Asignaturas
Información y material para las asignaturas dictadas a partir del año 2017. Por favor, ruego informar si Ud. nota que algún enlace o archivo no está disponible.
MAT-032: Probabilidad y Estadística Comercial
Encuesta docente: Evaluación global: 3.0 |
Resultados: 2019-1
Descripción
La asignatura presenta conceptos fundamentales de inferencia estadística
así como del cálculo de probabilidades. Se describe procedimientos
básicos para resumir la información, algunos modelos de probabilidades
de uso rutinario además de procedimientos para estimación y toma de
decisiones bajo incertidumbre.
Referencias
- Casella, G., Berger, R.L. (2002). Statistical Inference (2nd Ed.). Duxbury, Pacific Grove.
- Newbold, O., Carlson, W.L., Thorne, B. (2008). Estadística para Administración y Economía (6ta Ed.). Prentice Hall, Madrid.
- Wackerly, D., Mendenhall, W., Scheaffer, R. (2008). Estadística Matemática y Aplicaciones. Cengage Learning.
- Wasserman, L. (2003). All of Statistics: A concise course in statistical inference. Springer, New York.
MAT-041: Probabilidad y Estadística
Horario: LU 09:45-11:15 (Sala P-101), MI 09:45-11:15 (Sala P-202), VI 09:45-11:15 (Sala P-303).
Información: Cronograma de la asignatura |
Disponibilidad horaria .
Descripción
La asignatura presenta una introducción rigurosa a los conceptos fundamentales
sobre inferencia estadística así como del cálculo de probabilidades.
En el curso se describe procedimientos básicos para resumir información,
modelos probabilísticos de uso común y finalmente algunos procedimientos de
estimación y de test de hipótesis.
Referencias
- Casella, G., Berger, R.L. (2002). Statistical Inference (2nd Ed.). Duxbury, Pacific Grove.
- Panaretos, V.M. (2016).Statistics for Mathematicians: A Rigorous First Course. Birkhäuser, Laussane.
- Wasserman, L. (2003). All of Statistics: A concise course in statistical inference. Springer, New York.
Slides
Slides 1
Taller
Taller 1 ,
Corrección
Certámenes
Certamen 1 ,
Pauta de corrección |
Certamen 2 ,
Pauta de corrección
Control
Control 1 ,
Corrección |
Control 2 ,
Corrección
MAT-206: Inferencia Estadística
Encuesta docente: Evaluación global: 3.7 |
Resultados: 2017-2
,
2018-2
Descripción
El objetivo del curso es presentar los conceptos fundamentales de inferencia
estadística. El enfoque de la asignatura es presentar herramientas que
correspondan a un vehículo que permita llevar a cabo el análisis de
un conjunto de datos. El desarrollo de la asignatura está fuertemente basado
en realizar supuestos distribucionales clásicos y por tanto la exposición
estará relacionada de manera importante con la función de verosimilitud.
A medida que se progrese en los contenidos se revisará procedimientos de
estimación y prueba de hipótesis relajando una serie de supuestos para
el contexto más general de ecuaciones de estimación.
Referencias
- Casella, G., Berger, R.L. (2002). Statistical Inference (2nd Ed.). Duxbury, Pacific Grove.
- Jørgensen, B., Labouriau, R. (1994). Exponential Families and Theoretical Inference. Lecture Notes, Department of Statistics, University of British Columbia.
- Pawitan, Y. (2001). In All Likelihood: Statistical modelling and inference using likelihood. Oxford University Press, New York.
- Rohde, C.A. (2014). Introductory Statistical Inference with Likelihood Function. Springer, New York.
MAT-269: Análisis Estadístico Multivariado
Encuesta docente: Evaluación global: 3.8 |
Resultados: 2017-1
Descripción
El propósito de este curso es proveer de una introducción a la
inferencia estadística en un contexto donde se mide múltiples
variables de interés de naturaleza cuantitativa. A lo largo del curso
frecuentemente se asumirá que los datos provienen desde una distribución
normal multivariada. La asignatura es subdividida en dos principales partes.
Inferencia bajo el supuesto de normalidad y la descripción de diversas
técnicas multivariadas. Entre las que podemos destacar: Regresión
multivariada y GMANOVA, Análisis de componentes principales, Análisis
factorial y métodos de clasificación y agrupamiento.
Referencias
- Anderson, T.W. (2003). An Introduction to Multivariate Statistical Analysis (3rd Ed.). Wiley, New York.
- Hardle, W.K., Simar, L. (2012). Applied Multivariate Statistical Analysis (3rd Ed.). Springer, New York.
- Seber, G.A.F. (2004). Multivariate Observations. Wiley, New York.
MAT-466: Modelos Lineales Generalizados
Encuesta docente: Evaluación global: 4.0 |
Resultados: 2018-2
Descripción
El propósito de este curso es proveer de una introducción a los aspectos
básicos de estimación y pruebas de hipótesis en el contexto de modelos de regresión
para datos que siguen una distribución en la familia exponencial. El curso se plantea
como un marco unificador para la inferencia en modelos lineales para datos no gaussianos.
Algunos tópicos adicionales en los que se realiza un énfasis especial son extensiones
nolineales así como para datos con estructura longitudinal.
Referencias
- Dobson, A. (1990). An Introduction to Generalized Linear Models. Chapman and Hall, London.
- McCullagh, P., Nelder, J.A. (1983). Generalized Linear Models. Chapman and Hall, London.
- Paula, G.A. (2013). Modelos de Regressão: com apoio computacional. Instituto de Matemática e Estatística - USP, São Paulo, Brasil.
- Wei, B. (1998). Exponential Family Nonlinear Models. Springer, Singapore.
MAT-468: Simulación Estocástica
Horario: MI 11:30-13:00, Sala F-228.
Descripción
El propósito de este curso es proveer de una descripción detallada
de las principales herramientas necesarias para resolver problemas en el área
de estadística aplicada en ingeniería. El curso cubre un amplio
rango de aspectos computacionales en estadística, desde álgebra
lineal numérica, optimización y modelos de regresión no
lineal a generación de dígitos aleatorios. Se realiza bastante
énfasis en aquellas técnicas regularmente utilizadas en el campo
de estadística. Se discute algunos aspectos de la implementación
computacional y se ilustra los resultados a través de ejemplos. Los
procedimientos descritos se aplicarán para llevar a cabo la inferencia
estadística en modelos de mayor complejidad.
Referencias
- Gentle, J.E. (2007). Matrix Algebra: Theory, Computation and Applications in Statistics. Springer, New York.
- McLachlan, G.J., Krishnan, T. (2008). The EM Algorithm and Extensions. Wiley, New York.
- Monahan, J.F. (2011). Numerical Methods of Statistics. Cambridge University Press.
- Robert, C.P., Casella, G. (2004). Monte Carlo Statistical Methods. Springer, New York.