1. jueves, 04 nov 2021
2. martes, 09 nov 2021
3. jueves, 11 nov 2021
4. martes, 16 nov 2021
5. jueves, 18 nov 2021
6. martes, 23 nov 2021
7. jueves, 25 nov 2021
8. martes, 30 nov 2021
9. jueves, 02 dic 2021
10. martes, 07 dic 2021
11. jueves, 09 dic 2021
12. martes, 14 dic 2021

Introducción

Este curso es una introducción a la inferencia estadística desde una perspectiva moderna basada en remuestreo y simulación. Buscamos de esta manera entender con profundidad los conceptos básicos de la inferencia, así como aprender técnicas prácticas y adaptables sin perder rigor estadístico.

Objetivo(s) de aprendizaje

Entender los fundamentos de la inferencia estadística. Aprender técnicas de remuestreo y simulación para llevar a cabo pruebas de hipótesis usuales y estimaciones por intervalo, y cómo se conectan estos conceptos con los métodos asintóticos más tradicionales. Revisaremos varios ejemplos prácticos que ilustran conceptos y técnicas.

Dirigido a

Estudiantes que tengan experiencia básica en análisis de datos (manipulación de datos, graficación, anáĺisis exploratorio) así como entendimiento básico de teoría de probabilidad (distribuciones básicas de probabilidad continuas y discretas, probabilidad condicional e independencia).

Temario

El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión:

Sesión 1

• Tipos de estudios y datos
• Proceso generador de datos e inferencia

Sesión 2

• Pruebas de hipótesis
• Pruebas visuales y pruebas de permutaciones

Sesión 3

• Más ejemplos de pruebas de hipótesis
• El uso de pruebas de hipótesis y replicabilidad

Sesión 4

• Distribución de muestreo de estimadores. Error estándar y percentiles
• El teorema central del límite. Opcional: pruebas de normalidad

Sesión 5

• Remuestreo: el bootstrap no paramétrico
• Estimación por Intervalos normales basados en bootstrap

Sesión 6

• Propiedades básicas de la distribución bootstrap
• Interpretación. Opcional: calibración de intervalos de confianza

Sesión 7

• Estimación por intervalos de percentiles basados en bootstrap
• Boostrap para estimadores complejos (incluyendo diseños muestrales polietápicos)

Sesión 8

• Conceptos de estimación por máxima verosimilitud

Sesión 9

• Estimación por intervalos usando máxima verosimilitud

Sesión 10

• Estimación mediante el bootstrap paramétrico

Sesión 11

• Pruebas de wald y pruebas t
• Pruebas de cocientes de verosimilitud

Sesión 12

• Inferencia universal: métodos de división de muestra

Profesor(a)

María Teresa Ortiz Mancera

Formato: Curso modo virtual