Temario

  1. Manipulación y visualización de datos
  • Principios de visualización.
  • Reestructura y manipulación de datos.
  • Temas selectos de programación en R: iteración, programación funcional, rendimiento.

Referencias: Tufte (2006), Cleveland (1993), Wickham and Grolemund (2017), H. Wickham (2019), Hadley Wickham, Chang, et al. (2019) Hadley Wickham, François, et al. (2019), Hadley Wickham and Henry (2019), Henry and Wickham (2019).

  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.

Referencias: Ross (1998), Efron and Tibshirani (1993), Chihara and Hesterberg (2018).

  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.
    • Pruebas de aleatoriedad.
    • Simulación de variables aleatorias.
  • Simulación para modelos gráficos
    • Modelos probabilíticos gráficos.
    • Simulación de modelos para: inferencia, evaluación de ajuste, cálculos de potencia/tamaño de muestra.
  • Inferencia paramétrica y remuestreo
    • Modelos paramétricos.
    • Máxima verosimilitud y bootstrap paramétrico.
  • Inferencia de gráficas

Referencias: Gelman and Hill (2007), Hastie, Tibshirani, and Friedman (2001).

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

Referencias: Kruschke (2015), Gelman et al. (2013), Gelman and Hill (2007).

Calificación

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

  • Exámen parcial (proyecto y exámen en clase) 40%.

  • Examen final 40%.

Otros recursos

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

  • Lista de correos: Suscribete si quieres recibir noticias del curso.

Referencias

Chihara, Laura M., and Tim C. Hesterberg. 2018. Mathematical Statistics with Resampling and R. 2nd ed. Hoboken, NJ: John Wiley & Sons. https://sites.google.com/site/chiharahesterberg/home.

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

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, 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.

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.

Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. 2001. The Elements of Statistical Learning. Springer Series in Statistics. New York, NY, USA: Springer New York Inc.

Henry, Lionel, and Hadley Wickham. 2019. Purrr: Functional Programming Tools. https://CRAN.R-project.org/package=purrr.

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

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

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

Wickham, H. 2019. Advanced R. 2nd ed. Chapman & Hall/Crc the R Series. Chapman; Hall/CRC. https://adv-r.hadley.nz.

Wickham, Hadley, Winston Chang, Lionel Henry, Thomas Lin Pedersen, Kohske Takahashi, Claus Wilke, Kara Woo, and Hiroaki Yutani. 2019. Ggplot2: Create Elegant Data Visualisations Using the Grammar of Graphics. https://CRAN.R-project.org/package=ggplot2.

Wickham, Hadley, Romain François, Lionel Henry, and Kirill Müller. 2019. Dplyr: A Grammar of Data Manipulation. https://CRAN.R-project.org/package=dplyr.

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

Wickham, Hadley, and Lionel Henry. 2019. Tidyr: Tidy Messy Data. https://CRAN.R-project.org/package=tidyr.