(2021-2) pilar.aguilera: A mí en lo personal me gustó el ramo, porque me permitió ahondar en conceptos y contenidos filosóficos que alguna vez escuché, pero que no conocía del todo. Se le puede sacar mucho provecho al ramo haciendo uso de las lecturas obligatorias y opcionales, aunque sí requiere de bastante trabajo individual, de comprensión y análisis de los textos, para luego sintetizar y apropiarse de los temas. No lo tomaría en un semestre pesado, pero creo que explora aspectos de la filosofía muy interesantes.

(2021-2) csagues: Lo tomé online con Beatriz Contreras. Personalmente me gustó mucho, porque es un área que me interesa, pero, para alguien que no está familiarizado puede ser tedioso o aburrido. La clave está en prestar atención e ir a clases, ya que algunas filosofías son complejas y abstractas. La profe era muy amable y simpática, siempre explicaba varias veces el contenido para que todos lo entiendan.

(2022-1) maraquel.lopez: Muy interesante y buen ramo. Lo escencial es ir a las clases, prestarle atención al profesor, leer los textos e ir formando una idea clara de los temas que se tocan.

(2022-2) danielurquiola1000: Tomé el curso con Andres Vergara, super buen profe, sus clases muy entretenidas, al igual que los videos explicativos de su canal de YouTube. El profesor hace un Kahoot! al inicio de las clases y con estos da decimas.

(2023-1) maite.purcell: Siento que es de esos ramos que dependen mucho de sus profesores para que la experiencia tomándolo sea buena. Tuve con Miguel González y lo recomiendo mucho. Las notas en general eran buenas y las evaluaciones no eran difíciles. Habían varias lecturas.

CURSO : METODOS ESTADISTICOS AVANZADOS I
TRADUCCION : Advanced Statistical Methods I
SIGLA : EPG3510
CREDITOS : 15 UC / 9 SCT
MODULOS : 2 Clases de Catedra y 1 Ayudantia
REQUISITOS : Admision
RESTRICCIONES : No aplica
CARACTER : Minimo
TIPO : Catedra
CALIFICACION : Estandar (calificacion de 1.0 a 7.0)
PROFESOR :


I. DESCRIPCION

Este es el primero de una serie de tres cursos en metodos estadisticos avanzados. Se concentra en metodos de regresion tradicionales, modelos lineales generalizados con efectos fijos y aleatorios y regresion cuantil.



II. OBJETIVOS

1. Presentar una amplia gama de metodos de regresion, desde un punto de vista teorico y practico.
2. Preparar al alumno para enfrentar problemas estadisticos que requieren metodos avanzados de regresion.



III. CONTENIDOS

1. Introduccion
1.1. Ideas generales y ejemplos de aplicaciones
2. Modelos de regresion
2.1. Modelo de regresion lineal simple y multiple
2.2. Modelos de regresion con variable respuesta binaria
2.3. Modelos mixtos
2.4. Regresion no parametrica
2.5. Modelos aditivos
3. El modelo de regresion lineal clasico
3.1. Definicion del modelo
3.2. Estimacion de parametros
3.3. Tests de hipotesis e intervalos de confianza
3.4. Seleccion de variables y de modelos
4. Extensiones al modelo de regresion lineal clasico
4.1. Minimos cuadrados ponderados y errores heterocedasticos y autocorrelacionados
4.2. Tecnicas de regularizacion
4.3. Modelos de regresion lineal Bayesianos
5. Modelos lineales generalizados
5.1. Modelos para datos binarios
5.2. Modelos para datos de conteo
5.3. Modelos para variables continuas no-negativas
5.4. Quasi-verosimilitud
6. Modelos de regresion para datos categoricos
6.1. Modelos para categorias ordenadas y no ordenadas
6.2. Estimacion e inferencia
7. Modelos mixtos
7.1. Modelos lineales mixtos con intercepto y coeficientes aleatorios
7.2. Formulacion condicional y marginal
7.3. Modelos lineales generalizados mixtos
8. Regresion cuantil
8.1. Regresion lineal cuantil clasica y Bayesiana
8.2. Regresion cuantil aditiva


IV. METODOLOGIA

- Clases expositivas.
- Lecturas recomendadas por el profesor.


V. EVALUACION

- La evaluacion del curso consistira en 3 interrogaciones (70%) y un examen final (30%).


VI. BIBLIOGRAFIA

Minima:
? Fahrmeir, L., Kneib, T., Lang, S., & Marx, B. (2013). Regression: models, methods and applications. Springer Science & Business Media.

Complementaria:
? Faraway, J. J. (2005). Extending the linear model with R: generalized linear, mixed effects and nonparametric regression models. CRC press.
? Koenker, R. (2005) Quantile Regression. Cambridge.