Guía DocenteCurso
Facultade de Informática
  Inicio | galego | castellano | A A A |  
Mestrado Universitario en Técnicas Estadísticas
 Asignaturas
  Técnicas de Remostraxe
   Contidos
Temas Subtemas
1. Preliminares.
 Órdenes de convergencia.
Limitaciones de la inferencia estadística clásica.
Simulación y métodos de Monte Carlo.
Estimación no paramétrica de la densidad.
2. El método Bootstrap. Motivación del principio Bootstrap.
El Bootstrap uniforme.
Cálculo de la distribución Bootstrap: distribución exacta y distribución aproximada por Monte Carlo.
Ejemplos.
3. Algunas aplicaciones del método Bootstrap.
 Aplicación del Bootstrap a la estimación de la precisión y el sesgo de un estimador.
Ejemplos.
4. El método Jackknife.
 Motivación del método Jackknife.
Estimación Jackknife de la precisión y el sesgo de un estimador.
Relación Bootstrap/Jackknife en dicha estimación.
Ejemplos.
Estudios de simulación.
5. Modificaciones del Bootstrap
 Modificaciones del Bootstrap uniforme: Bootstrap paramétrico, simetrizado, suavizado, ponderado y sesgado.
Discusión y ejemplos.
Validez de la aproximación Bootstrap.
Ejemplos.
6. El Bootstrap en la construcción de intervalos de confianza.
 Aplicación del Bootstrap a la construcción de intervalos de confianza: Métodos percentil, percentil-t, percentil-t simetrizado.
Ejemplos.
Estudios de simulación.
7. Otras aplicaciones del Bootstrap.
 El Bootstrap de un modelo de regresión.
Wild Bootstrap.
El Bootstrap en la estimación del error de predicción.
El Bootstrap en poblaciones finitas.
Ejemplos.
Estudios de simulación.
8. Iteración del principio Bootstrap. Motivación y principales resultados.
Aplicaciones del Bootstrap iterado.
Corrección del sesgo de un estimador.
Corrección del error de cobertura de un intervalo de confianza.
Estudios de simulación.
9. El Bootstrap y la estimación no paramétrica de curvas.
 Introducción a la estimación no paramétrica de curvas.
Bootstrap y estimación de la densidad.
Aproximación Bootstrap de la distribución del estimador de Parzen-Rosenblatt.
El Bootstrap en la selección del parámetro de suavizado.
10. Bootstrap y estimación de la función de regresión. Aproximación Bootstrap de la distribución del estimador de Nadaraya-Watson.
Distintos métodos de remuestreo y resultados para ellos.
11. El Bootstrap con datos censurados. Introducción a los datos censurados.
Remuestreos Bootstrap en presencia de censura.
Relaciones entre ellos.
12. El Bootstrap en la estimación con datos dependientes. Introducción a las condiciones de dependencia y modelos habituales de datos dependientes.
Modelos paramétricos de dependencia.
Situaciones de dependencia general: el Bootstrap por bloques, el Bootstrap estacionario y el método del submuestreo.
13. El Bootstrap para la predicción con datos dependientes. Modelos de dependencia paramétrica.
Situaciones de dependencia general.
Universidade da Coruña - Rúa Maestranza 9, 15001 A Coruña - Tel. +34 981 16 70 00  Soporte Guías Docentes