Computo estadistico

Optimización y Solución de Ecuaciones no Lineales
Problemas de una variable: Método de Newton. Método de Score de Fisher. Método de la Secante. Iteración de punto fijo. Problemas de varias variables: Método de Newton y algoritmo score de Fisher. Mínimos cuadrados iterativos. Métodos de cuasi-Newton. Método de Gauss-Newton.

Integración Numérica
Cuadratura de Newton-Cotes. Regla del trapecio. Regla de Simpson.

Generación de Variables aleatorias
Técnicas para generar variables aleatorias:
Teorema de la Transformación Integral, método de transformación inversa. Método de aceptación-rechazo.
Método de convoluciones.
Generación de Variables Correlacionadas: Uso de distribuciones condicionales. Distribución normal multivariada.

Generación de Variables Aleatorias Continuas
Uniforme, exponencial, Gamma, Weibull, Erlang, Normal, lognormal, Beta, triangular.

Generación de Variables Aleatorias Discretas
Bernoulli, uniforme discreta, binomial, geométrica, binomial negativa, Poisson.

Aplicación de la lógica y del pensamiento estadístico.
Diseñar programas
Escribir programas en un lenguaje de alto nivel
Aplicar las pruebas de confiabilidad y validación en los programas.
Búsqueda de información en fuentes diversas.
Distinguir los diferentes métodos de optimización.
Distinguir el tipo de variables (continuas, discretas)
Pensamiento lógico
Reconocer limitaciones en los programas ejecutados
Revisión y selección de información.