Objetivos
Comprender y aplicar los fundamentos de la teoría asintótica, utilizando la Ley de los Grandes Números y el Teorema Central del Límite para justificar procedimientos de inferencia estadística en poblaciones no normales.
Formular intervalos de confianza y pruebas de hipótesis en contextos donde los supuestos de normalidad no se cumplen, interpretando adecuadamente los resultados.
Identificar, estimar e interpretar el modelo lineal, evaluando su pertinencia para el análisis de fenómenos económicos.
Analizar datos categóricos a través del modelo multinomial, la prueba de bondad de ajuste y el estudio de tablas de contingencia, con el fin de interpretar patrones y contrastar hipótesis en fenómenos económicos.
Reconocer y caracterizar procesos estocásticos básicos, distinguiendo entre procesos estacionarios y no estacionarios, utilizando modelos autorregresivos y de medias móviles como aproximaciones a series temporales económicas.
Aplicar los principios de la inferencia bayesiana, construyendo distribuciones posteriores, estimadores, intervalos creíbles y pruebas de hipótesis bajo distintos supuestos previos.
Integrar herramientas estadísticas clásicas y bayesianas en el análisis de datos económicos, destacando sus alcances, limitaciones y aplicaciones prácticas.
Contenidos
| Horas de interacción pedagógica | Horas de trabajo autónomo del estudiante | Horas totales del estudiante | Créditos |
| 84 | 116 | 200 | 8 |
Inferencia en poblaciones no normales: pruebas de normalidad, intervalos de confianza y pruebas de hipótesis asintóticas. Ley de los grandes números y Teorema central del límite. El modelo lineal: supuestos y estimación. Análisis de datos categóricos: el modelo multinomial, prueba de bondad del ajuste, tablas de contingencia. Introducción al análisis de series temporales: procesos estocásticos, procesos autorregresivos, procesos de media móvil. Inferencia bayesiana: estimadores, intervalos creíbles y pruebas de hipótesis.