Bitácora - contenidos teoría

Teoría ya terminada
Práctica 11: Contrastes chi cuadrado.
Primera hora:
- Cómo fabricar a mano una tabla de valores observados y usarla función chisq.testpara hacer el contraste, calcular valores esperados, residuos…
- Uso de la función cut para agrupar valores cuantitativos en intervalos y hacer clases. Trabajamos el ejemplo de los cráteres lunares
Segunda hora: dudas sobre el trabajo, ejercicios con los datos de Framinham

Sesión 27 Contrastes chi cuadrado: independencia y homogenidad. Gráficos apilados y de mosáico.
Sesión 28 Resolver segunda prueba
Práctica 10: recta de regresión.
Primera hora y cuarto: trabajamos la plantilla `Cap10-recta-regresion-avanzado.R´
Segunda parte: Resolución de dudas del trabajo con Pedro Villar

Sesión 25 Inferencia la recta de regresión. El modelo de regresión lineal simple. Condiciones para la regresión lineal (normalidad e igualdad varianzas). Intervalo de confianza y contraste de hipótesis sobre la pendiente de la recta. Bandas de confianza.
Sesión 24: La identidad Anova: variabilidad total, debida al modelo y debida al azar. Los lcoeficientes de correlación de Pearson y dedeterminación.
Práctica 9: Anova: trabajamos con la plantilla Cap-11-Anova-avanzado.R y los datos que hay en la web. Esquilado de datos.

Sesión 23: La recta de regresión: planteamiento del problema, error cuadrático medio, recta de mínimos cuadrados.
Sesión 22: La identidad Anova y el coeficiente de correlación de Pearseon. Condiciones para la regresión.
Práctica 8: Inferencia sobre dos poblaciones.

Sesión 21: Condiciones para el Anova (normalidad e igualdad varianzas). Comparaciones 2 a 2: el ajuste de Bonferroni.
Sesión 20: Anova: presentación del problema. Identidad Anova: variabilidad total, debida al modelo y debida al azar. El contraste Anova.

Sesión 19: Contrastes sobre dos poblaciones: diferencia de medias
Sesión 18: Contrastes sobre dos poblaciones: diferencia de proporciones y cociente de varianzas.
Práctica 7: Contrastes de hipótesis sobre una población.

Sesión 17: Contrastes sobre la varianza y la proporción.
Sesión 16: Continuamos con el ejemplo anterior, cálculo de la región de rechazo. Contraste bilateral para la media: cálculo de la región de rechazo y del p-valor.
Práctica 6: Intervalo confianza para media (varianza desconocida) y la varianza. Contrastes de hipótesis unilateral sobre la media sobre una población (con Z y con t).

Sesión 15: Empezamos contrastes de hipótesis. Ejemplo sobre las emisiones de C02, contraste unilateral para la media, muestras grandes. Cálculo del p-valor.
Sesión 14: Intervalos de confianza para la media: muestras grandes (de una variable cualquiera), y muestras pequeñas de poblaciones normales con varianza desconocida, distribución t de Student. I.C. para la varianza en poblaciones normales y la distribución Chi cuadrado.
Práctica 5: Del tutorial 05: cálculo de probabilidades con v.a. continuas de soporte compacto (secciones 3.1 y 3.5). Tutorial 06 Distribuciones de probabilidad t de Student y Chi cuadrado. Intervalos de confianza para la media y la varianza.

Sesión 13: Intervalos de confianza para la media: muestra de uns población normal con varianza conocida. La varianza muestral presenta un sesgo como estimador de la varianza poblacional.
Sesión 12: Hemos trabajado los siguientes ejemplos para cerrar el bloque de probabilidad y variables aleatorias. Empezamos inferencia estadística, teorema central del límite en caso de que la población base se distribuya conforme a una normal con media \(\mu_X\) desconocida y varianza \(\sigma_X\) conocida. Planteamos el problema y discutimos el significado del enunciado del teorema.
Prácticas 4: Del tutorial 04, trabajo con v.a. discretas (plantilla de la pág 8). Del tutorial 05, cálculo de probabilidades v.a. binomial (ej. 2) y normal (ej. 21) con R y con GeoGebra.

Sesión 11: V.a. uniforme. Función de distribución de probabilidad v.a. continua. Cuantiles de una v.a. continua

Sesión 10: Hemos visto con GeoGebra cómo aparece la curva normal a partir de una v.a. binomial con n grande y p no extremo. Aproximación de probabilidades de una v.a. binomial por la curva normal (corrección de 1/2 punto). Relación entre la forma de la curva normal, mu y sigma. Cálculo de probabilidades variable normal.
Sesión 9: Hemos hablado de juegos justos. A partir del ejemplo de los arrendejos, hemos introducido el concepto de variable aleatoria continua, su media y si varianza. Hemos hablado de funciones de soporte compacto.
Práctica 3: hemos trabajado la recta de regresión con R a partir de una plantilla-script. Luego hemos trasladado esa plantilla a un documento reproducible. Hemos empezado a resolver los ejercicios 18, 19, 20, 21, 22, 23, 25, 28 y 37 del Tutorial 03.

Sesión 8: Hemos introducido el concepto de variable aleatoria (v.a.). Entre los ejemplos, hemos hablado de las variables aleatorias discretas de Bernoulli y Binomial. Hemos definido la función de probabilidad asociada a una variable binomial. Hemos planteado un ejemplo/ejercicio (distancia del comedero a la que un arrendajo esconde una bellota) para introducir la función de densidad de probabilidad de una v.a. continua.
Sesión 7: Teorema de la probabilidad total. Teorema de Bayes. Permutaciones, variaciones y combinaciones.
Práctica 2: Tutorial 2, estadística descriptiva con R.

Sesión 6: Definición axiomática de probabilidad. Álgebra de conjuntos. Algunas reglas de cálculo de probabilidades. Probabilidad condicionada. Regla de la multiplicación. Independencia de eventos.
Sesión 5: Probabilidad: definiciones clásica, frecuentista y subjetiva de probabilidad. Probabilidad y medida: ejemplos.
Práctica 1: Tutorial1.Estadística descriptiva con Calc

Sesión 4: Recta de regresión. Valors observados y predichos: resíduos. Error cuadrático medio; coeficientes de la recta de regresión. Interpretación de los coeficientes, cuarteto de Anscombe. Variabilidad debida al azar y debida al modelo, coeficiente de correlación de Pearson.
Sesión 3: Cuartiles y diagrama de caja y bigotes. Deciles, percentiles y cuantiles. Tablas de recuencias absolutas y relativas, y su relación con el cálculo de cuantiles.
Sesión 2: Medidas de centralización: media, moda y mediana. Medidas de dispersión (varianza/desviación típica poblacional/muestral)
Sesión 1: Presentación. Esquema del curso y objetivos. Tipos de variable estadística. Frecuencias absolutas, frecuencias relativas tablas de frecuencias. Diagramas de barras y de sectores. Variables estadísticas continuas, agrupación en clases e histogramas.

Bitácora - contenidos teoría - curso 2016/17