Tratamiento Estadístico Computacional de la Información (conjunto con UPM)

Máster. Curso 2020/2021.

MÉTODOS DE REGRESIÓN Y PREDICCIÓN - 607579

Curso Académico 2020-21

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
• Capacidad para gestionar un plan de actuación que conduzca a resolución de problemas reales, dependiendo de las herramientas computacionales disponibles y de las restricciones de tiempo y de recursos.
• Exponer juicios críticos basados en criterios científicos, en la normativa legal y en la reflexión personal.
• Presentar en público de forma clara y rigurosa informes de los resultados de su investigación, de forma que sean entendibles también por no especialistas.
Transversales
• Aplicar los conocimientos adquiridos al análisis y resolución de problemas en diferentes entornos: económicos, sociales, biotecnológicos, etc.
• Conocer los métodos, los modelos y las técnicas más relevantes en regresión, mediante la comprensión y uso del lenguaje y las herramientas matemáticas y estadísticas adecuadas para la creación de modelos.
Específicas
• Planificar y elaborar un trabajo original en el ámbito de la regresión y la predicción: objetivos, metodología, resultados, conclusiones, futuras líneas de actuación.
• Conocer los métodos, los modelos y las técnicas más relevantes en regresión, mediante la comprensión y uso del lenguaje y las herramientas matemáticas y estadísticas adecuadas para la creación de modelos.

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%

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

Como resultado del proceso de enseñanza-aprendizaje, los estudiantes deben ser capaces de:
  • Manejar y evaluar modelos de regresión. 
  • Seleccionar el método y el modelo de regresión más adecuado a la situación planteada e interpretar correctamente los resultados obtenidos.
  • Conocer los fundamentos estadísticos y geométricos de cada modelo de regresión analizado.
  • Manejar los módulos de procedimientos del programa SPSS relativos a técnicas de regresión y predicción.
  • Elaborar y presentar informes estadísticos.

Contenido

  •   Modelos lineales múltiples.
  •  Modelos lineales generalizados.
  • Modelos jrárquicos multinivel
  • Modelos bay


Evaluación

Entrega y defensa de trabajos: 30%
Examen teórico práctico: 50%
Asistencia y participación activa: 20%

Para que las ponderaciones anteriores sean aplicadas, es preciso:
- Asistir al menos al 85% de las sesiones presenciales
- Alcanzar al menos 3.5 puntos sobre 10 en el examen teórico-práctico.

Bibliografía

- Montgomery, D.C, Peck, E.A. and Vining, G.G. (2012). Introduction to Linear Regression Analysis, 5th Edition, Wiley.
- Gelman, A., Hill, J. (2007). Data Analysis using Regression and Multilevel/Hierarchical Models. Cambridge.
- Congdon, P. (2006). Bayesian Statistical Modelling, 2nd Edition. Wiley.

Estructura

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

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único07/10/2020 - 04/12/2020LUNES 18:00 - 19:30B05LUIS SANZ SAN MIGUEL
MIÉRCOLES 18:00 - 19:30B05LUIS SANZ SAN MIGUEL