-
Notifications
You must be signed in to change notification settings - Fork 27
/
Copy pathindex.Rmd
143 lines (105 loc) · 5.26 KB
/
index.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
---
title: "Estadística Computacional"
author: "María Teresa Ortiz"
site: bookdown::bookdown_site
documentclass: book
bibliography: [book.bib]
biblio-style: apalike
link-citations: yes
github-repo: tereom/est-computacional-2019
description: "Curso de estadística computacional, Maestría en Ciencia de Datos, ITAM 2019."
---
# Información del curso {-}
Notas del curso *Estadística Computacional* de los programas de maestría en
Ciencia de Datos y en Computación del ITAM. Las notas fueron desarrolladas en
2014 por Teresa Ortiz quien las actualiza anualmente. En caso de encontrar
errores o tener sugerencias del material se agradece la propuesta de
correcciones mediante [pull requests](https://github.com/tereom/est-computacional-2019).
#### Ligas {-}
Notas: https://tereom.github.io/est-computacional-2019/
Correo: [email protected]
GitHub: https://github.com/tereom/est-computacional-2019
#### Agradecimientos {-}
Se agradecen las contriubuciones a estas notas de [\@felipegonzalez](https://github.com/felipegonzalez)
y [\@mkokotchikova](https://github.com/mkokotchikova).
</br>
<a rel="license" href="http://creativecommons.org/licenses/by/4.0/"><img alt="Licencia Creative Commons" style="border-width:0" src="https://i.creativecommons.org/l/by/4.0/88x31.png" /></a><br />Este trabajo está bajo una <a rel="license" href="http://creativecommons.org/licenses/by/4.0/">Licencia Creative Commons Atribución 4.0 Internacional</a>.
## 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: @tufte06, @cleveland93, @r4ds, @advr, @R-ggplot2 @R-dplyr,
@R-tidyr, @R-purrr.
2. **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, @efron, @chihara.
3. **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-hill, @hastie.
4. **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, @gelman-bayesian, @gelman-hill.
### Calificación {-}
* Tareas 20% (se envían por correo con título *EstComp-TareaXX*).
* Exámen parcial (proyecto y exámen en clase) 40%.
* Examen final 40%.
### Software {-}
- R: https://www.r-project.org
- RStudio: https://www.rstudio.com
- Stan: http://mc-stan.org
### Otros recursos {-}
* [Socrative](https://b.socrative.com/login/student/) (Room **ESTCOMP**):
Para encuestas y ejercicios en clase.
* [Lista de correos](https://docs.google.com/spreadsheets/d/1ZNdpl-_c495FRb1ZEZ-TpxFDBk5Uai-9Ms-IHgsYq-E/edit?usp=sharing): Suscribete si quieres recibir noticias del curso.
## Noticias {-}
Los dos premios más importantes en estadística se entregaron en 2019 a Hadley
Whickham y a Bradley Efron, gran parte de nuestro curso se desarrolla
en torno a las contribuciones de estos dos estadísticos:
* [Hadley Wickham](https://community.amstat.org/copss/awards/presidents)
cuyos paquetes, libros y artículos son los recursos esenciales para la primera
parte del curso, ganó en 2019 el reconocido premio [COPSS](https://en.wikipedia.org/wiki/COPSS_Presidents%27_Award):
*"Por la importancia de su trabajo en el computo estadístico, visualización,
gráficas y análisis de datos; por desarrollar e implementar una extensa
ifraestructura computacional para el análisis de datos a través del
*software* R; por hacer el pensamiento estadístico y el cómputo accesible
a una gran audiencia; y por realzar el importante papel de la estadística
entre los científicos de datos." (2019 Presidents' Award)*
* [Bradley Efron](https://statprize.org/index.cfm) creador del bootstrap, que
estudiaremos como segunda sección del curso, fue seleccionado en 2018 para
recibir el *premio internacional en estadística* como reconocimiento al
*bootstrap*, un método que desarrolló en 1977 para calcular incertidumbre en
resultados científicos y que ha tenido un impacto extraordinario en muchos
ámbitos.
*"A pesar de que la estadística no ofrece una píldora mágica para la
investigación científica cuantitativa, el bootstrap es el mejor analgésico
jamás producido " (Xiao-Li Meng, proff. at Harvard University.)*