Última actualización: 19/04/2024


Curso Académico: 2024/2025

Modelos de Regresión
(17758)
Máster Universitario en Estadística para la Ciencia de Datos (Plan: 386 - Estudio: 345)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: DURBAN REGUERA, MARIA LUZ

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Probabilidad Inferencia Estadística Programación en R
Objetivos
Los objetivos principales del curso son: 1. Comprender y aplicar la regresión lineal y aprender las técnicas de estimación, inferencia y diagnóstico. 2. Introducir el concepto de Modelos Lineales Generalizados (GLM) con un enfoque en la familia Exponencial y desarrollar habilidades en estimación, inferencia y diagnóstico para GLM. 3. Explorar la regresión logística, junto con los modelos multinomial, ordinal y de Poisson. 4. Adquirir conocimientos sobre los modelos aditivos generalizados (GAM) y dominar los métodos de suavizado, las splines penalizadas, la estimación y la selección de parámetros de suavizado.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
Modelos de Regresión 1) Modelo de regresión múltiple: Estimación. Inferencia. Diagnóstico. 2) Introducción a los modelos lineales generalizados: Familia exponencial. Estimación. Inferencia. Diagnóstico. 4) Regresión Logística, Multinomial, Ordinal, Poisson 3) Modelos aditivos generalizado: Métodos de suavizado. Splines penalizados. Estimación. Selección de parámetro de suavizado
Actividades formativas, metodología a utilizar y régimen de tutorías
AF1 Clases teórica AF2 Clases prácticas AF5 Tutorías AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Pruebas de evaluación presencial Código actividad Nº Horas totales Nº Horas Presenciales % Presencialidad Estudiante AF1 88 88 100 AF2 40 40 100 AF4 40 40 100 AF5 36 36 100 AF6 80 0 0 AF7 304 0 0 AF8 12 12 100 TOTAL MATERIA 600 204 34 METODOLOGÍAS DOCENTES FORMATIVAS DEL PLAN REFERIDAS A MATERIAS MD1 Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD3 Resolución de casos prácticos, problemas, etc.¿ planteados por el profesor de manera individual o en grupo MD5 Elaboración de trabajos e informes de manera individual o en grupo
Sistema de evaluación
  • Peso porcentual del Examen Final 60
  • Peso porcentual del resto de la evaluación 40

Calendario de Evaluación Continua


Bibliografía básica
  • Annette J. Dobson, Adrian G. Barnett . An Introduction to Generalized Linear Models. CRC Press. 2018
  • Julian J. Faraway. Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. CRC Press. 2016
  • Michael H. Kutner, Chris J. Nachtsheim, John Neter. Applied Linear Regression Models. McGraw-Hill Higher Education. 2003
  • P. McCullagh, John A. Nelder. Generalized Linear Models. CRC Press. 1989
  • Simon Wood. Generalized Additive Models: An Introduction with R. Chapman & Hall/CRC Texts in Statistical Science. 2017

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.