Añado a mi página de docencia parte de los materiales que he estado utilizando los dos últimos cursos en la asignatura Estadística I, correspondiente al Grado en Matemáticas de la UAM. Dado que es un material de clase es posible que aún queden errores e imprecisiones por lo que debe utilizarse con precaución. Este es el enlace.
Comencé a impartir esta asignatura el curso en que las clases fueron en línea debido al covid y por eso también escribí unos apuntes completos con el fin de facilitar el trabajo a los estudiantes. De momento no los comparto porque están en un proceso de revisión (quiero que tengan forma de libro independiente de la asignatura).
El núcleo de Estadística I está formado por las nociones fundamentales de la inferencia paramétrica. El objetivo principal es que los alumnos entiendan y sepan aplicar los métodos más utilizados de visualización de datos, estimación puntual, construcción de intervalos de confianza y contraste de hipótesis. Se tratan principalmente los métodos frecuentistas, si bien los principales conceptos de la estadística bayesiana se consideran de forma sucinta. También se introducen algunas ideas que habitualmente se encuadran dentro de la estadística no paramétrica: estimadores de núcleo de la función de densidad, función de distribución empírica o estadísticos de orden. Sin perder de vista las aplicaciones, el objetivo es profundizar un poco en algunos aspectos más teóricos y sobre todo comunicar con claridad los principales conceptos en los que se fundamenta la inferencia estadística y la ciencia de datos.
Biología
- Estadística (2º de Grado en Biología): estadística descriptiva, probabilidad básica, estimación puntual, intervalos de confianza, contrastes de hipótesis.
- Análisis de datos (2º de Grado en Biología): diseño de experimentos, regresión lineal simple y múltiple, regresión logística.
- Análisis de datos (4º de Licenciatura en Biología): descripción de datos multivariantes, análisis discriminante, análisis de conglomerados (clusters), componentes principales y análisis factorial.
nformación general sobre la asignatura
Transparencias
- Tema 1: Estadística descriptiva
- Tema 2: Modelos de probabilidad y muestreo aleatorio.
- Tema 3: Estimación puntual.
- Tema 4: Intervalos de confianza.
- Tema 5: Contrastes de hipótesis.
Problemas
Prácticas con SPSS
Hicimos dos prácticas con SPSS durante el curso:
- Práctica 1: Introducción a SPSS y descripción de datos.
- Práctica 2: Intervalos de confianza y contrastes.
Conjuntos de datos
Estos son los conjuntos de datos (en formato de SPSS .sav) utilizados en las transparencias, los problemas y las prácticas:
Descripción
Para los alumnos se trata de un segundo curso de Estadística y por lo tanto ya conocen los conceptos y técnicas básicas. Los contenidos corresponden a algunos de los modelos estadísticos más utilizados: diseño de experimentos, regresión lineal simple y múltiple, y regresión logística.
Transparencias
- Tema 1: Diseño de experimentos, el modelo unifactorial
- Tema 2: Diseño de experimentos, modelos con varios factores
- Tema 3: Regresión lineal simple
- Tema 4 (primera parte): Regresión lineal múltiple
- Tema 4 (segunda parte): Regresión logística
Prácticas
Hicimos prácticas con el programa SPSS. Estos son los guiones de las prácticas, junto con los conjuntos de datos necesarios para realizarlas:
- Práctica 1: Diseño de experimentos, modelo unifactorial
- Práctica 2: Diseño de experimentos, modelos con varios factores
- Práctica 3: Regresión lineal simple
Conjuntos de datos: fertilizante.sav, dientes.sav, fracaso.sav, tormenta.sav.
Análisis de datos (Licenciatura en Biología)
Descripción
Esta asignatura corresponde a la antigua Licenciatura en Biología de la UAM. Los contenidos corresponden a técnicas aplicadas de análisis multivariante: descripción de datos multivariantes, análisis discriminante, análisis de conglomerados (clusters), componentes principales y análisis factorial.
Transparencias
Las transparencias solo corresponden a los gráficos y a los ejemplos que se estudiaron durante el curso (es decir, no son autocontenidas). Pueden ser útiles para interpretar las salidas de SPSS.
- Tema 1: Descripción de datos multivariantes
- Tema 2: Análisis discriminante
- Tema 3: Análisis de clusters
- Tema 4: Componentes principales y análisis factorial
Lista de Problemas
La mayoría de los problemas o bien requieren hacer algún sencillo cálculo a mano o requieren interpretar correctamente los resultados proporcionados por SPSS para cada una de las técnicas estudiadas en el curso.
- Relación 1: Descripción de datos multivariantes
- Relación 2: Análisis discriminante
- Relación 3: Análsis de clusters
- Relación 4: Componentes principales y análisis factorial
Algunos conjuntos de datos
- Datos sobre esclerosis múltiple
- Datos de la encuesta sobre el efecto de un analgésico
- Medidas de pétalos y sépalos en lirios
- Medidas de cráneos de cocodrilos
- Datos de tamaño y producción de zumo en las limas de Tahití
- Medidas de caparazones en tortugas
- Marcadores celulares en tejido pulmonar
- Contaminación por mercurio en peces
- Datos sobre mortandad en la población de manatíes de Florida
- Datos socioeconómicos en 91 países
- Datos de gorriones
- Resultados de la liga española de fútbol 2005-06
- Cráneos del Tíbet 1 | Cráneos del Tíbet 2
Matemáticas
- Probabilidad II (3º de Grado en Matemáticas): espacios de probabilidad, independencia, esperanza, esperanza condicionada, LGN, TCL.
- Estadística I (3º de Grado en Matemáticas): descripción de datos, muestreo aleatorio, estimación puntual, intervalos de confianza, contraste de hipótesis.
- Estadística II (4º de Grado en Matemáticas): normal multivariante, contrastes no paramétricos, regresión lineal, clasificación y regresión logística.
- Investigación Operativa (4º de Grado en Matemáticas): convexidad, optimización lineal y convexa, dualidad y multiplicadores de Karush-Kuhn-Tucker.
Nutrición Humana y Dietética
- Estadística Aplicada (1º del Grado en Nutrición Humana y Dietética): descripción de datos, nociones elementales de inferencia, contrastes de hipótesis, regresión simple, ANOVA, jamovi.
- Estadística Aplicada (2º de la Diplomatura en Nutrición Humana y Dietética): descripción de datos, nociones elementales de inferencia, contrastes de hipótesis, regresión simple.
https://verso.mat.uam.es/~joser.berrendero/materiales.html
José Ramón Berrendero Díaz
Welcome to my website! I am an associate professor of statistics at the Department of Mathematics of the Universidad Autónoma de Madrid. Here, you will find information about my teaching and research activities.
Office: Facultad de Ciencias, 17-412
Phone: (34)914976690
https://verso.mat.uam.es/~joser.berrendero/BioAdGrado.html
No hay comentarios:
Publicar un comentario