Última actualización: 20/04/2023


Curso Académico: 2023/2024

Métodos de Regresión
(13711)
Grado en Estadística y Empresa (Plan: 400 - Estudio: 203)


Coordinador/a: GRANE CHAVEZ, AUREA

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Probabilidad I-II Técnicas de Inferencia Estadística I-II Álgebra lineal Cálculo II
Objetivos
Conocimiento de las técnicas del análisis de mínimos cuadrados de un modelo lineal. Aprendizaje de software estadístico de regresión.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
El curso es una introducción a los fundamentos del Análisis de Regresión Lineal. 1. El modelo de regresión lineal simple. Estimación por mínimos cuadrados ordinarios. 2. Inferencia en el modelo de regresión lineal simple. Análisis de la varianza y técnicas de contraste. 3. El modelo de regresión lineal múltiple. 4. Inferencia en el modelo de regresión lineal múltiple. Expresión matricial del modelo, técnicas de estimación y contraste. 5. Diagnosis y validación del modelo. 6. Introducción a los modelos lineales generalizados.
Actividades formativas, metodología a utilizar y régimen de tutorías
Las competencias serán adquiridas por los alumnos a través de lecciones magistrales por una parte, y mediante la resolución de tareas por otra. Habrá también clases prácticas de ejercicios y problemas. Habrá una tutoría final colectiva, con el fin de aclarar dudas y repasar el material docente.
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60
Calendario de Evaluación Continua
Bibliografía básica
  • PEÑA, D. (2002). Regresión y Diseño de experimentos. Alianza Editorial.
Bibliografía complementaria
  • KUTNER, M. H., NETER, J, NACHSTEIM, C. J. and WASSERMAN, W. (2004). Applied Linear Statistical Models, 5th Edition.. McGraw-Hill Higher Education..

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