Inferencia Simple

• Ley de probabilidad del estadístico muestral para la media con varianza

conocida.

• Estimación por máxima verosimilitud.

• Potencia del ensayo de hipótesis sobre la media. Tamaño de muestra.

• Intervalo de confianza en cada caso. Tamaño de muestra.

Experimentos

• Esperanza del cuadrado medio para el diseño completamente aleatorizado.

• Partición suma de cuadrados para cada diseño.

• Independencia de comparaciones.

• Varianza de una comparación.

Modelo Lineal

• Estimador de cuadrados mínimos (ecuaciones normales).

• Ley de probabilidad del estimador de cuadrados mínimos.

Los componente bj del vector columna b siguen una distribución normal ya que son
combinación lineal de las variables yi cuya distribución, por el supuesto 4, es Normal.

Se asume que las x no son variables aleatorias, por lo que J no es aleatoria, entonces en la
expresión de b solo aparecen constantes multiplicando a las variables Normales yi.

• Partición de la suma de cuadrados.

• Interpretación de parámetros en modelos con variables transformadas.

Series Cronológicas

• Ecuaciones de Yule & Walker.

• Inversión de modelos MA.

• Predicción con modelos ARMA.

• Propiedades del random walk: esperanza, varianza, autocorrelación.