Estimación no paramétrica aplicada
Profesor: ANA BIANCO
Puntaje: 3 puntos (Lic. y Prof.)
Correlatividades: Para rendir final: Final de Estadística o Estadística Teórica
Carga horaria: 4 horas por semana (teórico-prácticas)
Carreras: Licenciatura en Matemática (Or. Pura y Aplicada), Profesorado en Matemática.
Breve descripción del curso:
Estimación No Paramétrica de la Densidad: Motivación. Estimación por Núcleos. Error Cuadrático Medio. Error Cuadrático Medio Integrado. Propiedades. Selección del Núcleo.
Regresión No Paramétrica: Modelos No Paramétricos. Estimación por Núcleos. Polinomios Locales. Vecinos Más Cercanos. Método de Splines. Estimación de la Derivada. Error Cuadrático Promedio. Propiedades. Selección Parámetro de Suavizado. Inferencia con Regresión No Paramétrica. Caso Multivariado.
Selección del Parámetro de Suavizado: Suavizadores óptimos. Validación Cruzada. Funciones de Penalización. Método Plug-in.
Datos con Outliers: LOWESS. M-smoothing.
Introducción a los Modelos Semiparamétricos y Aditivos
1. Azzalini, A. y Bowman, A. (1999). Applied Smoothing Techniques for Data Analysis: The Kernel Approach with S-Plus Illustrations. Oxford Statistical Science Series
2. Härdle, W. (1991) Applied Nonparametric Regression. Econometric Society Monographs
3. Härdle, W., Müller , M., Sperlich, S. y Werwatz, A. (2004) Nonparametric and Semiparametric Models
Reunión preliminar:
Aula y horario:
