index.Rmd

--- 
title: "Estadística Multivariada"
author: "María Teresa Ortiz, Felipe González"
site: bookdown::bookdown_site
documentclass: book
bibliography: [book.bib]
nocite: |
    @advr, @r4ds, @R-ggplot2, @R-dplyr, @R-purrr, @R-tidyr
biblio-style: apalike
link-citations: yes
github-repo: tereom/est-multivariada
description: "Curso de estadística multivariada, Maestría en Ciencia de Datos, ITAM 2019."
---


# Información del curso {-}

Notas del curso *Estadística Multivariada* del programa de maestría en 
Ciencia de Datos del ITAM. Las notas fueron desarrolladas en 
2014 por Teresa Ortiz y Felipe González y actualizadas en 2015, actualmente 
se trabaja en una segunda actualización. En caso de encontrar 
errores o tener sugerencias del material se agradece la propuesta de 
correcciones mediante [pull requests](https://github.com/tereom/est-multivariada).

#### Ligas {-}

Notas: https://est-mult.netlify.com  
Correo: teresa.ortiz.mancera@gmail.com   
GitHub: https://github.com/tereom/est-multivariada 

</br>

<a rel="license" href="http://creativecommons.org/licenses/by/4.0/"><img alt="Licencia Creative Commons" style="border-width:0" src="https://i.creativecommons.org/l/by/4.0/88x31.png" /></a><br />Este trabajo está bajo una <a rel="license" href="http://creativecommons.org/licenses/by/4.0/">Licencia Creative Commons Atribución 4.0 Internacional</a>.


## Temario {-}

1. Distribuciones de probabilidad multivariadas
    + Distribución conjunta, marginal y condicional.
	+ Independencia y factorización.

Referencias: @ross

2. Redes bayesianas
	+ Representación gráfica de independencias.	
	+ Modelos locales.
	+ Aprendizaje de estructura de redes bayesianas.

Referencias: @koller, @Whittaker, @bnlearn, @hastie, @R-bnlearn, @R-gRain.

3. Redes markovianas
    + Modelos log-lineales.
	+ Modelos gráficos gaussianos.

Referencias: @wasserman, @bishop, @Whittaker


4. Variables latentes	
	+ Algoritmo Esperanza-Maximización.
	+ Datos faltantes.
	+ Clase latentes, mezclas gaussianas y análisis de factores.
	+ Modelos markovianos de estados ocultos.

Referencias: @wasserman, @gelman-hill, @rubin

5. Modelos para datos espaciales y temporales
    + Estadística espacial.
    + Modelos de espacio de estados.

Referencias: @banerjee

7. Modelos jerárquicos
    + MCMC
    + Stan

Referencias: @gelman-hill, @gelman-bayesian, @kruschke

#### Software {-}

- R: https://www.r-project.org
- RStudio: https://www.rstudio.com
- Stan: http://mc-stan.org