Cr茅ditos ECTS
Cr茅ditos ECTS: 5
Horas ECTS Criterios/Memorias
Trabajo del Alumno/a ECTS: 85
Horas de Tutor铆as: 5
Clase Expositiva: 20
Clase Interactiva: 15
Total: 125
Lenguas de uso
Castellano, Gallego
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
Estad铆stica, An谩lisis Matem谩tico y Optimizaci贸n
脕谤别补蝉:
Estad铆stica e 滨苍惫别蝉迟颈驳补肠颈贸苍 Operativa
Centro
Facultad de Matem谩ticas
Convocatoria:
Primer semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
| 1ro curso (Si)
El objetivo de la asignatura es que el alumno tenga un conocimiento avanzado de las t茅cnicas de inferencia estad铆stica param茅trica.
1. Preliminares de la estad铆stica Matem谩tica
2. El principio de m谩xima verosimilitud
Definici贸n. Propiedades asint贸ticas del estimador de m谩xima verosimilitud. Optimalidad. Aspectos computacionales.
3. Estimaci贸n insesgada
Estimaci贸n centrada uniformemente de m铆nima varianza. U- estad铆sticos.
4. Estimaci贸n por regiones de confianza
M茅todos pivotal, asint贸tico y Neyman. Regiones de confianza bootstrap.
5. Contraste de hip贸tesis
Definiciones. Test uniformemente m谩s potente: El lema de Neyman Pearson. Karlin-Rubin. Test bilaterales: los test centrados. El test de raz贸n de verosimilitudes.
6. M茅todos Bayes
El enfoque bayesiano. Estimaci贸n Bayes. Regiones de credibilidad. Contrastes bayesianos.
Bibliograf铆a b谩sica
Knight, K. (2000) Mathematical Statistics. Chapman Hall.
Panaretos, V. M. (2016). Statistics for Mathematicians: A Rigurous First Course. Birkh盲user.
Shao (2003) Mathematical Statistics. Springer.
Shao (2005) Mathematical Statistics: Exercises and Solutions. Springer.
V茅lez Ibarrola, R. y Garc铆a P茅rez, A. (2012) Principios de Inferencia Estad铆stica. UNED.
Bibliograf铆a Complementaria: Tema 1
Casella, G. y Berger, R.L. (2002). Statistical Inference. Wadsworth & Brooks/Cole.
Garthwaite, P.H., Jollliffe, I.T. y Jones, B. (2002). Statistical Inference. Prentice Hall
G贸mez Villegas, M.A. (2005). Inferencia Estad铆stica. D铆az de Santos
Bibliograf铆a Complementaria: Tema 2
Lehmann, E.L. (1991). Theory of Point Estimation. Segunda Edici贸n. Wiley.
Pawitan, Y. (2001). In all likelihood. . Oxford University Press.
Wasserman, L. (2005). All of Statistics. Springer.
Bibliograf铆a Complementaria: Tema 3
Lehmann, E.L. (2005). Testing Statistical Hypothesis. Segunda Edici贸n. Wiley.
En esta materia se trabajar谩n las competencias b谩sicas, generales y transversales recogidas en la memoria del t铆tulo. Se indican a continuaci贸n cu谩les son las competencias espec铆ficas, que se potenciar谩n en esta materia:
Competencias espec铆ficas:
E1 - Conocer, identificar, modelar, estudiar y resolver problemas complejos de estad铆stica e investigaci贸n operativa, en un contexto cient铆fico, tecnol贸gico o profesional, surgidos en aplicaciones reales.
E3 - Adquirir conocimientos avanzados de los fundamentos te贸ricos subyacentes a las distintas metodolog铆as de la estad铆stica y la investigaci贸n operativa, que permitan su desarrollo profesional especializado.
E4 - Adquirir las destrezas necesarias en el manejo te贸rico-pr谩ctico de la teor铆a de la probabilidad y las variables aleatorias que permitan su desarrollo profesional en el 谩mbito cient铆fico/acad茅mico, tecnol贸gico o profesional especializado y multidisciplinar.
E5 - Profundizar en los conocimientos en los fundamentos te贸rico-pr谩cticos especializados del modelado y estudio de distintos tipos de relaciones de dependencia entre variables estad铆sticas.
E6 - Adquirir conocimientos te贸rico-pr谩cticos avanzados de distintas t茅cnicas matem谩ticas, orientadas espec铆ficamente a la ayuda en la toma de decisiones, y desarrollar capacidad de reflexi贸n para evaluar y decidir entre distintas perspectivas en contextos complejos.
E8 - Adquirir conocimientos te贸rico-pr谩cticos avanzados de las t茅cnicas destinadas a la realizaci贸n de inferencias y contrastes relativos a variables y par谩metros de un modelo estad铆stico, y saber aplicarlos con autonom铆a suficiente un contexto cient铆fico, tecnol贸gico o profesional.
La actividad presencial del alumnado ser谩 de 35 horas entre docencia expositiva e interactiva. En la parte expositiva el profesorado har谩 uso de presentaciones multimedia, mientras que en la parte interactiva el alumnado resolver谩 distintas cuestiones planteadas sobre los contenidos de la materia.
El alumnado dispondr谩, a trav茅s del repositorio de material del que dispone la p谩gina web del propio programa, del material docente (presentaciones, apuntes, ejercicios) de la materia. A lo largo del curso se propondr谩 trabajos que los estudiantes deber谩n resolver con la tutorizaci贸n del profesor. Esta tutorizaci贸n ser谩 realizada tanto a trav茅s de medios virtuales como de forma presencial en grupos reducidos.
La actividad presencial del alumnado ser谩 de 35 horas entre docencia expositiva e interactiva. En la parte expositiva el profesorado har谩 uso de presentaciones multimedia, mientras que en la parte interactiva el alumnado resolver谩 distintas cuestiones planteadas sobre los contenidos de la materia.
Lo ejercicios te贸ricos m谩s avanzados permitir谩n evaluar la adquisici贸n de las competencias CB6, CB7, CG4, CT1, E3 y E4.
Se presentar谩n ejercicios m谩s aplicados que requerir谩n el modelado de situaciones complejas, el modelado y an谩lisis de datos, mediante el uso de software espec铆fico permitir谩 evaluar las competencias CB8, CG1, CG5, CT2, E1, E5, E6.
Se valorar谩 la autonom铆a en la resoluci贸n de las propuestas, tal como se especifica en las competencias CB10, E8.
Las ponderaciones en la segunda oportunidad ser谩n 30% para la evaluaci贸n continua y 70% para la prueba final.
Se considera que el alumno concurre a una convocatoria cuando participa en actividades que le permitan obtener al menos un 50% de la evaluaci贸n final.
Se considera que el tiempo de trabajo personal del alumnado para superar la materia es de 125 horas repartidas como sigue:
1) Actividad presencial (35):
2) Estudio del material (35): Se estima 1 hora por cada hora de actividad presencial (sin incluir el examen)
3) Trabajos de evaluaci贸n continua (55 horas)
Para superar con 茅xito la materia es aconsejable la asistencia a las sesiones de docencia expositiva e interactiva, siendo fundamental el seguimiento diario del trabajo realizado en el aula. Asimismo, se recomienda que el estudiante tenga un buen conocimiento del c谩lculo de probabilidades
El desarrollo de los contenidos de la materia se realizar谩 teniendo en cuenta que las competencias a adquirir por el alumnado deben cumplir con el nivel MECES3. Los contenidos que incluye esta materia se contenidos avanzados, que profundizan en la idea y construcci贸n, as铆 como en la justificaci贸n te贸rica, de las propuestas habituales de estimadores y m茅todos de contraste, permitiendo al alumnado adquirir una s贸lida base sobre los fundamentos de la estad铆stica inferencial.
La prueba final ser谩 reemplazada por una prueba final telem谩tica, si la prueba presencial no fuera posible. La ponderaci贸n de esa prueba ser谩 igual en todos los escenarios.
Wenceslao Gonzalez Manteiga
- Departamento
- Estad铆stica, An谩lisis Matem谩tico y Optimizaci贸n
- 脕谤别补
- Estad铆stica e 滨苍惫别蝉迟颈驳补肠颈贸苍 Operativa
- 罢别濒茅蹿辞苍辞
- 881813204
- Correo electr贸nico
- wenceslao.gonzalez [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Catedr谩tico/a de Universidad
Alberto Rodriguez Casal
Coordinador/a- Departamento
- Estad铆stica, An谩lisis Matem谩tico y Optimizaci贸n
- 脕谤别补
- Estad铆stica e 滨苍惫别蝉迟颈驳补肠颈贸苍 Operativa
- Correo electr贸nico
- alberto.rodriguez.casal [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Catedr谩tico/a de Universidad
| 17.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula 04 |
| 26.06.2025 16:00-20:00 | Grupo /CLE_01 | Aula 04 |