Mestrado Universitario en Técnicas Estadísticas (Plan 2019) |
Asignaturas |
Técnicas de Remuestreo |
Contenidos |
|
|
|
Datos Identificativos | 2022/23 | |||||||||||||
Asignatura | Técnicas de Remuestreo | Código | 614493130 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
Máster Oficial | 1º cuatrimestre |
Segundo | Optativa | 5 | ||||||||||
|
Tema | Subtema |
1. Motivación del principio Bootstrap. | Motivación del principio Bootstrap. El Bootstrap uniforme. Cálculo de la distribución Bootstrap: distribución exacta y distribución aproximada por Monte Carlo. Ejemplos. Herramientas disponibles en R. Computación en paralelo. |
2. Aplicación a la estimación de la precisión y el sesgo de un estimador. | Aplicación del Bootstrap a la estimación de la precisión y el sesgo de un estimador. Ejemplos. 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. |
3. Modificaciones del Bootstrap uniforme. | Bootstrap paramétrico, simetrizado, suavizado, ponderado y sesgado. Discusión y ejemplos. Validez de la aproximación Bootstrap. Bootstrap semiparamétrico y bootstrap residual. |
4. Aplicación del Bootstrap a la construcción de intervalos de confianza. | Métodos percentil, percentil-t, percentil-t simetrizado. Ejemplos. Estudios de simulación. |
5. Aplicaciones del Bootstrap en contrastes de hipótesis. | Aproximación del p-valor mediante remuestreo. Contrastes bootstrap paramétricos. Contrastes de permutaciones. Contrastes bootstrap semiparamétricos. |
6. Bootstrap y estimación no paramétrica de la densidad. | Aproximación Bootstrap de la distribución del estimador de Parzen-Rosenblatt. El Bootstrap en la selección del parámetro de suavizado. Ejemplos. |
7. Bootstrap y estimación no paramétrica de la función de regresión. | El Bootstrap en Regresión y Correlación. Bootstrap y estimación no paramétrica de la función de regresión. Aproximación Bootstrap de la distribución del estimador de Nadaraya-Watson. Distintos métodos de remuestreo y resultados para ellos. |
8. El Bootstrap con datos censurados. | Introducción a los datos censurados. Remuestreos Bootstrap en presencia de censura. Relaciones entre ellos. Implementación en R. |
9. El Bootstrap 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. Implementación en R. El bootstrap en Estadística Espacial. |
|