EST Econometría/Econometrics.

Transcripción

1 Objetivos: Definir el concepto de Econometría y su nexo con la teoría económica y estadística. Identificar entre los datos de corte transversal y series de tiempo. Identificar, interpretar y corregir los elementos, supuestos y consecuencias del modelo de regresión lineal múltiple y manejar sus propiedades básicas con herramientas matriciales. Distinguir entre pronósticos ex-post y ex-ante. Calcular e interpretar pronósticos puntuales y por intervalo con un modelo de regresión lineal. Resolver problemas con Excel e Eviews. Introducción a la Econometría Modelo de Regresión Lineal Simple Modelo de Regresión Lineal Múltiple Análisis de los supuestos del Modelo de Regresión Lineal múltiple Generación de Pronósticos con el Modelo de Regresión Lineal Múltiple EST Econometría/Econometrics. To define the concept of Econometrics and its relation with economic and statistical theory. To identify between transversal cut data and time series. To identify, interpret and correct the elements, assumptions and consequences of the multiple linear regression model and to manage its basic properties with matrix tools. To distinguish between ex-post and ex-ante forecasts. To calculate and interpret point and interval forecasts with a linear regression model. To solve problems using Excel and Eviews. Introduction to Econometrics Simple Linear Regression model Multiple Linear Regression model Multiple Linear Regression assumptions analysis. Forecasts generation with Multiple Linear Regression model. Gujarati, D., Econometría, tercera edición. Mc. Graw Hill. Maddala, G. S., Introducción a la Econometría, segunda edición, Prentice hall. Pindyck, R. y D. Rubinfeld, Econometría. Modelos y Pronósticos, cuarta edición, Mc. Graw-Hill.

2 Objetivos: Proporcionar al alumno los conceptos, herramientas y modelos básicos para el análisis estadístico y presentar la Estadística como una disciplina que permite cuantificar la incertidumbre asociada a fenómenos que presentan variabilidad. Introducción Análisis Exploratorio de Datos Probabilidad, variables aleatorios y distribuciones de probabilidad Algunas distribuciones de probabilidad importantes El problema de inferencia EST Estadística I/Statistics I To provide students with the concepts, tools, and basic models for statistical analysis and to present Statistics as a discipline that allows quantify the uncertainty associated to phenomena that have variability. Introduction Exploratory Data Analysis Probability, Random Variables y Probability Distributions. Some important Probability Distributions. The Inference Problem. Aguirre, V. y Artaloitia, B. An{alisis Exploratorio de Datos, ITAM. Alegría, A. y Balmaseda, B. algunas Distribuciones de Probabilidad, ITAM. Berenson, M. & Levine, D. Estadística Básica en Administración, Prentice Hall, México, D.F. Conover, W. & Iman, R. Introduction to Modern Business Statistics, Wiley, st Ed. Guerrero, V.M. Estadística Básica para estudiantes de Economía y otras Ciencias Sociales. Fondo de cultura Económica, México, 2da Ed. Johnson, R. Elementary Statistics, Duxbury, 7 th ed.

3 Objetivos: Proporcionar al alumno un lenguaje para poder formular problemas reales en términos estadísticos, mediante el conocimiento de las ideas básicas que sustentan los procesos de Inferencia Estadística. Introducción Distribuciones muestrales y el Teorema Central del Límite Propiedades de estimadores y Estimación puntual Estimación por Intervalos Pruebas de hipótesis paramétricas Pruebas no paramétricas y datos categóricos Muestro EST Estadística II/Statistics II To provide students with a language that will allow them formulate real problems in statistical terms, through the knowledge of basic ideas behind the statistical inference processes. Introduction Sampling distributions and Central Limit Theorem Estimator Properties and Point Estimation Interval Estimation Parametric hypothesis testing Non-Parametric hypothesis testing and categorical data Sampling Balmaseda B., Análisis de datos categóricos. Depto. de Estadística y Actuaría. ITAM Berenson M. y Levine D. Estadística Básica en Administración. Prentice Hall, México. 6a Ed. Canavos G.C., Probabilidad y Estadística: Aplicaciones y métodos. Mc. Graw Hill Garza G. Distribuciones muestrales y el Teorema Central del Límite. Depto. De Estadísitca. ITAM Guerrero V.M. Estadística básica para estudiantes de Economía y otras Ciencias Sociales. 2ª. ed., Fondo de Cultura Económica Hanke J. y Reitsch A. Estadística para negocios. 2a ed. Editorial Irwin Jenkel J., Introductory Statistics for Management and Economics. 4a. Ed. Duxbury.

4 Objetivos: Conocer los fundamentos de la teoría axiomática de probabilidad. Conocer, entender y manejar correctamente las reglas del cálculo de probabilidades. Conocer, comprender y aplicar el concepto de variable aleatoria como una herramienta para la simplificación del cálculo de probabilidades Conocer, identificar y manejar apropiadamente los modelos probabilísticos comúnmente usados para describir fenómenos aleatorios. Conocer, comprender y aplicar los conceptos y herramientas necesarias para el cálculo de probabilidades en varias variables aleatorias. Fundamentos de Probabilidad Variables Aleatorias Distribuciones importantes Distribuciones multivariadas Distribución normal multivariada EST Probabilidad / Probability To know the foundations of the probability axiomatic theory. To know, understand and apply the rules of probability calculus. To know, understand and apply the concept of random variable as a tool for simplifying probability calculus. To know, identify and properly apply the most commonly used probabilistic models to describe random phenomena. To know, understand, and apply the concepts and necessary tools for probability calculus in some random variables. Probability foundations Random Variables Important Distributions Multivariate distributions Multivariate Normal distribution Wackerly, D.D., Mendenhall, W., and Scheaffer, R.L. (2002), Mathematical Statistics with Applications. Duxbury Press. 6a. Ed. Pitman, J. (1993), Probability. Springer. 6a. Ed. Canavos, G.C. (1987), Probabilidad y Estadística, McGraw Hill

5 Objetivos: Introducción Estadística Descriptiva Distribuciones muestrales y el teorema central del Límite Problema de estimación puntual. Propiedades y métodos de la estimación Estimación por intervalos Pruebas de hipótesis paramétricas Validación de la hipótesis de normalidad Problema de Predicción EST Inferencia Estadística / Statistical Inference Introduction Descriptive Statistics Sampling distributions and Central Limit Theorem Point Estimation Problem Properties and Estimation methods Interval Estimation Parametric hypothesis testing Normality hypothesis validation The forecast problem (W) Wackerly, D.D., Mendenhall, W. and Scheaffer, R.L. (2002), Mathematical Statistics with Applications. Sexta edición. Duxbury Press. (W) Wackerly, D.D., Mendenhall, W. and Scheaffer, R.L. (2002), Estadística Matemática con Aplicaciones, Sexta edición (Edición revisada). Thomson. (FPE) Autores varios, (2005), Fundamentos de Probabilidad y Estadística. JIT Press

6 EST Estadística Matemática / Mathematical Statistics Objetivos Presentar una sólida fundamentación de la teoría estadística como una forma de realizar inferencias. Al mismo tiempo presentar la importancia de la estadística inferencial para resolver problemas reales de toma de decisión. Introducción Naturaleza de la Estadística Inferencia Distribuciones de muestreo Teorema central del Límite Manejo de información Estimación Puntual Estimación por intervalo Pruebas de Hipótesis Estadística Paramétrica y no paramétrica Estadística Bayesiana To present a solid foundation of the statistical theory as a way to make inferences. At the same time you will notice the importance of statistical inferences for solving real making decision problems. Introduction Statistics Nature Inference Sampling distributions Central Limit Theorem Information Manage Point estimation Interval Estimation Hypothesis Testing Parametric and non-parametric Statistics Bayesian Statistics Casella, G. And Berger, R.L. (1990) Statistical Inference. California. Duxbury Press. DeGood M.H. (1988), Probabilidad y Estadistica. Delawere. Addison-Wesley. Mood, A.M., Graybill, F.A. AND Boes, D.C. (1974) Introduction to the Theory of Statistics, New York: Mc. Graw Hill. Rice, J.A. (1995) Mathematical Statistics and Data Analyisis. California: Duxbury Press.

7 EST Cálculo de Probabilidades I / Probability Calculus I Objetivos Conocer, entender y manejar correctamente la teoría axiomática de la probabilidad para comprender sus consecuencias más relevantes. Conocer, comprender y aplicar el concepto de variable aleatoria como una herramienta para la simplificación del cálculo de probabilidades y la construcción de familias paramétricas como modelos para representar situaciones que involucren incertidumbre. Conocer, identificar y manejar apropiadamente los modelos probabilísticos comúnmente usados para describir fenómenos aleatorios Axiomas de la probabilidad Probabilidad condicional e independencia Variables aleatorias discretas Variables aleatorias continuas To know, understand and properly manage the axiomatic probability theory in order to understand its more relevant consequences. To know, understand and apply the concept of random variable as a tool for simplifying the probability calculus and the construction of parametric families as models for representing situation with randomness. To know, identify and properly manage the most commonly used probabilistic models in order to describe random phenomena. Probability Axioms Conditional Probability and Independence Discrete random variables Continuous random variables. Hoel, P., Port S. & Stone C. (1996) Introduction to Probability Theory. Addison-Wesley: Boston. Ross, S. (2002). A first Course of Probability 6ª. Ed. Prentice Hall: New Jersey

8 EST Cálculo de Probabilidades II / Probability Calculus II Objetivos Familiarizar al estudiante con los conceptos relacionados a la función de calidad y las técnicas más importantes de apoyo de la calidad. Que el estudiante identifique claramente conceptos como calidad, control de calidad, apoyo de la calidad, calidad total, etc. Así como técnicas del control estadístico de calidad y diseño de experimentos. Introducción y conceptos relacionados con calidad Inferencia acerca de la calidad de procesos Control estadístico de Calidad Gráficos de control por variables Habilidad del proceso Gráficos de control por atributos Fundamentos del diseño de experimentos. Experimentos Multifactoriales Experimentos factoriales fraccionados Modelos 2k-p To familiarize the student with the concepts related to quality function and the most important quality support techniques. To clearly identify concepts such as quality, quality control, quality support, total quality, etc. Like wise, the course will cover quality statistical control and experimental design techniques. Introduction and concepts related with quality Inferences about processes quality Quality statistical control Variables Control Charts Process engagement Attributes Control Charts Experimental design Foundations Multifactorial Experiments Fractional factorial experiments 2k-p models Hoel, P., Port S. & Stone C. (1996) Introduction to Probability Theory. Addison-Wesley: Boston. Ross, S. (2002). A first Course of Probability 6ª. Ed. Prentice Hall: New Jersey

9 EST Estadística matemática / Mathematical Statistics Objetivos Fundamentar la teoría estadística como una forma de realizar inferencias. Presentar la importancia de la inferencia estadística para resolver problemas reales de toma de decisión. Introducción. Naturaleza de la Estadística. Inferencia. Distribuciones de Muestreo. Teorema Central del Límite. Manejo de Información. Estimación Puntual. Estimación por Intervalo. Prueba de Hipótesis. Estadística Paramétrica y No Paramétrica. Estadística Bayesiana. To present a foundation of Statistical Theory as a way to carry any inferences. To present the importance of Statistical Inference in resolving real making decision problems. Introduction Nature of Statistics Inference Sampling Distributions Central Limit Theorem Information Management Point Estimation Interval Estimation Hypothesis Tests Parametric and non-parametric Statistics Bayesian Statistics Casella, G. And Berger, R.L. (1990) Statistical Inference. California. Duxbury Press. DeGood M.H. (1988), Probabilidad y Estadistica. Delawere. Addison-Wesley. Mood, A.M., Graybill, F.A. AND Boes, D.C. (1974) Introduction to the Theory of Statistics, New York: Mc. Graw Hill. Rice., J.A. (1995) Mathematical Statistics and Data Analyisis. California: Duxbury Press.

10 EST Procesos Estocásticos I / Stochastic Processes I Objetivos Introducción a los procesos estocásticos. Cadenas de Markov en tiempo discreto. Procesos con incrementos independientes. Cadenas de Markov en tiempo continuo. Colas. Stichastic Processes Introduction Discrete-time Markov chains Processes with independent increases Continuous-time Markov Chains Queues

11 Objetivos Introducción. Análisis Exploratorio de Datos. Introducción al Muestreo. Muestreo Aleatorio Simple. Muestreo Aleatorio Estratificado. Muestreo Aleatorio Bietápico. Estimadores Regresión EST Estadística Aplicada I / Applied Statistics I Introduction Exploratory Data analysis Sampling introduction Simple Random Sampling Stratified Random Sampling Bietapic Random Sampling Regression Estimators

12 Objetivos Introducción a los modelos lineales. El modelo de regresión lineal simple. El modelo de regresión lineal múltiple. Análisis de supuestos. EST Estadística Aplicada II / Applied Statistics II Linear models Introduction Simple linear regression model Multiple linear regression model Assumptions Analysis Draper, N., y Smith H. (1981) Applied Regression Analysis, New York: John wiley and sons. Johnson, J. (1984) Econometric Methods, New York; McGraw-Hill Montgomery, D.C. (1992) Introduction to near Regrression analysis, New York: John Wiley Daniel, C y Wood, F.S. (1971) Fitting Equation to Data, New York; John Wiley interscience. Guajardi, D.N. (1990) Econometría, McGraw Hill Latinoamérica. Saber, G.A.F. (1977) Linear Regression Analysis John. Wiley and Sons Weisber, s. (1985) Applied Linear Regression. John Wiley and Sons

13 Objetivos El objetivo fundamental de este curso es introducir a los estudiantes al análisis multivariado de datos. El curso se presenta en tres vertientes principales: el análisis exploratorio, el análisis multivariado de datos cuantitativos y el análisis de datos categóricos. En cada caso se revisan los aspectos teóricos que sustentan cada técnica. Análisis exploratorio de datos. Métodos factoriales. Análisis canónico. Análisis discriminante. Métodos para variables categóricas. El análisis de correspondencias simples. Introducción a los modelos log lineales. Regresión logística. EST Estadística Aplicada III / Applied Statistics III The objective of this course is to introduce students to multivariate data analysis. The course is introduced in 3 main slopes: exploratory analysis, multivariate quantitative data analysis and categorical data analysis. In each case you will review the theoretical aspects that sustain each technique. Exploratory Data analysis Factorial Methods Canonical analysis Discriminant analysis Methods for categorical variables Simple correspondences analysis. Log linear models Introduction Logistic Regression Draper, N., y Smith H. (1981) Applied Regression Analysis, New York: John wiley and sons. Johnson, J. (1984) Econometric Methods, New York; McGraw-Hill Montgomery, D.C. (1992) Introduction to near Regrression analysis, New York: John Wiley Daniel, C y Wood, F.S. (1971) Fitting Equation to Data, New York; John Wiley interscience. Guajardi, D.N. (1990) Econometría, McGraw Hill Latinoamérica. Saber, G.A.F. (1977) Linear Regression Analysis John. Wiley and Sons Weisber, s. (1985) Applied Linear Regression. John Wiley and Sons

14 EST Econometría Financiera Actuarial / Actuarial Financial Econometrics Objetivos Este curso introduce al alumno en las técnicas básicas de econometría. En un análisis econométrico el alumno debe distinguir entre los tipos de datos que se tienen y los tipos de modelos que se pueden estimar. Se requiere el uso del paquete de análisis de econometría TSP, EVIEWS y Excel. Econometría, Modelos y Datos. Relaciones entre dos variables. Modelo de Regresión Lineal Múltiple. Análisis de los supuestos del Modelo. This course introduces the student the basic econometric techniques, In an econometric analysis, the student must distinguish between the type of data you have and the type of models you can estimate. It is required the use of TPS econometric analysis package, Eviews and Excel. Econometrics, models and Data Relations between two variables Multiple linear Regression model Model Assumptions Analysis