Materia
Técnicas de Inferencia Estadística
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Castellano
Descripción y contextualización de la asignatura
Se trata de un curso de Inferencia Estadística y su enfoque desde la Teoría de la Decisión. En esta asignatura se intenta proporcionar al estudiante todas las herramientas estadísticas necesarias para poder plantear y formalizar procesos de inferencia estadística dentro de un contexto económico. La asignatura incluye una primera introducción a la Estadística desde la Teoría de la Decisión, para luego plantearse criterios específicos de selección de procedimientos estadísticos óptimos. Con estos criterios se abordarán temáticas de métodos de estimación de parámetros y sus propiedades, convergencia y contrastes de hipótesis.El objetivo de esta asignatura es que los alumnos conozcan y sepan utilizar todos los elementos de la inferencia estadística básica y avanzada desde una aproximación Bayesiana: estimación por punto y por intervalo, propiedades de los estimadores, contrastes de hipótesis, para lo cual como caso
previo, se tendrán que familiarizar con las distribuciones de probabilidad necesarias en esta parte de la Estadística. La materia impartida prepara al alumno para abordar problemas de inferencia estadística, tan presente en cualquier tratamiento de datos, asicomo para continuar con otro tipo de estudios de contenido cuantitativo.
Competencias específicas:
- Identificar y diferenciar las características de los distintos modelos de probabilidad teóricos (discretos y continuos) para seleccionar el más adecuado en cada caso y así valorar su utilidad y aplicabilidad en el ámbito profesional.
- Evaluar los distintos problemas de inferencia estadística para poder seleccionar adecuadamente la mejor alternativa de análisis.
- Aplicar los métodos estadísticos disponibles para poder tomar la decisión correcta en base a criterios metodológicos y profesionales.
- Seleccionar fuentes de información apropiadas para estudiar cada problema de interés y poder analizar conjuntos de datos utilizando las técnicas estadísticas más adecuadas para cada caso.
- Interpretar y comunicar de forma clara y concisa los resultados de los diferentes análisis
estadísticos, tanto de forma individual como colectiva haciendo uso de las tecnologías de la información y las comunicaciones (TICs).
Competencias transversales:
- Capacidad para emitir juicios razonados apoyándose en los datos y resultados obtenidos.
- Capacidad para la comunicación escrita y oral con fluidez.
- Capacidad para trabajar en equipo, con responsabilidad y respeto, iniciativa y liderazgo.
- Capacidad para el pensamiento analítico y la reflexión crítica.
La docencia de la asignatura se basará en clases magistrales (CM), clases prácticas (CP) y seminarios (S). En las clases magistrales se abordará el contenido teórico de la asignatura y se motivará de forma activa la participación de los estudiantes a través de preguntas y/o ejercicios puntuales. En las clases prácticas se procederá a la resolución de ejercicios y ejemplos a modo de ilustración de la teoría. En los seminarios los estudiantes deberán participar de forma activa, tanto individual como en grupo, en la discusión que eventualmente llevará a la resolución de problemas reales, lo que será adecuadamente valorado por el profesor, y que formará parte de la evaluación del curso.
Profesorado
Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
---|---|---|---|---|---|---|
NUÑEZ ANTON, VICENTE ALFREDO | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Catedratico De Universidad | Doctor | No bilingüe | Métodos Cuantitativos para la Economía y la Empresa | vicente.nunezanton@ehu.eus |
Competencias
Denominación | Peso |
---|---|
Aplicar los criterios y la metodología del análisis económico para obtener procedimientos generales de diseño y análisis de políticas públicas: estructuración de problemas, pronóstico, recomendación y evaluación. | 20.0 % |
Manejar los métodos estadístico-econométricos diseñados para el análisis y evaluación de políticas públicas. | 20.0 % |
Conocer los principios del análisis económico más relevante en la gestión óptima de los recursos naturales, teniendo en cuenta que la incertidumbre y la irreversibilidad juegan un papel muy importante. | 10.0 % |
Manejar los modelos y las técnicas microeconométricas, así como los programas informáticos habituales en el análisis empírico del mercado de trabajo. | 20.0 % |
Realizar tareas de consultoría y asesoramiento en el diseño de estrategias empresariales y de políticas económicas locales adaptadas a las condiciones de integración económica. | 10.0 % |
Realizar trabajos empíricos, seleccionando los métodos estadístico-econométricos apropiados según la naturaleza de los datos y el problema a analizar y utilizando los programas informáticos especializados. | 20.0 % |
Tipos de docencia
Tipo | Horas presenciales | Horas no presenciales | Horas totales |
---|---|---|---|
Magistral | 15 | 25 | 40 |
Seminario | 0 | 7 | 7 |
P. de Aula | 10 | 5 | 15 |
P. Ordenador | 0 | 8 | 8 |
Taller Ind. | 5 | 0 | 5 |
Actividades formativas
Denominación | Horas | Porcentaje de presencialidad |
---|---|---|
Clases magistrales | 40.0 | 37 % |
Prácticas de aula | 15.0 | 66 % |
Prácticas de ordenador | 8.0 | 0 % |
Seminarios | 7.0 | 0 % |
Teoría | 5.0 | 100 % |
Sistemas de evaluación
Denominación | Ponderación mínima | Ponderación máxima |
---|---|---|
Examen escrito | 30.0 % | 40.0 % |
Participación en clase | 10.0 % | 20.0 % |
Preguntas a desarrollar | 40.0 % | 60.0 % |
Convocatoria ordinaria: orientaciones y renuncia
La evaluación de la asignatura consistirá en la realización de tareas asignadas a los alumnos a lo largo del curso, asicomo en la participación activa, tanto de forma individual como en grupo, en la resolución de los ejercicios que se desarrollen en las clases prácticas, y en la discusión quellevará a la solución de problemas reales sobre los contenidos desarrollados en el programa de la asignatura. La resolución de ejercicios y problemas en las clases prácticas, en los seminarios y en las clases magistrales forman parte de la evaluación continua del alumno.
Participación activa del estudiante en clase: 20% de la calificación
Tareas asignadas de forma regular: 80% de la calificación
Aquellos estudiantes que no entreguen todas las tareas asignadas durante el curso, tendrán una
calificación de "Suspenso". Aquellos alumnos que no entreguen ninguna tarea de las asignadas durante el curso, tendrán una calificación de "No Presentado". El trabajo correspondiente a estas tareas asignadas deberá ser el del propio estudiante y debe ser escrito completamente por el mismo estudiante. Los estudiantes deberán identificar e incluir las fuentes de cualquier información citada en sus tareas, sean éstas hechos, ideas, opiniones o puntos de vista expresadas por otras personas ajenas al estudiante, incluyendo dichas referencias o citas al final de sus tareas. Citas directas procedentes de libros, artículos en revistas, fuentes de internet o cualqueir otra fuente de información utilizada, debe ser reconocida adecuadamente y citada en las referencias de las tareas correspondientes.
Convocatoria extraordinaria: orientaciones y renuncia
El sistema de evaluación de la segunda convocatoria de cada curso académico será, en todocaso, un examen final que determinará el 100% de la calificación. En este examen se evaluarán todas las competencias y contenidos desarrollados en las actividades del periodo de docencia de la asignatura. En este examen no se permite el uso de teléfono móvil o dispositivos electrónicos, ni apuntes o libros.
Temario
Temario:TEMA 1. ESTADÍSTICA Y TEORÍA DE LA DECISIÓN
¿Qué es un procedimiento estadístico? Procedimientos estadísticos. El enfoque de la Teoría de la Decisión: estados de la Naturaleza, espacio de decisiones, espacio muestral, función de pérdida. Pérdida esperada. Riesgo de Bayes. Procedimientos admisibles.
Referencias: Kiefer (1983) Cap.1, 2 y 3. Berger (1985) Cap. 2. Lehmann (1983) Cap. 1, Sec.1.
Bickel-Doksum (1977) Cap. 10. Ferguson (1967) Cap.1 y 2.
TEMA 2. CRITERIOS DE SELECCIÓN DE PROCEDIMIENTOS ESTADÍSTICOS (I)
Criterio de Bayes. Aleatorización de procedimientos. Clases completas. Criterio minimax: caracterización. Caracterización de procedimientos admisibles. Distribuciones menos favorables. Cómputo de procedimientos minimax. Relación entre procedimientos minimax y de Bayes.
Referencias: Kiefer (1983) Cap. 4. Lehmann (1983) Cap.~4. Bickel-Doksum (1977) Cap.10. Ferguson (1967) Cap.1 y 2.
TEMA 3. CRITERIOS DE SELECCIÓN DE PROCEDIMIENTOS ESTADÍSTICOS (II)
¿Y si no se dispone de una función de pérdida especificada? Estimación insesgada. Estimación máximo
verosímil. Método de momentos. Método de sustitución de frecuencias. Método de mínimos cuadrados. Referencias: Kiefer (1983) Cap. 4. Bickel-Doksum (1977) Cap. 3.
TEMA 4. SUFICIENCIA
Caracterización de la suficiencia. Familias de distribuciones. La familia exponencial. Estadísticos suficientes y familia exponencial. Estadísticos suficientes y soluciones de Bayes. Caracterización de la suficiencia minimal. Estadísticos Completos.
Referencias: Kiefer (1983) Cap. 4. Lehmann (1983) Cap. 1 Sec. 5. Cox-Hinkley (1974) Cap. 2 Sec. 2.
Cox-Hinkley (1978). Ferguson (1967) Cap.3.
TEMA 5. ESTIMACIÓN POR PUNTO. ALGUNOS RESULTADOS BÁSICOS
La condición de insesgadez. Funciones convexas. Estimadores UMVU. Teorema de Rao-Blackwell. Teorema de Lehmann-Scheffé. Desigualdad de Cramér-Frechet-Rao. Desigualdad de Chapman-Robbins-Kiefer. Eficiencia y Eficiencia Asintótica. Equivarianza (o "invarianza"). Teorema de Hunt-Stein. Referencias: Kiefer (1983) Cap. 7. Lehmann (1983) Cap. 2 y 3. Bickel-Doksum (1977) Cap. 4. Rohatgi (1976) Cap. 8.
TEMA 6. CONVERGENCIA ESTOCÁSTICA Y PROPIEDADES ASINTÓTICAS
Sucesiones de variables aleatorias. Tipos de convergencia. Leyes de grandes números. Teorema Central del Límite. Sucesiones estimadoras débil y fuertemente consistentes. Velocidad de Consistencia. La mediana como estimador de localización. Distribución asintótica de los estimadores por el método de momentos.
Referencias: Kiefer (1983) Cap. 7. Rao (1965) Sec.2.c. Lehmann (1983) Cap. 5. Cox-Hinkley (1974) Apéndice A.
TEMA 7. ESTIMACIÓN POR PUNTO. EL METODO DE MÁXIMA VEROSIMILITUD
Estimación máximo verosímil y estadísticos suficientes. Propiedades asintóticas: consistencia (teorema de Wald), normalidad asintótica, eficiencia asintótica. Estimadores B.A.N. ("óptimos asintóticamente normales").
Referencias: Kiefer (1983) Cap. 7. Lehmann (1983) Cap. 6. Cox-Hinkley (1974) Cap. 8 y 9. Cox-Hinkley (1978).
TEMA 8. CONTRASTE DE HIPÓTESIS
Estadísticos de contraste y su distribución nula. Contraste de hipótesis desde el punto de vista de la Teoría de la Decisión. Contraste de hipótesis simples. Contraste de hipótesis compuestas. Eliminación de parámetros indeseables. Contrastes de significación puros, simples y compuestos. Contrastes aleatorizados. Contrastes de potencia máxima: teorema de Neyman-Pearson. Contrastes uniformemente más potentes. Contrastes insesgados. Contrastes insesgados uniformemente más potentes. Contrastes locales: de potencia máxima e insesgados. Contrastes equivariantes. Contrastes de Razón de Verosimilitudes Generalizado.
Referencias: Kiefer (1983) Cap. 8. Cox-Hinkley (1974) Cap. 3 y 5. Lehmann (1959) Cap. 3. Ferguson (1967) Cap. 5. Bickel-Doksum (1977) Cap. 5 y 6.
Bibliografía
Materiales de uso obligatorio
Lehmann, E.L. (1959). Testing Statistical Hypothesis. New York: Wiley.Lehmann, E.L. (1983). Theory of Point Estimation. New York: Wiley.
Bibliografía básica
Ferguson, T.S. (1967). Mathematical Statistics: A Decision Theoretic Approach. Academic Press: New York.Kiefer, J.C. (1983). Introduction to Statistical Inference. Springer Verlag: New York.
Lehmann, E.L. (1959). Testing Statistical Hypothesis. Wiley: New York.
Lehmann, E.L. (1983). Theory of Point Estimation. Wiley: New York.
Bibliografía de profundización
Berger, J.O. (1985). Statistical Decision Theory and Bayesian Analysis. Springer Verlag: New York.Bickel, P.J. y Doksum, K.A. (1977). Mathematical Statistics. Holden-Day, Inc.: Oakland.
Cox, D.R. y Hinkley, D.V. (1974). Theoretical Statistics. Chapman and Hall: London.
Cox, D.R. y Hinkley, D.V. (1978). Problems and Solutions in Theoretical Statistics. Chapman and Hall: London.
Garthwaite, P.H., Jolliffe, I.T. y Jones, B. (1995). Statistical Inference. Prentice Hall: London.
Lindley, D.W. (1969). Introduction to Probability and Statistics from a Bayesian Viewpoint. Cambridge University Press: Cambridge.
Migon, H.S. y Gammerman, D. (1999). Statistical Inference. An Integrated Approach. Arnold: London.
Peña, D. (2001). Fundamentos de Estadística. Alianza Editorial: Madrid.
Rao, C.R. (1965). Linear Statistical Inference and its Applications. Wiley: New York.
Rohatgi, V.K. (1976). An Introduction to Probability Theory and Mathematical Statistics. New York: Wiley.
Romano, J.P. y Siegel, A.F. (1985). Counterexamples in Probability and Statistics. Monterey: Wadsworth & Brooks/Cole.
Revistas
Applied StatisticsApplied Stochastic Models in Business and Industry
Biometrics
Biometrika
Biostatistics
Chance
Communications in Statistics - Computation and Simulation
Communications in Statistics - Theory and Methods
Journal of Applied Statistics
Journal of the American Statistical Association
Journal of the Royal Statistical Society - Series B
Journal of Statistical Computation and Simulation
Journal of Statistical Planning and Inference
Methodology - European Journal of of Research Methods for the Behavioral and Social Sciences
Significance
Statistics in Medicine
Statistical Methods in Medical Research
Statistical Modelling
The American Statistician
Enlaces
American Statistical Association (http://www.amstat.org/)Biostatnet (http://eio.usc.es/pub/biostatnet/)
International Statistical Institute (http://www.isi-web.org/)
International Biometric Society (http://www.biometricsociety.org/)
Royal Statistical Society (http://www.rss.org.uk/)
Sociedad Española de Estadística e Investigación Operativa (http://www.seio.es/)
Sociedad Española de Biometría (http://biometricsociety.net/)