Inferencia estadística en problemas de programación lineal y programación dinámica
- Autores: Tomás Prieto Rumeau
- Directores de la Tesis: Miguel Martín Díaz (dir. tes.)
- Lectura: En la Universidad Complutense de Madrid ( España ) en 2001
- Idioma: español
- Tribunal Calificador de la Tesis: Pilar Ibarrola Muñoz (presid.) , Miguel Sánchez García (secret.) , Jaume Barceló Bugeda (voc.) , Laureano Fernando Escudero Bueno (voc.) , Rafael Infante Macías (voc.)
- MSC2000 :
- Enlaces
- Tesis en acceso abierto en: Docta Complutense
- Resumen
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.
