| Título variante: |
Statistics |
| Fecha: |
2020-21 |
| Resumen: |
En aquest curs cal aprendre fonamentalment el concepte de Inferència. S'han d'introduir i assentar els conceptes de Modelització, Estimació (puntual i per intervals) i Bondat d'ajust. S'han d'ensenyar les tècniques fonamentals de regressió lineal. Caldrà aprendre: 1. L'estadística descriptiva i exploratòria que permetrà extreure i resumir de manera eficient informació de les dades. 2. Inferència estadística: com l'Estadística quantifica la incertesa de la informació extreta de les dades. 3. Es treballarà la modelització de poblacions, l'estimació de paràmetres, especialment màxima versemblança, i el planteig i resolució dels contrasts d'hipòtesis (paramétrics i no-paramétrics) a partir de mostres aleatòries. 3. Propietats bàsiques d' optimalitat d'estimadors: Invariancia, suficiència, eficiència, biaix, variància i propietats asimptòtiques. 4. Plantejar i resoldre problemes aplicats. Amb els exemples, la resolució de problemes i les pràctiques amb software estadístic (R) , l'estudiant treballarà amb models concrets i amb dades reals: inferencials per als paràmetres més importants d'una i dues poblacions normals. Tests de' ajust, mètodes inferencials per al model lineal. 1. |
| Resumen: |
En este curso hay que aprender fundamentalmente el concepto de Inferencia. Se deben introducir y asentar los conceptos de Modelización, Estimación (puntual y por intervalos) y Bondad de ajuste. Se deben enseñar las técnicas fundamentales de regresión lineal. Habrá que aprender: 1. La estadística descriptiva y exploratoria que permitirá extraer y resumir de manera eficiente información de los datos. 2. Inferencia estadística: como la Estadística cuantifica la incertidumbre de la información extraída de los datos. 3. Se trabajará la modelización de poblaciones, la estimación de parámetros, especialmente máxima verosimilitud, y el planteamiento y resolución de los contrastes de hipótesis (paramétricos y no-paramétrica) a partir de muestras aleatorias. 3. Propiedades básicas de optimalidad de estimadores: invariancia, suficiencia, eficiencia, sesgo, varianza y 1 3. Propiedades básicas de optimalidad de estimadores: invariancia, suficiencia, eficiencia, sesgo, varianza y propiedades asintóticas. 4. Plantear y resolver problemas aplicados. Con los ejemplos, la resolución de problemas y las prácticas con software estadístico (R), el estudiante trabajará con modelos concretos y con datos reales: inferenciales para los parámetros más importantes de una y dos poblaciones normales. Tests de ajuste, métodos inferenciales para el modelo lineal. |
| Derechos: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.  |
| Lengua: |
Català, anglès, castellà |
| Titulación: |
Matemàtiques [2500149] |
| Plan de estudios: |
Grau en Física i Grau en Matemàtiques [1286] ; Grau en Matemàtiques [777] ; Grau en Física i Grau en Matemàtiques [779] |
| Documento: |
Objecte d'aprenentatge |
visitante ::
identificación
