Introducción a la Programación en Julia

Segundo Semestre de 2019

Descripción

Este curso enseña programación en Juliaa aquellos que tienen muy poca o ninguna experiencia previa en el tema. Julia es usado como programa base porque es fácil de aprender, es versátil, rápido y es muy útil para el análisis numérico. A lo largo del curso se presentarán diversas aplicaciones a problemas económicos. El curso requiere que el alumno acompañe las clases con su computador para replicar los ejercicios y aplicaciones provistas.

Contenidos

  1. Motivación
  2. Primeros Pasos en Julia
    1. Interactuando con Julia.
    2. Ayuda.
    3. Comentarios.
    4. Variables.
    5. Operaciones Matemáticas Básicas.
    6. Estructura de Datos.
    7. Imprimir Resultados en Pantalla.
    8. Elementos Básicos para Graficar.
  3. Matrices
    1. Secuencias.
    2. Matrices Especiales.
    3. Operaciones con Matrices.
    4. Referenciación y Submatrices.
    5. Concatenar Matrices.
    6. Arreglos de Mayor Dimensión.
  4. Funciones de Julia
    1. Funciones Escalares.
    2. Funciones Vectoriales.
    3. Funciones Matriciales.
  5. Importando y Exportando Datos (complementos)
  6. Aplicaciones I
    1. Modelo Insumo-Producto.
    2. Equilibrio de Mercado con Dos Bienes.
    3. Mínimos Cuadrados Ordinarios.
  7. Programar en Julia
    1. jl-files.
    2. Funciones.
    3. Loops.
    4. Condicionales y Operadores Lógicos.
  8. Aplicaciones II (complementos)
    1. Flujos vs. Stocks.
    2. Cíclos Económicos.
    3. La Curva de Laffer.
    4. El Modelo de la Telaraña.
  9. Diferenciación e Integración Numérica
    1. Diferenciación.
    2. Integración.
  10. Ecuaciones No Lineales
    1. Métodos Numéricos y Ecuaciones No Lineales: Ideas Básicas.
    2. Las Funciones fzero y nlsolve.
  11.  Optimización (complementos)
    1. Métodos Numéricos de Optimización: Ideas Básicas.
    2. El Toolbox de Optimización de Julia.
  12. Aplicaciones III  (complementos)
    1. Linealización de una Función.
    2. Esperanza Matemática.
    3. Duopolio de Cournot.
    4. Estimación por Máximo Verosimilitud.
    5. El Problema de Maximización del Consumidor.

Todos los notebooks pueden ser descargados de Github.

Referencias

  • Mario J. Miranda & Paul L. Fackler (2002): Applied Computational Economics and Finance. MIT Press. [Página Web] [CompEcon Toolbox]

  • Abi, Adams, Damian Clarke & Simon Quinn (2015): Microeconometrics and Matlab. Oxford University Press. [Página Web]

Otras referencias o páginas web útiles:

  • Anthony Smith, profesor de la Universidad de Yale, tiene unos consejos muy útiles para realizar un buen trabajo computacional. Ver el PDF aquí.
  • Thor Nielsen, estudiante de doctorado de la Universidad de Copenhagen, escribió un resumen bastante extenso de comandos de MATLAB. Ver el PDF aquí.