Introduction to Stochastic Modelling

Escuela Colombiana de Ingeniería Julio Garavito
En Bogotá

$ 1.400.000
IVA inc.
¿O prefieres llamar directamente al centro?
16683... Ver más

Información importante

  • Curso
  • Bogotá
  • 18 horas lectivas
  • Cuándo:
    A definir
Descripción

Emagister.com suma a su variado catálogo formativo el curso Introduction to Stochastic Modelling, dado por la universidad Julio Garavito. En la actualidad, en el campo de la investigación de operaciones ha habido avances significativos utilizando modelamiento matemático determinista. Sin embargo, en cuanto a la representación de situaciones de la vida real con estocasticidad en sus componentes, existen amplias oportunidades de estudio.Incluir la estocasticidad en un modelo matemático implica trabajar con variables aleatorias, lo cual es un desafío en términos de planteamiento del problema y metodologías de solución. Además, las variables de respuesta se deben utilizar en términos de valores esperados y medidas de riesgo.

Información importante
Sedes

Dónde se imparte y en qué fechas

Inicio Ubicación
A definir
Bogotá
AK.45 No.205-59 (Autopista Norte), Bogotá, Colombia
Ver mapa

Preguntas Frecuentes

· ¿Cuáles son los objetivos de este curso?

Proporcionarles a los estudiantes una herramienta que permite analizar problemas de la vida real por medio de modelos matemáticos que consideran situaciones de aleatoriedad en uno o más de sus componentes. Principalmente, centrarse en problemas de asignación de energía. Sin embargo, se extrapolará el estudio de este tipo de modelo a cualquier situación que se pueda expresar en términos de variables de control y variables de estado.

Opiniones

Todavía no hay opiniones de este curso

¿Qué aprendes en este curso?

Capacitación
del
Herramientas
MODELOS
Matematicas
Metodología
Introduction to Stochastic Modelling
Optimización continua
Probabilidad
Optimización estocástica
Modelamiento matemático
Variables aleatorias

Programa académico

Módulo I. Repaso en optimización continua y probabilidad (4 horas)

Convexidad

Formulación abstracta en optimización.

Definición de mínimos locales y condiciones de optimalidad de primer orden.

Existencia de puntos de silla, convexidad, concavidad, coercitividad.

Espacios de probabilidad, probabilidad, variables aleatorias, esperanza matemática e independencia de variables aleatorias.

Ley de los grandes números.

Módulo II - Charlas introductorias en optimización estocástica (3 horas)

Optimización de energía y control de clima en una microrred de estación de metro.

Dimensionamiento óptimo e integración de cogeneración de electricidad y calor con almacenaje termal y eléctrico en un alojamiento individual residencial.

SunHydro: optimización estocástica, núcleo de un proyecto colaborativo.

Módulo III - Introducción al software científico Scicoslab (3 horas)

Sesión en computador

Módulo IV - Programación estocástica en 2 etapas (6 horas)

Caso lineal.

Cuadrático sobre un árbol.

Dimensionamiento de reservas para el equilibrio en un mercado eléctrico.

Caso cuadrático y lineal sobre un peine.

Descomposición por escenarios.

Dimensionamiento para el equilibrio de un mercado eléctrico.

Módulo V - Modelos dinámicos (6 horas)

Modelos dinámicos de almacenaje.

Control óptimo de sistemas estocásticos dinámicos secuenciales.

Programación estocástica dinámica.

Maldición de la dimensionalidad.

La ecuación de Bellman como un modo de calcular controles en línea.

Interacción entre optimización y modelos de evaluación.

Ejercicio sobre modelamiento de una presa. Problemas de inventario.

Control estocástico óptimo con gastos convexos y dinámica lineal.

Presentación del Stochastic Dual Dynamic Programming (SDDP) algoritmo.