Publications by Lina Buitrago PhD(c),
Taller 04 - Estadística Bayesiana
Suponga que para un problema de respuesta binaria se planea usar una previa uniforme para la proporción de la población \(\theta\), con el fin de no favorecer ningún valor de \(\theta\) a priori. Sin embargo, algunas personas prefieren estudiar las proporciones en escala logit, es decir, están interesados en \(\gamma = \log\frac{\theta}{1-\th...
4102 sym
Estadística y Probabilidades - Análisis Gráfico
1 Introducción Una de las primeras etapas en el análisis de datos es la exploración de los datos por medio de gráficos, en la cual se evidencian las características de las variables de manera directa y precisa. Los gráficos son extremadamente útiles para describir la distribución de un conjunto de datos. En la estadística descriptiva se ...
4956 sym R (3108 sym/9 pcs) 4 img
Taller 05 - Estadística y Probabilidades
Considere la base de datos dada en el archivo taller05_datos.txt, la cual contiene los datos de \(n=1,000\) individuos en relación con las siguientes variables: Ingresos (en millones de pesos). Sexo (1 = Hombre; 0 = Mujer). A continuación se presenta el procedimiento importar este conjunto de datos en R. Observe que para importar la base de d...
1198 sym R (458 sym/1 pcs) 1 img 1 tbl
Taller 03 - Análisis Estadístico de Redes Sociales
Considere un grafo estrella de orden \(n\) y un grafo círculo de orden \(n\). A continuación se representan ambos grafos para \(n=9\). Estos grafos tienen aproximadamente la misma densidad, pero su estructura es muy diferente. Recuerde que la densidad de un grafo se puede calcular como el grado promedio dividido por \(n - 1\). Muestre que para...
2230 sym R (523 sym/1 pcs) 4 img 1 tbl
Estadística Bayesiana - Métodos de Monte Carlo
1 Introducción El objetivo consiste en aproximar cualquier cantidad asociada con la distribución posterior de \(\boldsymbol{\theta}\). Si podemos obtener muestras de \(\boldsymbol{\theta}\) procedentes de la distribución posterior, cualquier cantidad posterior de interés se puede aproximar con un grado de precisión arbitrario usando métodos...
6079 sym R (5373 sym/32 pcs) 4 img
Taller 04 - Estadística y Probabilidades
Determinar y justificar si las siguientes afirmaciones son Falsas o Verdaderas. La mitad de las observaciones de una muestra es menor o igual que la media. La media de un conjunto de datos es el valor que ocurre con más frecuencia. La media de una muestra es igual a una de las observaciones de la muestra. Es preferible utilizar un instrumento d...
3934 sym R (537 sym/1 pcs) 2 tbl
Estadística y Probabilidades - Medidas de Variabilidad
1 Introducción Las variables cuantitativas pueden ser descritas en términos de medidas de tendencia central, variabilidad, localización, y forma. Las medidas de variabilidad son aquellas que miden la dispersión de los datos, es decir, indican qué tan “parecidos” o que tan “diferentes” son entre si los valores observados. Las medidas...
15218 sym R (4053 sym/70 pcs) 2 tbl
Taller 03 - Estadística Bayesiana
La siguiente tabla muestra el número de accidentes mortales por año asociados con aerolíneas en todo el mundo durante un período de diez años (Fuente: Statistical Abstract of the United States). Suponga que el número de accidentes mortales en cada año son condicionalmente independientes y siguen una distribución Poisson con parámetro \(\...
3237 sym 1 tbl
Taller 02 - Análisis Estadístico de Redes Sociales
El grado de un nodo en una red tanto dirigida como no dirigida se puede calcular fácilmente a partir de la matriz de adyacencia \(\mathbf{Y}=[y_{i,j}]\). El out-degree \(d_i^{\text{out}}\) y el in-degree \(d_i^{\text{in}}\) del nodo \(i\) se pueden calcular respectivamente como: \[ d_i^{\text{out}} = \sum_{j:j\neq i} y_{i,j} \qquad\text{y}\qqu...
5831 sym R (1747 sym/6 pcs)
Estadística Bayesiana - Modelo Poisson
1 Modelo general Si Su estado de información acerca de las secuencia de variables de conteo \(y_1,\ldots,y_n\) es intercambiable, entonces el modelamiento \(y_1,\ldots,y_n\) admite representación jerárquica de la forma: \[\begin{align} y_i\mid\theta &\stackrel{\text{iid}}{\sim}\textsf{Poisson}(\theta)\,,\quad i = 1,\ldots,n \\ \theta...
7957 sym R (4065 sym/33 pcs) 2 img 1 tbl