Inferencia estadística en problemas de programación lineal y programación dinámica

En esta memoria se estudian distintos problemas de optimización (programacion lineal continua y entera, parada optima) de los cuales se supone que algunos de los parámetros son desconocidos. El objetivo es tratar de estimar una solución optima de estos problemas de forma directa, es decir, sin estim...

ver descrição completa

Detalhes bibliográficos
Autor: Prieto Rumeau, Tomás
Formato: tesis doctoral
Fecha de publicación:2004
País:España
Recursos:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/55629
Acesso em linha:https://hdl.handle.net/20.500.14352/55629
Access Level:acceso abierto
Palavra-chave:Programación lineal Programación dinámica
Estadística matemática (Matemáticas)
1209 Estadística
id ES_e57a70aabd6660243e7fa9bb6d5f45e7
oai_identifier_str oai:docta.ucm.es:20.500.14352/55629
network_acronym_str ES
network_name_str España
repository_id_str
spelling Inferencia estadística en problemas de programación lineal y programación dinámicaPrieto Rumeau, TomásProgramación lineal Programación dinámicaEstadística matemática (Matemáticas)1209 EstadísticaEn esta memoria se estudian distintos problemas de optimización (programacion lineal continua y entera, parada optima) de los cuales se supone que algunos de los parámetros son desconocidos. El objetivo es tratar de estimar una solución optima de estos problemas de forma directa, es decir, sin estimar los parametros desconocidos. Se proponen distintos algoritmos estocásticos de busqueda del optimo. Se demuestra la convergencia casi segura a una solución óptima, se estudia la velocidad de convergencia y se prueban teoremas centrales del limite de normalidad asintótica. Los metodos de demostración se basan principalmente en resultados de cadenas de Markov y de martingalas, utilizandose tambien una tecnica de alteracion infinitesimal de los parametros del problema y de los algoritmos de estimacion, tecnicas denominadas de perturbacion y truncamiento.Universidad Complutense de Madrid, Servicio de PublicacionesMartín Díaz, MiguelUniversidad Complutense de Madrid20042004-01-0120042004-01-01doctoral thesishttp://purl.org/coar/resource_type/c_db06info:eu-repo/semantics/doctoralThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/55629reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/556292026-06-02T12:44:21Z
dc.title.none.fl_str_mv Inferencia estadística en problemas de programación lineal y programación dinámica
title Inferencia estadística en problemas de programación lineal y programación dinámica
spellingShingle Inferencia estadística en problemas de programación lineal y programación dinámica
Prieto Rumeau, Tomás
Programación lineal Programación dinámica
Estadística matemática (Matemáticas)
1209 Estadística
title_short Inferencia estadística en problemas de programación lineal y programación dinámica
title_full Inferencia estadística en problemas de programación lineal y programación dinámica
title_fullStr Inferencia estadística en problemas de programación lineal y programación dinámica
title_full_unstemmed Inferencia estadística en problemas de programación lineal y programación dinámica
title_sort Inferencia estadística en problemas de programación lineal y programación dinámica
dc.creator.none.fl_str_mv Prieto Rumeau, Tomás
author Prieto Rumeau, Tomás
author_facet Prieto Rumeau, Tomás
author_role author
dc.contributor.none.fl_str_mv Martín Díaz, Miguel
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv Programación lineal Programación dinámica
Estadística matemática (Matemáticas)
1209 Estadística
topic Programación lineal Programación dinámica
Estadística matemática (Matemáticas)
1209 Estadística
description En esta memoria se estudian distintos problemas de optimización (programacion lineal continua y entera, parada optima) de los cuales se supone que algunos de los parámetros son desconocidos. El objetivo es tratar de estimar una solución optima de estos problemas de forma directa, es decir, sin estimar los parametros desconocidos. Se proponen distintos algoritmos estocásticos de busqueda del optimo. Se demuestra la convergencia casi segura a una solución óptima, se estudia la velocidad de convergencia y se prueban teoremas centrales del limite de normalidad asintótica. Los metodos de demostración se basan principalmente en resultados de cadenas de Markov y de martingalas, utilizandose tambien una tecnica de alteracion infinitesimal de los parametros del problema y de los algoritmos de estimacion, tecnicas denominadas de perturbacion y truncamiento.
publishDate 2004
dc.date.none.fl_str_mv 2004
2004-01-01
2004
2004-01-01
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/55629
url https://hdl.handle.net/20.500.14352/55629
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Complutense de Madrid, Servicio de Publicaciones
publisher.none.fl_str_mv Universidad Complutense de Madrid, Servicio de Publicaciones
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869422682366279680
score 15.301603

Registos relacionados