UNIVERSIDAD DE BUENOS AIRES Facultad de Ciencias Econdmicas Departamento de Matematica Asignatura: Estadistica {1 Codigo: 285 Plan "1997" Nro.: 1490/07 contradiccian entre las normas previstas en ‘a publicactén y las d general por la Universidad o por te Faculted, prevale En cas6 a5, | | | |FACULTAD DE CIENCIAS ECONOMICAS UNIVERSIDAD DE BUENOS AIRES DEPARTAMENTO DE MATEMATICA ASIGNATURA: ESTADISTICA II Codigo: 285, Profesora Titular Interina Dra. Blanca Rosa Vitale ANO 20071, Fundamentacion La asignatura Estadistiea HM ha sido especialmente diseftada para permitir intensificar el estudio de la Inferencia Fstadistica, tanto en sus aspectos tebric como aplicados La utilizacion creciente de Modelos Estocasticos como instrumentos: de amilisis, planificacion y prediccién econdmica, muestra la necesidad de impattic a los “funturos profesionales en Ciencias Econémicas, los procedimientos de la Inferencia Estadistica, con el rigor que la compiejidad de los fendmenos socio-econdmicos actuales exige Los graduados de dicl carrer actuaran en tinbitos en los que se verin obligados a tomar desisiones con informacion incompleta o limitada, En tales casos, Jas herramientas de la Inforencia Lsiadistica y que son especialmente tratadas en os contenidos de la materia, le seran de gran utilidad Se trata de brindar bases conceptuales de razonamiento Ldgico-inductivo, necesarias para comprender 1a metodologia .de la ciencia moderna, evaluar apropiadamente la informacibn estadistica y desarrollar aptitudes de reflexiin y claboracién de juicios etiticos. 2. Ubicaci6n de la Asignatura en el Plan de Estudios La asignatura Estadist ‘a II, perteneciente al Grupo de Asignaturas del Area Estadistica, se ubica en cl Primer ‘Tramo del Ciclo Profesional, cn los Planes de Estudio de las Carreras: Licenciatura en Economia y Actuario. Exige como requisitos previos haber aprobado asignalura Fistadistiva (248) 3. Objetivos generates Los objetivos centrales de esta asignatura son los siguientes > Lograr una preparacién lo suficientemente sélida que habilite al futuro profesional para el tratamiento estadistico de variables socioecondmicas, que se caracterizan por sus componentes de naturaleza estocistica,‘ fy ; els ‘ > Capacitar al estudiante ea los procesos de inferencia, basados en ta informacién mucstral, y que son de aplicacién en diversos campos de su discipline analisis micro y macrocconbmico, seguridad social, anilisis financiero, evaiuacion de proyectos de inversidn, entre otros % Lograr que los alumnos accedan a los conocimientos que aporta la Inferencia Estad ica para ol proceso de ioma de decisiones y que valoren tales conocimientos como fundameato para otras asignaturas del plan y como herramienta para la realizaci6n de trabajos de investigacion 4, Contenidos, 4.1. Contenidos Minimos 2 Inferencia Estadistica, Diferentes enfoques 1a -Mucstreo Aleatorio y Técnicas de Muestreo © Teoria de le E’stimacién, Métodos de Estimacién LW Teoria General de los Tests de Hipstesis U_ Analisis de la Varianza @ Aplicaciones a la Estimacién y Evaluacién de Modelos Lincales a Inferencia no Paramétrica o Inferencia Bayesiana 4.2.- Programa Analitico jidad I: Introduccion 11 Inferencia Estadistica: Enfoquo global desde el punto ée vista de la Teoria de la Decisidn Inferencia Chisica’ su interpretacion frecuencista 1.2.- Distribuciones asociadas con la normal . La distribucibn Ji cuadrado, Distribucion “t" de Student, La distribucién “F de Snedecor, Objetivos especificos: ¥ Comprender el concepto de Inferencia Pstadistica,mprender la utilidad de 1a cvidencia empirica y de Jog fesultados experimentales para estimar parameiros de la poblacib. Y Asociar los sadisticos estandarizados a sus distribuciones perticulares Y Constr extadisticos y saber determinar su distsibuciin de probabilidades specifica VY Conocer las ventajas de su aplicacién en economia y ciencias actuariales tras Unidad I: Técnicas para la Seleecion de M LL1= Disetios probabilisticos. Técnicas de Muestteo: Simple al azar, Estratificado, por Conglomerados, Sistematico. I.2,- Disefios no probabilisticos: de criterio, por cuotas Objetivos especificos: Y Conocer las téenicas adccuadas de seleccién desmyestras, que permitan Ia obtencion de una mut stra representativa. Y Adquirir habilidad en el empleo de fas ‘Técnicas de Muestreo. inidad If; Fundamentos de la Teoria de la Inferencia Estadistica IIL1~ La Poblacion y el Modelo Probabilistico: cl concepto de Parimetro. il Modelo o Disetio Muestral, Ia Muestra Aleatoria Simple Las observaciones muestrales como realizacion del Modelo Mucstral Funcidn de densidad de la muestra: Funcién de verosimilitud. Reduceién de los datos de fa muestra, Conceptos de Estadistice, Estimador y jmacion, Estadisticos suficientes. IIL.2.- Distribuciones en cl Mucstreo HIL2.L- Distribuciones exactas: Distribucion de ta media, la proporcion y la varianza muestral; distribucién conjunta de Ia diferenia.de medias, diferencia de proporciones y cociente de varianzas, 111.2.2.- Distribuciones asintoticas. EI Teorema de Limite Central Objetives especi Y Comprender el concepto de Muesira Aleatoria y saber aplicarlo, ¥ Saber acotar errores y dimensionar muestras: 4Y Aprender a asociar estadisticas especificos con sus correspondientes distribuciones de probebilidad Y Yalidar las aproximaciones en Estadistica mediante-Ia, aplicacion del ‘Teorema Central del Limite Unidad 1V: Estimadores Puntuales IV,1.- Propiedades de los estimadores en la muestra de tamafio fijo. Insesgamicnto. Eficiencia relativa. Eficiencia en el sentido de Cramer-Rao 1V.2.- Propiedades asintoticas de los estimadores. Insesgamiento asintotico Consistencia Simple: condiciones suficientes. Propicdades de la consistencia. ‘Teorema de Slutaky. fici timadores asintéticamente normales. y asintoticamente entes, IV.3; Métodos de Construccién de Estimadores Método de Maxima Verosimilitud, Propiedades Método de los Momentos. Propiedades Método de Minimas Cuadrados, Propiedades Otros Métodos, Estimadores de Minima Varianza Nociones sobre Estimadores Robustos Objetivos especificos: Saber construir estimadores y conocer sus propiedade: Aplicar sus caracteristicas y propiedades a la optimizacién de la estimacién, ui idad V: Estimacin por Intervatos de Confianza Vl: Concepto de Regiones de Confianza, Nivel de Confiabilidad. Precision de 1a Estimacion,” Tamatio de la Mucstra 'V.2: Construccion de Intervatos de Confianza para estimar la media, la proporcion y la varianza de la pobla Objetivos especificos: Y Comprender los concepios de amplitud y precisién dé ul'intervalo Entender la asociacion entre nivel de confianza, tamaio de la muestra y 4 de los intervalos,Unidad VI: Teoria General de los Tests de Hipétesis VIL: Gi neepto de Hipdtesis Estadistica: paramétrica, no paramétrica, simple, pl Pi P P compuesta, Contraste de Hipétesis, Errores, Nivel de Significacién y Potencia del Test. Crit iterio de Scleccién de Regiones Criticas. Blementos de la Teoria de Neyman-Pearson, VI2: Diseno de Tests para contrastar hipéte: sobre: {a ‘media, la proporcidin y la varianza’ poblacional, Teste de diferencia de medias, diferencia de proporciones y de igualdad de varianza Objetivos especificos: ¥ Conocer y aplicar las pruebas estadisticas de decisién sobre la base de estadisticos muestrales a problemas socioeconémicos, Y Comprender la importancia de los errores asociados a las pruebas de hipdtesis y aprender a calcular su probabilidad de ocurrencia lad VIN: Aniilisis dela Varianza y Diseito de Experimentos Nociones sobre: Diseito stadistico de Experimentos, Prucba para ipualdad de las medias de varias poblaciones, Analisis de la Varianza de un solo factor, Analisis de la Varianza de dos factores, Objetivos pecificos: : Y Aprender a diseitar un experimento ¥ Reconocer fa incidencia de! control de los factores externos en la toma de decisiones. Unidad VIL: Inferencia no Paramétrica VUL1; Concepto de Inferencia no Paramétrica: Estadisticos de orden, Estadisticos de distribucién libre, Distribuciones asintoticas VIIL.2: Intervalos de Confianza, Tests de Hipdtesis. Analisis de Potencia- Eficiencia de las diferentes prucbas no paramétricas VUIL3: Tests para contrastar Boridnd de Ajuste, Independencia de Auibutos y Homogeneidad 6Objetivos especificos: ¥ Aplicar pruebas esiadisticas de decision en condiciones de incertidumbre relaci nadas con los parimetros poblacionales, Y Aplicar pruebas de bondad de ajuste de funciones tebricas a frecucncias provenientes de evidencia empirica Unidad IX: El Modelo Basico de Regresién Lineal “ IX.1: Concepto y Objetivos de fa Markov. specificacion del Modelo. Supuestos de Gauss- 1X2: Su estimacién por Minimos Cuadrados Clasicos y por Maxima Verosimilitud Propiedades y Distribucién de los Estimadores, 1X.3; Evaluacién de los Resultados de la Estimacién, Coeficiente de determinacion lineal. Coeficientes de correlacién parcial, Contrastacién de Hipdicsis y Regjones de Confianza, Aplica On al Anélisis Fstadistico de Series de Tiempo. Objetivos especificos: Aprender a especificar modelos tedricos de ajuste a datos empiricos para ser aplicados en interpolacién, extrapolacién y prondsticos ¥ Comprender el concepto de aleatoriedad asociado alos pardmetros de los modelos de prondstico. Un jad X; Inferencia Bayesiana X.1: Naturaleza del problema, Su diferencia con el enfoque clasico, Teorema de Bayes, Distribuciones a priori y a postetiori X.2: Aplicaciones al Problema de la Estimacion, Estimacion puntual bayesiana Ustimacior bayesiana por Intervalos, Criterios bayesianos para fa Toma de Decis ones. Objetivos especificos: ¥ Saber cuantificar, en terminos probabilisticos, percepeiones particulares asociadas ala incertidumbre sobre el valor de los parametros, o estados de la naturaleza¥ Adquirir conocimientos en la tomar de decisiones estadisticas sobre la base de evidencia experimental, asociando probabilidades a los posibles valores de los parametros Saber validar una decisibn utilizando informacion obtenida posteriormente. 5. Bibliografia 5.1. Obligatoria © Berenson, M.L. y Levine D. M. Estadistica para Administracién y Economia. Me Graw Hill. 1991 * Canavos, G.C. Probabilidad y Estadistica Aplicaciones y Métodos. Me. Graw Hill México.1987 5 * Devore J. L. Probabitidad y Estadistica para Ingenieria y Ciencias International Thomson Editores. México. 1998, * Gujarati, D. Basic Econometrics, 4 Edicion, Mg Graw Hill, 2002 + Hildebrand DK. y OWR. L, Hsiadistica Aplicada a la Administracton y a ka Keonomia. Addison Wesley Longman. México. 1998 Lovin R, Rubin, D. Estadistica para Administracién y Economia. Pearson, México. 2004 * Ruiz Maya- Pérez L~ Pliego F Javier Martin’ [siadistica H: Inferencia Fstadistica. Thomson Editores, Madrid, 2002 Toraneos, FL Teoria Fstadistica y Aplicaciones. Kapelusz. Buenos Aires. 1982 + Wooldridge, J. M. fniroduccién a la Econometria, Un Enfoque Moderno, ‘Thomson Learning, Mexico . 2001 ‘ 5.2- Ampliatoria ¢ Freeman, H. introduccién a la Inferencia Exstadistica. Trillas , México. 1970 + Gibbons, J. D. Nonparametric Statistical Inference. Me Graw Hill. New York 1971 + Gomez, Villegas, M.A. Infere 2005 Estadistica, iditorial Diaz. de Santos, Espaita+ Kmenta, J. Elementos de cconometria. Vicens Vives. Barcelona, 1977 Siegel y Castellan N, J. Hstadistica no paramétrica aplicada a las Ciencias de la Conducta, Trillas, México, 1995 + Urbisaia HLL, y Brufman 1.2, Andlisis de Series de Tiempo Univariadas y Mullivariadas. Ediciones Cooperativas. Buenos Aires. 2001 Urbisaia HLL. y Brufman J.Z, Keonometria, Problemas y Ejercicios. Macchi Buenos Aires. 1985, 6. Metodologia 6.4 Metodologia de Conducci a del Aprendizaje La ensefianza de la Asignatura Estadistiea I debe encararse procurando wn adecuado equilibrio entre los conceptos tedricos y sus aplicaciones practicas Cada tema s ra presentado rigurosamente mediante sus fundamentos tedricos conceptuales, y posteriormente se resolveré una amplia variedad de ejercicivs que faciliten la comprension de los conceptos aprendidos Los problemas y ejemplos se referiran a casos concretos de la vida real y, especialmente, de la situacion socivecondmica argentina Se propiciaré la participacion activa de los alumnos, tanto por su intervencién en clase como por la realizacién de trabajos de investigacién sobre distintos temas. Se propone la utilizacion de programas estadtst 108, aprovechando de este modo las herramientas que actualmente provee la tecnologia. El inter fundamental que debe despertar el aprendizaje de esta asignatura deberd estar depositado en la interpretacion de resultaclos y su aplicacion a situaciones de la vida real Se indicaré bibliografia, tanto de lectura obligatoria como ampliatoria6.2. Metodologia de Evalua 6.2.1. Para cursos regulares La evaluacién se Hevard a cabo mediante dos exdmenes partiales esctitos, que se deberdn aprobar con calificacién igual o superior a cuatro puntos. Se permite recuperar slo unc de ellos, en caso de haber resultado insuficiente Segiin las normas de la Facultad de Ciencias Econémicas, si el alumno obtiene promedio igual o superior a 7 puntos, estari en condiciones de promociona materia. En caso conirario, debera rendir examen final También se tendri en cuenta la participacién del alumno en clase y la calidad de los trabajos que se le encomiende realizar 6.2.1.- Para cursos libres El examen seré escrito, completindose con preguntas orales, cuando e! tribunal examinador lo considere necesario. El temario abracari problemas tedricos y de apli ‘cién, correspondientes a la totalidad de las unidades det programa analitico y se aprobard con una calificacion igual o superior a ct jatro puntos, sh 10