Temario

  1. Manipulación y visualización de datos
  • Visualización de datos.
  • Manipulación y limpieza de datos.
  • Temas selectos de programación en R.

Referencias: Tufte (2006), Cleveland (1993), Wickham and Grolemund (2017), H. Wickham (2014).

  1. Inferencia y remuestreo
  • Repaso de probabilidad.
  • Muestreo y probabilidad.
  • Inferencia.
  • El principio del plug-in.
  • Bootstrap
    • Cálculo de errores estándar e intervalos de confianza.
    • Estructuras de datos complejos.
  • Introducción a modelos probabilísticos.

Referencias: Ross (1998), Efron and Tibshirani (1993).

  1. Modelos de probabilidad y simulación
  • Variables aleatorias y modelos probabilísticos.
  • Familias importantes: discretas y continuas.
  • Teoría básica de simulación
    • El generador uniforme de números aleatorios.
    • El método de la transformación inversa.
    • Simulación de variables aleatorias discretas con soporte finito.
    • Otras variables aleatorias.
  • Simulación para modelos gráficos
    • Modelos probabilíticos gráficos.
    • Simulación (e.g. ANOVA, regresión simple).
  • Inferencia paramétrica y remuestreo
    • Modelos paramétricos.
    • Bootsrap paramétrico.
  • Inferencia de gráficas

Referencias: Gelman and Hill (2007).

  1. Métodos computacionales e inferencia Bayesiana
  • Inferencia bayesiana.
  • Métodos diretos
    • Familias conjugadas.
    • Aproximación por cuadrícula.
    • Aceptación y rechazo.
  • MCMC
    • Cadenas de Markov.
    • Metropolis-Hastings.
    • Muestreador de Gibbs.
    • Monte Carlo Hamiltoniano.
    • Diagnósticos de convergencia.

Referencias: Kruschke (2015), Gelman et al. (2013).

Calificación

  • Tareas 20% (se envían por correo con título EstComp-TareaXX).

  • Exámen parcial (proyecto y exámen en clase) 40%:
    • Proyecto a casa:
      • La descripción y material estará disponible en una liga aquí a partir del 3 de octubre y las respuestas se enviarán por correo a más tardar el 8 de octubre a las 16:00 horas.
      • Cada día tarde se descuenta un punto del máximo puntaje (10), es decir, si entregan el 8 después de las 16:00 horas se califica sobre 9, si entregan el 9 después de las 16:00 horas se califica sobre 8, …
      • El proyecto se puede realizar individual o en parejas.
    • Examen en clase:
      • Individual el 8 de octubre de 16:00 a 17:00 horas.
      • Pueden consultar internet, notas, o cualquier recurso que traigan a clase.

  • Examen final 40%.

Otros recursos

  • Socrative (Room ESTCOMP): Para encuestas y ejercicios en clase.

  • DataCamp: Tenemos una cuenta de DataCamp para clases que les da acceso gratuito a todos los recursos de DataCamp a lo largo del semestre.

  • Registro correos: Si quieres recibir noticias del curso y/o solicitar suscripción gratuita a DataCamp registra tu correo en este documento.

Referencias

Tufte, Edward R. 2006. Beautiful Evidence. Cheshire, CT: Graphics Press.

Cleveland, W.S. 1993. Visualizing Data. At&T Bell Laboratories. https://books.google.com.mx/books?id=V-dQAAAAMAAJ.

Wickham, Hadley, and Garrett Grolemund. 2017. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. 1st ed. O’Reilly Media, Inc.

Wickham, H. 2014. Advanced R. Chapman & Hall/Crc the R Series. Taylor & Francis. https://books.google.com.mx/books?id=PFHFNAEACAAJ.

Ross, Sheldon M. 1998. A First Course in Probability. Fifth. Upper Saddle River, N.J.: Prentice Hall.

Efron, Bradley, and Robert J. Tibshirani. 1993. An Introduction to the Bootstrap. Monographs on Statistics and Applied Probability 57. Boca Raton, Florida, USA: Chapman & Hall/CRC.

Gelman, Andrew, and Jennifer Hill. 2007. Data Analysis Using Regression and Multilevel/Hierarchical Models. Vol. Analytical methods for social research. New York: Cambridge University Press.

Kruschke, John. 2015. Doing Bayesian Data Analysis (Second Edition). Boston: Academic Press.

Gelman, A., J.B. Carlin, H.S. Stern, D.B. Dunson, A. Vehtari, and D.B. Rubin. 2013. Bayesian Data Analysis, Third Edition. Chapman & Hall/Crc Texts in Statistical Science. Taylor & Francis. https://books.google.com.mx/books?id=ZXL6AQAAQBAJ.