Asignaturas

Notas de Clase

A continuación se encuentra disponible los apuntes de clase (en desarrollo) de algunas de las asignaturas dictadas.

Asignaturas:

• Introducción a la Estadística con Apoyo Computacional  PDF [1.5 Mb]  (74 páginas, en colaboración con Ronny Vallejos).
• Elementos de Inferencia Estadística  PDF [903 Kb]  (68 páginas).
• Análisis de Regresión  PDF [1.22 Mb]  (127 páginas).

CIND-211: Redes y Sistemas Estocásticos en Ingeniería

Descripción
La asignatura consta de dos partes fundamentales: la primera presenta procedimientos para abordar problemas de optimización en redes o grafos, mientras que en una segunda parte se enfoca en presentar una introducción a la teoría y modelamiento basado en procesos estocásticos.

Referencias

• Gazmuri, P., Crespo, F. (2024). Modelos Estocásticos para la Gestión de Sistemas (2da Ed.). Ediciones UC, Santiago de Chile.
• Hillier, F.S., Lieberman, G.J. (2010).Introducción a la Investigación de Operaciones. McGraw-Hill, México, DF.
• Ross, S.M. (2007). Introduction to Probability Models. Academic Press, Boston.
• Taha, H.A. (2004). Investigación de Operaciones. Prentice Hall, México, DF.

GitHub de la asignatura:
Material de la asignatura se encuentra disponible en la página: CIND-211: Redes y Sistemas Estocásticos en Ingeniería

IECD-223: Probabilidad

Descripción
La asignatura presenta una introducción rigurosa a los conceptos fundamentales sobre cálculo de probabilidades, variables y vectores aleatorios, transformación de variables aleatorias y funciones generadoras. Asimismo se describe la distribución de ciertos estadísticos basados en la muestra, estadísticos de orden y convergencia de variables aleatorias.

Referencias

• Bartoszyński, R., Niewiadomska-Bugaj, M. (2018). Probability and Statistical Inference (2nd Ed.). Wiley, New Jersey.
• Casella, G., Berger, R.L. (2002).Statistical Inference. Duxbury, Pacific Grove.
• Dudewicz, E.J., Mishra, S.N. (1988). Modern Mathematical Statistics. Wiley, New York.
• Mood, A.M., Graybill, F.A., Boes, D.C. (1974). Introduction to the Theory of Statistics. McGraw-Hill, New York.

GitHub de la asignatura:
Material de la asignatura se encuentra disponible en la página: IECD-223: Probabilidad

IECD-325: Modelos Lineales y Diseño de Experimentos

Descripción
El curso proporciona elementos básicos e inferenciales del modelo de regresión lineal. Al finalizar el curso los alumnos deberán ser capaces de llevar a cabo análisis de regresión, selección de modelos y regresión logística. Posteriormente se describirá tópicos más avanzados tales como regresión no-paramétrica. En el transcurso de la disciplina, se discutirá también algunas técnicas de diagnóstico y procedimientos de estimación robustos.

Referencias

• Belsley, D.A., Kuh, E., Welsch (1984). Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. Wiley, New York.
• Kutner, M.H., Nachtsheim, C.J., Neter, J., Li, W. (2005). Applied Linear Statistical Models (5th Ed.). McGraw-Hill, Boston.
• Montgomery, D.C. (2004). Diseño y Análisis de Experimentos (2nd Ed.). Limusa, México DF.
• Seber, G.A.F., Lee, A.J. (2003). Linear Regression Analysis (2nd Ed.). Wiley, New York.

Conjunto de datos

• Boston housing: housePrices.csv  |  housePrices.rda
• Puntajes adaptativos de Gesell: gesell.csv  |  gesell.rda
• Cemento Portland: portland.rda
• Producción textil en los Países Bajos: textile.csv  |  textile.rda

R scripts

• Cálculo del número condición escalado: scaled.condition.R
• Estimación Box-Cox en regresión: boxcox.lm.R
• QQ-plot con envelopes en regresión lineal: envelope.lm.R

GitHub de la asignatura:
Página con material de la asignatura: IECD-325: Modelos Lineales y Diseño de Experimentos

MGE-201: Inferencia Estadística

Descripción
El objetivo del curso es presentar los conceptos fundamentales de inferencia estadística. El enfoque de la asignatura es presentar herramientas que correspondan a un vehículo que permita llevar a cabo el análisis de un conjunto de datos. El desarrollo de la asignatura está fuertemente basado en realizar supuestos distribucionales clásicos y por tanto la exposición estará relacionada de manera importante con la función de verosimilitud. A medida que se progrese en los contenidos se revisará procedimientos de estimación y prueba de hipótesis relajando una serie de supuestos para el contexto más general de ecuaciones de estimación.

Referencias

• Azzalini, A. (1996). Statistical Inference Based on the Likelihood. Chapman & Hall, London.
• Casella, G., Berger, R.L. (2002). Statistical Inference (2nd Ed.). Duxbury, Pacific Grove.
• Mood, A.M., Graybill, F.A., Boes, D.C. (1974). Introduction to the Theory of Statistics. McGraw-Hill, New York.
• Robert, C.P. (2007). The Bayesian Choice: From Decision-Theoretic Foundations to Computational Implementation (2nd Ed.). Springer, New York.

GitHub de la asignatura:
Material de la asignatura se encuentra disponible en la página: MGE-201: Inferencia Estadística

Cursos anteriores

Departamento de Matemática, Universidad Técnica Federico Santa María:

• MAT-031: Estadística (2024).
• MAT-032: Probabilidad y Estadística Comercial (2019, 2021).
• MAT-041: Probabilidad y Estadística (2019, 2023).
• MAT-042: Probabilidad y Estadística Industrial (2013, 2022).
• MAT-206: Inferencia Estadística (2017 a 2022, 2024).
• MAT-266: Análisis de Regresión (2011, 2014, 2021 a 2023).
• MAT-269: Análisis Estadístico Multivariado (2011, 2017, 2020, 2022 a 2024).
• MAT-305: Métodos Estadísticos en Ingeniería (2011 a 2014).
• MAT-306: Proyectos Estadísticos (2012, 2013).
• MAT-360: Inferencia Estadística (2012).
• MAT-420: Procesos Estocásticos (2012).
• MAT-422: Modelos Lineales (2012).
• MAT-423: Estadística Espacial (2014).
• MAT-466: Modelos Lineales Generalizados (2018, 2021, 2024).
• MAT-468: Simulación Estocástica (2020, 2024).

Instituto de Estadística, Pontificia Universidad Católica de Valparaíso:

• EST-136: Computación Estadística (2015).
• EST-224: Probabilidad e Inferencia Estadística (2017).
• EST-310: Estadística 2 (2016).
• EST-448: Regresión (2016).
• EST-712: Métodos Estadísticos I (2016).
• EST-781: Análisis de Datos Correlacionados (2015).
• EST-782: Estadística Computacional (2015, 2017).

Departamento de Estadística, Universidad de Valparaíso:

• IES-312: Distribución de Formas Cuadráticas (2008 a 2010).
• IES-321: Modelos lineales (2007 a 2010).
• IES-324: Simulación (2009).
• IES-423: Ecuaciones de Estimación Generalizadas (2007).
• EST-610: Modelación Estadística (2007, 2010).
• EST-623: Modelos para Datos con Medidas Repetidas (2008).
• EST-624: Tópicos en Modelos con Efectos Mixtos (2009, 2010).