• English
  • Youtube
  • Facebook
  • Twitter
  • Linkedin
  • Instagram
  • tiktok

Tratamiento Estadístico Computacional de la Información (conjunto con UPM)

Máster. Curso 2024/2025.

MÉTODOS DE REGRESIÓN Y PREDICCIÓN - 607579

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
• Generales: CG1, CG2, CG3, CG4, CG5, CG7.
Transversales
• Transversales: CT1, CT2.
Específicas
• Específicas: CE1, CE2, CE3, CE4, CE5.

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%

Presenciales

1,4

No presenciales

1,6

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

Resultados del aprendizaje:

 

       Manejo y evaluación de modelos de regresión.

       Capacidad para seleccionar las técnicas de regresión más adecuadas para tratar la información, el orden de ejecución de las mismas y el alcance de cada una de ellas y su interpretación.

       Conocimiento de los fundamentos estadísticos y geométricos de cada uno de los modelos de regresión estudiados.

       Manejo de software estadístico relativo a técnicas de regresión y predicción.

       Elaboración y presentación de informes estadísticos.

Contenido

 

1.      Modelos lineales múltiples.

 

2.      Otras modelizaciones:

 

a) El modelo general de regresión.

b) Diagnosis y validación del modelo de regresión.

c) Construcción del modelo de regresión.

d) Extensiones del modelo de regresión.


 

Evaluación

Entrega de trabajos (por grupos): 50% (a)
Examen teórico-práctico: 40% (b)
Asistencia y participación activa: 10% (c)

Para que las ponderaciones anteriores sean aplicadas es preciso:

i. Asistir al menos al 80% de las sesiones presenciales.
ii. Alcanzar al menos 3,5 puntos sobre 10 en el examen teórico-práctico.

La nota de los apartados (a) y (c) se conservará en su caso para la convocatoria extraordinaria.

Bibliografía

A. GELMAN & J. HILL (2007). Data Analysis using Regression and Multilevel/Hierarchical Models. New York, NY: Cambridge University Press.
D.C. MONTGOMERY, E.A. PECK & G.G. VINING (2021). Introduction to Linear Regression Analysis. Hoboken, NJ: Wiley.
D. PEÑA (2000). Estadística Modelos y Métodos (V.2). Madrid: Alianza Editorial.
D. PEÑA (2010). Regresión y Diseño de Experimentos. Madrid: Alianza Editorial.

Estructura

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

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único07/10/2024 - 04/12/2024LUNES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO
MIÉRCOLES 18:00 - 19:30-ELENA SALOME ALMARAZ LUENGO