Offered Courses

The Executive Committee of IASI decided, at its 74th Session, held in Rosario, Argentina in October 2006, to promote the organization of courses within its Program of “Activities Oriented towards the Professional Sector.”  We thus invite those statisticians willing to cooperate by offering specialized courses, to send their proposals to the Secretariat.  The idea is to make these courses available to the institutions interested in the statistical development in the region. In a first experimental stage, IASI will take the responsibility for the needed coordination to carry out these activities.  Those institutions interested in organizing the courses, being at the local, national or international level, shall take care of the logistic and promotional aspects (the latter with support from IASI), as well as of the costs for transportation, lodging and perdiem of the instructors, who will not charge professional fees.

 


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.


Statistical Methods for Lifetime Data

Luis A. Escobar

Course Description

This is an applied course covering advanced statistical methods for lifetime data analysis; in particular, as they apply to Reliability and Survival analysis studies.

Reliability/Survival improvements require timely decisions based on censored data. The methods described in this course are important tools for analyzing reliability/survival data and planning of life data studies. The course will focus on concepts, examples, models, data analysis, and interpretation.

After completing this course, you will be able to:

Recognize and properly deal with different kinds of reliability/survival data and properly interpret important reliability/survival metrics.

Use nonparametric estimation to make inferences from multiply censored data with minimal assumptions.

Use probability plots to identify appropriate parametric models and diagnose anomalies in failure-time data.

Fit simple semi-parametric models including the standard techniques required when using proportional hazard models.

Fit simple models to life data, and make inferences on important quantities like distribution quantiles, failure probabilities, and hazard functions.

Use appropriate methods for computing confidence intervals from censored data. Identify and analyze data with multiple failure modes.

Use regression analysis methods for the analysis of nonnormal-censored data that arise in field studies and in controlled life studies.

Course Outline

Day 1:

Appropriate Time Scales for Life Data/Degradation Data.

Lifetime Metrics: Failure Probability, Quantiles, Hazard.

Simple Nonparametric Estimation, the Kaplan Meier Estimator.

Introduction to Software (JMP/R).

Weibull/Lognormal Distributions.

Day 2:

Probability Plots, Detecting Multiple Modes of Failure.

Parametric Modeling with Single Distribution.

Multiple Failure Modes and Data Analysis.

Semi-parametric Regression Analysis.

Fitting the Proportional Hazard Regression Model.

Day 3:

Failure Time Regression Analysis.

Principles of Acceleration Models and Acceleration Factors.

Regression Life Test Data Analysis--One Variable.

Regression Life Test Data Analysis--More than One Variable.

Pitfalls in Accelerated/Regression Test Models.

Textbook:

Statistical Methods for Reliability Data. W. Q. Meeker and L. A. Escobar (1998).

This book is helpful but not required for the course. It can be ordered through:

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

Equipment needed:

A standard LCD projector and a flip chart, a white board, or a blackboard. It would be convenient to have a computer laboratory with machines running Windows software.

Audience:

Statisticians, engineers, and scientists who need to work with reliability or survival data.

Duration:

The course is designed for a daily duration of 5 hours and up to 3 days length. It can be tailored for 1, 2, or 3 days as suggested in the outline but it is possible to select a different mix of topics to cover per day according to the needs of the hosting institution.

Prerequisites:

This course assumes familiarity with basic statistical methods (e.g. confidence intervals and regression analysis). Knowledge of JMP or R is not required.

Instructor:

Luis A. Escobar is a Professor in the Department of Experimental Statistics, Louisiana State University. He holds a BS from National University, Medellin, Colombia, a MS from the Inter-American Statistical Training Center (CIENES), Santiago, Chile, and a Ph.D. from Iowa State University. His research and consulting interests include statistical analysis of reliability data, accelerated testing, survival analysis, linear and non-linear models. Professor Escobar is past Associate Editor for Lifetime Data Analysis and past Associate Editor for Technometrics. He is a Fellow of the American Statistical Association and an elected member of the International Statistics Institute. Professor Escobar was awarded the 1999 and 2009 Jack Youden Prize and he has won two awards for outstanding teaching at Louisiana State University. He is the co-author of Statistical Methods for Reliability Data (Wiley 1998), several other book chapters. His publications have appeared in the engineering and statistical literature.