Mestrado Universitario en Técnicas Estadísticas (Plan 2019) |
Asignaturas |
Métodos No Paramétricos |
Contenidos |
|
|
|
Datos Identificativos | 2020/21 | |||||||||||||
Asignatura | Métodos No Paramétricos | Código | 614493111 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
Máster Oficial | 1º cuatrimestre |
Primero | Obligatoria | 5 | ||||||||||
|
Tema | Subtema |
Estimación no paramétrica de la función de distribución. |
La distribución empírica. Propiedades. Estimación de momentos y cuantiles. |
Contrastes no paramétricos clásicos para una muestra. |
Contrastes de bondad de ajuste a un modelo paramétrico: Prueba de Kolmogorov-Smirnov. Análisis de normalidad: Gráfico Q-Q, test de Lilliefors, test de Shapiro-Wilk, transformaciones para conseguir normalidad. Contrastes de localización: test de los signos, test de Wilcoxon de los rangos signados. |
Tests para dos y más muestras. |
Comparación de dos muestras: Test de Kolmogorv-Smirnov, test de Mann-Whitney-Wilcoxon. Generalizaciones a más de dos muestras: Test de Kruskal-Wallis, test de Friedman. |
Tests basados en tablas de contingencia. |
Análisis de tablas de contingencia. Tests chi cuadrado de bondad de ajuste, de homogeneidad y de independencia en tablas de contingencia. |
Métodos de suavización: estimación no paramétrica de la función de densidad. |
El histograma. Estimación tipo núcleo de la densidad. Medidas de error en la estimación de la función de densidad. Selección del parámetro de suavizado en la estimación tipo núcleo de la densidad: validación cruzada y plug-in. Estimación de la densidad multivariante. |
Estimación no paramétrica de la función de regresión. |
Regresión tipo núcleo. Regresión polinómica local. Suavización por vecinos más próximos. Selección del parámetro de suavizado en la estimación tipo núcleo de la regresión: validación cruzada y plug-in. Algoritmo loess. Breve introducción a la regresión por splines. |
|