Está en la página 1de 5

Curso Estadı́stica Matemática

Departamento de Estadı́stica
Universidad Nacional de Colombia
Sede Bogotá
Febrero, 2012

1. Información General
Código asignatura: 2001137-1.

Nombre asignatura: Estadı́stica Matemática.

Programa Académico: Maestrı́a Ciencias-Estadı́stica.

Horario del curso M, J, 9-11.

Profesor asignatura: Alvaro Mauricio Montenegro Dı́az.

Oficina profesor: 404-325

Oficina extensión: 13175

e-mail profesor: ammontenegrod@unal.edu.co, ammontenegrod@gmail.com,

Horario atención: M, J, 8-9, 13-14.

Unidad Académica: Departamento de Estadı́stica.

1
2. Descripción de la Asignatura
El curso es una introducción a los conceptos básicos de estadı́stica matemática
para estudiantes de postgrado. Se asume una buena preparación previa en
matemáticas, básicamente en álgebra lineal, teorı́a de matrices y cálculo avan-
zado. Se espera también que los estudiantes hayan hecho un curso de teorı́a
de probabilidad, o al menos estar tomandolo simultáneamente.

3. Objetivos de curso
El curso tiene los siguientes objetivos:

1. Describir los conceptos básicos de la estadı́stica matemática indicndo


la relación de la teorı́a a la práctica.

2. Dar un demostración cuidadosa de la mayorı́a de los resultados elemen-


tales de la teorı́a.

3. Hacer una discusión heurı́stica de los resultados más avanzados.

4. Mostrar como las ideas y los resultados aplican en la práctica en campos


importantes como los modelos lineales Gaussianos, modelos multinomi-
ales y modelos no paramétricos.

4. Contenido de la Asignatura
1. Modelos estadı́sticos. Objetivos.

a) Datos, Modelos, Parámetros, Estadı́sticas.


b) Modelos Bayesianos.
c) Conceptos de Teorı́a de la Decisión.
d ) Predicción.
e) Suficiencia.
f ) Familias Exponenciales.

2. Métodos de estimación.

2
a) Aproximación Heurı́stica
b) Mı́nimos cuadrados y mı́nimos cuadrados pesados.
c) Máxima verosimilitud.
d ) Máxima verosimilitud en familias exponenciales multiparamétric-
as.

3. Medidas de Desempeño

a) Procedimientos Bayesianos.
b) Estimación insesgada. Desigualdad de la información.

4. Pruebas de Hipótesis y Regiones de Confianza.

a) Lema de Neyman Pearson.


b) Pruebas uniformemente más potentes. Razón de Verosimilitud.
c) Intervalos, regiones y cotas de confianza.
d ) Intervalos de Predicción.

5. Aproximaciones asintóticas

a) Consistencia.
b) El Método Delta.
c) Elementos de Teorı́a asintótica en una dimensión.

6. Inferencia en el caso multiparamétrico.

a) Inferencia para el Modelo Lineal Gaussiano clásico.


b) Teoria asintótica en p diemnsiones.
c) Grandes Muestras. Pruenbas y regiones de confianza.
d ) Grandes Muestras. Métodos para datos discretos.
e) Modelo Lineal Generalizado (MLG)

3
5. Metodologı́a del curso
El profesor hará exposiciones magistrales de todos los temas. Las pre-
sentaciones serán colocadas en Black Board, antes de la clase.

Al finalizar cada capı́tulo, se hará una sesión de ejercicios a cargo de los


estudiantes, de acuerdo con problemas seleccionados. Los estudiantes deben
entregar por grupos, la solución de todos los problemas asignados el dı́a
anterior de la sesión de ejercicios. Se espera cubrir todos los ejercicios del
libro, por lo cual el profesor pondrá a disposición de todos los estudiantes,
todas las soluciones recibidas.

Los parciales estarán basados únicamente en los conferencias de las clases


y en los ejercicios. Habrán demostraciones y ejercicios en cada caso.

6. Temas de exposición
En grupos de tres personas, los estudiantes presentaran al final de cada
capı́tulo, la solución de los problemas del texto, los cuales se asignarán aleato-
riamente al comienzo del curso. El profesor seleccionará algunos problemas
para ser expuestos. Los problemas deben entregarsee, escritos en LATEX, con
el codigo fuente, para hacer una edición final. Cada exposición tendrá una
nota individual, aunque el escrito es en grupo.

7. Evaluación de la Asignatura
1. Dos exámenes parciales. Cada uno 25 %. Total 50 %. Examen 1, capı́tu-
los 1 al 3. Examen 2, capı́tulos 4 al 6.

2. Promedio de las exposiciones de las tareas(ejercicios del texto), junto


con los escritos. Total 50 %.

8. Tareas
Las tareas deben escribirse en LATEX. Cuando se requieran cálculos
deben hacerse con R. Incluir el respectivo código. Las tareas del curso son

4
todos los ejercicios asignados por el profesor para cada grupo. Los ejercicios
son del libro de Bickel y Doksum. Se entregan el dı́a anterior a la presentación
de ejercicios.

9. Fechas importantes

1. Exámenes escritos: abril 19 de 2012 y junio 14 de 2012.

Referencias
[1] P. Bickel and K. Doksum, Mathematical statistics, 2nd ed., Prentice Hall,
2001.

[2] A. Mood, F. Graybill, and D. Boes, Introduction to mathematical statis-


tics, McGraw Hill, 1974.

[3] J. Shao, Mathematical statistics, 2nd ed., Springer, 2003.