Actuaría (plan 2015) 2022-2
Optativas, Seminario de Estadística I
Grupo 9265, 60 lugares. 3 alumnos.
Análisis de Datos Categóricos
Análisis de Datos Categóricos 2022-2
Hola, les damos la bienvenida al Seminario de Estadística I en Análisis de Datos Categóricos. Durante el curso se cubrirá el siguiente contenido:
Temario
-
Introducción
-
Repaso de distribuciones de probabilidad de uso común en datos categóricos.
-
Tablas de contingencia
-
Distribuciones de probabilidad asociadas a una tabla de contingencia.
-
Pruebas de independencia en tablas de contingencia:
-
Prueba Ji-cuadrada de independencia
-
Prueba exacta de Fisher
-
Medidas de asociación
-
Diferencia de proporciones
-
Riesgo relativo, momios y cociente de momios
-
Fuerza de asociación:
-
Coeficiente de contingencia
-
Coeficiente φ
-
La V de Cramér
-
Medidas de asociación para variables ordinales
-
Prueba gamma
-
Tabla de tres vías o tres dimensiones:
-
Modelo de independencia completa
-
Modelo de independencia conjunta
-
Modelo de independencia condicional
-
Modelos Loglineales (para 2 o más dimensiones):
-
Modelo de independencia
-
Modelo saturado
-
Estimación e interpretación de parámetros
-
Modelos jerárquicos
-
Estrategias de ajuste (modelos saturado, asociación homogénea, independencia condicional, independencia conjunta e independencia completa)
-
Regresión Logística:
-
Función logística
-
Interpretación de parámetros
-
Interpretación de modelo a través de cocientes de momios
-
Estimación de los parámetros
-
Modelo logístico con datos agrupados
-
Inferencia estadística (pruebas de hipótesis e intervalos de confianza)
-
Bondad de ajuste (devianza y comparación de modelos a través de la devianza)
-
Diagnóstico del modelo logístico (residuos, estadística de Hosmer-Lemeshow, diagnóstico de las observaciones, distancia de Cook, gráficas para realizar los diagnósticos, curva de ROC, sensibilidad y especificidad).
-
Otras ligas para respuesta dicotómica (liga clogclog y liga loglog)
-
Soberdispersión
-
Regresión Multinomial:
-
Modelo logit multinomial
-
Estimación y pruebas de hipótesis
-
Inferencias para el modelo de regresión multinomial
-
Pruebas de hipótesis
-
Interpretación de parámetros
-
Comparación de modelos
-
Regresión Ordinal:
-
Modelo de momios proporcionales
-
Inferencia sobre modelo logístico ordinal (estimación e interpretación de parámetros)
-
Modelo Probit ordinal
-
Bondad de ajuste
-
Modelo de momios proporcionales parciales
-
Regresión Poisson:
-
Estimación
-
Interpretación de parámetros
-
Bondad de ajuste
-
Comparación de modelos
-
Prueba de hipótesis general
-
Sobredispersión
-
Modelo Binomial Negativo
Evaluación
Criterio |
Valor |
Exámenes (4)
Tareas
Proyecto Final
Tareitas (Extra)
|
40%
30%
30%
+0.1 c/u
|
Dinámica del curso
-
Las clases serán por Meet de Google. Las tareas, exámenes y proyecto se entregarán en Google Classroom.
-
Se utilizarán los softwares R y Python como herramienta para la explicación de aplicaciones y ejemplos durante clase.
-
Las tareas pueden entregarse en equipos, el número de integrantes se decidirá de acuerdo al número de personas inscritas en el curso.
-
El proyecto final se trata de elegir un tema de interés en el cual se pueda aplicar los conocimientos adquiridos durante el curso
-
Los exámenes pueden ser aplicados mediante formularios de Google, tareas-examen o el día de su aplicación se subirá un archivo pdf con las instrucciones.
-
Los alumnos tendrán derecho de realizar hasta dos reposiciones o un examen final.
-
Cualquier duda, enviar correo a: aldo_santillan04@ciencias.unam.mx
Bibliografía
[1] Agresti, A. (2007). An Introduction to Categorical Data Analysis. (2da Edición). New York: Wiley.
[2] Crawley, M. (2007). The R book. Editorial: John Wiley Sons.
[3] Friendly, M. & Meyer, D. (2015). Discrete Data Analysis with R: Visualization and Modeling Techniques for Categorical and Count Data.
[4] Seefeld, K. & Linder, E. (2007). Statistics Using R with Biological Examples. University of New Hampshire, Durham, NH. Department of Mathematics Statistics.