Processos estocásticos e aplicações
Áreas Científicas |
Classificação |
Área Científica |
CNAEF |
Matemática |
Ocorrência: 2020/2021 - 1S
Ciclos de Estudo/Cursos
Língua de trabalho
Português - Suitable for English-speaking students
Objetivos
Pretende-se que os estudantes reconheçam e distingam as propriedades dos diferentes processos estudados, em particular, processos de Poisson, processos de renovamento, cadeias de Markov e movimento Browniano.
Pretende-se que os estudantes desenvolvam capacidades de modelação através da utilização de processos estocásticos mais comuns. Pretende-se ainda que os estudantes consigam simular os vários processos estocásticos estudados assim como utilizar as suas propriedades para responder a determinados problemas concretos.
Resultados de aprendizagem e competências
Do programa constam várias ferramentas para a descrição e análise de processos estocásticos em áreas diversificadas. A orientação da UC privilegia a compreensão dos métodos e a sua aplicação a áreas interdisciplinares. Cada método é apresentado com exemplos que são resolvidos na aula para que o estudante possa compreender bem os exemplos e a sua resolução. É também proposta uma lista de exercícios suplementares. Para além disso o estudante deve desenvolver, quer na aula quer fora da aula, projetos computacionais de aplicação das metodologias estudadas ao mundo real.
Modo de trabalho
Presencial
Programa
Definição de processos estocásticos. Estacionaridade. Estruturas de dependência. Exemplos de processos estocásticos usados como modelos comuns. Processos de Poisson: homogéneo e não homogéneo, transformações do processo de Poisson, distribuição dos tempos inter-chegada, o paradoxo da inspecção, a propriedade das estatísticas de ordem, processos de Poisson multidimensionais e simulação. Processos de renovamento e equações de renovamento. Aplicações a seguros. Cadeias de Markov em tempo discreto e em tempo contínuo. Recorrência, comportamento transiente. Teorema limite para cadeias de Markov e o Teorema de Perron-Frobenius. Processos de natalidade e morte. Filas de espera. Movimento Browniano, propriedades e simulação do mesmo. Movimento Browniano fraccionário e aplicações à construção de paisagens fractais.
Bibliografia Obrigatória
Samuel Karlin;
A first course in stochastic processes. ISBN: 0-12-398552-8
Howard M. Taylor;
An introduction to stochastic modeling. ISBN: 0-12-684885-8
Thomas Mikosch;
Elementary stochastic calculus. ISBN: 9810235437
Bibliografia Complementar
Thomas Mikosch;
Non-life insurance mathematics. ISBN: 9783540882329
J. L. Doob;
Stochastic processes. ISBN: 0-471-21813-8
Patrick Billingsley;
Probability and measure. ISBN: 0-471-00710-2
Métodos de ensino e atividades de aprendizagem
As aulas teóricas serão maioritariamente expositórias com o objectivo principal de dar a conhecer os fundamentos teóricos que suportam as propriedades e resultados principais. As aulas TP serão orientadas para a apresentação de exemplos e para a resolução de problemas /projeto
Software
(R)
Matlab
Palavras Chave
Ciências Físicas > Matemática > Matemática aplicada
Ciências Físicas > Matemática > Teoria das probabilidades
Ciências Físicas > Matemática > Estatística
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Trabalho escrito |
20,00 |
Exame |
65,00 |
Trabalho prático ou de projeto |
15,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Estudo autónomo |
100,00 |
Frequência das aulas |
56,00 |
Trabalho escrito |
3,00 |
Trabalho laboratorial |
3,00 |
Total: |
162,00 |
Obtenção de frequência
Trabalhos / Projeto submetidos nos prazos fixados.
Fórmula de cálculo da classificação final
A avaliação será distribuída com exame final. A avaliação é feita com base nas classificações do exame final escrito (E), dos Trabalhos práticos/ Projeto (P), realizados até às datas limite fixadas. Classificação final: (E*13+P*7)/20. A classificação das componentes E e P não deverão ser inferiores a 40%.