Estadística Aplicada
Grado y Doble Grado. Curso 2024/2025.
MÉTODOS DE PREDICCIÓN LINEAL - 801601
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 0825 - GRADO EN ESTADÍSTICA APLICADA (2009-10)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
CG4 Interés en el conocimiento, descripción e interpretación de fenómenos susceptibles de cuantificación
CG7 Plantear políticas de actuación encaminadas a tomar las mejores decisiones posibles
CG7 Plantear políticas de actuación encaminadas a tomar las mejores decisiones posibles
Específicas
CE4 Identificar y organizar la información relevante de un problema
CE5 Descubrir patrones de comportamiento en los datos
CE9 Elaborar y construir modelos estadísticos adecuados a problemas reales y su validación
CE11 Interpretar los resultados del trabajo estadístico
CE5 Descubrir patrones de comportamiento en los datos
CE9 Elaborar y construir modelos estadísticos adecuados a problemas reales y su validación
CE11 Interpretar los resultados del trabajo estadístico
ACTIVIDADES DOCENTES
Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%
Presenciales
2,4
No presenciales
3,6
Semestre
5
Breve descriptor:
Introducción a los modelos lineales. Regresión lineal simple. El modelo general de regresión.
Requisitos
Conocimientos de inferencia estadística y álgebra matricial.
Contenido
Métodos de Predicción Lineal:
- Introducción a los modelos lineales.
- El modelo de regresión lineal simple. Estimación. Contrastes.
Diagnosis y validación del modelo.
- El modelo de regresión lineal múltiple. Estimación. Contrastes.
Diagnosis y validación. Multicolinealidad. Regresión polinómica. Regresión con
variables cualitativas. Criterios de selección de modelos.
Evaluación
- Se valorarán con un 40% de la nota final los conocimientos adquiridos mediante el desarrollo de ejercicios, trabajos, participación en el aula y tutorías. La realización y presentación de ejercicios o trabajos en el aula se realizarán de forma presencial.
Se realizará un examen que pesará otro 60% en la nota final, este examen será presencial salvo acuerdos excepcionales entre el profesor y el alumno o alumna (ej: Erasmus y otros programas de movilidad).
- La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua del 40%.
Cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.
Se realizará un examen que pesará otro 60% en la nota final, este examen será presencial salvo acuerdos excepcionales entre el profesor y el alumno o alumna (ej: Erasmus y otros programas de movilidad).
- La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua del 40%.
Cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.
Bibliografía
- Weisberg, S. Applied Linear Regression (2013). Wiley.
- Faraway, J.J. (2015) Linear Models with R. CRC
- Montgomery, D. C., Peck, E. & Vining, G. G. (2002). Introducción al Análisis de Regresión Lineal (1ª ed. en español, 3ª ed. en inglés) Compañía Editorial Continental.
- Zelterman, D. Applied Linear Models with SAS (2010). Cambridge University Press
- Aparicio, J., Martínez, M., & Morales, J. (2004). Modelos lineales aplicados en R. Dto. Estadística, Matemáticas e Informática
- Hernández, F., Mazo, Mazo. (2020) Modelos de Regresión con R. Disponible en https://fhernanb.github.io/libro_regresion/
- Field A., Miles J. and Field Z. Discovering Statistics using R. SAGE
- Faraway, J.J. (2015) Linear Models with R. CRC
- Montgomery, D. C., Peck, E. & Vining, G. G. (2002). Introducción al Análisis de Regresión Lineal (1ª ed. en español, 3ª ed. en inglés) Compañía Editorial Continental.
- Zelterman, D. Applied Linear Models with SAS (2010). Cambridge University Press
- Aparicio, J., Martínez, M., & Morales, J. (2004). Modelos lineales aplicados en R. Dto. Estadística, Matemáticas e Informática
- Hernández, F., Mazo, Mazo. (2020) Modelos de Regresión con R. Disponible en https://fhernanb.github.io/libro_regresion/
- Field A., Miles J. and Field Z. Discovering Statistics using R. SAGE
Estructura
Módulos | Materias |
---|---|
ANÁLISIS DE DATOS | MODELOS DE PREDICCIÓN |
Grupos
Actividades prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo mañana A | 09/09/2024 - 20/12/2024 | VIERNES 13:00 - 15:00 | - | PABLO ARCADIO FLORES VIDAL |
Grupo tarde B | 09/09/2024 - 20/12/2024 | MIÉRCOLES 18:00 - 20:00 | - | PABLO ARCADIO FLORES VIDAL |
Clases teóricas y/o prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo de mañana A | 09/09/2024 - 20/12/2024 | MIÉRCOLES 11:00 - 13:00 | - | PABLO ARCADIO FLORES VIDAL |
Grupo de tarde B | 09/09/2024 - 20/12/2024 | VIERNES 18:00 - 20:00 | - | PABLO ARCADIO FLORES VIDAL |