis. Mèxico: McGraw Hill.
Lehmer, D. H. (1951). Mathematical methods in large-scale computing units. Ann. Comput. Lab. Harvard Univ, 26, 141-146.
Lindgren, B. (1993). Statistical Theory. New York: Chapman & Hall.
Leiva, V., Sanhueza, A., & Angulo, J. M. (2009). A length-biased version of the Birnbaum-aunders distribution with application in water quality. Stochastic Environmental Research and Risk Assessment, 23(3), 299-307.
Marshall, A. W., Olkim, I. (2007). Life distributions. New York: Springer.
Marsaglia, G. (1963). Generating Discrete Random Variables in a Computer, en Commun Assoc. Comput. Mach., 6, pp. 37-38.
Michael, J. R., Schucany, W. R. and Haas, R. W. (1976). Generating random variates using transformations with multiple roots. The American Statistician, 30, 88-90.
Mayorga, J. H. (2003). Inferencia estadística. Bogotá: Univ. Nacional de Colombia.
Naylor, T. (1993). Técnicas de simulación en computadoras. México: Limusa.
Papoulis, A. (1991). Probability, Random variables and Stochastic Process. New York: McGraw-Hill Inc.
Poincaré, H. (1936). El azar. Artículo publicado originalmente en lengua inglesa en Journal of the American Statistical Association, 31, 10-30.
Polya, G. (1982). Cómo plantear y resolver problemas. México: Trillas.
Ríos, I. D. (2000). Simulación, Métodos y Aplicaciones. Bogotá: Alfa Omega.
Ross, S. M. (1998). A First Course in Probability. México: Prentice Hall.
Ross, S. M. (1999). Simulación. México: Prentice Hall.
Saavedra, P. e Ibarra, V. (2008). Simulación numérica de variables aleatorias. Univ. Autónoma Metropolitana-Iztapalapa.
Saunders, S. C. (2007). Reliability, Life Testing and Prediction of Services lives. New York: Springer.
Shao, J. (1999): Mathematical Statistics. New York: Springer.
Turing, A. (1950). Máquinas de calcular e inteligencia [Calculate machines and intelligence]. En A. Amderson (Ed.), Controversia sobre mentes y máquinas (p. 56). Barcelona: Tusquets.
Valdivieso, M. A. (2010). Probabilidad Básica y distribuciones. Apoyo al estudio independiente. Tunja: Impresiones Jotamar.