Clase 1. Teoría de probabilidad. [Semana 1] se explica el papel de la inferencia estadística y la teoría de la probabilidad en la obtención de estimadores, además de nociones de la teoría de medida (espacios medibles), álgebra de conjuntos y análisis de independencia basados en correlaciones, productos de probabilidad y análisis condicional (de media y probabilidad).
Clase 2. Variables y vectores aleatorios. [Semana 2 y 3] En esta segunda clase se explica que es una variable aleatoria y sus funciones, tanto de distribución como de probabilidad. Se muestra como obtener probabilidades a partir de estas funciones y calcular los momentos de una variable aleatoria. Además, se estudian probabilidades condicionales a partir de funciones de densidad conjunta, se estudian marginales, momentos condicionales, matrices de covarianzas y correlaciones. [ejemplos de clases: 2.2 | 2.3]
Clase 3. Estimadores puntuales. [Semana 4 y 5] La tercera semana trata sobre muestreo y distribución en el muestreo de los estimadores con métodos computacionales (bootstrap, ejemplo en R), además se tratan las propiedades de los estimadores, conjuntamente con métodos de estimación puntual como máxima verosimilitud y método de los momentos.
Clase 4. Test de hipótesis.
En construcción
