Maestria en Estadistica aplicada

Area I: Teoría estadística:
Probabilidad e Introducción a los procesos estocásticos.
-  Revisión de tópicos básicos en probabilidad.
-  Procesos Estocásticos: camino aleatorio, cadenas de Markov.
-  Procesos de ramificación.
-  Otros Procesos.
Teoría estadística.

-   Métodos de optimización útiles para el cálculo de estimadores M.V.: Newton Raphson, Fisher´s scoring, Algoritmo E.M. Simplex. Verosimilitud agrupada, restringida, penalizada.

-   Test insesgados, similares, invariantes. Test localmente más potente. Test de score y de Wald. Test secuenciales.
-   Métodos computacionalmente intensivos: Simulación. Test permutacionales. Validación cruzada. Jacknife y bootstrap. Muestreo de Gibbs.

Area II: Métodos Estadísticos:
Análisis de datos:
Métodos gráficos para exploración y presentación de datos.
Reducción de dimensiones de las observaciones a través de técnicas multivariadas.
Métodos gráficos para la identificación de distribuciones.
Métodos de suavizado para regresión.

Modelos lineales:
Teoría de distribución en el modelo lineal.
Teoría de estimación de modelos lineales.
Tests de hipótesis lineales y comparaciones múltiples.
Introducción al modelo mixto.

Métodos Estadísticos:

Opción 1) Series de tiempo:
Modelo de Nivel Local.
Modelo Básico de Espacio de Estado.
MBEE: Filtrado, Suavizado y Estimación Máximo Verosímil.
Observaciones de la Familia Exponencial.
Series de Tiempo Irregulares.

Opción 2) Muestreo:
Diseños complejos: Métodos para selección de muestras y cálculo de estimadores. Análisis de datos con técnicas multivariadas. Aplicación en estadísticas oficiales
Métodos de estimación alternativos: linearización de Taylor y de replicaciones
Enfoque de Modelos: aplicación a los diseños muestrales básicos. Estimación mediante el uso de modelos lineales. Elección del diseño muestral óptimo
Tratamiento de la falta de información: métodos de imputación y métodos basados en modelos.      

Métodos no paramétricos:
Tests permutacionales. Tests de rangos. Tests permutacionales de rangos.
Distribución asintótica de las estadísticas. Problemas de 2 y k muestras independientes.Diseños en bloques completos e incompletos, factoriales y complejos.
Problemas de regresión univariadas y multivariadas.
Problemas de supervivencia.         

Modelos lineales generalizados:
Familia exponencial y modelos lineales generalizados.
Modelos especiales: modelos para datos continuos, para datos binarios y politómicos, modelos log-lineales.
Modelos casi-verosímiles

Diseño de Experimentos y Superficie de respuesta:
Diseños en bloques incompletos, látices, factoriales con confusión de efectos, diseños fraccionarios: reglas prácticas y análisis utilizando la teoría general de modelos lineales.
El enfoque de Taguchi.
Diseños de primer y segundo orden. Metodología de superficies de respuesta.
Modelos mixtos. Componentes de variancia. Análisis de covariancia

Análisis de datos longitudinales:
Estudios longitudinales.
Modelos lineales, modelos paramétricos para la estructura de covarianza, métodos de análisis de la varianza.
Modelos lineales generalizados para datos longitudinales.
Modelos marginales, de efectos aleatorios, de transición.

Area III: Materias optativas:
A designar. La oferta de cursos optativos será variada cubriendo áreas de aplicación específicas: actuarial, bioestadística, industrial, supervivencia, etc. Dichos cursos serán aprobados anualmente por el Consejo Directivo de la Facultad.

Módulo de Metodología de Investigación:
Este módulo incluye:
   - Seminarios de Metodología de Investigación y de Consultoría: estudio     sistemático de las tareas que corresponden a la definición del problema, formulación de hipótesis, conceptualización, etc.
  - Taller de Investigación: Participación en grupos de investigación interdisciplinarios