Contenidos mínimos
Convergencia Estocástica: Introducción. Convergencia Casi Segura, en Probabilidad, en Distribución y en Media Cuadrática. Ley de los Grandes Números. Teorema Central del Límite. Funciones de variables aleatorias y distribuciones de muestreo. Distribuciones derivadas de la distribución normal: t-student, chi cuadrado, F. Estimación puntual. Población y muestra. Modelos Paramétricos. Estimador y estimación. Estimadores Insesgados, Eficiencia, Suficiencia, Consistencia. Métodos para la estimación puntual: Método de los Momentos, Método de Máxima Verosimilitud y Método de Mínimos Cuadrados. Desigualdad de Rao - Cramer. Propiedades asintóticas. Estimación por Intervalo de Confianza:Introducción. Precisión y Confiabilidad. Error estándar de estimación. Intervalos de Confianza para la media y varianza basados en una muestra aleatoria con distribución normal. Intervalo de Confianza de nivel asintótico. Intervalo de Confianza para la diferencia de medias: muestras independientes y apareadas. Intervalo de Confianza para el cociente de varianzas a partir de dos muestras aleatorias independientes con distribución normal. Prueba de Hipótesis: Introducción. Elementos de una Prueba de Hipótesis, p-valor y nivel. Pruebas de Hipótesis para la media de una y dos poblaciones normales, y pruebas asintóticas para muestras no normales. Relación entre Intervalo de Confianza y Prueba de Hipótesis: dualidad. Prueba de Hipótesis óptimas, Lema de Neyman Pearson. Teorema del test del cociente y su distribución asintótica. Modelos Lineales: Regresión y Análisis de la Varianza: Introducción al modelo Lineal. Estimación en un Modelo Lineal. Pruebas de Hipótesis e Intervalos de Confianza para el Modelo Lineal.Medidas de Asociación: Correlación. Análisis de la Varianza. Comparaciones Múltiples.Tópicos de simulación.