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: 20
Clase Interactiva: 15
Total: 125
Linguas de uso
Castel谩n, Galego
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
Departamento externo vinculado 谩s titulaci贸ns,
Estat铆stica, An谩lise Matem谩tica e Optimizaci贸n
脕谤别补蝉:
脕谤别补 externa M.U en T茅cnicas Estat铆sticas (2陋ed), 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 obxectivo desta materia 茅 dar a co帽ecer as t茅cnicas cl谩sicas e recentes de contrastes de bondada de
axustes para a distribuci贸n e para a funci贸n de 谤别驳谤别蝉颈贸苍. Con este fin, analizaranse as metodolox铆as m谩is
importantes, que incl煤en os contrastes baseados en procesos emp铆ricos, os contrastes baseados en t茅cnicas
de suavizaci贸n e outros tipos de contrastes. Estudaranse os m茅todos m谩is co帽ecidos para resolver cada tipo
de contraste, ao tempo que se buscar谩 unha visi贸n global sobre os m煤ltiples traballos existentes dentro da
tem谩tica desta mateira, de xeito que se desenvolva a capacidade para a b煤squeda, comprensi贸n e
profundizaci贸n en li帽as m谩is espec铆ficas.
M谩is informaci贸n en
1.滨苍迟谤辞诲耻肠颈贸苍.
Elementos dun contraste de hip贸teses. Contrastes param茅tricos e non
param茅tricos. Propiedades do p-valor. O problema da multiplicidade de
contrates e posibles soluci贸ns. Dese帽o de estudos de Monte Carlo.
2.Contrastes de bondade de axuste para a
诲颈蝉迟谤颈产耻肠颈贸苍.
Revisi贸n de ferramentas gr谩ficas: pp-plots e qq-plots. Contrastes baseados
na funci贸n de 诲颈蝉迟谤颈产耻肠颈贸苍. Contrastes baseados na funci贸n de densidade.
Contrastes baseados na funci贸n cuantil. Contrastes baseados na funci贸n
肠补谤补肠迟别谤铆蝉迟颈肠补.
3.Contrastes de normalidade.
Contrastes de especificaci贸n para modelos param茅tricos particulares.
Contrates de normalidade univariante. Contrastes de normalidade
multivariante.
4.Contrastes de independencia e outros contrastes
sobre a 诲颈蝉迟谤颈产耻肠颈贸苍.
Ferramentas gr谩ficas para detectar dependencia. Contrastes de
independencia. Outros contrastes: contrastes de simetr铆a, contraste dun
posible punto de cambio.
5.Contrastes de especificaci贸n para modelos de
regresi贸n baseados na estimaci贸n da funci贸n de
谤别驳谤别蝉颈贸苍.
Visi贸n xeral das t茅cnicas de suavizado en problemas de 谤别驳谤别蝉颈贸苍.
Aplicaci贸n aos contrastes sobre a funci贸n de 谤别驳谤别蝉颈贸苍. Aproximaci贸ns
bootstrap.
6.Contrastes de especificaci贸n para modelos de
regresi贸n baseados na funci贸n de regresi贸n
integrada.
A funci贸n de regresi贸n integrada. Descrici贸n do test. Converxencia en
distribuci贸n do proceso de contraste. Aproximaci贸ns bootstrap da
distribuci贸n do proceso.
7.Outros contrastes sobre a 谤别驳谤别蝉颈贸苍.
Contrastes de igualdade de curvas de 谤别驳谤别蝉颈贸苍. Contrastes de
significaci贸n de variables. Contrastes de homocedasticidade. Contrastes
para a varianza condicional.
Bibliograf铆a B谩sica
Conover, W.J., Practical Nonparameric Statistics, Wiley, 1999
D'Agostino, R.B.; Stephens, M.A. (eds.), Goodness-of-Fit Techniques, Marcel Dekker, Inc, 1986
Gonz谩lez-Manteiga, W.; Crujeiras, R. M., An updated review of goodness-of-fit tests for regression models, TEST, 22,
361-411, 2013
H盲rdle, W.; M眉ller, M.; Sperlich, S.; Werwatz, A., Nonparametric and Semiparametric Models, Springer, 2004
Hart, J. D., Nonparametric Smoothing and Lack-of-Fit Tests, Springer, 1997
Huber-Carol, C.; Balakrishnan, N.; Nikulin, M.S.; Mesbah, M. (eds.), Goodness-of-Fit Tests and Model Validity,
Birkh盲user, 2002
Rayner, J.C.W.; Thas, O.; Best, D.J., Smooth Tests of Goodness-of-Fit. Using R, Wiley, 2009
Rohatgi, V.K., Statistical Inference, Dover, 2003
Thas, O., Comparing Distributions, Springer, 2010
Thode, H.C., Testing for Normality, Marcel Decker, Inc, 2002
Wasserman, L., All of Statistics. A Concise Course in Statistical Inference, Springer, 2006
Zhu, L.-X., Nonparametric Monte Carlo Tests and Their Applications. Lecture Notes in Statistics, vol. 182,
Springer, 2005
Bibliograf铆a Complementaria
Billingsley, P., Convergence of Probability Measures (2nd edition), Wiley, 1999
Claeskens, G., Hjort, N.L., Model Selection and Model Averaging, Cambridge University Press, 2008
Efron, B.; Tibshirani, R.J., An Introduction to the Bootstrap, Chapman and Hall, 1993
H盲rdle, W., Applied Nonparametric Regression, Cambridge University Press, 1990
Kvam, P.H.; Vidakovic, B., Nonparametric Statistics with Applications to Science and Engeneering, Wiley, 2007
V茅lez Ibarrola, R.; Garc铆a 笔茅rez, A., Principios de Inferencia Estad铆stica, UNED, 2012
颁贸诲颈驳辞
CE1 Co帽ecer, identificar, modelar, estudar e resolver problemas complexos de estat铆stica e investigaci贸n operativa, nun
contexto cient铆fico, tecnol贸xico ou profesional, xurdidos en aplicaci贸ns reais.
CE3 Adquirir co帽ecementos avanzados dos fundamentos te贸ricos subxacentes 谩s distintas metodolox铆as da estat铆stica e a
investigaci贸n operativa, que permitan o seu desenvolvemento profesional especializado.
CE4 Adquirir as destrezas necesarias no 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.
CE5 Profundizar nos co帽ecementos nos fundamentos te贸rico-pr谩cticos especializados do *modelado e estudo de distintos
tipos de relaci贸ns de dependencia entre variables estat铆sticas
CE6 Adquirir co帽ecementos te贸ricos e pr谩cticos avanzados de diferentes t茅cnicas matem谩ticas, dirixidas espec铆ficamente
para a toma de decisi贸ns, e desenvolver a capacidade de reflexi贸n para avaliar e decidir entre diferentes
perspectivas en contextos complexos.
CE8 Adquirir co帽ecementos te贸rico-pr谩cticos avanzados de t茅cnicas dirixidas a facer inferencias e contrastes con
variables e par谩metros dun modelo estat铆stico e saber aplicarlles 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.
Traballos consistentes na resoluci贸n de exercicios e pequenos estudos de simulaci贸n
relacionados cos contrastes de especificaci贸n. Estas actividades incl煤en a redacci贸n de
relatorios dos resultados obtidos, as铆 como a exposici贸n p煤blica dalg煤ns deles.
Competencias avaliadas: CE1,CE3,CE4,CE5,CE6,CE8
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 e trabalho persoal (90)
Total : 125 horas ( 5 ECTS)
Conv茅n acudir a esta materia con co帽ecementos medios de c谩lculo de probabilidades e inferencia estat铆stica, con especial
茅nfase en m茅todos de regresi贸n, na estimaci贸n de curvas e nos m茅todos de remostraxe. Tam茅n 茅 recomendable ter
habilidades medias no uso de ordenadores, especialmente linguaxes de programaci贸n e de software estat铆stico
(esencialmente R). Para unha mellor aprendizaxe da materia, conv茅n ter presente unha clasificaci贸n b谩sica dos m煤ltiples
m茅todos de contraste, un co帽ecemento detallado de alg煤ns m茅todos fundamentais e unha gran flexibilidade para a
asimilaci贸n de m茅todos novidosos.
OBSERVACIONES
Para los casos de realizaci贸n fraudulenta de ejercicios o pruebas, ser谩 de aplicaci贸n lo recogido en las respectivas normativas de las universidades participantes en el 惭谩蝉迟别谤 en T茅cnicas Estad铆sticas.
Esta gu铆a y los criterios y metodolog铆as en ella descritos est谩n sujetos a las modificaciones que se deriven de normativas y directrices de las universidades participantes en el 惭谩蝉迟别谤 en T茅cnicas Estad铆sticas.
COVID19
La metodologi矛a docente expuesta en esta gui矛a docente se utilizara矛 independientemente del grado de presencialidad bajo el que se imparta la asignatura. Asimismo, tampoco necesitara矛 ningu矛n tipo de modificacio矛n el me矛todo de evaluacio矛n, dado que consiste u矛nicamente en la entrega de trabajos por parte de los alumnos.
Wenceslao Gonzalez Manteiga
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
- 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
| 16.01.2025 10:00-14:00 | Grupo /CLE_01 | Aula 04 |
| 02.07.2025 16:00-20:00 | Grupo /CLE_01 | Aula 04 |