CK01 Regresión Licmat 70

Nombre de la materia: Regresión
Clave de la materia: 2131149

Nombre del profesor: Blanca Rosa Pérez Salvador.
Cubículo del Profesor: AT-345
Horario de asesorías: Abierto, bajo cita por zoom
1 Objetivos del curso
Al finalizar el curso el alumno será capaz de:

1. Reconocer si un problema se puede resolver usando regresión, Identificando las
variables tanto respuesta como explicativas.
2. Proponer el modelo de regresión que conviene usar, hacer el análisis e interpretar
los resultados.
3. Sugerir la forma de realizar el muestreo y obtener los datos, hacer el análisis y
utilizar los resultados para obtener el mejor modelo, interpretando los resultados de
acuerdo con el problema.
4. Expresar en forma oral y escrita los procedimientos y algoritmos utilizados así
como sus conclusiones.
CONTENIDO SINTÉTICO
1. La normal multivariada y la correlación entre parejas de variables. (1 semana)

1.1 Distribuciones marginales y condicionales.
1.2 La correlación parcial.
1.3 Estimación de la correlación entre parejas de variables y la correlación parcial
utilizando en esta última los residuales.
2. Regresión lineal múltiple.(4 semanas)
2.1 Introducción: Generalizar el modelo de regresión lineal simple a un modelo

de regresión lineal múltiple (RLM) con k variables explicativas (variables
independientes) y una variable respuesta (variable dependiente).
2.2 Estimación de los coeficientes de regresión: Utilizar la notación matricial
para expresar el modelo de RLM y encontrar los estimadores por el método de
mínimos cuadrados.
2.3 Estimación de las varianzas: Estimación de la varianza de la variable
respuesta, del error y de regresión para construir la tabla de análisis de varianza.
Varianzas de los estimadores de los coeficientes de regresión y sus estimaciones.
2.4 Pruebas de hipótesis: Hipótesis del modelo de regresión y parciales y sus
respectivas pruebas. Estadísticos de prueba y significación muestral.
2.5 Puntos atípicos y puntos de influencia, introducción al diagnóstico de la
regresión. Multicolinealidad.
2.6 Selección del mejor modelo: Utilizando los criterios de significación de
coeficientes y de R cuadrada.
2.7 Intervalo de confianza para la media e intervalo de predicción para un valor
de la variable respuesta, cuando se asume un valor determinado para cada una de las
variables explicativas.
3. Regresión curvilínea. (2 semanas)

3.1 Identificación de respuestas curvilíneas. Regresión polinomial (cuadrática,
cúbica), centrada en la media y polinomios ortogonales. Otras transformaciones:
exponencial, logarítmica, raíz cuadrada, etc. Transformación logarítmica de la
variable respuesta para resolver la regresión exponencial.
3.2 Pruebas de hipótesis: del modelo de regresión y parciales.
3.3 Selección del mejor modelo.
3.4 La superficie de respuesta cuadrática en dos variables y la obtención del
óptimo.
4 Regresión logística. (4 semanas)

4.1 Regresión logística cuando la variable respuesta tiene distribución Bernoulli:
Planteamiento del problema y del modelo.
4.2 Estimación de parámetros: Función de verosimilitud, funciones de enlace y
estadísticos suficientes para estimar parámetros y construir sus intervalos.
4.3 Pruebas de hipótesis: Devianza y análisis de devianza para probar las hipótesis del
modelo y parciales.
4.4 Regresión logística cuando la variable respuesta es multinomial.
MODALIDADES DE CONDUCCIÓN
Se usará el paquete estadístico NCSS o R para el manejo de datos y los análisis. En la

exposición de la teoría se formalizan los conceptos y se presentan ejemplos tomados de
varias disciplinas aplicando los conceptos. En la sesión de práctica los alumnos resuelven
ejercicios dirigidos por el profesor. El curso será impartido en un aula Moodle y será por
una parte asíncrono, propiciando que los estudiantes sean actores de su aprendizaje al
revisar el material asignado, y será sincrónica con reuniones semanales
.MODALIDADES DE EVALUACIÓN. Se aplicarán cuatro exámenes. Preferentemente los
jueves de las semanas 3, 5, 7, 9 y 11. Por cada examen se realizara una tarea. Los exámenes
tendrán un valor de 70% y las tareas el 30% de la calificación.
No se hará el examen, ni se recogerá la tarea fuera de las fechas y horas establecidas.

Si el promedio de las tres calificaciones parciales es mayor o igual a seis, y al menos dos de
las calificaciones parciales están acreditadas, se aprueba el curso.
En cualquier otro caso se deberá presentar un examen global final el cual definirá la
calificación del curso.
Escala de calificaciones:
si la calificación es mayor o igual a seis y menor a siete punto cinco S
si la calificación es mayor o igual a siete punto cinco y menor a nueve B
si la calificación es mayor o igual a nueve y menor o igual a diez MB
BIBLIOGRAFÍA NECESARIA O RECOMENDABLE1.
Dobson, A.J., An introduction to generalized linear models, Chapman and Hall/ CRC,
2002.2.
Draper, N.D., Smith, H., Applied regression analysis, John Wiley and Sons Inc., 1966.
Faraday, J. J., Linear models with R, Chapman and Hall/CRC, 2005
Gujarati, D., Econometría, McGraw Hill, 2004.
Martínez, G. A., Castillo, M. A., Teoría de la regresión con aplicaciones agronómicas,
1987.
Montgomery, D.C., Peck, E. A., Vinnning, C. G., Introducción al análisis de regresión
lineal, Ed. Patria Cultural, 2002.
Rao, C. R., Tontenburg, H., Linear models, least squares and alternatives, Springer, 1995
Steel, R. G. D., Torrie, J. H., Bioestadística: Principios y procedimientos, 2a Edición.
McGraw-Hill /Interamericana de México S.A de C.V. 1997

CK01 Regresión Licmat 70

Cargado por

Copyright:

Formatos disponibles

CK01 Regresión Licmat 70

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CK01 Regresión Licmat 70

Cargado por

Copyright:

Formatos disponibles

Nombre de la materia: Regresión

Clave de la materia: 2131149

1 Objetivos del curso

Al finalizar el curso el alumno será capaz de:

1. La normal multivariada y la correlación entre parejas de variables. (1 semana)

2. Regresión lineal múltiple.(4 semanas)

2.1 Introducción: Generalizar el modelo de regresión lineal simple a un modelo

3. Regresión curvilínea. (2 semanas)

4 Regresión logística. (4 semanas)

Se usará el paquete estadístico NCSS o R para el manejo de datos y los análisis. En la

No se hará el examen, ni se recogerá la tarea fuera de las fechas y horas establecidas.

BIBLIOGRAFÍA NECESARIA O RECOMENDABLE1.

También podría gustarte