Profesor | Rosa Daniela Chávez Aguilar | lu mi vi | 20 a 21 | Taller de Estadística |
Ayudante | Jonathan Alejandro Pinelo Zermeño | ma ju | 20 a 21 | Taller de Estadística |
El objetivo del curso de Estadistica II es el análisis de de datos a traves de pruebas estadísticas no paramétricas así como el análisis de regresión simple y multivariado.
Durante el curso la profesora titular realizará ponencias de acuerdo al temario con ejemplos en el software estadistico R mientras que el ayudante impartirá temas adicionales que complementaran el curso con software de R y SAS.
En el curso utilizaremos la nube Dropbox como plataforma para compartir documentos e información del curso. https://www.dropbox.com/home
Además del uso academico de R, la plataforma de SAS on Demand for Academics funcionara como apoyo de software estadístico para realizar funciones de manejo de datos y analisis con un enfoque de desarrollo profesional.
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, SAS SPSS.