ETAPA DE FORMACIN Bsica CAMPO DE CONOCIMIENTO Probabilidad y Estadstica
SERIACIN S (\ ) No ( ) 0o||galor|a (\ ) lrd|cal|va (\ ) SERIACIN ANTECEDENTE Probabilidad I (Obligatoria) Clculo Diferencial e Integral III (Indicativa) SERIACIN SUBSECUENTE Probabilidad II (Obligatoria) Estadstica II (Obligatoria) Objetivo general: El alumno conocer la teora de la probabilidad acerca de vectores aleatorios, as como la inferencia estadstica: estimacin puntual y estimacin por intervalos.
ndice Temtico Horas Unidad Tema Tericas Prcticas 1 Vectores aleatorios y transformaciones 24 12 2 Principios de inferencia estadstica paramtrica 18 8 3 Estimacin puntual 16 6 4 Estimacin por intervalo 6 6 Total de horas: 64 32 Suma total de horas: 96
UNIDAD OBJ ETIVO PARTICULAR 1. Vectores aleatorios y transformaciones 1.1. Distribuciones conjuntas, marginales y condicionales. Independencia de variables aleatorias 1.2. Transformaciones 1.3. Modelos jerrquicos 1.4. Covarianza y correlacin 1.5. Desigualdades El alumno explicar el concepto de vector aleatorio, analizar sus propiedades bsicas y algunas tcnicas de transformacin.
81
2. Principios de inferencia estadstica paramtrica 2.1. Propiedades bsicas de una muestra aleatoria finita 2.2. Suficiencia y ancilaridad. Mtodo de Lehmann-Scheff para suficiencia minimal 2.3. Completez. Teorema de Basu 2.4. Verosimilitud 2.5. Equivarianza El alumno analizar los principios fundamentales a partir de los cuales se desarrollan las tcnicas bsicas de inferencia estadstica paramtrica. 3. Estimacin puntual 3.1. Mtodo de momentos 3.2. Mtodo de mxima verosimilitud 3.3. Estimadores insesgados de varianza uniformemente mnima: Teorema de Cramr-Rao 3.4. Suficiencia e insesgamiento: Teoremas de Rao-Blackwell y Lehmann-Scheff El alumno aplicar los principios de inferencia estadstica paramtrica en la estimacin puntual de parmetros en modelos de probabilidad. 4. Estimacin por intervalo 4.1. Mtodo de la cantidad pivotal 4.2. Mtodo de la funcin de distribucin de un estadstico 4.3. Optimizacin de intervalos de confianza El alumno aplicar los principios de inferencia estadstica paramtrica en la estimacin por intervalo de parmetros en modelos de probabilidad.
Bibliografa bsica:
Casella, G., Berger, R.L. (2002). Statistical inference.Pacific Grove CA: Duxbury. Lehmann, E.L., Casella, G. (2011).Theory of point estimation. Nueva York: Springer. Shao, J . (2003).Mathematical statistics.Nueva York: Springer.
Bibliografa complementaria:
Cox, D.R. (2006).Principles of statistical inference. Cambridge: Cambridge University Press. Cox, D.R., Hinkley, D.V. (2000).Theoretical statistics. Boca Raton FL: CRC Press. Mood, A.M.; Graybill, F.A., Boes, D.C. (1974).Introduction to the theory of statistics.Nueva York: McGraw-Hill.
Sugerencias didcticas: Sugerencias de evaluacin del aprendizaje: Anlisis de lecturas Empleo de medios audiovisuales Exposiciones docentes Exposiciones de los alumnos, supervisadas por el profesor Participacin en tcnicas grupales Realizacin de ejercicios con apoyo computacional, utilizando software como Maple, Mathematica, MATLAB o algn Ejercicios en clase Elaboracin de un trabajo de aplicacin individual o grupal Exmenes finales Exmenes parciales Participacin en clase Tareas
82
software libre Resolucin de exmenes ante el grupo Resolucin de problemas
Perfil profesiogrfico: Licenciado en Actuara, Estadstica o Matemticas, preferentemente con posgrado en el rea de probabilidad o estadstica. Tener experiencia docente.