Spanish English

Doctoral Program (PhD) in Statistics

Este programa de estudio se gestiona íntegramente en-línea y por ello estudiantes de habla hispana podrán realizarlo desde su país de residencia. Los participantes deberán tener un conocimiento del inglés a nivel lectivo o su disposición a perfeccionarlo. Aunque algunos de los documentos a estudiar podrían aparecer en inglés, toda la instrucción, ejercicios y exámenes se impartirán en español. A cada estudiante se le asignará un asistente académico de enlace con el Academic Staff, que le asistirá en todo momento por correo electrónico y en español.

El Doctorado en Estadísticas, proporciona a los estudiantes que hayan obtenido un título de maestría en la especialidad o afín, un medio para explorar su disposición personal a ser líderes en la profesión. Estudiantes ganan un dominio de la literatura de su especialidad e investigación aunado a su práctica profesional de alto nivel, y demostrar su competencia mediante la aplicación de este conocimiento. Un doctorado es la máxima recompensa para las personas que desean alcanzar por encima de los resultados promedio y están dispuestos a afrontar los retos de la vida.

Las especialidades del doctorado se definen en el proceso de admisión.

Requisitos de graduación:
Profesionales con una maestría en estadisticas, o en una especialidad afín al objeto de estudio del postgrado, de universidad reconocida y preferiblemente dos años mínimos de experiencia, están invitados a cursar este doctorado.
COMPOSICIÓN GENERAL DEL DOCTORADO
Total de créditos requeridos: 54 créditos
• Requisitos Principales del Curso (Plan de Estudio a Cursar): 36 créditos (4 cursos de 6 créditos c/u + 12 créditos Metodología de investigación, proyecto y tesis) que deben ser cursados en TAU, de una de las dos siguientes maneras: Normal (dos cursos por bimestre); o curso intensivo por mes, dependiendo todo del número de créditos necesarios a completar, prescritos por la Comisión de Admisiones. El lapso mínimo para el trabajo de tesis no puede ser menos de seis meses.
• Electivas: 18 créditos (3 cursos de 6 créditos cada uno), los cuales pueden ser transferidos de su educación previa, homologadas o convalidadas por estudios y/ experiencias previas, si están debidamente sustentados, para que pueda ser admitido/a, de lo contrario deberán ser seleccionadas y cursadas de la lista que le suministrará la Universidad.
Los estudiantes precalificados para ingresar, deben cursar y aprobar  los cursos prescritos por la Universidad en el proceso de admisión, ya que en cada caso el PLAN DE ESTUDIO es ajustado por la facultad en base a  un espectro amplio de los intereses de estudios y antecedentes de cada estudiante, y solo pueden darse a conocer una vez precalificado por la Comisión de Admisiones de la Universidad.

Doctorado, lista de los Cursos Avanzados a Seleccionar:

DPS801 Estadísticas Aplicadas Modernas
DPS802 Análisis Multivariable
DPS803 
Teoría Estadística Avanzada
DPS804 Temas en Física Matemática
DPS805 Monte Carlo
DPS806 Estimación de Función en Ruido Blanco
DPS807 Análisis de Supervivencia
DPS808 Estadística Aplicada Moderna: Minería de Datos
DPS809 Procesos Estocásticos
999A Doctoral Dissertation or Thesis

El trabajo académico del estudiante consiste en desarrollar cada Curso Avanzado Independiente de Investigación, basado en investigación bibliográfica, recursos online, directrices metodológicas del programa y demás recursos disponibles para la investigación. El examen final de cada curso consiste en redactar y aprobar el Informe Final de Investigación de 35 páginas sin contar páginas preliminares ni anexos, original y auténtico. El Informe de Investigación representa el resultado final del proceso de investigación de cada curso y debe estar estructurado y compuesto de conformidad con el formato que exige la Universidad.

La tesis,  se emprenderá previa aprobación de la propuesta por parte del Academic Staff de la Universidad, preferiblemente no mayor de 100 páginas sin contar páginas preliminares ni anexos, ni menor de 90 páginas, original y auténtico.

Uno de los trabajos de investigación aprobados, debe ser publicado como artículo científico o Research Paper en revistas científicas de cobertura mundial aceptada por TAU. La Universidad puede gestionar ayudas para estas publicaciones mediante convenios existentes.

Todas las presentaciones se harán vía Internet.

[ TITULACIONES Y CERTIFICACIONES ]

Nuestros alumnos recibirán su título y notas Apostillado por la Haya a los efectos legales oportunos.

" El trámite de apostilla certificará la autenticidad de la firma de los documentos públicos en un país firmante del Convenio de La Haya, de 5 de Octubre de 1.961, por el que se suprime la exigencia de legalización de los Documentos Públicos Extranjeros que deban surtir efectos en otro país firmante del mismo. Con todo esto el egresado de TAU,  consigue consolidar su Curriculum, prestigio y profesionalidad a nivel internacional ".

Los estudiantes de países no adscritos a la Convención de la Haya, deben solicitar a la Universidad el procedimiento de legalización consular.

INVERSIÓN y forma de pago: hacer clic aquí.

Duración:  dos meses para cada curso y seis meses mínimo para el trabajo de Tesis Doctoral. Puede ser antes dependiendo de la dedicación al estudio.

Para mayor información sobre la metodología de estudio y requerimientos de admisión, visite https://tauniversity.org/programas/doctorados

Inscripciones, clic aquí.

Contacto, clic aquí.

 

Programa Sinóptico

DPS801: Regresión lineal y métodos relacionados. Selección de modelo, menos ángulo de regresión y el lazo, métodos escalonados. Clasificación. Análisis discriminante lineal, regresión logística, y soporte de máquinas vectoriales (MVS). Expansiones de la base, splines y regularización. Métodos del kernel. Modelos aditivos generalizados. Alisado del núcleo. Mezclas de Gauss y el algoritmo EM. Evaluación y selección de modelos: crossvalidation y el bootstrap. Pathwise de coordenadas de descenso. Modelos gráficos dispersos. 

DPS802: Temas sobre análisis multivariante y matrices aleatorias en estadística.

DPS803: Abarca una amplia gama de temas, incluyendo: procesos empíricos, eficiencia asintótica, convergencia uniforme de medidas, contigüidad, métodos de remuestreo, expansiones Edgeworth.

DPS804: Cubre temas en física matemática. Los temas específicos pueden variar, dependiendo del investigador. Conocimientos avanzados en teoría y análisis de probabilidad es deseable para este curso.

DPS805: Números y vectores aleatorios: inversión, aceptación-rechazo, cópulas. Reducción de varianza: antithetics, estratificación, control de variables, muestreo de importancia. MCMC: cadenas de Markov, balance detallado, Metropolis-Hastings, metrópolis al azar de la caminata, muestreador de nnindependence, muestreo de Gibbs, dechado de la rebanada, híbridos de Gibbs y metrópoli, Temple. Montecarlo secuencial. Cuasi-Monte Carlo. Cuasi-Montecarlo aleatorizado. Ejemplos, problemas y motivación de las estadísticas Bayesiana, aprendizaje nnmachine, finanzas computacionales y gráficos. 

DPS806: Forma de espacio de secuencia de modelo de ruido blanco de Gauss. Hiperrectángulos, convexidad cuadrática y Teorema de Pinsker. Estimación MiniMax sobre balones LP y espacios Besov. Papel de ondas y bases incondicionales. Estimadores lineales y umbrales. Desigualdades de Oracle. Recuperación óptima y umbrales universales. Estimador de riesgo imparcial de Stein y elección de umbral. La complejidad penaliza la selección de modelos. Conectando algoritmos de ondas rápidas y teoría. Más allá de las bases ortogonales.

DPS807: El curso introduce conceptos básicos, fundamentos teóricos y métodos estadísticos asociados a los datos de supervivencia. Los temas incluyen censura, estimación de Kaplan-Meier, prueba de Logrank, regresión proporcional de los peligros, modelo acelerado del tiempo de la falta, análisis multivariante del tiempo de falta y riesgos competidores. Se cubrirán los métodos tradicionales de proceso de conteo/martingala, así como los métodos de proceso empíricos modernos. Conocimientos avanzados y comprensión de la teoría básica de probabilidades y métodos estadísticos de inferencia, es deseable para este curso.

DPS808: Secuencia de dos partes. Nuevas técnicas para el aprendizaje predictivo y descriptivo usando ideas que puentean brechas entre estadísticas, informática e inteligencia artificial. El énfasis está en los aspectos estadísticos de su aplicación e integración con una metodología estadística más estándar. El aprendizaje predictivo se refiere a la estimación de modelos a partir de datos con el objetivo de predecir los resultados futuros, en particular, los modelos de regresión y clasificación. El aprendizaje descriptivo se utiliza para descubrir patrones y relaciones generales en los datos sin un objetivo predictivo, visto desde una perspectiva estadística como el análisis exploratorio automatizado por computadora de grandes conjuntos de datos complejos.

DPS809: Semimartingalas, integración estocástica, fórmula de Ito, teorema de Girsanov. Gauss y procesos relacionados. Procesos estacionarios/isotrópicos. Geometría integral y probabilidad geométrica. Maxima de campos y aplicaciones aleatorias a estadísticas espaciales e imágenes.

999A: La tesis,  se emprenderá previa aprobación de la propuesta por parte del Academic Staff de la Universidad, preferiblemente no mayor de 100 páginas sin contar páginas preliminares ni anexos, ni menor de 90 páginas, original y auténtico.

Inscripciones, clic aquí.