Cr茅ditos ECTS
Cr茅ditos ECTS: 5
Horas ECTS Criterios/Memorias
Traballo do Alumno/a ECTS: 85
Horas de Titor铆as: 5
Clase Expositiva: 15
Clase Interactiva: 20
Total: 125
Linguas de uso
Castel谩n, Galego
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
Estat铆stica, An谩lise Matem谩tica e Optimizaci贸n
脕谤别补蝉:
Estat铆stica e 滨苍惫别蝉迟颈驳补肠颈贸苍 Operativa
Centro
Facultade de Matem谩ticas
Convocatoria:
Primeiro semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
O obxetivo da materia 茅 que o estudante te帽a un co帽ecemento avanzado das t茅cnicas de inferencia estat铆stica param茅trica.
1. Preliminares da Estat铆stica Matem谩tica
2. O principio de m谩xima verosimilitude
Definici贸n. Propiedades asint贸ticas do estimador de m谩xima verosimilitude. Optimalidade. Aspectos computacionales.
3. Estimaci贸n inesgada
Estimaci贸n centrada uniformemente de m铆nima varianza. U- estat铆sticos.
4. Estimaci贸n por rexi贸ns de confianza
M茅todos pivotal, asint贸tico e Neyman. Rexi贸ns de confianza bootstrap.
5. Contraste de hip贸tesis
Definici贸n. Test uniformemente m谩is potente: O lema de Neyman Pearson. Karlin-Rubin. Test bilaterais: os test centrados. O test de raz贸n de verosimilitudes.
6. M茅todos Bayes
Estimaci贸n Bayes. Rexi贸ns de credibilidade. Contrastes Bayes.
BIBLIOGRAF脥A B脕SICA E COMPLEMENTARIA
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. e Garc铆a 笔茅rez, A. (2012) Principios de Inferencia Estad铆stica. UNED.
Bibliograf铆a Complementaria:
Casella, G. y Berger, R.L. (2002). Statistical Inference. Wadsworth & Brooks/Cole.
Garthwaite, P.H., Jollliffe, I.T. e Jones, B. (2002). Statistical Inference. Prentice Hall
G贸mez Villegas, M.A. (2005). Inferencia Estad铆stica. D铆az de Santos
Lehmann, E.L. (2005). Testing Statistical Hypothesis. Segunda Edici贸n. Wiley.
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.
Nesta materia traballaranse as competencias b谩sicas, xerais e transversais recollidas na memoria del t铆tulo. Ind铆canse a continuaci贸n cales son as competencias espec铆ficas, que se potenciar谩n nesta materia:
Competencias espec铆ficas:
E1 - Co帽ecer, identificar, modelar, estudar e resolver problemas complexos de estat铆stica e investigaci贸n operativa, en un contexto cient铆fico, tecnol贸xico ou profesional, xurdidos en aplicaciones reais.
E3 - Adquirir co帽ecementos avanzados dos fundamentos te贸ricos das distintas metodolox铆as da estat铆stica e a investigaci贸n operativa, que permitan un desenvolvemento profesional especializado.
E4 - Adquirir as destrezas necesarias en o manexo te贸rico-pr谩ctico da teor铆a da probabilidade e as variables aleatorias que permitan o seu desenvolvemento profesional no 谩mbito cient铆fico/acad茅mico, tecnol贸xico ou profesional especializado e multidisciplinar.
E5 - Profundizar nos fundamentos te贸rico-pr谩cticos especializados no modelado e estudo de distintos tipos de relaci贸ns de dependencia entre variables estat铆sticas.
E6 - Adquirir co帽ecementos te贸rico-pr谩cticos avanzados de distintas t茅cnicas matem谩ticas, orientadas espec铆ficamente 谩 axuda na toma de decisi贸ns, e desenvolver a capacidade de reflexi贸n para avaliar e decidir entre distintas perspectivas en contextos complexos.
E8 - Adquirir co帽ecementos te贸rico-pr谩cticos avanzados das t茅cnicas destinadas 谩 realizaci贸n de inferencias e contrastes relativos a variables e par谩metros dun modelo estat铆stico, e saber aplicalos con autonom铆a suficiente nun contexto cient铆fico, tecnol贸xico ou profesional.
A actividade presencial do alumnado ser谩 de 35 horas entre docencia expositiva e interactiva. Na parte expositiva o profesorado far谩 uso de presentaci贸ns multimedia, mentras que na parte interactiva o alumnado resolver谩 distintas cuesti贸ns plantexadas sobre os contenidos da materia.
O alumnado dispor谩, a trav茅s do repositorio de material do que disp贸n a p谩xina web do propio programa, do material docente (presentaci贸ns, apuntes, exercicios) da materia. Ao longo do curso propornase traballos que os estudiantes deber谩n resolver coa titorizaci贸n do docente. Esta titorizaci贸n ser谩 realizada tanto a trav茅s de medios virtuales como de forma presencial en grupos reducidos, cando sexa posible.
Na primeira oportunidade se cualificar谩 mediante evaluaci贸n continua e un examen final. El peso da avaluaci贸n continua ser谩 do 50%. A avaliaci贸n continua consistir谩 na entrega e revisi贸n de distintos traballos propostos ao largo do curso. Os exercicios ser谩n de diversos niveis de dificultade te贸rico/pr谩ctica.
Os exercicios te贸ricos m谩is avanzados permitir谩n avaliar a adquisici贸n das competencias CB6, CB7, CG4, CT1, E3 y E4.
Presentaranse exercicios m谩is aplicados que requerir谩n do modelado de situaci贸ns complexas, o modelado e an谩lise de datos, mediante o uso de software espec铆fico permitir谩 avaliar as competencias CB8, CG1, CG5, CT2, E1, E5, E6.
Valorarase a autonom铆a na resoluci贸n das propostas, tal como se especifica nas competencias CB10, E8.
O examen final constar谩 de cuestiones te贸rico/pr谩cticas que permitir谩n evaluar la adquisici贸n de las competencias espec铆ficas E1, E3, E4, E5, E6.
Na segunda oportunidade a nota final ser谩 a media ponderada da avaliaci贸n continua da primera parte da materia e o exame final. As ponderaciones ser谩n 30% y 70% respectivamente.
Consid茅rase que o tempo de traballo persoal do alumnado para superar a materia 茅 125 horas repartidas como sigue:
1) Actividade presencial (35):
2) Estudo do material (35): Est铆mase 1 hora por cada hora de actividade presencial
3) Traballos de evaluaci贸n continua (55 horas)
Para superar con 茅xito a materia 茅 aconsellable a asistencia as sesiones de docencia expositiva e interactiva, sendo fundamental o seguimento diario do traballo realizado na aula. Asimesmo, recom茅ndase que o estudante te帽a un bo cono帽ecemento do c谩lculo de probabilidades
A presentaci贸n dos contidos da materia realizarase tendo en conta que as competencias a adquirir polo alumnado deben cumplir co
nivel MECES3. Os contenidos desta materia son contidos avanzados, que profundizan na idea e construci贸n, as铆 como na xustificaci贸n te贸rica, das propostas habituais de estimadores e m茅todos de contraste, permitindo ao alumnado adquirir unha s贸lida base sobre os fundamentos da estat铆stica inferencial.
A proba final ser谩 reemplazada por unha proba final telem谩tica, se a proba presencial non fora posible. A ponderaci贸n desa proba ser谩 igual en t贸dolos escenarios.
Wenceslao Gonzalez Manteiga
- Departamento
- Estat铆stica, An谩lise Matem谩tica e Optimizaci贸n
- 脕谤别补
- Estat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 Universidade
Alberto Rodriguez Casal
Coordinador/a- Departamento
- Estat铆stica, An谩lise Matem谩tica e Optimizaci贸n
- 脕谤别补
- Estat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 Universidade
| 17.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula 04 |
| 26.06.2025 16:00-20:00 | Grupo /CLE_01 | Aula 04 |