DIPLOMADO EN PROBABILIDAD Y ESTADÍSTICA GENERACIÓN 2016

Transcripción

1 DIPLOMADO EN PROBABILIDAD Y ESTADÍSTICA GENERACIÓN 2016

2 Introducción El Diplomado en Probabilidad y Estadística preparado por Actuary Hunters, busca brindar y reforzar en sus participantes los conocimientos teóricos de una gran diversidad de tópicos de Probabilidad y Estadística de una manera sencilla, sin demostraciones y con aplicaciones de uso cotidiano en diversas aéreas. Para los ejemplos prácticos se utilizarán el programa R y como base de datos PostgreSQL (ambos software libre, los cuales en combinación te permiten explotar grandes cantidades de información). Nuestro Diplomado cuenta con la participación de profesionales expertos en los temas que se impartirán, los cuales en base a su didáctica, conocimientos y experiencia establecen niveles de calidad elevados, lo que nos permite ofrecer un Diplomado de una calidad prácticamente inigualable. En cada uno de nuestros temas estamos considerando distribuir su duración en 70% practica y 30% teoría. Te invitamos a que participes, aprendas o retomes tus conocimientos de probabilidad y estadística con la calidad que te mereces. 2

3 Nuestro Cuerpo Docente Act. Edgar Díaz Ordoñez Actuario y Físico titulado por la Facultad de Ciencias de la UNAM y pasante en la Maestría en Ciencias Matemáticas IIMAS UNAM, área Estadística y Probabilidad. En lo laboral: Trabajo en el Banco Fácil y Sherman Financial Group como asesor de Portafolio y Modelos de Crédito Paramétrico en donde desarrollo modelos expertos de originación para tarjeta de crédito, utilizo herramientas estadísticas como clusters, técnicas de segmentación de árboles (CHAID, QUEST y C&RT) y análisis discriminante enriqueciendo la apropiada segmentación para el desarrollo de Scoring. Ha impartido cátedra en la UNAM para los departamentos de Matemáticas y Física en materias como: Análisis Numérico, Econometría I, Estadística I, Estadística II, Estadística III, Probabilidad II, Procesos Estocásticos I, Teoría del Riesgo, Introducción a la Física Cuántica y Matemáticas Avanzadas para Físicos Trabaja y conoce a un excelente nivel Linux, Fortran, Python, Perl, SQL, SAS, SPSS, Statistica, E-Views, Matlab, Maple, Latex y R. 3

4 ...Nuestro Cuerpo Docente Lic. M. A y C. Rita Esmeralda Guerrero Cervantes Licenciada en Matemáticas Aplicadas y Computación titulada. En lo laboral: Se desempeña como consultor en el área de Analítica y consultor del área de plataforma para SAS, construyendo procesos ETL utilizando lenguaje de programación SAS destinados a alimentar modelos de riesgo además de participar en proyectos de minería de datos, desarrollando modelos analíticos que resuelvan las necesidades particulares del cliente. Trabajó para Softtek México desarrollando proyectos de BI para SAT como Consultor BI DataStage Junior. Trabajó en el proyecto Deltas DB2 como encargada de dirigir la construcción de la parte de DataStage, de las Pruebas y Finalmente Gestionar la Liberación del mismo. Trabaja y conoce a un excelente nivel SAS, R, IBM DB2, SQL Server, MySQL Enterprise, Oracle, Informix, IBM WebSphere, IBM DB2, IBM Data Stage, Birt Reports, Alphablox Reports, VMWare, MicroStrategy, WEKA, Linux, Windows, entro otros. 4

5 ...Nuestro Cuerpo Docente M. en C. Jésica Hernández Rojano Actuaria titulada con Maestría en Ciencias Matemáticas y candidata a Doctora en Ciencias Matemáticas IIMAS, UNAM, en el área de Estadística. En lo laboral se ha desempeñado mayormente en la docencia, dando clases a nivel licenciatura en el ITAM (Estadística Aplicada, Estadística I) y Facultad de Ciencias, UNAM (Estadística I, Estadística II, Estadística III, Probabilidad y Estadística para Ciencias de la Computación, Análisis de Regresión Lineal) y a nivel Maestría en el Instituto Nacional de Salud Pública (Datos Categóricos). Actualmente realiza un Posgrado en Educación Media (Postgraduate Certificate in Education) validado por The University of Buckingham y es profesora de tiempo completo de La Escuela de Lancaster, donde imparte las materias de Matemáticas y Estadística a nivel preparatoria. Tiene un alto nivel de conocimiento de R y SPSS 5

6 ...Nuestro Cuerpo Docente Act. Edgar Anguiano González Actuario titulado por la facultad de Ciencias de la UNAM. En lo laboral: Profesor de las materias Matemáticas Financieras y Estadística III en la Facultad de Ciencias, UNAM. Profesor del Taller Exam C/4 de la SOA/CAS en la Facultad de Ciencias, UNAM. Analista actuarial con más de una año de experiencia. Conocimientos en los sistemas estadísticos de Seguros de la CNSF. Conocimiento en el Cálculo de Reservas. Investigación y Desarrollo para la mejora de PML Riesgos catastróficos y Cálculo de la Probabilidad De Ruina por la AMIS. Investigación y desarrollo para la mejora de la Nota Técnica del Cálculo del Limite de Retención por Técnica Actuarial. Investigación y desarrollo de metodologías para la Calidad de la Información aplicada la Actuaría Investigación y desarrollo para la creación de una plataforma de Análisis de Información en Tiempo Real. Investigación y desarrollo para la automatización de procesos actuariales. 6

7 ...Nuestro Cuerpo Docente Act. Luis Javier Herrera Orduña Actuario titulado por la FES Acatlán. En lo laboral se ha desempeñado como consulto de SAS Institute brindando soluciones a través de la Minería de Datos, realizando proyecto de Redes Sociales y Minería de Texto. Tiene fuertes conocimientos en estadística como son: análisis multivariado, muestreo, series de tiempo y modelos y simulación. Tiene un alto nivel de conocimiento de SAS Programming, SAS Macro Language, SAS Enterprise Guide, C, C++, Matlab y R. 7

8 ...Nuestro Cuerpo Docente Manuel Alberto Valadez Sánchez Matemático con orientación al área de Inteligencia Artificial. En lo laboral trabaja como consultor y analista en el Servicio de Administración Tributaria (SAT) en el área de Tecnologías de la información, implementando modelos de minería de datos (componentes principales, clustering, filtros bayesianos) y análisis de riesgo (scoring, redes neuronales). Ha impartido cátedra en la UNAM para la Facultad de Ciencias y la FES Acatlán en materias como: Análisis Numérico, Ecuaciones diferenciales, Probabilidad, Álgebra y Cálculo Diferencial e Integral Tiene un alto nivel de conocimiento de Linux, Windows, Matlab, Octave, MySQL, PHP, ASP.NET, JavaScript, C# y R. 8

9 ...Nuestro Cuerpo Docente 9 Act. Erik Alexander Castro Loyo Actuario especializado en Seguros y Finanzas, titulado por la Facultad de Ciencias de la UNAM, mediante la opción de Exámenes Internacionales. Cuenta con las Certificaciones Internacionales otorgadas por la Sociedad de Actuarios (SOA) en Matemáticas Financieras (2007) y Probabilidad (2009). Actualmente trabaja en Mapfre Tepeyac S.A. dentro del área de Gestión Integral de Riesgos. Sus principales funciones están enfocadas a la implementación de Solvencia II, Modelos de BEL y Margen de Riesgo. Riesgos Financieros (Mercado, Crédito, Liquidez, Global). Implementación de ambiente de Control desde la perspectiva de Riesgo Operativo, Control Interno, Riesgo Fiscal, Riesgo Legal y Compliance mediante modelos mitigadores de riesgo en la operación de la Compañía. Se desempeña también como Profesor de la Facultad de Ciencias UNAM, particularmente en asignaturas de Seguros y Administración de Riesgos. Cuenta con amplia experiencia en el Sector Asegurador y Financiero donde se ha desarrollado en diferentes áreas como son: Administración de Riesgos, Modelos estadísticos aplicados a la Administración de Siniestros, Bussiness Intelligence, Modelos de Rentabilidad, etc. Trabaja y conoce a un excelente nivel SAS, SAP, Visual Basic, SQL, entre otros.

10 ...Nuestro Cuerpo Docente Erick Eduardo Talavera Perea Actuario por la Facultad de Ciencias de la UNAM y pasante de la carrera técnica de Sistemas Digitales por el Instituto Politécnico Nacional. Actualmente trabaja en Quálitas como Analista Actuarial En el área de Tarifas, ha sido instructor de Actuary Hunters, impartiendo cursos para Seguros Atlas y Banco de México. Actualmente se está capacitando en Solvencia II en Quálitas. Trabaja y conoce a un excelente nivel R, Matlab, Sybase, PostgreSQL, Enterprise Guide), Visual FoxPro y paquetería de Office. SAS (Base y 10

11 Nuestro temario Modulo I Introducción 1. Primeras nociones de R 1.1 Instalación 1.2 El uso de R como una calculadora 1.3 Uso del editor de R 1.4 Operaciones con vectores 1.5 Primeras gráficas 2. Conceptos fundamentales de R 2.1 Las expresiones y los objetos 2.2 Creación y manipulación de vectores y matrices 2.3 Operaciones con matrices 2.4 Vectores, factores, listas y marcos de datos 2.5 Manipulación de índices 2.6 Selección condicional 2.7 Ordenamientos 2.8 Valores faltantes 2.9 Lectura y escritura de datos desde un archivo externo 2.10 Funciones, argumentos y argumentos por omisión 2.11 Uso de paquetes 11

12 Nuestro temario Modulo I Introducción 3. Distribuciones de probabilidad 3.1 Distribuciones discretas y continuas 3.2 Funciones de distribución acumulativa 3.3 Cuantiles 3.4 Números aleatorios 4. Programación en R 4.1 Control de flujo y sentencias 4.2 If-else-if y switch 4.3 Ciclos for, repeat y while 4.4 Funciones 5. Estadística descriptiva y gráficas 5.1 Resumen estadístico de una muestra 5.2 Histogramas 5.3 Distribución acumulada empírica 5.4 Q-Q Plots 5.5 Boxplots 5.6 Resumen estadístico de grupos de datos 5.7 Gráficos para datos agrupados 5.8 Tablas de frecuencia relativa 5.9 Barplots 12

13 Nuestro temario Modulo I Introducción 6. Postgres SQL y R 6.1 Instalación de PostgreSQL para Windows 6.2 Inicios de PostgreSQL para Windows 6.3 Introducción al lenguaje estructurado de consultas (SQL) Características del valor de la información Definición de bases de datos Sistemas de gestión de bases de datos Características de las bases de datos Lenguaje estructurado de consultas (Structure Query Language) Componentes de un manejador de bases de datos Definición de tabla Tipos de datos 6.4 Definición de Datos Tablas, Reglas, Default, y Tipos de Índices Manipulación de Datos Inserción, Eliminación y actualización Vistas Funciones: Tipo carácter y Matemáticas Conexión a R 13

14 Nuestro temario Modulo II Inferencia Estadística (Caso paramétrico) 1. Muestreo y distribuciones muestrales 1.1 Introducción 1.2 Muestreo Inferencia inductiva Poblaciones y muetras Distribuciones de muetras Estadísticos y momentos muestrales 1.3 Media muestral Media y varianza Ley de los grandes números Teorema central del límite 2. Estimación puntual 2.1 Introducción 2.2 Métodos para encontrar estimadores Métodos de momentos Máxima verosimilitud 2.3 Propiedades de estimadores puntuales Proximidad Error cuadrático medio Consistencia y BAN 14

15 Nuestro temario Modulo II Inferencia Estadística (Caso paramétrico) Suficientes Insesgados (suficiente y completo) 3. Estimación por intervalos 3.1 Introducción 3.2 Intervalos de confianza Introducción Definición Cantidad pivotal 3.3 Métodos para encontrar intervalos de confianza Método de cantidad pivotal Método estadístico 3.4 Intervalos de confianza para grandes muestras 4. Pruebas de hipótesis 4.1 Introducción 4.2 Hipótesis simple Introducción Prueba más potente 4.3 Hipótesis compuesta Prueba del cociente de verosimilitud generalizado 15

16 Nuestro temario Modulo III Inferencia Estadística (Caso no paramétrico) 1. Pruebas binomiales 1.1 Prueba para proporciones 1.2 Prueba para cuantiles 1.3 Prueba de signos 1.4 Prueba de McNemar 1.5 Prueba de Cox-Stuart 2. Prueba de rango 2.1 Prueba de Mann-Witney 2.2 Prueba de Kruskall-Wallis 2.3 Prueba para la varianza de más de dos poblaciones 3. Pruebas de bondad de ajuste 3.1 Prueba Ji-cuadrada 3.2 Prueba de Kolmogorov 3.3 Prueba de Lilliefors 3.4 Prueba exponencial 3.5 Estadísticos más usados en la bondad de ajuste 4. Tablas de contingencia 4.1 Prueba de independencia 4.2 Prueba de proporciones 4.3 Prueba de la mediana 16

17 Nuestro temario Modulo IV Introducción a la Probabilidad I: Introducción a la Probabilidad. 1.1 Introducción. 1.2 Axiomas de la probabilidad. 1.3 Probabilidad condicional e independencia. 1.4 Sigma-algebras. 1.5 Medidas de probabilidad II: Variables Aleatorias. 2.1 Variables aleatorias en espacios discretos. 2.2 Variables aleatorias en espacios continuos. 2.3 Independencia de variables aleatorias. 2.4 Funciones de densidad y de distribución. 2.5 Funciones características. 2.6 Suma de variables aleatorias independientes. 2.7 Ley de los grandes números. 2.8 Teorema del limite central. 2.9 Estimadores muéstrales. 17

18 Nuestro temario Modulo IV Introducción a la Probabilidad III: Introducción a los Procesos Estocásticos. 3.1 Esperanza condicional. 3.2 Martingalas. 3.3 La caminata aleatoria. 3.4 El problema de la ruina. 3.5 Introducción al movimiento browniano. 18

19 Nuestro temario Modulo V Probabilidad Avanzada I.- Procesos estocásticos en tiempo continuo 1.1. Movimiento Browniano 1.2. Movimiento Browniano con drift 1.3. Cambio de medida 1.4. Proceso de Markov 1.5. Medidas aleatorias de Poisson II.- Teoría del riesgo 2.1. Introducción 2.2. Modelo de decrementos múltiples 2.3. Teoría de la credibilidad 2.4. Teoría de ruina 19

20 Nuestro temario Modulo VI Análisis de Regresión Lineal y Modelos Lineales Generalizados 1. Análisis de Regresión Lineal Cuando utilizar análisis de regresión Estimación Inferencia Mínimos Cuadrados Generalizados Pruebas para falta de Ajuste Diagnóstico Transformaciones Análisis de Covarianza Tabla ANOVA 2. Modelos Lineales Generalizados El modelo lineal generalizado (MLG) Ejemplos de MLG Transformación de datos Modelación procesos de media y varianza 20

21 Nuestro temario Modulo VII Series de Tiempo 1. Introducción 1.1 Algunos ejemplos de series de tiempo. 1.2 Técnicas descriptivas: gráficas, tendencias y componentes estacionales. 1.3 Descomposición clásica. 1.4 Suavizamiento exponencial. 2. El modelo probabilístico de las series de tiempo 2.1 Procesos estacionarios y procesos estacionarios de segundo orden. 2.2 La función de covarianza de un proceso estacionario de segundo orden. 3. Modelos Auto-Regresivos y de Promedios Móviles. 3.1 Ecuaciones en diferencias y operadores de retraso. 3.2 Modelos AR(p), MA(q) y ARMA(p, q). 3.3 Modelos ARIMA y ARIMA estacionales. 3.4 Identificación, estimación de parámetros. 3.5 Propiedades asintóticas de estimadores. 3.6 Diagnósticos del modelo vía los residuales 3.7 Selección de modelos y predicción. 4. Modelos de heterocedasticidad condicional 4.1 Modelos ARCH y GARCH. 21

22 Nuestro temario Modulo VIII Multivariado. 1. Introducción 2. Densidades multivariadas 2.1 La densidad normal multivariada 2.2 La densidad Wishart 2.3 La densidad T^2 de Hotelling 2.4 La densidad Lambda de Wilkis 2.5 La densidad Beta 3. Datos multivariados 3.1 Distancias de Mahalanobis 3.2 Inferencia en una población normal 3.3 Estimación no paramétrica de una densidad 3.4 Representación gráfica 4. Técnicas de reducción de dimensión 4.1 Componentes principales 4.2 Escalamiento multidimensional 22

23 Nuestro temario Modulo VIII Multivariado. 5. Análisis discriminante 5.1 El problema de clasificación 5.2 Tasa de error 5.3 Métodos no paramétricos 5.4 Métodos paramétricos 5.6 Selección de variables 5.7 Estimación de tasa de error 6. Análisis de conglomerados 6.1 Similaridad y disimilaridad 6.2 Análisis de conglomerados jerárquicos 23

24 Nuestro temario Modulo IX Simulación Estocástica 1. Introducción a la Simulación 1.1 Tipos de Simulación 1.2 Simulación Determinística versus Simulación Estocástica 1.3 Pasos de la Simulación 1.4 Modelado de un Sistema Real 1.5 Estimación de Distribuciones 1.6 Construcción de un simulador 1.7 Validación de un simulador 1.8 Diseño de experimentos 1.9 Análisis de resultados 2. Breve repaso de probabilidad 2.1 Breve repaso de probabilidad 2.2 Variables aleatorias 2.3 Función de distribución Discreta y continua Conjunta, marginal y condicional 3. Técnicas para la generación de números Pseudoaleatorios y Generación de variables aleatorias 2.1 Métodos Congruenciales Mixto, multiplicativo y combinación lineal 24

25 Nuestro temario Modulo IX Simulación Estocástica 2.2 Test de Números Pseudoaleatorios 2.2.1Pruebas de Uniformidad: Kolmogorov- Smirnov y Chi Cuadrada Pruebas de independencia: Corridas, Poker, Gap 2.3 Técnicas para simulación de variables aleatorias Técnica de la Transformada Inversa Técnica de Aceptación y Rechazo Técnicas de la Composición Método Polar para la generación de variables aleatorias normales Simulación de un Proceso de Tipo Poisson. 3. Técnicas de Reducción de la Varianza 3.1 Uso de variables de control 3.2 Condicionamiento. Muestreo Estratificado. 3.3 Muestreo por importancia 3.4 Uso de números aleatorios comunes. 4. Métodos de Simulación basados en Cadenas de Markov. 4.1 Cadenas de Markov 4.2 Algoritmo de Metropolis-Hasting 4.3 El Muestreo de Gibs 4.4 El Método de recalentamiento simulado 4.5 Metido de remuestreo 4.6 Aplicaciones 25

26 Dinámica La dinámica de cada módulo es teórico-práctica abarcando todos los temas con ejemplos y ejercicios, se recomienda que el participante lleve una laptop para el mejor desempeño del curso. 26

27 Distribución de módulos 27

28 Información general del diplomado Horas: 219 horas Lugar: Tlaxcala No. 67 1er. Piso, Col. Roma Sur, Del. Cuauhtémoc CP México, D.F. (están justo en la esquina de Tlaxcala y Medellín) Cupo: Limitado Horario: Sábados de 8:00 a 14:30 Fechas de inicio: 30 de abril de

29 Ubicación Tlaxcala , Col. Roma Sur, Del. Cuauhtémoc, C.P

30 Inversión $35,999 + IVA Contamos con 3, 6, 9 y hasta 12 meses sin intereses Si estas interesado y necesitas del financiamiento de Professional Hunters envíanos un esquema de cómo podrías pagar el Diplomado y con gusto lo analizamos y damos respuesta a la brevedad posible Cupo limitado 30

31 Informes 1. Solicita las forma de pago vía correo electrónico o por teléfono. 2. Enviar el comprobante de pago vía correo electrónico a informes@actuaryhunters.com indicando el nombre completo, teléfono y datos fiscales anexando su RFC (en caso de requerir factura) 3. Una vez enviados los datos anteriores se confirmara la inscripción y depósito vía correo electrónico. 4. El reembolso solo se realizará 15 días antes de iniciar el curso y únicamente se devolverá el 70% de la inversión realizada hasta ese momento. Informes: informes@actuaryhunters.com gaviles@engineerhunters.com Tels Ext y