Estadstica Matemtica

Objetivo: Que el alumno reafirme sus conocimientos de teora de la Probabilidad y de Inferencia Estadstica, con el fin de desarrollar habilidades en el manejo de herramientas estadsticas que le sern tiles en los cursos curriculares. El curso Incluye la revisin de algunos conceptos fundamentales del lgebra Lineal y presupone familiaridad con el Clculo Integral y Diferencial en varias variables.

Temario
1. Introduccin 2. Probabilidad y variables aleatorias
2.1 Teora de la probabilidad 2.1.1. Eventos, espacio muestral y funciones de probabilidad 2.1.2. Axiomas y teoremas de probabilidad 2.1.3. Probabilidad conjunta, marginal y condicional 2.1.4. Eventos independientes 2.2 Variables aleatorias discretas 2.2.1. Funcin de probabilidad y funcin distribucin 2.2.2. Momentos de una variable aleatoria. 2.2.3. Valor esperado, varianza, coeficientes de asimetra y de curtosis 2.2.4. Propiedades del valor esperado y de la varianza 2.2.5. Funcin generadora de momentos 2.2.6. Otras medidas de localizacin: cuantiles y moda 2.2.7. Distribuciones binomial y Poisson 2.3 Variables aleatorias continuas 2.3.1. Funcin de densidad y funcin distribucin 2.3.2. Momentos de una variable aleatoria. 2.3.3. Valor esperado, varianza, coeficientes de asimetra y de curtosis 2.3.4. Propiedades del valor esperado y de la varianza 2.3.5. Funcin generadora de momentos 2.3.6. Otras medidas de localizacin: cuantiles y moda 2.3.7. Distribuciones uniforme, gamma (exponencial y ji-cuadrada) y normal 2.4 Distribuciones multivariadas 2.4.1. Funciones de densidad de probabilidad conjunta, marginal y condicional 2.4.2. Valor esperado de una funcin de variables aleatorias 2.4.3. Variables aleatorias independientes 2.4.4. Media, varianza y mediana condicionales 2.4.5. Momentos conjuntos. Covarianza y coeficiente de correlacin 2.4.6. Funcin generadora de momentos conjuntos 2.4.7. Valor esperado y varianza de una funcin lineal de variables 2.4.8. Distribucin normal multivariada 2.4.9. Conceptos de lgebra Lineal utilizados en distribuciones multivariadas. Vectores, matrices, operaciones entre vectores y matrices. Determinante, rango, traza, inversa de una matriz. Eigenvalores y eigenvectores. Formas cuadrticas y matrices definidas positivas.

3. Anlisis exploratorio de datos

3.1 Tipos de variables y escalas de medicin 3.2 Mtodos grficos 3.3 Medidas descriptivas

4. Inferencia estadstica
4.1 El problema de inferencia, distribuciones de muestreo y el teorema central del lmite 4.1.1. Objetivo de la Estadstica y de la Inferencia Estadstica 4.1.2. Concepto de distribucin de muestreo 4.1.3. Teorema Central del Lmite 4.1.4. Distribuciones muestrales relacionadas con la distribucin normal 4.2 Estimacin puntual. Propiedades de estimadores. Mtodos de estimacin 4.2.1. Definicin de estimador. El error de estimacin y el error cuadrtico medio. 4.2.2. Propiedades de estimadores: Insesgamiento, Eficiencia y consistencia 4.2.3. Mtodos de momentos y de mxima verosimilitud. Propiedades 4.3 Estimacin por intervalos 4.3.1. Concepto de intervalo de confianza 4.3.2. Intervalos de confianza para , 2 y p 4.3.3. Determinacin del tamao de muestra 4.4 Pruebas de hiptesis 4.4.1. Conceptos de pruebas de hiptesis: hiptesis nula y alternativa, estadstica de prueba, valor crtico, regin de rechazo, errores tipo I y tipo II 4.4.2. Nivel de significancia y potencia de la prueba. Nivel de significancia descriptivo 4.4.3. Lema de Neyman-Pearson. Razn de verosimilitudes 4.4.4. Pasos para probar hiptesis 2 2 4.4.5. Prueba de hiptesis para , p, 2, , 1-2, p1-p2, 1 2

Bibliografa
Wackerly, D., Mendenhall, W. y Scheaffer, R. (2002). Mathematical Statistics with Applications. 6a. ed. Duxbury. Healy, M. J. R. (1986). Matrices for Statistics. Clarendon Press.

Consulta
Canavos, G. (1987), Probabilidad y Estadstica. Aplicaciones y Mtodos, McGraw Hill. Miller, I. & Miller, M. (1999), John E. Freunds Mathematical Statistics. 6a. ed. Prentice Hall. Rice, J. (1995). Mathematical statistics and data analysis. 2a. ed. Duxbury.