|
Guía DocenteCurso Facultade de Informática |
| Mestrado Universitario en Técnicas Estadísticas (Plan 2019) |
 Asignaturas |
| Técnicas de Remostraxe |
| Contidos |
| Datos Identificativos | 2020/21 | |||||||||||||
| Asignatura | Técnicas de Remostraxe | Código | 614493130 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 1º cuadrimestre |
Segundo | Optativa | 5 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| 1. Motivación do principio Bootstrap. | O Bootstrap uniforme. Cálculo da distribución Bootstrap: distribución exacta e distribución aproximada por Monte Carlo. Exemplos. Ferramentas dispoñibles en R. Computación en paralelo. |
| 2. Aplicación á estimación da precisión e sesgo dun estimador. | Aplicación do Bootstrap á estimación da precisión e o nesgo dun estimador. Exemplos. O método Jackknife. Motivación do método Jackknife. Jackknife estimación da precisión e dos nesgo dun estimador. Relación Bootstrap / Jackknife na devandita estimación. Exemplos. Estudos de simulación |
| 3. Modificacións do Bootstrap uniforme. | Bootstrap paramétrico, simetrizado, suavizado, ponderado e nesgado. Discusión e exemplos. Validez da aproximación Bootstrap. Exemplos. |
| 4. Aplicación do Bootstrap á construcción de intervalos de confianza. | Métodos percentil, percentil-t, percentil-t simetrizado. Exemplos. Estudos de simulación. |
| 5. Bootstrap e estimación non paramétrica da densidade. | Aproximación Bootstrap da distribución do estimador de Parzen-Rosenblatt. O Bootstrap na selección do parámetro de suavizado. |
| 6. Bootstrap na estimación da función de regresión. | O Bootstrap en Regresión e Correlación. Bootstrap e estimación non paramétrica da función de regresión. Aproximación Bootstrap da distribución do estimador de Nadaraya-Watson. Distintos métodos de remostraxe e resultados para eles. |
| 7. Aplicacións do Bootstrap en contrastes de hipóteses. | Aproximación do p-valor mediante remostraxe. Contrastes bootstrap paramétricos. Contrastes de permutacións. Contrastes bootstrap semiparamétricos. |
| 8. O Bootstrap con datos censurados. | Introducción aos datos censurados. Remostraxes Bootstrap en presenza de censura. Relacións entre eles. Implementación en R. |
| 9. O Bootstrap con datos dependentes. | Introducción ás condicións de dependencia e modelos habituais de datos dependentes. Modelos paramétricos de dependencia. Situacións de dependencia xeral: o Bootstrap por bloques, o Bootstrap estacionario e o método da submostraxe. Implementación en R. O bootstrap en Estatística Espacial. |
|
