Contenidos Mnimos de las Asignaturas obligatorias de la Carrera de Especializacin en Estadstica y/o de la Maestra en Estadstica Matemtica:

Probabilidades (112 hs.): Anlisis combinatorio. Probabilidad. Espacio muestral y eventos. Espacio de probabilidad. Espacios de equiprobabilidad. Probabilidad condicional e independencia. Probabilidad Total. Teorema de Bayes. Lema de Borel Cantelli. Variables aleatorias discretas. Funcin de probabilidad puntual y de distribucin. Distribuciones usuales. Variables aleatorias continuas. Funcin de densidad y de distribucin. Distribuciones usuales. Vectores aleatorios. Funcin de distribucin conjunta. y marginal. Independencia de variables aleatorias. Distribucin condicional. Suma de variables aleatorias independientes. Esperanza, varianza y covarianza. Propiedades. Teoremas de convergencia montona y convergencia mayorada. Esperanza condicional. Prediccin. Convergencia en probabilidad y en casi todo punto. Desigualdad de Markov y de Chebyshev. Leyes de los grandes nmeros. Funciones caractersticas. Teorema de inversin. Teorema de Paul Levy. Teorema central del lmite. Anlisis Exploratorio de Datos (56 hs.): Introduccin al R. Histogramas. Reglas de Dixon y Kronmal, Velleman, Sturges. Reglas de Scott y Friedman & Diaconis. Diagramas Tallo-Hoja. Esquema bsico. Profundidades y cantidad de hojas por tallo. Resistencia. Estadsticos de orden. Diferentes formas de clculo de los cuantiles. Grfico cuantil-cuantil. Medidas resumen. Identificacin de valores atpicos. Boxplots. Grfico de dispersin versus nivel. Construccin. Escalera de potencias de Tukey. J. Transformaciones de potencia. Definicin. Ventajas. Propiedades. Transformaciones apareadas: procedimiento, interpretacin. Simetrizacin de datos. Grfico de transformacin para simetra. Regresin lineal simple. Modelo. Interpretacin. Estimacin. Prediccin. Cuadrados mnimos. Supuestos. Residuos. Leverage. Outliers. Puntos influyentes. Rectas resistentes. Recta resistente a partir de tres grupos. Mnimos absolutos (L1). Mnima mediana cuadrtica (LMS). Otros mtodos alternativos. Estadstica Terica (112 hs.): Estimacin Puntual. Estadsticos suficientes y completos. Estimadores de momentos y de Mxima Verosimilitud. Teora Asinttica. Prueba de hiptesis. Pruebas de hiptesis uniformemente ms potentes. Regiones de confianza. Relacin entre pruebas de hiptesis y regiones de confianza. Mtodos Bayesianos. Mtodos Robustos. Pruebas de hiptesis no paramtricas para una y dos muestras. Modelo Lineal (112 hs.): Modelo lineal general. Estimacin. Interpretacin geomtrica. Funciones estimables. Estimadores insesgados de mnima varianza: mtodo de mnimos cuadrados. Forma cannica. Mnimos Cuadrados Pesados. Tests y Regiones de Confianza. Distribucin de estimadores. Elipsoide e

intervalos de confianza para funciones estimables. Test derivado del elipsoide de confianza y del cociente de verosimilitud. Equivalencia. Potencia. Contrastes. Regiones de prediccin. Teora asinttica. Anlisis de la varianza de uno y dos factores. Pruebas de hiptesis no paramtricas para Anlisis de la Varianza de 1 Factor. Medidas de Diagnstico. Anlisis de residuos. Heteroscedasticidad y Transformaciones. colinealidad. Outliers y su efecto sobre la estimacin. Medidas de influencia. Presentacin de algunos mtodos robustos de estimacin. Seleccin de variables: Medidas de ajuste, estadstico de Mallows. Efectos por perder variables. Validacin del modelo. Anlisis Multivariado I (56 hs.): Distribucin normal multivariada. Distribuciones condicionales. Distribucin Wishart. Distribucin de los estimadores de mxima verosimilitud. Distribucin de Hotelling. Test de Hotelling. Aplicacin al problema de dos muestras y al anlisis de la varianza. Estadstico U de Rao. Aplicacines del test de Hotelling. Problema de FisherBehrens. Anlisis de perfiles. Mtodos de reduccin de dimensin. Componentes principales. Biplot. Coordenadas discriminantes. Clasificacin y anlisis discriminante. Clasificacin no paramtrica. Muestreo (56 hs.): Lineamientos generales de la inferencia en el muestreo en poblaciones finitas. Diseos simples sin reposicin, muestreo simple al azar y muestreo sistemtico. Diseos muestrales con informacin auxiliar (I): muestreo estratificado. Construccin de Estratos. Diseos muestrales con informacin auxiliar (II): estrategias basadas en esquemas con probabilidad proporcional al tamao. Diseos de Entropa Mxima. Mtodo de Brewer. Sistemtico con Probabilidades Desiguales, Mtodos de Midzuno, de Sampford, de Rao-Cochran y Hartley. Diseos muestrales por conglomerados en una y dos etapas. Mtodos alternativos de estimacin en presencia de informacin auxiliar. Estimador de Hajek. Estimadores por Modelo Asistidos. Mtodos No Paramtricos I (56 hs.): Distribucin Binomial: Tests e Intervalos de confianza exactos y asintticos. Tests basados en la distribucin binomial. Tests para percentiles. Intervalos de confianza exactos y asintticos para percentiles. Lmites de tolerancia. Estimadores de Hodges-Lehmann. Consistencia de un test. Eficacia y Eficiencia de Pitman. Test del signo. Distribucin bajo la hiptesis nula y la alternativa. Test de Cox-Stuart para tendencia. Modelo de datos apareados. Test de Wilcoxon de rangos signados. Scores generales. Estadstico de Mann-Whitney-Wilcoxon. Escores generales. Eficiencia relativa asinttica. Problema de Fisher-Behrens. Anlisis de varianza de un factor. Test de Kruskal-Wallis. Comparaciones mltiples. Tests para alternativas ordenadas. Anlisis de la varianza de dos factores. Diseo en bloques. Test de Friedman y de Quade. Test de igualdad de varianzas. Test de Siegel-Tukey y de Mood y de Koltz para dos muestras. Test de Savage para exponenciales.

Contenido Mnimo de Asignaturas Optativas y Seminarios

Mtodos No Paramtricos II (56 hs.): Test de bondad de Ajuste. Test de bondad de Ajuste a una distribucin multinomial. Tablas de contingencia. Test de Mac Nemar para dos muestras binomiales relacionadas. Test de Irwin Fisher para dos muestras binomiales independientes. Test de la mediana o de Mood. Tests para varias muestras multinomiales. Test de independencia. Test de Cochran para observaciones relacionadas. Test de bondad de ajuste a una distribucin dada. Tests no paramtricos basados en el estadstico de Kolmogorov-Smirnov. Series de Tiempo I (56 hs.): Modelos autoregresivos. Estacionaridad. Modelos de promedios mviles. Invertibilidad. Modelos ARMA. Estacionaridad e Invertibilidad. Estimacin de mnimos cuadrados para modelos autoregresivos. Ecuaciones de Yule-Walker. Estimadores de mxima verosimilitud, BoxJenkins y mnimos cuadrados para modelos ARMA. Criterios FPE y AIC de Akaike. Autocorrelograma y autocorrelograma parcial. Test de Box y Pierce para bondad de ajuste. Modelos no estacionarios ARIMA. Modelos estacionales. Test de bondad de ajuste para modelos ARIMA. Prediccin. Varianza de la prediccin. Series de Tiempo II (56 hs.): Identificacin de observaciones atpicas y cambios de nivel. Funcin de transferencia. Modelos autoregresivos vectoriales. Modelos ARIMA vectoriales. Filtros de Kalman. Suavizadores. Modelos condicionalmente heterocedsticos. Modelos ARCH y GARCH. Anlisis Multivariado II (56 hs.): Modelo lineal multivariado. Anlisis de la varianza multivariado. Escalamiento multidimensional. Correlacin cannica. Anlisis de correspondencia. Anlisis factorial. Taxonoma numrica. Diseo de Experimentos (56 hs.): Anlisis de varianza con efectos fijos. Modelos con varios efectos. Datos no balanceados. Efectos aleatorios y mixtos. Bloques aleatorizados. Bloques completos. Bloques incompletos balanceados y parcialmente balanceados. Cuadrados latinos. Diseos factoriales. Superficies de respuesta Modelo Lineal Generalizado (56 hs.): Familia Exponencial y Generalidades del MLG. Propiedades. Teora general del MLG. Funciones de verosimilitud. Funciones de enlace. Estadsticos suficientes y links cannicos. Bondad del ajuste y residuos. Residuos de la deviance, de Anscombe y de Pearson. Estimador de Mxima Verosimilitud (EMV). Algoritmos para el clculo del EMV. Tests de hiptesis. Datos Binarios y generalizacin a datos multinomiales. Regresin de Poisson. Diagnstico para detectar outliers. Cuasi-verosimilitud. MLG no paramtrico y semiparamtrico. Modelo Aditivo

Generalizado. Tablas de Contingencia: de doble y triple entrada. Odd ratio. Independencia y homogeneidad. Modelo log-lineal. Modelos Jerrquicos. Estimacin Bayesiana (56 hs.): Teora de la decisin. Teora de la utilidad y funcin de prdida. Funcin de riesgo. Reglas de Bayes. Reglas minimax. Admisibilidad de la reglas de Bayes. Distribuciones a priori. Familias de distribuciones conjugadas. Estimacin puntual bayesiana. Estimacin en los modelos usuales. Aplicacin al anlisis de tablas de contingencia. Enfoque bayesiano para contrastes de hiptesis y regiones de confianza. El modelo lineal normal. La distribucin Gamma inversa. Distribucin a posteriori y factores de Bayes para el modelo lineal. Mtodos Bayesianos jerrquicos. El mtodo Bayesiano emprico. El mtodo bootstrap (56 hs.): Mtodos asintticos. El principio de reemplazo (plug-in). Bootstrap paramtrico y no-paramtrico. Datos i.i.d. Estimacin de sesgo y de variabilidad de estimadores. Intervalos de confianza. Pivotes aproximados. Transformaciones para simetra. Mtodos BC y ABC. Tests basados en el bootstrap. El bootstrap en el modelo lineal. Predictores fijos y aleatorios. El bootstrap en series temporales y procesos puntuales. Otros mtodos: jacknife y validacin cruzada. Cmputo eficiente del bootstrap. Seminario de Estadstica Computacional (24 hs.): Computacin de estimadores de Mxima Verosimilitud y de tipo M. El algoritmo EM. Fundamentos y Aplicaciones. Mtodos de Monte Carlo basados en cadenas de Markov. Bootstrap paramtrico y no paramtrico. Boostrap robusto. j) Seminario sobre Seleccin de Modelos (24 hs.): Dependencia en la media (y su medicin). Relacin con otras formas de dependencia. Test F y anlisis de la varianza simple (deviance total, deviance residual). Principios de seleccin de modelos (con respecto al uso del modelo, parsimonia, eficiencia). Mtodos usuales: Stepwise, Forward y Backward. Mallows Cp, AIC, BIC. Algoritmo Branch and Bound. Mtodos ms recientes: Cross-validation, Bootstrap, LARS, Lasso. Ejemplos y uso en R. Comparacin entre mtodos. Seleccin robusta de modelos. Ejemplos y uso en R. Seminario sobre Estimacin No Paramtrica Aplicada (56 hs.): Estimacin No Paramtrica de la Densidad: Estimacin por Ncleos, Error Cuadrtico Medio, Error Cuadrtico Medio Integrado. Seleccin del Ncleo. Regresin No Paramtrica: Modelos No Paramtricos, Estimacin por Ncleos, Polinomios Locales, Vecinos Ms Cercanos, Mtodo de Splines, Estimacin de la Derivada. Seleccin Parmetro de Suavizado. Inferencia con Regresin No Paramtrica. Caso Multivariado. Seleccin del Parmetro de Suavizado: Suavizadore sOptimos, Validacin Cruzada, Funciones de Penalizacin. Mtodo Plug-in. Datos con Outliers. LOWESS y M-smoothing. Introduccin a los Modelos Semiparamtricos y Aditivos.