Actuaría (plan 2006) 2015-1
Optativas, Seminario de Matemáticas Actuariales Aplicadas
Grupo 9251 2 alumnos.
Modelos lineales generalizados
MODELOS LINEALES GENERALIZADOS
Este curso puede considerarse como una de las asignaturas que sustituye a Análisis de Regresión en el nuevo plan 2015. Así que se ven algunos temas que tocaba ese curso más otros temas adicionales que generalizan los modelos de regresión lineal.
Profesor: Dr. Ricardo Ramírez Aldana (ricardoramirezaldana@gmail.com)
Ayudante: Gerardo Sisniega Lira (gsisniegasl@hotmail.com)
Evaluación: Dos exámenes y tareas
Requisitos: Haber cursado Estadística I y II, Algebra Lineal I, Probabilidad I y II.
Temario:
-
Introducción
-
Motivación y uso de los modelos lineales.
-
Modelos lineales y sus tipos de acuerdo al tipo de variable dependiente y explicativa (discretas o continuas).
-
Regresión lineal simple
-
Modelo de regresión lineal simple y supuestos del modelo
-
Ajuste por mínimos cuadrados ordinarios
-
Propiedades de los estimadores.
-
Estimadores por máxima verosimilitud
-
Intervalos de confianza y pruebas de hipótesis.
-
Predicción.
-
Diagnósticos de los supuestos estadísticos.
-
Ejemplos prácticos usando paquetes de cómputo
-
Regresión lineal múltiple
-
Modelo de regresión lineal múltiple y supuestos del modelo
-
Ajuste por mínimos cuadrado ordinarios.
-
Propiedades de los estimadores.
-
Estimadores por máxima verosimilitud
-
Intervalos de confianza y pruebas de hipótesis.
-
Predicción.
-
Diagnósticos de los supuestos estadísticos.
-
Métodos de selección de variables.
-
Ejemplos prácticos usando paquetes de cómputo.
-
Modelos lineales con variables explicativas discretas y continuas
-
Modelos tipo ANOVA de un solo factor como generalización de pruebas de diferencias de media.
-
Supuestos y parametrización del modelo ANOVA de un solo factor.
-
Relación de los modelos ANOVA de un factor con Diseño de Experimentos.
-
Modelos con más de una variable explicativa discreta: Diseños factoriales e interacciones.
-
Modelos lineales generales: variables explicativas continuas (covariables) y discretas (factores).
-
Diagnósticos de los supuestos estadísticos.
-
Ejemplos prácticos usando paquetes de cómputo.
-
Modelos lineales cuya variable dependiente es un conteo
-
Obtención de parámetros e interpretación.
-
Bondad de ajuste.
-
Selección de modelos.
-
Análisis residuales.
-
Ejemplos prácticos usando paquetes de cómputo.
-
Modelos lineales cuya variable dependiente es discreta.
-
Modelos logísticos.
-
Estimación de parámetros e interpretación.
-
Selección de modelos.
-
Regresión logística como modelo de clasificación.
-
Regresión logística para varias categorías de respuesta
-
Ejemplos prácticos usando paquetes de cómputo.
BIBLIOGRAFÍA
Agresti, A. (2007). An introduction to categorical data analysis. New Jersey: John Wiley and Sons, 2ª ed.
Agresti, A. (2002). Categorical data analysis. New York: John Wiley and Sons.
Christensen, R. (1997). Log-linear models and logistic regression. New york: Springer-Verlag, 2a ed.
Kutner, M. H., Nachtsheim, C. J, Neter, J. y Li, W. (2005). Applied linear statistical models. New York: McGraw Hill Irwin, 5a ed.
McCullagh, P. y Nelder, J. A. (1989). Generalized linear models. London: Chapmann and Hall, 2a ed.
Montgomery, D. C. (2009). Design and analysis of experiments. New Jersey: John Wiley and Sons, 7ª ed.
Novales, A. C. (1993). Econometría. McGraw Hill, 2a ed.
Seber, G. A. F. y Lee, A. J. (2003). Linear Regression Analysis. New Jersey: John Wiley and Sons, 2a ed.
EVALUACIÓN GENERAL DEL CURSO
Tareas exámenes– 50%
2 exámenes (regresión simple y múltiple)– 30%
Tareas para los dos exámenes-20%
Las tareas se entregan en equipos de 3 personas como máximo
No hay reposición de ningún examen.