G1011325 - Inferencia Estatística (Probabilidade, Estatística e Investigación Operativa) - Curso 2013/2014

Información

• Créditos ECTS
• Créditos ECTS: 6.00
• Total: 6.0
• Horas ECTS
• Clase Expositiva: 30.00
• Clase Interactiva Laboratorio: 18.00
• Clase Interactiva Seminario: 10.00
• Horas de Titorías: 2.00
• Total: 60.0

Outros Datos

• Tipo: Materia Ordinaria Grao RD 1393/2007
• Departamentos: Estatística e Investigación Operativa
• Áreas: Estatística e Investigación Operativa
• Centro: Facultade de Matemáticas
• Convocatoria: 2º Semestre de Titulacións de Grao/Máster
• Docencia e Matrícula: null

Profesores

Nome	Coordinador
GONZALEZ MANTEIGA, WENCESLAO.	NON
PRADA SANCHEZ, JOSE MANUEL.	SI

Horarios

Nome	Tipo Grupo	Tipo Docencia	Horario Clase	Horario exames
Grupo CLE01	Ordinario	Clase Expositiva	SI	SI
Grupo CLIL_01	Ordinario	Clase Interactiva Laboratorio	SI	NON
Grupo CLIL_02	Ordinario	Clase Interactiva Laboratorio	SI	NON
Grupo CLIL_03	Ordinario	Clase Interactiva Laboratorio	SI	NON
Grupo CLIL_04	Ordinario	Clase Interactiva Laboratorio	SI	NON
Grupo CLIS_01	Ordinario	Clase Interactiva Seminario	SI	NON
Grupo CLIS_02	Ordinario	Clase Interactiva Seminario	SI	NON
Grupo CLIS_03	Ordinario	Clase Interactiva Seminario	SI	NON
Grupo TI-ECTS01	Ordinario	Horas de Titorías	NON	NON
Grupo TI-ECTS02	Ordinario	Horas de Titorías	NON	NON
Grupo TI-ECTS03	Ordinario	Horas de Titorías	NON	NON
Grupo TI-ECTS04	Ordinario	Horas de Titorías	NON	NON
Grupo TI-ECTS05	Ordinario	Horas de Titorías	NON	NON
Grupo TI-ECTS06	Ordinario	Horas de Titorías	NON	NON
Grupo TI-ECTS07	Ordinario	Horas de Titorías	NON	NON

Programa

Existen programas da materia para os seguintes idiomas:

Castelán

Galego

Obxectivos da materia
Introducir os principios fundamentais da Inferencia Estatística e as técnicas básicas do Modelo Lineal.
Contidos
1. Distribución empírica, momentos e cuantís mostrais.
Distribución empírica. Test de Kolmogorov-Smirnov. Distribución dos momentos mostrais. Mostra ordenada, cuantís mostrais e as súas distribucións.

2. O principio de suficiencia.
Concepto de estatístico suficiente. Criterios para identificar un estadístico suficiente. Teorema de factorización.

3. Estimación puntual.
Comparación de estimadores: funcións de pérdida e risco. Criterios Bayes e min-max. Cotas para a varianza: desigualdade de Frechet-Cramer-Rao. Eficiencia. Métodos de construcción de estimadores: momentos e máxima verosimilitude.

4. Rexións de confianza.
Métodos de construcción de intervalos de confianza: pivotal, Neyman, bayesiano e asintótico.

5. Contrastes de hipóteses.
Criterios de optimalidade entre tests de hipóteses. Lema de Neyman-Pearson. Test de razón de verosimilitudes.

6. O modelo lineal simple.
Elementos dun modelo lineal. Estimación dos parámetros por mínimos cuadrados. Propiedades dos estimadores. Inferencia sobre os parámetros. Descomposición da variabilidade. O test F. Predicción.

7. Validación dun modelo lineal.
O coeficiente de determinación. Diagnose do modelo. Transformacións previas.

8. O modelo lineal xeral.
O modelo de regresión lineal múltiple e o modelo lineal xeral. Estimación dos parámetros. Propiedades dos estimadores. Inferencia sobre os parámetros. O test F. Predicción.


Bibliografía básica e complementaria
Casella, G. e Berger, R.L. (1990). Statistical Inference. Wadsworth & Brooks/Cole.
Chihara, L. e Hesterberg, T. (2011). Mathematical Statistics with Resampling and R. Wiley.
Cristóbal Cristóbal, J.A. (1995). Inferencia Estadística. Universidad de Zaragoza.
Faraway, J.J. (2004). Linear models with R. Chapman and Hall.
García Pérez, A. (2010). Estadística básica con R. UNED.
Rohatgi, V.K. (1976). An introduction to Probability Theory and Mathematical Statistics. Wiley.
Shao, J. (2003). Mathematical Statistics. Springer.
Shao, J. (2005). Mathematical Statistics: Exercises and Solutions. Springer.
Sheather, S.J. (2009). A modern approach to regression with R. Springer.
Peña, D. (2002). Regresión y diseño de experimentos. Alianza Editorial.
Vélez Ibarrola, R. y García Pérez, A. (1997). Principios de Inferencia Estadística. UNED.

Competencias
Competencias xerais:
Capacidade de identificar e resolver problemas
Habilidade para traballar de forma autónoma
Redacción de informes estadísticos
Capacidade de traballar en equipo

Competencias específicas:
Con carácter xeral, manexar os conceptos básicos e os principios metodolóxicos da Inferencia estatística nos diversos modelos de poboación.
Identificar estadísticos suficientes.
Determinar as propiedades básicas dos estimadores puntuais.
Manexar os métodos de máxima verosimilitude e momentos para a construcción de estimadores.
Emplear os métodos pivotal, de Neyman, bayesiano e asintótico para a construcción de intervalos de confianza.
Coñecer o test de razón de verosimilitudes.
Emplear o modelo lineal para modelar a dependencia entre unha variable resposta e unha o varias variables explicativas continuas.
Saber resolver os modelos lineais con algún paquete estadístico. En concreto, se empleará o software estatístico R.


Metodoloxía da ensinanza
As clases de docencia expositiva consistirán básicamente en leccións impartidas polo profesor adicadas á introducción de contidos teóricos e a resolución de problemas ou exercicios. Nas clases interactivas procurarase unha maior implicación do alumno. As sesións de laboratorio servirán para a adquisición de habilidades prácticas e a ilustración dos contidos teóricos. Tódalas tarefas do alumno serán orientadas polo profesor nas sesións de titoría. Utilizarase o Campus virtual.

Sistema de evaluación
A cualificación farase mediante avaliación continua, baseada principalmente na participación do estudante na clase, e a realización dun exame final. Esta cualificación será o máximo da nota do exame final e da ponderación desta nota coa avaliación continua onde o peso realtivo de cada apartado será 75-25 respectivamente.
O exame final constará dunha parte teórica baseada en conceptos ou cuestións breves na que se pretende avaliar a adquisición de coñecementos clave da materia. O resto do exame consistirá nunha parte práctica enfocada a resolver exercicios e problemas similares aos propostos ó longo do curso. O peso relativo da cada parte no exame será de 40-60 respectivamente.

Tempo de estudo e traballo persoal
Estímase que o alumno necesitará unha hora e media para preparar o material correspondente a cada hora dunha clase presencial, incluyendo a resolución dos exercicios propostos.
Recomendacións para o estudo da materia
Recoméndase a asistencia a clase e o seguemento das actividades propostas como medios fundamentais para o aproveitamento da materia.

Para superar con éxito a materia é aconsellable a aistencia ás sesións de docencia expositiva e interactiva, sendo funadmental o seguimento diario do traballo realizado na aula. Tamén é recomendable que o alumno practique a utilización do paquete estatístico R para explorar as posibilidades das diversas técnicas explicadas ao longo do curso.

Observacións
O programa informático que se usará nas clases de ordenador/laboratorio pode descargarse gratuitamente dende a dirección http://www.r-project.org/

Ademáis de docencia presencial o alumnado poderá atopar materiais complementarios no Campus Virtual de la USC.