Última actualización: 15/07/2023


Curso Académico: 2023/2024

Estadística y Ciencia de Datos II
(19141)
Máster Universitario en Ciencias Sociales Computacionales/ Computational Social Science (Plan: 472 - Estudio: 375)
Escuela de Economía y Ciencia Política


Coordinador/a: NOGALES MARTIN, FCO. JAVIER

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Estadística y Ciencia de Datos I (19140)
Objetivos
- Capacidad de estimar modelos de regresión lineal generalizada para datos transversales, así como de entender y explicar los principios estadísticos subyacentes a las estimaciones. - Capacidad de aplicar tests de robustez a las estimaciones de modelos de regresión lineal generalizada. - Capacidad de interpretar los parámetros de una regresión lineal generalizada, obtener predicciones y evaluar la bondad del ajuste.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Modelos Lineales Generalizados (GLM) 1.1. Modelos de regresión con variables dependientes e independiente categóricas 1.2. Modelos para otro tipo de variables dependientes: binarias, con relación de orden, multinomiales, conteos, etc. 2. Modelos Lineales Generalizados Mixtos (GLMM) 3. Ejemplos con datos reales
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades Formativas: - Clases teórico-prácticas Metodologías Docentes: - 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. - Resolución de casos prácticos, problemas, etc., planteados por el profesor de manera individual o en grupo.
Sistema de evaluación
  • Peso porcentual del Examen Final 50
  • Peso porcentual del resto de la evaluación 50
Bibliografía básica
  • Charles E. Mcculloch,John M. Neuhaus. Generalized Linear Mixed Models. Wiley. 2014
  • G. James, D. Witten, T. Hastie and R. Tibshirani.. An Introduction to Statistical Learning with Applications in R. Springer. 2021
  • Julian J. Faraway . Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Taylor & Francis. 2016

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


Dirección web para más información: Aula Global