Estadística Computacional
Información del curso
Temario
Calificación
Software
Otros recursos
Noticias
1
Principios visualización
1.1
Introducción
Visualización de datos en la estadística
Visualización popular de datos
1.2
Teoría de visualización de datos
1.3
Factor de engaño y Chartjunk
1.4
Pequeños múltiplos y densidad gráfica
1.5
Tinta de datos
1.6
Decoración
1.7
Percepción de escala
1.8
Ejemplos: gráfica de Minard
2
Introducción a R y al paquete ggplot2
2.1
R: primeros pasos
R en análisis de datos
Paquetes y el Tidyverse
Recursos
2.2
Visualización con ggplot2
Recursos
3
Manipulación y agrupación de datos
3.1
Transformación de datos
Datos
Filtrar
Seleccionar
Ordenar
Mutar
Summarise y resúmenes por grupo
Variables por grupo
Verbos de dos tablas
3.2
Datos limpios
Limpieza bases de datos
Los encabezados de las columanas son valores
Una columna asociada a más de una variable
Variables almacenadas en filas y columnas
Una misma unidad observacional está almacenada en múltiples tablas
Otras consideraciones
Recursos adicionales
4
Temas selectos de R
4.1
Funciones e iteración
Funciones
4.2
Vectores
Propiedades
4.3
Iteración
Ciclos for
4.4
Rendimiento en R
Diagnosticar
Estrategias para mejorar desempeño
4.5
Lecturas y recursos recomendados de R
5
Introducción a Cálculo de Probabilidades
5.1
Probabilidad como extensión de proporción
5.2
Interpretación frecuentista de probabilidad
Resultados empíricos acerca de frecuencias relativas
5.3
Simulación para el cálculo de probabilidades
5.4
Modelos de probabilidad (definición general)
5.4.1
Espacios discretos
5.4.2
Espacios continuos
5.5
Probabilidad: definición matemática
Propiedades de la función de probabilidad:
5.6
Variables aleatorias
Distribución de probabilidad
Variables aleatorias continuas
6
Bootstrap no paramétrico
6.1
El principio del plug-in
Muestras aleatorias
Función de distribución empírica
Parámetros y estadísticas
Distribuciones muestrales y errores estándar
6.2
El estimador bootstrap del error estándar
Variación en distribuciones bootstrap
6.3
Intervalos de confianza
6.4
Más alla de muestras aleatorias simples
6.5
Bootstrap en R
6.6
Conclusiones y observaciones
7
Teoría básica de simulación
7.1
Números pseudoaleatorios
Generadores congruenciales y Mersenne-Twister
Pruebas de aleatoriedad
7.2
Variables aleatorias
Familias discretas importantes
Familias Continuas importantes
7.3
Simulación de variables aleatorias
Variables aletaorias discretas
Aceptación y rechazo
Variables aleatorias continuas
Aceptación y rechazo
8
Simulación de modelos
¿Para qué simular de un modelo?
8.1
Distribuciones multivariadas
Regla de Bayes
Independencia
8.2
Modelos gráficos y simulación predictiva
8.3
Inferencia visual
Inferencia
Protocolos de inferencia visual
Pruebas de hipótesis típicas
Inferencia visual
Más allá que permutación
Otras consideraciones
8.4
Tamaño de muestra/calculos de potencia
9
Inferencia paramétrica
9.1
Máxima verosimilitud
Propiedades de los estimadores de máxima verosimilitud
9.2
Bootstrap paramétrico
10
Análisis bayesiano
10.1
Probabilidad subjetiva
10.2
Regla de Bayes e inferencia bayesiana
Regla de Bayes en modelos y datos
Objetivos de la inferencia
Cálculo de la distribución posterior
10.3
Distribuciones conjugadas
Ejemplo: Bernoulli
10.4
Aproximación por cuadrícula
10.5
MCMC
Introducción Metrópolis
10.6
Metrópolis
Inferencia de dos proporciones binomiales
10.7
Muestreador de Gibbs
Conclusiones y observaciones Metrópolis y Gibbs
10.8
HMC y Stan
Muestreo HMC
Stan
10.9
Diagnósticos generales
Recomendaciones generales
10.10
Modelos jerárquicos
Modelo jerárquico una moneda
Multiples monedas de una misma fábrica
Ejemplo: estimación de tasas de mortalidad
10.11
Inicialesy Reparametrización
Iniciales en Stan
10.12
Reparametrización
Ejemplo: El embudo de Neal
Modelos jerárquicos y parametrización no centrada
10.13
Recursos de Stan y paquetes con R
Tareas
1. Instalación y visualización
2. Transformación de datos
3. Unión de tablas y limpieza de datos
4. Programación funcional y distribución muestral
Solución + bootstrap
5. Bootstrap conteo
Respuesta ejercicios clase
6. Más bootstrap
7. Simulación de variables aleatorias
8. Distribuciones multivariada y simulación
9. Inferencia visual y simulación e modelos
10. Simulación muestra y bootstrap paramétrico
11-Familias conjugadas
12-Metropolis
13-Modelos jerárquicos
Final
1. Inferencia gráfica
2. Simulación para el cálculo de tamaños de muestra
3. MCMC
4. Modelos jerárquicos y Stan
Referencias
Publicado con bookdown
Estadística Computacional
1.6
Decoración
