Documente Academic
Documente Profesional
Documente Cultură
Curso 2013-14
Contenido
El objetivo de la Estad stica es el de organizar, describir y sacar consecuencias de aquellos fen omenos que no resultan predecibles (aleatorios). La Estad stica actual es la uni on de dos disciplinas cient cas: Estad stica Descriptiva. C alculo de Probabilidades.
La estad stica descriptiva, se dedica a la descripci on, visualizaci on y resumen de datos. Tiene su origen en los censos de la antig uedad. Se desarroll o como ciencia con el Despotismo Ilustrado. La astronom a y la estad stica actuarial la han usado ampliamente.
Uni on de ambas
A nales del siglo XIX casi todos los cient cos enfocaron su atenci on al tema de la evoluci on. El c alculo de probabilidades y la estad stica pretendieron encontrar m etodos de contraste de hip otesis, naciendo la Teor a de Muestras que hace uso de ambas. Galton (1822-1911) Introdujo el concepto de linea de regresi on. Pearson (1857-1936) Tablas estad sticas para los contrastes. Gosset (1876-1937) (Student) M etodo de Montecarlo. Contrastes muestras peque nas. Fisher (1890-1962) An alisis discriminante. Dise nos experimentales.
El objetivo principal representar y obtener conclusiones de un conjunto de datos, analizando cada variable de forma aislada. Tambi en, pretende detectar datos err oneos, o al menos extra nos. Los m etodos pueden clasicarse en: Agrupar datos en tablas de frecuencias. Representaciones gr acas. Obtenci on de par ametros:
De tendencia central (media, mediana,...) De dispersi on (varianza, rango,...) De forma (sesgo, curtosis...)
El objetivo principal representar y obtener conclusiones de un conjunto de datos, analizando las variable de forma conjunta. Resulta importante Tambi en, pretende detectar datos err oneos, o al menos extra nos. Los m etodos pueden clasicarse en: Agrupar datos en tablas de frecuencias bidimensionales. Representaciones gr acas bidimensionales. Obtenci on de par ametros:
De distribuciones marginales (media, mediana, varianza,...) De relaci on entre variables (covarianza, r,...) Coecientes de ajuste por m nimos cuadrados. De medidas de la bondad del ajuste.
Concepto de experimento aleatorio. Sucesos. Axiom atica. Probabilidad. Probabilidad condicionada. Teoremas de probabilidad.
Concepto de variable aleatoria. Tipos. Principales distribuciones discretas: Uniforme, Binomial, Poisson,. . . Principales distribuciones continuas: Normal, T-Student, Exponencial, . . .
Conceptos: Muestra, tipos de muestreo, estimador,. . . . Estimadores ecientes de la media, proporci on, varianza, Estimaci on por intervalos.
Sirven para contrastar si una hip otesis se contradice o est a de acuerdo con lo observado. Conceptos: Hip otesis nula y alternativa, potencia, signicaci on, . . . . Contrastes param etricos de:
Proporci on Media Varianza Diferencia de proporciones. Diferencia de medias. Cociente de varianzas.
Sirven para contrastar si una hip otesis se contradice o est a de acuerdo con lo observado sin asumir que se ajuste a ninguna distribuci on de probabilidad. Bondad del ajuste de una distribuci on te orica a datos experimentales. Contraste de la dependencia e independencia entre variables. Contraste de homogeneidad entre muestras.
Pr acticas (7 horas)
Introducci on a MATLAB. Pr actica 1: Estad stica Descriptiva: 1 variable. Pr actica 2: Estad stica Descriptiva: Ajustes. Series temporales. Pr actica 3: Simulaci on 1. Pr actica 4: Simulaci on 2. Pr actica 5: Contrastes de hip otesis.
Evaluaci on
La asistencia es obligatoria. Se propondr an actividades (especialmente en el Campus) y un control el d a 7 de abril. Existen tres m etodos: M etodo 1: Calicaci on= Control(m ax. 3)+ Ex. Final(m ax. 7)+ Campus(m ax. 1). M etodo 2: Calicaci on= Ex. Final(m ax. 10) + Campus(m ax. 1) M etodo 3: Calicaci on= Examen nal(m ax. 1). La nota del Campus (hasta 1 punto) vendr a en funci on de las actividades realizadas (m as del 75 %) y calicaciones obtenidas.
Bibliograf a
A. M. Montiel, F. Rius, F. J. Bar on. Elementos b asicos de estad stica econ omica y empresarial. Ed. Prentice Hall. C. M. Cuadras, B. Echevarr a, J. Mateo, P. S anchez. Fundamentos de estad stica. Aplicaci on a las ciencias humanas. Ed. Promociones Publicaciones Universitarias. D. Pe na S anchez de Rivera. Estad stica. Modelos y m etodos. Ed. Alianza Universidad J. A. Viedma Casta no. Exposici on intuitiva y problemas resueltos de metodos estad sticos. Ed. del Castillo J. L obez Urquia, A. Casa Aruta. Estad stica intermedia. Ed. Vicens Vives. Spiegel. Estad stica. Ed. Schwam-McGraw-Hil V. Quesada, A. Isidoro, L. A. L opez. Curso y ejercicios de Estad stica. Ed. Alhambra Universidad.
Enrique M erida y Carlos Cerezo M etodos Estad sticos: Introducci on P ag.17
Tutor a
Profesor: Enrique M erida Casermeiro
Horario: Enrique M erida Casermeiro Lunes: Martes: Viernes: Despacho: 2-2-10 Tf: 952 132877 email: merida@ctima.uma.es 12:30-14:30 12:30-13:30 08:45-11:45
Tutor a
Profesor: Carlos Cerezo Casermeiro
Horario: Carlos Cerezo Casermeiro Lunes: Martes: Martes: Despacho: 2-2-10 Tf: 952 132877 email: ccerezo@uma.es 12:45-14:45 12:45-14:45 16:30-18:30