Inferencia Estadística
El objetivo de la asignatura es proporcionar
conceptos fundamentales tanto
teóricos como prácticos de inferencia
estadística, que sirvan de fundamento
para avanzar en el estudio de otras asignaturas
propias del área de
Estadística.
CONTENIDO
- 1. Análisis exploratorio de datos.
- 1.1. Matrices de covarianza y correlación.
- 1.2. Gráficos univariados y multivariados.
- 1.3. Aplicaciones en R (o Python).
- 1.4. Clases de variables y escalas de medición.
- 1.5. Distribuciones de frecuencias.
- 1.6. Medidas resumen: tendencia central, dispersión, forma,
localización.
- 1.7. Análisis conjunto de variables.
- 2. Distribuciones muestrales y el teorema central del
límite.
- 2.1. Conceptos básicos sobre Inferencia Estadística.
- 2.2. Población, muestra, parámetro, estadístico.
- 2.3. Muestreo aleatorio simple y estratificado.
- 2.4. Distribuciones de muestreo en estadística.
- 2.5. La distribución de muestreo de la media y la varianza
muestral.
- 2.6. La distribución Normal, t de Student y Chi-Cuadrado. Concepto
de Grados de Libertad.
- 2.7. Conceptualización teórica.
- 2.8. La distribución de la diferencia entre dos medias muestrales.
Distribución F.
- 2.9. La distribución Normal Bivariada.
- 2.10. Teorema Central del Límite. Caso Univariado y Multivariado.
- 2.11. Aproximación de algunas distribuciones a la Normal.
- 3. Estimación puntual de parámetros.
- 3.1. Métodos clásicos para construir estimadores:Método de Máxima
verosimilitud, Método de los momentos, Método de Mínimos
Cuadrados.
- 3.2. Criterios para examinar estimadores. Teoremas asociados
(Teorema de Rao–Blackwell, Teorema de Neyman Pearson)
- 3.3. Insesgamiento, eficiencia, Suficiencia- Función Score,
Información de Fisher - suficiencia, robustez.
- 3.4. Familias Exponenciales.
- 4. Estimación por intervalo.
- 4.1. Conceptos preliminares.
- 4.2. Método de la Cantidad Pivotal. Conceptualización teórica.
- 4.3. Una población: Construcción de Intervalos de Confianza para la
media, la varianza y la proporción.
- 4.4. Construcción de IC para parámetros de la Gamma, Exponencial y
Poisson.
- 4.5. Aplicaciones prácticas en R.
- 4.6. Dos poblaciones: Construcción de IC para la diferencia de
medias, diferencia de proporciones, cociente de varianzas y muestras
pareadas.
- 4.7. Intervalos de Confianza Aproximados.
- 5. Pruebas de hipótesis.
- 5.1. Hipótesis nula e hipótesis alternativa. Nivel de Significancia.
Estadístico de Prueba y su valor crítico. Regla de decisión, regiones
de rechazo y no rechazo.
- 5.2. Riesgos en la toma de decisiones al usar la metodología de
pruebas de hipótesis. Errores tipo I y II. Cálculos respectivos.
Fundamentación teórica.
- 5.3. Pruebas de hipótesis sobre la media, la varianza y la
proporción.
- 5.4. Pruebas de hipótesis sobre la diferencia de medias, igualdad de
dos varianzas y diferencia de dos proporciones.
- 5.5. Potencia de una Prueba de Hipótesis.
- 5.6. Lema de Neyman Pearson - Prueba de la Razón de Verosimilitud
Generalizada.
- 5.7. Aplicaciones generales de Pruebas de Hipótesis en R.
- 5.8. Introducción. Conceptualización teórica.
- 5.9. Procedimiento para una prueba de Hipótesis. Ejemplos
prácticos.
- 6. Análisis de varianza - una vía (opcional).
- 6.1. Conceptos preliminares.
- 6.2 Formulación del modelo estadístico (parte predecible y
aleatoria).
- 6.3 Descomposición de la variabilidad. Tabla ANOVA. Parte
teórica.
- 6.4 Aplicaciones prácticas en R.