Información general de la asignatura

Este curso ofrece una introducción integral al uso de métodos y modelos matemáticos y estadísticos para la comprensión, representación y análisis de fenómenos complejos en diversas disciplinas. A través de una combinación de conceptos teóricos y ejercicios prácticos, los estudiantes desarrollarán habilidades para formular, estructurar y evaluar modelos que permitan interpretar datos, simular escenarios y apoyar la toma de decisiones.
El enfoque del curso es interdisciplinario y aplicado, con énfasis en el razonamiento lógico, el uso de herramientas computacionales (principalmente en Python) y la resolución de problemas reales. Se abordarán temas como la modelación determinista y estocástica, la calibración y validación de modelos, la representación gráfica de resultados, y la interpretación crítica de salidas de modelos.
Este espacio está diseñado para fomentar el pensamiento analítico, la creatividad y la rigurosidad científica en el usode modelos como herramientas clave para la investigación, la gestión y la innovación.

Formular modelos matemáticos y estadísticos que representen adecuadamente procesos o fenómenos
complejos en contextos interdisciplinarios, a partir de supuestos y estructuras conceptuales bien definidas.
• Evaluar el ajuste y la validez de los modelos mediante procesos de calibración, validación cruzada y análisis
de sensibilidad e incertidumbre.
• Interpretar críticamente los resultados obtenidos a partir de modelos, reconociendo sus alcances,
limitaciones y posibles implicaciones en la toma de decisiones o en la generación de conocimiento.
• Integrar métodos y modelos en proyectos de investigación aplicada, desarrollando propuestas que
respondan a problemáticas reales en el ámbito ambiental, social, económico o tecnológico.
• Desarrollar e implementar modelos computacionales utilizando herramientas de programación y análisis
numérico, con énfasis en la estructuración de datos, simulación de escenarios y visualización de resultados

Diseñar modelos matemáticos y estadísticos para representar procesos complejos, formulando supuestos
adecuados y estructuras coherentes con el fenómeno de estudio.
• Seleccionar y aplicar métodos computacionales apropiados para la resolución e implementación de
modelos, utilizando lenguajes de programación o software especializados según las necesidades del
problema.
• Evaluar la calidad y validez de un modelo mediante indicadores de ajuste, análisis de sensibilidad y validación
con datos observacionales o experimentales.
• Comunicar de manera clara y rigurosa los resultados obtenidos, utilizando representaciones gráficas,
visualizaciones interactivas y lenguaje técnico adecuado para audiencias académicas o técnicas.
• Integrar los métodos y modelos abordados en el curso en un proyecto de investigación o caso de estudio,
evidenciando pensamiento crítico, autonomía y capacidad de resolución de problemas reales

2025-02-02