CURSO:ANALISIS ESTADISTICO CON DATOS FALTANTES TRADUCCION:STATISTICAL ANALYSIS WITH MISSING DATA SIGLA:EPG4209 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA,LABORATORIO CALIFICACION:ESTANDAR PALABRAS CLAVE:DATOS FALTANTES,IGNORABILIDAD,IMPUTACION,NO IGNORABILIDAD NIVEL FORMATIVO:MAGISTER INTEGRIDAD ACADEMICA Y CODIGO DE HONOR La Universidad tiene un compromiso con la construccion de una cultura de respeto e integridad. Quienes participen de este curso se adscriben al Codigo de Honor UC y adquieren el compromiso de aportar a la construccion de una cultura de Integridad Academica, actuando en consonancia con los valores de veracidad, confianza, respeto, justicia, responsabilidad y honestidad en todo el trabajo academico. I.DESCRIPCIÓN DEL CURSO El curso los y las estudiantes aplican mecanismos de generacion de datos faltantes y conocen como estos mecanismos pueden ser incorporados en el proceso inferencial de determinados modelos estadisticos. El uso de software estadistico como R y/o SAS sera parte fundamental de este curso. En este contexto, se busca que el estudiantado desarrolle una vision general del analisis estadistico con datos faltantes y de las diferentes tecnicas de imputacion de datos existentes en la literatura. Las principales metodologias son la de proyecto y los talleres practicos de laboratorio. Las evaluaciones seran mediante laboratorios computacionales y proyecto. II.RESULTADOS DE APRENDIZAJE 1.Explicar la importancia de los datos faltantes en el analisis estadistico, ejemplificando con casos. 2.Distinguir diferentes tipos de datos faltantes y los mecanismos de generacion de los mismos. 3.Aplicar metodos convencionales de tratamiento de datos faltantes a situaciones especificas de contextos reales. 4.Aplicar metodos avanzados de imputacion de datos faltantes a situaciones en particular. 5.Utilizar software estadistico para el analisis y ajuste de modelos para datos incompletos, de acuerdo a la necesidad del caso. III.CONTENIDOS 1.Mecanismos de generacion de datos faltantes. 1.1.Datos faltantes generados en forma completamente aleatoria, aleatoria y no aleatoria. 1.2.Mecanismos de generacion de datos faltantes ignorables y no ignorables. 2.Introduccion a los metodos convencionales de analisis con datos incompletos. 2.1.Analisis de casos completos, casos disponibles. 2.2.Metodos de ponderacion. 2.3.Metodos basados en modelos. 2.4.Metodos de imputacion simple. 2.5.Metodos de imputacion multiple. 2.6.Metodos de imputacion aleatoria. 3.Introduccion a los metodos de analisis con datos incompletos generados bajo mecanismos ignorables. 3.1.Factorizacion de la verosimilitud bajo patrones monotonos. 3.2.Algoritmo EM. 3.3.Aumentacion de datos. 3.4.Imputacion Bayesiana. 3.5.Enfoque de pseudo-verosimilitud. 3.6.Ponderacion de probabilidad inversa. 4.Introduccion a los metodos para el analisis con datos incompletos generados bajo mecanismos no-ignorables. 4.1.Modelo Normal. 4.2.Modelos de patron de mezcla. 4.3.Otros metodos para mecanismos no-ignorables. 5.Topicos especiales. 5.1.Datos perdidos en ensayos clinicos. 5.2.Datos perdidos en encuestas. IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Resolucion de problemas. -Talleres practicos de laboratorio. V.ESTRATEGIAS EVALUATIVAS -Laboratorios computacionales: 50% -Proyecto: 50% VI.BIBLIOGRAFIA Minima Little, R.J.A., Rubin, D.B.(2020). Statistical Analysis with Missing Data (3a.ed.). John Wiley and Sons. Molengberghs, G., Fitzmaurice, G.M, Kenward, M.G., Tsiatis, A.A., Verbeke, G.(Eds.)(2015). Handbook of Missing Data Methodology. Chapman & Hall/CRC. Complementaria Allison, P.D.(2001) Missing Data. Sage Publications. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE MATEMATICAS / DICIEMBRE 2025