Profesor | Rosa Daniela Chávez Aguilar | lu mi vi | 20 a 21 | Laboratorio de Enseñanza de Cómputo de Actuaría |
Ayudante | Jonathan Alejandro Pinelo Zermeño | ma ju | 20 a 21 | Laboratorio de Enseñanza de Cómputo de Actuaría |
El objetivo del curso de Estadistica II es dar a conocer y aplicar las principales técnicas (pruebas) de la estadística no paramétrica y su justificación así como el análisis de regresión simple y multivariado. .
Duarante el curso la profesora titular realizará una ponencia por clase siguiento el temario con ejemplos en R mientras que el ayudante impartirá temas adicionales que complementen el curso tanto en R y SAS.
En el curso utilizaremos la nube Dropbox como plataforma para compartir documentos e información adicional. https://www.dropbox.com/home
Además de los temas vistos en R, utilizaremos SAS on Demand for Academics como apoyo de software estadístico para realizar modelos sencillos con aplicaciones en administración de riesgos así como ejemplos de integración y calidad de información.
http://www.sas.com/en_us/industry/higher-education/on-demand-for-academics.html
Temario:
1.Panorama de la Estadística no Paramétrica
1.1 Pruebas binomiales: proporciones, cuantiles, signos, Cox-Stuart (para tendencia y correlación).
1.2 Pruebas de aleatoriedad: número total de corridas y corridas hacia arriba y hacia abajo (run’s test).
1.3 Pruebas de rango: Wald Wolfowitz para igualdad de distribuciones, Wilcoxon de la suma de rangos, Kruskall- Wallis y Friedman.
1.4 Pruebas de bondad de ajuste: Ji-cuadrada, Kolmogorov, Lilliefors (normal y exponencial), Shapiro Wilks.
1.5 Tablas de contingencia: prueba de independencia, de proporciones y de la mediana.
2.Análisis de regresión
2.1 Panorama de los modelos de regresión y su utilización.
2.2 Modelo de regresión lineal simple.
a) Estimación de parámetros por método de mínimos cuadrados y máxima verosimilitud.
b) Propiedades de los estimadores.
c) Tabla ANOVA.
d) Coeficiente de correlación y coeficiente de determinación ().
e) Intervalos de confianza para los parámetros, respuesta media y predicción futura.
f) Análisis de residuos y transformaciones.
2.3 Modelo de regresión lineal múltiple.
a) Modelo en términos matriciales.
b) Estimación de parámetros.
c) Tabla ANOVA.
d) Intervalos de confianza para los parámetros, respuesta media y predicción futura.
e) Coeficientes de determinación parcial. F’s parciales.
f) Selección de modelos.
Bibliografía:
Conover, W. J., Practical Nonparametric Statistics. Second Edition, New York: J. Wiley & Sons, 1980.
Gibbons, J.D., Chakraborti, S., Nonparametric Statistical Inference. Fourth Edition, New York: Marcel Dekker, 2003
Montgomery, D.C., Peck, E.A., Vining G.G., Introduction to Linear Regression Analysis. Third Edition, New York: John Wiley and Sons, 2001.
Evaluación: 70% exámenes, 30% tareas.
Software a utilizar: R, SPSS, Excel, SAS.