Estadística Aplicada
Grado y Doble Grado. Curso 2023/2024.
TÉCNICAS ESTADÍSTICAS MULTIVARIANTES II - 801605
Curso Académico 2023-24
Datos Generales
- Plan de estudios: 0825 - GRADO EN ESTADÍSTICA APLICADA (2009-10)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
Específicas
CE 11, CE 12, CE 24-AD 1. Resolver un problema real mediante los distintos pasos de: identificar la información, diseñar el estudio, analizar datos y construir el modelo adecuado e interpretar los resultado.
CE 14-AD 2. Elaborar informes técnicos con los resultados del análisis de datos.
CE 21-AD 1. Utilizar correctamente el software estadístico programable.
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
TOTAL
Presenciales
No presenciales
Semestre
Breve descriptor:
Requisitos
Objetivos
Contenido
TÉCNICAS ESTADÍSTICAS MULTIVARIANTES II
TEMA 1: PRELIMINARES
TEMA 2: MEDIDAS DE ASOCIACIÓN
2.1 ESCALA NOMINAL
Medidas de asociación para tablas 2x2: Coeficiente Phi, Riesgo relativo, Razón de productos cruzados (odds ratio)
Medidas de asociación para tablas IxJ: Coeficiente de contingencia, V de Cramer, Lambdas, Tau–y de Goodman y Kruskal y Coeficiente de incertidumbre
El Coeficiente Kappa
2.2 ESCALA ORDINAL
Coeficientes Gamma, Tau-b y Tau-c de Kendall y D de Sommers
2.3 ESCALA DE INTERVALO O DE RAZÓN
Coeficiente Eta
Coeficientes de correlación de Pearson y de Spearman
2.3 ANÁLISIS ESTRATIFICADO EN TABLAS 2x2
TEMA 3: MODELOS LOGLINEALES
3.1 FORMULACIÓN DEL PROBLEMA
El modelo saturado para dos variables
El modelo saturado general
Otros tipos de modelos
3.2 EL MODELO SATURADO
Cálculo de los efectos
Bondad del ajuste, prueba de los k efectos y prueba de asociación parcial
3.3 EL MODELO JERÁRQUICO: EL MÉTODO BACKWARD
TEMA 4: MODELOS DE RESPUESTA PROBIT
4.1 FORMULACIÓN DEL PROBLEMA
4.2 ESTIMACIÓN DE LOS PARÁMETROS
4.3 PRUEBA DE BONDAD DE AJUSTE JI-CUADRADO
4.4 PRUEBA DE PARALELISMO PARA GRUPOS
4.5 ESTIMACIÓN DE LA DOSIS NECESARIA PARA OBTENER UNA DETERMINADA PROPORCIÓN DE RESPUESTA
TEMA 5: REGRESIÓN LOGÍSTICA BINARIA
5.1 FORMULACIÓN DEL PROBLEMA
5.2 VARIABLE CUALITATIVAS EN LA REGRESION LOGÍSTICA
5.3 SELECCIÓN DE LAS VARIABLES
5.4 ESTIMACIÓN DE LOS PARÁMETROS
5.5 BONDAD DEL AJUSTE
5.6 CLASIFICACIÓN DE LOS INDIVIDUOS
5.7 PREDICCIÓN
Evaluación
Estos alumnos podrán realizar trabajos mediante software de aplicación específico y ser evaluados por ellos.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.
En todo caso, sí se podrá superar la asignatura mediante el procedimiento de evaluación continua.
Cualquier alumno podrá presentarse al examen final, siendo la valoración del mismo el 100% de su nota final.
Bibliografía
Collet, D. (2002) "Modeling Binary Data". Chapman and Hall.
Hosmer, D.W, Lemeshow, S. & Sturdivant R.X. (2013) "Applied Logistic Regression", Wiley.
Powers, D.A. & Xie, y. (2000). "Statistical Methods for Categorical Data Analysis".
Academic Press.
Stokes, Davis and Koch. (2000). "Categorical Data Analysis Using The SAS System". SAS Institute Inc.
Estructura
Módulos | Materias |
---|---|
ANÁLISIS DE DATOS | MINERÍA DE DATOS |
Grupos
Actividades prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo mañana A | 22/01/2024 - 10/05/2024 | MIÉRCOLES 13:00 - 15:00 | - | ELENA DEL CARMEN GAVILAN GARCIA |
Grupo tarde B | 22/01/2024 - 10/05/2024 | VIERNES 16:00 - 18:00 | - | FERNANDO PEREZ CONTRERAS |
Clases teóricas y/o prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo mañana A | 22/01/2024 - 10/05/2024 | LUNES 11:00 - 13:00 | - | CONRADO MIGUEL MANUEL GARCIA |
Grupo tarde B | 22/01/2024 - 10/05/2024 | MARTES 18:00 - 20:00 | - | FERNANDO PEREZ CONTRERAS |