No hay comentarios.

CURSO:INFERENCIA ESTADISTICA
TRADUCCION:STATISTICAL INFERENCE
SIGLA:EAA1520
CREDITOS:10
MODULOS:02 MÓDULOS DE CATEDRA + 01 MÓDULO DE AYUDANTIA = 03 MODULOS
CARACTER:MINIMO
TIPO:CATEDRA
CALIFICACION:ESTANDAR
DISCIPLINA:ESTADISTICA
PALABRAS CLAVE:PRINCIPIO DE VEROSIMILITUD, ESTIMACION, INTERVALOS DE CONFIANZA, TEST DE HIPOTESIS
NIVEL FORMATIVO:PREGRADO


I.DESCRIPCIÓN DEL CURSO

En este curso los estudiantes aprenderan herramientas y metodologias para la toma decisiones basadas en datos. A partir de una muestra se haran supuestos de que distribucion provienen los datos, y luego se estimaran sus parametros y se hara inferencia a partir de ellos. Se veran mecanismos de estimacion ya sea puntual o por intervalos y se resolveran dudas o inquietudes acerca de los parametros a traves de test de hipotesis.


II.OBJETIVOS DE APRENDIZAJE

1.Analizar datos reales, utilizando el software estadistico ``R?, obteniendo informacion relevante de cada una de las variables y sus posibles relaciones.

2.Interpretar los datos y los resultados del analisis estadistico.

3.Manejar los modelos de Regresion Simple y Multiple, Regresion binomial y Regresion Poisson.

4.Analizar datos usando metodologias y herramientas estadisticas.

5.Aplicar los modelos a situaciones reales de distintas areas (Economia, Finanzas y administracion entre otras)


III.CONTENIDOS

1.Modelo Normal: una muestra
1.1.Revision conceptos de variables aleatorias, muestra, poblacion e Inferencia Estadistica
1.2.Estimacion puntual, Estimador maximo verosimil y propiedades estimadores
1.3.Intervalos de confianza y seleccion tama?o de muestra
1.4.Test de hipotesis, tipos errores, funcion potencia, bondad de ajuste, transformacion Box- Cox.
1.5.Aplicaciones

2.Modelo Normal 2 y k muestras (Analisis de Varianza) ?
2.1.Muestras independientes y muestras pareadas
2.2.Test de diferencia medias y test de varianzas
2.3.Aplicaciones

3.Modelo de Regresion Normal Simple
3.1.Estimacion del modelo, Estimadores de Minimos cuadrados y estimador maximo verosimil
3.2.Inferencia en el modelo, intervalos de confianza y test de hipotesis
3.3.Prediccion, bondad de ajuste y coeficiente de determinacion
3.4.Aplicaciones?

4.Modelo de Regresion Normal Multiple ?
4.1.Estimacion del modelo, intervalos de confianza, test de hipotesis
4.2.Uso de variables dummies en el modelo
4.3.Prediccion y bondad de ajuste
4.4.Aplicaciones

5.Modelo Binomial para Proporciones
5.1.Una muestra y dos muestras
5.2.Estimacion, test de hipotesis, regresion binomial, prediccion y bondad de ajuste
5.3.Aplicaciones

6.Modelo Multinomial?
6.1.Tablas de frecuencia, test de independencia y medidas de asociacion
6.2.Aplicaciones

7.Modelo Poisson?
7.1.Estimacion, test de hipoesis, regresion de poisson, prediccion, bondad de ajuste
7.2.Aplicaciones


IV.METODOLOGIA PARA EL APRENDIZAJE

-Clases expositivas

-Laboratorios sobre software R

-Analisis de lecturas


V.EVALUACION DE APRENDIZAJES

-Pruebas: 40%

-Controles: 20%

-Laboratorios: 20%

-Examen: 20%


VI.BIBLIOGRAFIA

Minima

Richard J. Larsen, Marx Morris - An Introduction to mathematical Statistics and Its Applications, 5th Edition (2012)

David S Moore - The Practice of Statistics for Business and Economics , Third Edition -W. H. Freeman (2010)

David R. Anderson, Dennis J. Sweeney, Thomas A. Williams - Essentials of Statistics for Business and Economics, Fifth Edition (2006)

Brian S. Everitt, Torsten Hothorn - A Handbook of Statistical Analyses Using R-Chapman
& Hall (2006)


Complementaria

Dennis D. Wackerly, William Mendenhall III, Richard L. Scheaffer - MATHEMATICAL STATISTICS WITH APPLICATIONS (2008)

Nicholas J Horton Ken Kleinman - Using R for data management, statistical analysis, and graphics-CRC Press (2011)


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS / AGOSTO 2019