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.
Descripción línea de modelación estadística
Una descripción un poco más detallada de cada una de las asignaturas
ofrecidas por la línea de modelación estadística
del Departamento de Matemática (DMAT)
se presenta en la página de github: faosorios.github.io/EST-USM
Notas de Clase
A continuación se encuentra disponible los apuntes de clase (en desarrollo) de algunas asignaturas dictadas a partir de 2017.
Asignaturas:
- MAT-041: Introducción a la Estadística con Apoyo Computacional
PDF [518 Kb] (en colaboración con Ronny Vallejos).
- MAT-206: Elementos de Inferencia Estadística
PDF [591 Kb].
- MAT-266: Análisis de Regresión
PDF [599 Kb]
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
- Canavos, G. (1990). Probabilidad y Estadística, Aplicaciones y Métodos. McGraw-Hill Latinoamericana.
- Meyer, P.L. (1976). Probabilidad y Aplicaciones Estadísticas. Fondo Educativo Interamericano.
- 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.
MAT-041: Probabilidad y Estadística
Encuesta docente: Evaluación global: 3.8 |
Resultados: 2019
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.
MAT-206: Inferencia Estadística
Encuesta docente: Evaluación global: 3.9 |
Resultados: 2017
,
2018
,
2019
,
2020
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.
Clases online:
Clase 01 |
Clase 02
|
Clase 03
|
Clase 04
|
Clase 05
|
Clase 06
|
Clase 07
|
Clase 08
|
Clase 09
|
Clase 10
Clase 11 |
Clase 12
|
Clase 13
|
Clase 14
|
Clase 15
|
Clase 16
|
Clase 17
|
Clase 18
Slides
Slides 01 |
Slides 02
|
Slides 03
|
Slides 04
|
Slides 05
|
Slides 06
|
Slides 07
|
Slides 08
|
Slides 09
|
Slides 10
Slides 11 |
Slides 12
|
Slides 13
|
Slides 14
|
Slides 15
|
Slides 16
|
Slides 17
Certámenes
Certamen 1 |
Pauta de corrección
Certamen 2 |
Pauta de corrección
Certamen 3 |
Pauta de corrección
MAT-269: Análisis Estadístico Multivariado
Encuesta docente: Evaluación global: 3.4 |
Resultados: 2017
, 2020
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.
Clases online:
Clase 01 |
Clase 02
|
Clase 03
|
Clase 04
|
Clase 05
|
Clase 06
|
Clase 07
|
Clase 08
|
Clase 09
|
Clase 10
Clase 11 |
Clase 12
|
Clase 13
|
Clase 14
|
Clase 15
|
Clase 16
|
Clase 17
|
Clase 18
|
Clase 19
|
Clase 20
Clase 21 |
Clase 22
|
Clase 23
Slides
Slides 01 |
Slides 02
|
Slides 03
|
Slides 04
|
Slides 05
|
Slides 06
|
Slides 07
|
Slides 08
|
Slides 09
|
Slides 10
Slides 11 |
Slides 12
|
Slides 13
|
Slides 14
|
Slides 15
|
Slides 16
|
Slides 17
|
Slides 18
|
Slides 19
|
Slides 20
Slides 21 |
Slides 22
|
Slides 23
MAT-466: Modelos Lineales Generalizados
Encuesta docente: Evaluación global: 4.0 |
Resultados: 2018
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
Encuesta docente: Evaluación global: 4.0 |
Resultados: 2020
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.
Clases online:
Clase 01 |
Clase 02
|
Clase 03
|
Clase 04
|
Clase 05
|
Clase 06
|
Clase 07
|
Clase 08
|
Clase 09
|
Clase 10
Clase 11 |
Clase 12
|
Clase 13
|
Clase 14
Slides
Slides 01 |
Slides 02
|
Slides 03
|
Slides 04
|
Slides 05
|
Slides 06
|
Slides 07
|
Slides 08
|
Slides 09
|
Slides 10
Slides 11 |
Slides 12
|
Slides 13
|
Slides 14
|
Slides 15
Cursos Anteriores
Instituto de Estadística, Pontificia Universidad Católica de Valparaíso:
- EST-136: Computación Estadística, (2015).
- EST-224: Probabilidad e Inferencia Estadística, (2017).
- EST-310: Estadística 2, (2016).
- EST-448: Regresión, (2016).
- EST-712: Métodos Estadísticos I, (2016).
- EST-781: Análisis de Datos Correlacionados, (2015).
- EST-782: Estadística Computacional, (2015, 2017).
Departamento de Matemática, Universidad Técnica Federico Santa María:
- MAT-042: Probabilidad y Estadística Industrial, (2013).
- MAT-266: Análisis de Regresión, (2011, 2014).
- MAT-269: Análisis Estadístico Multivariado, (2011, 2017).
- MAT-305: Métodos Estadísticos en Ingeniería, (2011 a 2014).
- MAT-306: Proyectos Estadísticos, (2012, 2013).
- MAT-360: Inferencia Estadística, (2012).
- MAT-420: Procesos Estocásticos, (2012).
- MAT-422: Modelos Lineales, (2012).
- MAT-423: Estadística Espacial, (2014).
Departamento de Estadística, Universidad de Valparaíso:
- IES-312: Distribución de Formas Cuadráticas, (2008 a 2010).
- IES-321: Modelos lineales, (2007 a 2010).
- IES-324: Simulación, (2009).
- IES-423: Ecuaciones de Estimación Generalizadas, (2007).
- EST-610: Modelación Estadística, (2007, 2010).
- EST-623: Modelos para Datos con Medidas Repetidas, (2008).
- EST-624: Tópicos en Modelos con Efectos Mixtos, (2009, 2010).