Tratamiento Estadístico Computacional de la Información (conjunto con UPM)

Máster. Curso 2023/2024.

MÉTODOS DE REGRESIÓN Y PREDICCIÓN - 607579

Curso Académico 2023-24

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
• Generales: CG1, CG2, CG3, CG4, CG5, CG7.
Transversales
• Transversales: CT1, CT2.
Específicas
• Específicas: CE1, CE2, CE3, CE4, CE5.
Otras
• Básicas: CB6, CB7, CB8, CB9, CB10

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%

Presenciales

1,4

No presenciales

1,6

Semestre

1

Breve descriptor:

Los Métodos de Regresión y Predicción consisten en una serie de técnicas estadísticas que relacionan una variable dependientes o respuesta (que puede ser multidimensional) con un conjunto de variables independientes, explicativas o regresoras. En particular, el análisis de la regresión ayuda a entender cómo el cambia la variable respuesta con el cambio de (cada) una de las varaibles regresoras cuando se mantienen constantes el resto de variables regresoras. Además, el modelo de regresión puede utilizarse para predecir el valor que tomará la variables dependiente o respuesta en función de los valores que tomen las variables explicativas o regresoras. 

Requisitos

Conocimientos de probabilidad y de inferencia estadística básica: estimación puntual, estimación por intervalos de confianza y contrastes de hipótesis.

Objetivos

Resultados de aprendizaje:

- Capacidad para manejar y evaluar modelos de regresión.

- Capacidad para seleccionar el método y el modelo de regresión más adecuado a la situación planteada e interpretar correctamente los resultados obtenidos.

- Conocimiento de los fundamentos estadísticos y geométricos de cada modelo de regresión analizado.

- Manejo de software estadístico relativo a técnicas de regresión y predicción.

- Capacidad para elaborar y presentar informes estadísticos.

Contenido


     Métodos de regresión: modelos lineales múltiples, otras modelizaciones:
       o El modelo general de regresión.
       o Diagnosis y validación del modelo de regresión.
       o Construcción del modelo de regresión.
       o Extensiones del modelo de regresión.

 


 

Evaluación

Entrega de ejercicios: 50%
Examen teórico práctico: 40%
Asistencia: 10%
Para que las ponderaciones anteriores sean aplicadas, es preciso:
‐ Asistir al menos al 80% de las sesiones presenciales.
‐ Alcanzar al menos 3.5 puntos sobre 10 en el examen teórico práctico.

Bibliografía

Gelman, A., Hill, J. (2007): Data Analysis using Regression and Multilevel/Hierarchical Models. Cambridge.
Montgomery, D. C., Peck, E. A. and Vining, G. G. (2012): Introduction to Linear Regression Analysis, 5th Edition, Wiley.
Peña Sánchez de Rivera, D. (1989): Estadística. Modelos y métodos (Vol. 2). Alianza Universidad Textos.
Peña Sánchez de Rivera, D. (2017): Regresión y diseño de experimentos. Alianza Editorial.

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único02/10/2023 - 23/11/2023LUNES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO
MIÉRCOLES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO
24/11/2023 - 29/11/2023LUNES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO
MIÉRCOLES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO
VIERNES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO