Ofrecimiento de cursos

En su 74ª. Sesión, celebrada en Rosario, Argentina en octubre de 2006, el Comité Ejecutivo del IASI decidió promover la organización de cursos dentro de su Programa de “Actividades orientadas al Sector Profesional”. En este sentido, invitamos a los estadísticos que estén dispuestos a cooperar con el ofrecimiento de cursos especializados, a que hagan llegar sus propuestas a la Secretaría. La idea es poner estos cursos a disposición de las instituciones interesadas en el desarrollo estadístico de la región. En una primera etapa, de carácter experimental, el IASI tomará la responsabilidad por las coordinaciones necesarias para llevar a cabo estas actividades. Las instituciones interesadas en ofrecer los cursos, ya sea a nivel local, nacional o internacional, deberán encargarse de los aspectos logísticos y de promoción (esta última respaldada por el IASI) y de los costos de pasajes, alojamiento y viáticos de los profesores, quienes no cobrarán honorarios.


Muestreo

Ignacio Méndez Ramírez

El curso tendrá una duración de 18 horas, en 3 días, 6 horas por día.

Objetivo

Presentar los conceptos básicos y avanzados de muestreo de una manera intuitiva, pero enmarcada dentro de la metodología de investigación científica. Una vez expuestos los conceptos así como la lógica y objetivo de cada técnica o rutina de calculo, se presentaran varios ejemplos de cada tema, con apoyo de paquetes estadísticos comerciarles como el JMP y STATA. Es decir una vez aclarados los conceptos, objetivos y procedimientos, se tiene un enfoque de “caja negra”, es decir se usara la computadora especificando bien que entra (insumos) y entendiendo lo más relevante de los resultados (las salidas), esto con un conocimiento somero de las bases matemáticas del método seguido y de los algoritmos de calculo. Con esto se podrá participar en grupos de trabajo que diseñen y/ o analicen encuestas nacionales.
Todo el proceso será siempre ubicado como parte de la metodología de investigación científica.

Temario

Día 1:

  • 1 Conceptos Básicos. Marcos de Muestreo, Parámetros y Estimadores
  • 2 Muestreo Aleatorio Simple (mas) y Muestreo Estratificado
  • 3 Muestreo Bietapico y Sistemático
  • 4 Estimadores de Razón, Selección con Probabilidad Proporcional al Tamaño (PPT)

Día 2:

  • 5 Efecto de Diseño( DEFF)
  • 6 Encuestas Complejas Esquemas A y B, Sin Estratos
  • 7 Encuestas Complejas Esquemas A y B, Con Estratos

Día 3:

  • 8 Uso de SVY de STATA. Estimar Promedios y Proporciones en encuestas complejas
  • 9 Modelos Lineales en encuestas complejas
  • 10 Modelos Logísticos en Encuestas Complejas

Bibliografía:

ASTATA , “Survey Data Reference Manual” , Stata press 2007.
Raj, Des (1968). Sampling Theory. Mc. Graw Hill Co. Särndal, C.E., Swensson, B., Wretman, J. (1992).
Model Assisted Survey Sampling. Springer-Verlag. Sharon Lohr. Muestreo. International Thomson Editores México 2003.


Análisis Estadístico de Series de Tiempo

Víctor M. Guerrero

Descripción

Este curso pretende cubrir las bases de la estrategia de Box y Jenkins que sustenta el análisis estadístico de información del tipo de “series de tiempo univariadas”, o sea, de conjuntos de datos numéricos que, ordenados de forma cronológica, resumen la información del comportamiento de una variable al paso del tiempo.

Será dictado durante tres días, con exposiciones diarias de 4 horas cada una, tres de las cuales serán dedicadas a la teoría y una hora adicional dedicada al uso de computadora (con el paquete RATS).

Temario

Día 1:

1. Introducción al análisis de series de tiempo
  • Elementos estadísticos en el análisis de series de tiempo
  • Series de tiempo vistas como procesos estocásticos
  • Procesos estacionarios
2. Estudio de ecuaciones en diferencia
  • Introducción a las ecuaciones en diferencia
  • Representación de algunos procesos divergentes

Día 2:

3. Modelos para series de tiempo univariadas
  • Modelos autorregresivos (AR)
  • Modelos de promedios móviles (MA)
  • Modelos ARMA
  • Modelos ARIMA

Día 3:

4. Construcción de modelos para series univariadas
  • Identificación)
  • Estimación)
  • Verificación

Instructor

Víctor M. Guerrero es Profesor en el Departamento de Estadística del Instituto Tecnológico Autónomo de México (ITAM). Es Actuario por la Universidad Nacional Autónoma de México (UNAM) y tiene los grados de Maestría en Ciencias y Doctor en Estadística otorgados por la Universidad de Wisconsin – Madison, en Estados Unidos.
Fue Coordinador de Investigación en el Instituto Nacional de Estadística, Geografía e Informática (INEGI) de México, Jefe de Investigación Estadística en el Banco de México y Director de Sistemas de Información en la Secretaría de Educación Pública. Ha sido asesor para instituciones nacionales, como la Fundación Rafael Preciado Hernández, entre otras, y a nivel internacional, para el Harvard Institute for International Development. Su experiencia docente la ha obtenido en el ITAM, donde fue Jefe del Departamento Académico de Estadística (1997-2004), así como en diversas universidades de México y del extranjero. Ha dirigido tesis de Doctorado, de Maestría y de Licenciatura, todas en temas relacionados con Estadística, Econometría, Series de Tiempo o Actuaría. Ha publicado más de 50 artículos de investigación en revistas de circulación internacional, es autor de tres libros y coautor de otro más, así como de un curso filmado en video-cassette y ha sido editor asociado para diversas revistas científicas. Pertenece al Sistema Nacional de Investigadores, es miembro electo de la Academia Mexicana de Ciencias y del International Statistical Institute, y es titular de la Cátedra de Análisis y Pronóstico de Series de Tiempo en Econometría, otorgada por el ITAM. Actualmente es uno de los Directores del International Institute of Forecasters (2004- ) y Presidente del Inter-American Statistical Institute (2006-2008). Fue Presidente de la Asociación Mexicana de Estadística (1995-1997) y ha ganado tres premios de investigación, el Premio de Pensiones en 2007, el Certamen Permanente de Investigación del Banco de Guatemala en 2000, y el de la Comisión Nacional de Seguros y Fianzas en 1994.

Libro de texto

Análisis Estadístico de Series de Tiempo Económicas. Guerrero, G. V. M. (2003), 2ª. Edición. México: Thomson-Learning.

Item Response Theory - IRT: Main ideas and its applications in different areas

Dalton F. Andrade

Course Description

This course will cover the basic ideas of IRT and its applications in different areas, in particular in large scale educational assessment. It will be shown how IRT can be used to test equating. The course will focus on concepts, examples, models, data analysis, and interpretation.

Course Outline

Day 1:

  • Introduction: a general overview of IRT and its applications in different areas.
  • One population models for dichotomous or dichotomized items.
  • Item and individual parameters estimation: maximum likelihood and bayesian methods.
  • The measurement scale.

Day 2 :

  • One population models for categorical ordered items.
  • Item and individual parameters estimation.
  • Test equating
  • More than one population models.

Day 3:

  • Interpreting the measurement scale
  • Main results of the Brazilian National Assessment of the Basic Education - SAEB
  • Some results obtained from the application of IRT in different areas, such as: Statistics and Medical Education, Psychiatry and Quality Management.
  • Research topics: longitudinal data models, models for questionnaires with embarrassing items, etc.

Instructor

Dalton F. Andrade is a Professor in the Department of Informatics and Statistics, Federal University of Santa Catarina, SC, Brazil . He is Licentiate in Mathematics and Master in Statistics from University of São Paulo, SP, Brazil, and Ph.D. in Biostatistics from University of North Carolina at Chapel Hill, NC, USA. His research and consulting interests include statistical methods for large educational assessment, mainly in IRT and linear and nonlinear hierarchical models, repeated measurement data analysis and sampling. Professor Andrade is Vice-President of IASI and member of the director committee of the Brazilian Statistics Association - ABE.

References

Lord, F.M., Norvick, M.R. (1968). Statistical Theories of Mental Test Score. Reading: Addison-Wesley.

Lord, F.M. (1980). Applications of item response theory to practical testing problems.Hillsdale:Lawrence Erlbaum Associates Inc.

Hambleton, R. K., Swaminathan, H. and Rogers, H. J. (1991). Fundamentals of Item Response Theory. Newbury Park : Sage Publications.

Andrade, D.F., Tavares, H.R., Valle, R.C.(2000). Item Response Theory: concepts and applications. São Paulo: Associação Brasileira de Estatística - ABE. (In Portuguese)

(avaliable for free download in www.inf.ufsc.br/~dandrade/tri) .

Baker, F.B., Kim, S-H.(2004). Item Response Theory: parameter estimation techniques. New Yook: Marcel Dekker, Inc. 2nd Edition.

Beaton, A.E., Allen, N.L. (1992). Interpreting scales through scale anchoring. Journal of Educational Statistics, 17, 191-204.

Kolen, M.J., Brennan, R.L. (1995). Test Equating – Methods and Practices. New York: Springer.


Métodos Estadísticos para Datos de Duración de Vida

Luis A. Escobar

Descripción del Curso

Este es un curso aplicado que cubre métodos estadísticos avanzados para el análisis de datos de duración de vida; en particular cómo se aplican a estudios de Confiabilidad y análisis de Supervivencia.

Mejoras de Confiabilidad/Supervivencia requieren oportunas decisiones basadas en datos censurados. Los métodos descritos en este curso son herramientas importantes para analizar datos de Confiabilidad/Supervivencia y para la planificación de estudios sobre datos de vida. El curso se centrará en conceptos, ejemplos, modelos, análisis de datos e interpretación.

Al finalizar este curso, usted podrá:

• Reconocer y tratar correctamente con diferentes tipos de datos de confiabilidad/supervivencia e interpretar correctamente importantes métricas de confiabilidad/supervivencia.

• Usar estimación no paramétrica para hacer inferencias a partir de datos con múltiples censuras, con suposiciones mínimas.

• Usar gráficos de probabilidad para identificar modelos paramétricos adecuados y diagnosticar anomalías en los datos de tiempo de fallas.

• Ajustar modelos semi-paramétricos simples, incluyendo las técnicas estándar requeridas cuando se utilizan modelos de riesgos proporcionales.

• Ajustar modelos simples a los datos de vida y hacer inferencias sobre cantidades importantes como cuantiles de distribuciones, probabilidades de falla y funciones de riesgo.

• Utilizar métodos adecuados para calcular intervalos de confianza a partir de datos censurados.

• Identificar y analizar datos con múltiples modos de falla.

• Usar métodos de análisis de regresión para el análisis de datos no normales censurados que surjen en los estudios de campo y en estudios controlados de tiempo de vida.

Esquema del curso

Día 1:

• Escalas adecuadas de tiempo para Datos de Tiempo de Vida /Datos de Degradación.

• Métricas de Duración de Vida: probabilidad de falla, cuantiles, riesgo. • Estimación simple no paramétrica, el estimador de Kaplan Meier.

• Introducción a Software (JMP/R).

• Distribuciones Weibull/logarítmico-normal.

Día 2:

• Gráficos de probabilidad, detección de modos múltiples de falla.

• Modelado paramétrico con distribución única.

• Modos múltiples de falla y análisis de datos.

• Análisis de regresión semi-paramétrica.

• Ajustamiento del modelo de regresión de riesgos proporcionales.

Día 3:

• Análisis de regresión de tiempo de falla.

• Principios de modelos de aceleración y factores de aceleración.

• Análisis de regresión de datos de prueba de vida—una variable.

• Análisis de regresión de datos de prueba de vida--más de una variable.

• Riesgos en modelos de prueba acelerada/regresión.

Libro de texto: Statistical Methods for Reliability Data. W. Q. Meeker and L. A. Escobar (1998). Este libro es útil, pero no es requerido para el curso.

Puede solicitarse a través de:

Wiley and Sons:
One Wiley Drive Somerset, NJ 08875
Teléfono 1-800-225-5946
FAX: (906)302-2300

Equipo que se necesita:

Proyector LCD estándar, un tablero blanco o una pizarra. Sería conveniente disponer de un laboratorio de informática con equipos con software Windows.

Audiencia:

Estadísticos, ingenieros y científicos que necesitan trabajar con datos de confiabilidad o supervivencia.

Duración:

El curso está diseñado para 5 horas diarias y hasta 3 días. Se puede organizar para 1, 2 o 3 días como se sugiere en el esquema, pero es posible seleccionar una combinación diferente de temas para cubrir cada día, según las necesidades de la institución anfitriona.

Requisitos previos:

Se asume familiaridad con métodos estadísticos básicos (por ejemplo, intervalos de confianza y análisis de regresión). No se requiere conocimientos de JMP o R.

Instructor:

Luis A. Escobar es Profesor en el Departamento de Estadística Experimental de Louisiana State University. Posee una licenciatura de la Universidad Nacional, Medellín, Colombia, una maestría del Centro Interamericano de Enseñanza de Estadística (CIENES), Santiago de Chile y un Ph.D. de Iowa State University. Sus intereses de investigación y consultoría incluyen análisis estadístico de confiabilidad de datos, pruebas aceleradas, análisis de supervivencia, modelos lineales y no lineales. El Profesor Escobar fue Editor Asociado de Lifetime Data Analysis y Editor Asociado de Technometrics. Es Fellow de la American Statistical Association y miembro electo del Instituto Internacional de Estadística. El Profesor Escobar fue galardonado con el Premio Jack Youden en 1999 y en 2009 y ha ganado dos premios por enseñanza sobresaliente en Louisiana State University. Es coautor de Statistical Methods for Reliability Data (Wiley 1998), y de varios otros capítulos de libros. Sus publicaciones aparecen en la literatura de ingeniería y estadística.