Física (plan 2002) 2020-2

Optativas, Temas Selectos de Astrofísica III

NOTA: Este curso NO tiene seriación alguna. Pueden inscribirla aún sin haber cursado Temas Selectos de Astrofísica I y/o II

Temas Selectos de Astrofísica III: Fundamentos de Astroestadística

Profesora: Dra. Elizabeth Martínez Gómez

Horario definitivo: Martes y Jueves de 12:30 pm a 2:00 pm en el Laboratorio de Sistemas Computacionales y Físicos (Tercer piso del Departamento de Física)

Objetivos del curso: El alumno estudiará detalladamente algunos de los métodos estadísticos más empleados en ciencia, siendo de particular interés, sus aplicaciones en diversos problemas de física y astronomía. La estructura del curso consta de una parte teórica y otra práctica en la que el alumno aprenderá el lenguaje estadístico R.

Prerrequisitos:

Cálculo Diferencial e Integral I y II.

Física Contemporánea.

Bibliografía:

· Babu, G. J. & Feigelson, E. D. (1996). Astrostatistics. Chapman & Hall, UK.

. Bevington P. R. and D. K. Robinson (1993), Data reduction and error analysis for the Physical Sciences. McGraw Hill, USA

· Feigelson, E. D. & Babu, G. J. (2012). Modern Statistical Methods for Astronomy With R Applications. Cambridge University Press, USA.

· Wall, J. V. and Jenkins C. R. (2003), Practical Statistics for Astronomers, Cambridge University Press

TEMARIO GENERAL

1. Análisis Exploratorio de Datos

1.1 Introducción

1.2 Tipos de variables y escalas de medición

1.3 Medidas de resumen

1.3.1 Medidas de tendencia central (media, moda, porcentiles)

1.3.2 Medidas de dispersión (varianza, desviación estándar, rango intercuartílico)

1.3.3 Medidas de asociación (covarianza, coeficiente de correlación de Pearson)

1.4 Presentación gráfica según el tipo de variable (diagrama de barras, diagrama de caja-brazos, histograma, diagrama de dispersión)

1.5 Aplicaciones diversas usando R.

2. Introducción a la Probabilidad

2.1 Fundamentos de probabilidad: juegos de azar, incertidumbre, teorema de la probabilidad total y Teorema de Bayes

2.2 Variables aleatorias unidimensionales (discretas y continuas).

2.3 Distribuciones de probabilidad unidimensionales (discretas y continuas).

2.4 Aplicaciones diversas usando R

3. Inferencia Estadística Clásica I

3.1 Estimación puntual

3.1.1 Propiedades de estimadores puntuales

3.1.2 Métodos de estimación puntual

a) Método de Momentos

b) Método de Mínimos Cuadrados

c) Método de Máxima Verosimilitud

3.2 Estimación por intervalos de confianza

3.3 Aplicaciones diversas usando R

4. Inferencia Estadística Clásica II

4.1 Pruebas de hipótesis para una y dos poblaciones

4.2 Aplicaciones diversas usando R

5. Introducción a la estadística no paramétrica

5.1 Introducción

5.2 Pruebas de hipótesis para una y dos poblaciones

5.3 Pruebas de bondad de ajuste

5.4 Análisis de Datos Categóricos

5.5 Aplicaciones diversas usando R

Se evaluará con tareas, prácticas en clase y proyecto final.