Asignaturas
Información y material para las asignaturas dictadas a partir del año 2025. Por favor, ruego informar si Ud. nota que algún enlace o archivo no está disponible.
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).