Asignaturas

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-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

 

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

 

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

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

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

 

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

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:

Departamento de Matemática, Universidad Técnica Federico Santa María:

Departamento de Estadística, Universidad de Valparaíso: