Última actualización: 04/06/2021


Curso Académico: 2021/2022

Métodos avanzados de regresión
(14467)
Titulación: Grado en Estadística y Empresa (203)


Coordinador/a: DURBAN REGUERA, MARIA LUZ

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Técnicas de inferencia estadística I Técnicas de inferencia estadística II Métodos de regresión
Objetivos
COMPETENCIAS GENERALES Y ESPECÍFICAS -Ser capaz de identificar o crear el modelo adecuado al problema concreto que surja en cada actividad empresarial -Capacidad para manipular computacionalmente y analíticamente los modelos establecidos, aprovechando la potencia de los métodos estadísticos, de optimización, etc., y realizar el análisis de los resultados obtenidos -Capacidad para percibir la naturaleza de los problemas e interpretar las soluciones proporcionadas por los modelos correspondientes, de forma útil, para la mejora del rendimiento de la empresa en sus distintos campos -Modelización y análisis estadístico de datos tanto estáticos como dinámicos -Capacidad de elaboración y construcción de modelos y su validación -Interpretación de resultados a partir de modelos estadísticos -Extracción de conclusiones y redacción de informes COMPETENCIAS TRASVERSALES -Capacidad de análisis, síntesis y resolución de problemas -Conocimientos de informática relativos al ámbito de estudio -Trabajo en un equipo de carácter multidisciplinar -Razonamiento crítico
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Revisión del Modelo de regresión múltiple 1.1 Estimación de parámetros 1.2 Inferencia 2. Introducción a los modelos lineales generalizados. 2.1 La familia exponencial de distribuciones 2.2 Componentes de un modelo lineal generalizado 2.3 Estimación: Fisher Scoring Algorithm 2.4 Inferencia 2.5 Diagnósticos en GLMs 3. Modelos para datos binarios y proporciones 3.1 Regresión logística 3.2 Interpretación de parámetros: Odds ratio 3.3 Validación del modelo: curva ROC 4. Modelos para datos de conteo 4.1 Regresión de Poisson 4.2 Modelos log-lineales 5. Modelos aditivos generalizados 5.1 Técnicas de suavizado 5.2 Estimación e inferencia 6. Modelos con efectos aleatorios 6.1 Estimación 6.2 Inferencia 6.3 Modelos para medidas repetidas y datos longitudinales
Actividades formativas, metodología a utilizar y régimen de tutorías
Las horas lectivas (1.4 ECTS) se dedicarán a las siguientes actividades formativas dirigidas: -Clases magistrales/expositivas: Tienen por objetivo alcanzar las competencias específicas cognitivas de la materia. En ellas se presentarán los conocimientos que los alumnos deben adquirir. Para facilitar su desarrollo los alumnos recibirán las notas de clase y tendrán textos básicos de referencia que les permita completar y profundizar en aquellos temas en los cuales estén más interesados. -Clases Prácticas: Son clases de resolución de problemas, prácticas en aula informática o de exposición por parte de los alumnos. Estas clases ayudan a desarrollan las competencias específicas. Adicionalmente, se dedicarán 1.4 ECTS a actividades formativas tutorizadas. Estas actividades supervisadas consisten en actividades de enseñanza-aprendizaje tanto de contenido formativo teórico como práctico que, aunque se pueden desarrollar de manera autónoma, requieren la supervisión y seguimiento, más o menos puntual, de un docente. Estas actividades pueden ser, entre otras, las siguientes: tutorías programadas, revisión de trabajos y tutorías de seguimiento. El resto de créditos, 3.2 ECTS, se dedican al estudio del alumno de forma autónoma o en grupo sin supervisión del docente. Durante este tiempo el estudiante realiza ejercicios y lecturas complementarias propuestas por el profesor. También realiza lecturas complementarias obtenidas mediante búsqueda bibliográfica entre el material recomendado por el profesor. Durante este tiempo el alumno puede tener acceso a aula informática.
Sistema de evaluación
  • Peso porcentual del Examen Final 60
  • Peso porcentual del resto de la evaluación 40
Calendario de Evaluación Continua
Bibliografía básica
  • Dobson, A.. An introduction to generalized linear models. Chapman and Hall. 2001
  • Faraway, J.. Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. hapman & Hall/CRC Texts in Statistical Science. 2016
  • McCulloch, C.. Generalized, Linear, and Mixed Models. Wiley Series in Probability and Statistics. 2001
Recursos electrónicosRecursos Electrónicos *
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


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