school
Grado
Magíster en Estadística
schedule
Duración
4 Semestres
pending_actions
Jornada
Diurna
laptop_chromebook
Modalidad
Presencial
location_on
Campus
Concepción
monetization_on
Arancel
$3.419.000

Presentación

En la actualidad, el desarrollo del Departamento de Estadística de la Facultad de Ciencias Físicas y Matemáticas y la consolidación de la carrera de Ingeniería Estadística, nos lleva a plantear un programa de Magíster en Estadística, de carácter académico, que permita incorporar a los graduandos mayor fundamentación a los conocimientos en estadística que ya poseen, además de satisfacer el anhelo por la investigación que presenta una buena parte de nuestros estudiantes y como consecuencia de lo anterior, mejorar la productividad científica del Departamento de Estadística.

Objetivos

El objetivo general del programa de Magíster en Estadística de la Facultad de Ciencias Físicas y Matemáticas es formar expertos con sólidos fundamentos en estadística, capaces de desarrollar metodologías innovadoras que ayuden a ampliar la frontera del conocimiento en el área y que puedan servir para solucionar problemas concretos. Como consecuencia de lo anterior se espera conseguir una posición de liderazgo en la región, elevando los índices de publicación del Departamento de Estadística y consagrando a nuestros estudiantes como investigadores en potencia, capaces de resolver problemas teóricos como prácticos, formando por consiguiente excelentes candidatos para proseguir estudios de doctorado.

Líneas de Investigación

  • Las líneas de investigación que ofrece el programa de Magíster en Estadística son variadas, todas ellas relacionadas al Modelamiento Estadístico. Entre estas se puede destacar Estadística Bayesiana, Series de Tiempo, Estadística No Paramétrica, Estadística Espacial y Modelos Lineales Generalizados.

Requisitos de Admisión

  • Estar en posesión de un grado académico de licenciado o título profesional, cuyo nivel y contenido de estudios sean equivalentes a los necesarios para obtener el grado de licenciado en estadística.
  • Para aquellos postulantes de áreas distintas a la estadística y/o matemática, será necesario acreditar formación adecuada en estadística y/o matemática o perfeccionamiento cursado.
  • En ambos casos se requerirá una entrevista ya sea personal o mediante video conferencia.

Perfil de Graduación

  • El egreso del programa de magister en estadística de la universidad de concepción posee las siguientes competencias:
  • Poseer conocimientos avanzados en estadística que les permiten modelar situaciones o fenómenos físicos observables.
  • Tener una alta capacidad de pensamiento creativo en el área.
  • Poseer gran capacidad para el desarrollo, implementación computacional y aplicaciones de métodos estadísticos.
  • Aplicar y/o desarrollar metodologías para resolver problemas concretos asociados al sector productivo y de servicios.
  • Interactuar con profesionales de otras áreas y contribuir a la difusión de las múltiples aplicaciones de la estadística.
  • Estar capacitado para continuar con estudios de postgrado superiores.

Asignaturas

En este curso el alumno analizará la teoría básica de las probabilidades, que le permitirá comprender los poderosos resultados de la estadística matemática.

Hoy en día, la aplicación de la estadística dentro del mundo de la ciencia requiere de un alto nivel de uso de sistemas computacionales. Por lo tanto, el curso de informática estadística persigue brindar a los estudiantes herramientas computacionales para realizar diferentes modelamientos estadísticos.

Se revisan los principales métodos y criterios de estimación puntual, así como la construcción de intervalos de confianza y la teoría de la verificación de hipótesis estadísticas.

Este curso entrega la teoría necesaria para la formulación y construcción de modelos lineales, que constituyen la base para enfrentar problemas estadísticos que requieren modelos más avanzados.

Este curso está destinado a consolidar y aplicar los contenidos teóricos vistos por los estudiantes durante su permanencia en el programa, con el objetivo de que escriban a lo largo del semestre en curso una parte de las secciones o apartados esenciales que posee una tesis de magíster, teniendo como resultado final la elaboración de un proyecto de tesis.

En este curso el alumno conocerá algunas herramientas de probabilidad útiles para analizar y aplicar resultados de estadística matemática.

El curso entrega conocimientos de modelos lineales que explican la dinámica de series, que incluye los modelos autorregresivos de medias móviles (arma), incluyendo modelos de tipo bivariado, poniendo especial énfasis en las propiedades estadísticas de los mismos y en el desarrollo de metodologías apropiadas para su construcción.

Asignatura destinada al estudio de los modelos de series de tiempo que permitan representar, simular y predecir procesos económicos y financieros.

Asignatura teórico-práctica que proporciona las herramientas más comunes de geoestadística lineal, para analizar datos indexados por localidades fijas de observación, generalmente provenientes del área de ciencias de la tierra, oceanográficas y geociencias.

El objetivo de este curso es presentar a la series de tiempo como una suma de componentes no observados, pero que pueden ser estimados mediante procedimientos estadísticos simples y que ya se han visto a lo largo del programa. Además, el curso busca reforzar los conocimientos en programación que han adquirido los alumnos mediante un intenso uso del lenguaje de programación para la construcción de rutinas que permitan estimar los parámetros de los diferentes modelos que se presentan.

Asignatura que muestra el enfoque bayesiano como una alternativa a la resolución de problemas estadísticos, utilizando el teorema de bayes para incorporar información a priori.

Esta asignatura aborda los modelos de respuestas binomiales, de conteo, multinomiales y positivas.

El curso entrega las herramientas teóricas y prácticas para la implementación de técnicas de optimización y algoritmos basados en métodos monte carlo y cadenas de markov. La aplicación de estos algoritmos se complementa con el uso del software winbugs.

Asignatura destinada a incorporar los principios de la estadística no paramétrica en el acervo académico del alumno, es decir, capacitarlo en el análisis de datos cuando no se cuenta explícitamente con el supuesto de una familia paramétrica de distribuciones de probabilidad.

En este curso se revisarán los elementos fundamentales de la llamada ciencia de datos, introduciendo a los alumnos tanto en las herramientas estadísticas, de procesamiento de datos, de aprendizaje automático, etc. , como en estrategias efectivas de visualización de resultados. Esto, complementado con la aplicación práctica de los aspectos teóricos revisados, en lenguaje python, en la que se abordarán diferentes problemáticas provenientes de diversos contextos de aplicación.

En este curso, el estudiante conocerá los fundamentos con que se desarrolla una especifica clase de modelos espacio-temporal, procedentes desde la clase de modelos espacio-estado. Y será capaz de aplicar los métodos estadísticos para producir la inferencia, ajuste, estimación, predicción, pronostico y test de hipótesis estadística usando los procedimientos geoestadísticos y de filtro de kalman.
DIRECCIÓN PROGRAMA
Bernardo Moisés Lagos Alvarez

Doctor en Ciencias, Universidade de Sao Paulo (2000)


email bla@udec.cl
CONTACTO
Andrea Soledad Rosales Mella

Micaela Edith Ávila Henríquez

MÁS INFORMACIÓN
Por favor ingrese un nombre válido.
Por favor ingrese un apellido válido.
Por favor ingrese un email válido.
Por favor ingrese un teléfono válido.

Guías de Tesis

Guillermo Patricio Ferreira Cabezas
Doctor en Estadística, Universidad Católica de la Santísima Concepción

mail_outline gferreir@udec.cl
Jorge Isaac Figueroa Zúñiga
Doctor en Estadística, Pontificia Universidad Católica de Chile

mail_outline jfigueroaz@udec.cl
Bernardo Moisés Lagos Alvarez
Doctor en Ciencias, Universidade de Sao Paulo

mail_outline bla@udec.cl
Joel Alejandro Muñoz Gutiérrez
Doctor, Universidad de Barcelona

mail_outline joelmuno@udec.cl
Sebastián Andrés Niklitschek Soto
Master, Université de Paris VI

mail_outline sniklitschek@udec.cl
Katia Lorena Sáez Carrillo
Doctor en Ingeniería Eléctrica, Universidade Catolica do Rio de Janeiro

mail_outline ksaez@udec.cl

Colaboradores

Maria Paz Casanova Laudien
Doctor en Estadística, Pontificia Universidad Católica de Chile
mail_outline macasanova@udec.cl
Luisa Isabel Rivas Calabrán
Doctor en Estadística, Pontificia Universidad Católica de Chile
mail_outline lrivas@udec.cl
Patricio Andrés Salas Fernández
Magíster en Estadística Aplicada, Universidad de Concepción
mail_outline patricioasalas@udec.cl
Nora Serdyukova
Doctor Rerum Naturalium, Universidad Humboldt de Berlín
mail_outline nserdyukova@udec.cl
logoUdeC
logoUdeC logoUdeC logoUdeC logoUdeC