|
PROGRAMA DE ASIGNATURA
CLAVE Y NOMBRE: IES 321 MODELOS LINEALES
DURACION: 1 SEMESTRE
HORAS SEM: 6,0 HRS
PROFESOR:
VIGENTE DESDE: 1996
REQUISITOS: IES 312 - 313
1. OBJETIVOS
Proporcionar los elementos básicos de regresión lineal. Al término del curso el alumno debe ser capaz de :
- Reconocer y plantear modelos lineales.
- Estimar parámetros y realizar inferencia
- Analizar los supuestos de un módulo.
- Seleccionar el mejor modelo.
2. CONTENIDOS
Unidad 1 REGRESIÓN LINEAL SIMPLE
1.1 Relaciones entre variables.
1.2 Modelo lineal simple
1.3 Estimación de parámetros. Método de los mínimos cuadrados. Teorema de Gauss-Markov.
1.4 Inferencia sobre los parámetros: Estimación por intervalos y prueba de hipótesis.
1.5 Estimación de la respuesta media y predicción.
1.6 Análisis de varianza: Tabla ANDEVA y coeficiente de determinación
Unidad 2 DISTRIBUCIÓN NORMAL MULTIVARIANTE
2.1 Vectores Aleatorios
2.1.1 Esperanza, covarianza, matriz de dispersión, propiedades.
2.1.2 Esperanza y varianza de formas cuadráticas. Propiedades
2.2 Normal multivariante
2.2.1 Definición. Propiedades. Función generatriz de momentos.
2.2.2 Independencia de variables normales. Teoremas.
Unidad 3 REGRESIÓN LINEAL MÚLTIPLE
3.1 Modelo de regresión múltiple
3.1.1 Estimación mínima cuadrática. Propiedades. Teorema de Gauss-Markov
3.1.2 Distribución del EMC y otros relacionados.
3.2 Mínimos cuadrados ponderados
3.3 Estimación con restricciones lineales
3.4 Estimación por intervalos
3.4.1 IC para β 1 y una función lineal de los β
3.4.2 IC para Ε
3.4.3 Predicción
3.5 Dócima de hipótesis
3.5.1 Test-F
3.5.2 Test-t
3.6 Tabla ANDEVA y coeficiente de determinación
3.7 Test de bondad de ajuste. Replicaciones. Falta de ajuste.
Unidad 4 ANÁLISIS DE SUPUESTOS
4.1 Análisis de residuos. Gráficos residuales
4.2 Análisis de supuesto de normalidad
4.3 Test de Durbin-Watson
4.4 Transfomaciones
4.5 Detección de casos influyentes
4.6 Multicolinealidad. Consecuencias, detección y medidas remediales
Unidad 5 SELECCIÓN DE LA MEJOR ECUACIÓN DE REGRESIÓN
5.1 Todas las regresiones posibles.
5.2 Métodos paso a paso: Eliminación hacia atrás, selección hacia delante y regresión paso a
paso.
Unidad 6 APLICACIONES
6.1 Variables sindicadoras
6.2 Modelo logístico
6.3 Comparación de líneas rectas
6.4 Regresión polinomial: polinomios ortogonales.
3. EVALUACION
- Mínimo dos evaluaciones parciales (Articulo 19, título V de la Evaluación y Promoción del Reglamento General de Estudios de la Facultad de Ciencias, Resolución Exenta Nº 573/02, 13 de diciembre de 2002).
4. BIBLIOGRAFÍA
- Draper, N.; Smith, H. (1998) Applied Regression Analysis 2ª. Ed. J.Wiley
- Weisberg, S. (2005). Applied Linear Regression. J.Wiley
- Seber, G.A. (2003). Linear regresión análisis. J.Wiley
- Gujarati, D. (2004). Econometría básica. McGraw-Hill
- Belsley d.; Kuh, E.; Welseh, R. (1980). Regression Diagnostics. J.Wiley.
HORARIO 2do semestre 2011:
Lunes: 13:45-15:15 Sala 10
Miércoles: 8:30-10:00 Sala 4
|
