Temas Subtemas
Estimación non paramétrica da función de distribución.

A distribución empírica. Propiedades. Estimación de momentos e cuantís.
Contrastes non paramétricos clásicos para unha mostra. Contrastes de bondade de axuste a un modelo paramétrico: Proba de Kolmogorov-Smirnov.
Análise de normalidade: Gráfico Q-Q, test de Lilliefors, test de Shapiro-Wilk, transformacións para conseguir normalidade.
Contrastes de localización: test dos signos, test de Wilcoxon dos rangos signados.
Tests para dúas e máis mostras.
Comparación de dúas muestras: Test de Kolmogorv-Smirnov, test de Mann-Whitney-Wilcoxon. Xeralizacións a máis de dúas muestras: Test de Kruskal-Wallis, test de Friedman.
Tests baseados en táboas de continxencia.
Análise de táboas de continxencia. Tests chi cadrado de bondade de axuste, de homoxeneidade e de independencia en táboas de continxencia.
Métodos de suavización: estimación non paramétrica da función de densidade.
O histograma. Estimación tipo núcleo da densidade. Medidas do erro na estimación da función de densidade. Selección do parámetro de suavizado na estimación tipo núcleo da densidade: validación cruzada e plug-in. Estimación da densidade multivariante.
Estimación non paramétrica da función de regresión.
Regresión tipo núcleo. Regresión polinómica local. Suavización por veciños máis próximos. Selección do parámetro de suavizado na estimación tipo núcleo da regresión: validación cruzada e plug-in. Algoritmo loess. Breve introducción á regresión por splines.