(1) Fits bineados

Fits bineados con los metodos Neyman, Pearson y Likelihood (N P L). Ejemplos:
funcion exponencial y uniforme. Evaluación del sesgo, cobertura, varianza y
GoF. Análisis de los estimadores N,P por minChi2 y L por maxL. Errores por
Cramer-Rao (CR) para N P L, y p-values para N y P. Errores pequeños vs GoF.

(2) Fits no-bineados. Tests de hipotesis y GoF.

Fits no-bineados. Ejemplos en ROOT y standalone para la exponencial. Errores
por CR. Ausencia de GoF en unbinned fits. Test de hipotesis simples: test
óptimo y lema de Neyman-Pearson, curvas ROC. Hipotesis compuestas, teorema de
Wilks, verificación con simulaciones.

(3) Tests compuestos. Errores por cociente de verosimilitudes.

Aplicaciones del teorema de Wilks: GoF en fits por likelihood a histogramas,
búsqueda de desviaciones de modelos teóricos o cotas superiores, intervalos de
confianza por cociente de verosimilitudes (LLR). Cobertura y comparacion entre
errores por cinturon de Neyman, CR, LLR y soluciones análiticas.

(4) Fits multidimensiones. Errores bayesianos.

Estimadores 2D: matriz de covarianza via CR e intervalos de confianza via
Wilks. Tratamiento de nuisance parameters via reduccion de V o perfilado de L.
Ejemplos: ajuste a dos fuentes radioativas y parámetros gaussianos.
Intervalos bayesianos y comparacion con frecuentistas, el ejemplo de la masa
del neutrino. Dependencia de los errores con los priors.

(5) Problemas de conteo: variables poissonianas.

Estudio de cobertura para los 3 errores: +/-sigma, LR y Neyman. Intervalos y
cotas superiores sin/con presencia de background. Comparacion de limites
bayesianos contra frecuentistas. Flip-flop y Feldman-Cousins. Casos de baja
sensibilidad: el metodo CLs.

(6) Errores sistematicos

Modificacion de la verosimilitud por incertezas sistematicas: metodo bayesiano
puro, metodo mixto via tratamiento parcial de la distribucion de posteriores, y
metodo frecuentista por perfilado. Aplicacion a limites e intervalos.

(7) Bootstrap

Distribución de probabilidad empírica y principio de plug-in.
Método de bootstrap. Estimación de errores de estimadores.
Ejemplo donde bootstrap falla (e.g. x_max). Aplicación al caso de la correlación.

(8) Bootstrap

Bootstrap a partir del censo de una población.
Estimación de bias. El método de Jacknife.
Regresión lineal con bootstrap. Intervalos de confianza usando bootstrap.

(9) Unfolding

Errores tanto en la absisa como en la ordenada de histogramas, Resolucion de
detectores. Deconvolución de errores por inversion de la matriz de respuesta.
Metodos frecuentistas y bayesianos para correccion de incertezas experimentales.