Encabezado Facultad de Ciencias
Presentación

Actuaría (plan 2015) 2020-2

Optativas, Modelos Lineales

Grupo 9320 4 alumnos.
Profesor Gonzalo Pérez de la Cruz lu mi vi 20 a 21 O125
Ayudante Jonnathan Gutiérrez Ortiz ma ju 20 a 21 O125

 

https://gonzalop84.github.io/Cursos-Semestre-2020-2/PresentacionModLin.html

Modelos lineales.

Características generales del curso

  • Profesor: Gonzalo Pérez (cubículo 212, Departamento de Matemáticas, gonzalo.perez@ciencias.unam.mx).

  • Ayudante: Por definir.

  • Horario: lunes a viernes de 20 a 21 hrs.

  • Salón: O125

Evaluación

  • Tres examenes parciales, dos de ellos son tarea-examen. Cada examen tiene el mismo valor: 1/3 de la calificación.

  • El examen teórico será antecedido por una tarea. La tarea se entregará de forma opcional. Se podrá entregar por parejas y SÓLO con calificación mayor o igual a 9 tendrá un valor de un punto adicional al examen parcial correspondiente.

  • Como parte de las tarea-examen, el alumno deberá entregar un reporte escrito y realizar una presentación de los resultados al grupo, así como una breve descripción de los paquetes estadísticos usados. Las tarea-examen se realizarán en equipos, el número de integrantes se definirá de acuerdo con el número de alumnos inscritos.

  • Para aprobar el curso es necesario aprobar el examen teórico.

Notas sobre la evaluación

  • Se podrá reponer el examen teórico renunciando a la calificación previa obtenida.

  • Habrá un exámen final que podrá presentarse de forma opcional renunciando a la calificación final previamente obtenida.

  • La calificación se redondea al entero más cercano a partir de 6, de otra forma la calificación es no aprobatoria.

  • Se califica con NP en actas únicamente cuando el número de exámenes presentados es menor a 2.

Temas por cubrir en el curso.

  • Introducción
    1. Descripción de los modelos lineales.
    2. Uso de los modelos lineales generalizados (MLG).
    3. Propiedades de la familia exponencial.
  • El modelo lineal
    1. Ajuste por mínimos cuadrados.
      1. Rango completo.
      2. Rango incompleto.
    2. Funciones estimables y sus propiedades.
  • El modelo lineal como un MLG con variable de respuesta con distribución normal.
    1. Estimadores por máxima verosimilitud.
    2. Intervalos de confianza y pruebas de hipótesis.
    3. Modelos con variables explicativas discretas y continuas
      1. ANOVA
      2. ANCOVA
  • Modelos lineales generalizados cuya variable dependiente es un conteo.
    1. Regresión Poisson.
    2. Estimación de parámetros e interpretación.
  • Modelos lineales generalizados cuya variable dependiente es discreta.
    1. Regresión logística.
      1. Estimación de parámetros e interpretación.
      2. Selección de modelos.
    2. Otros modelos para respuestas binarias: probit y log-log
    3. Modelos para respuestas con más de dos categorías.
  • El caso general de un MLG.

Bibliografía:

Agresti, A. (2015). Foundations of linear and generalized linear models. Wiley.

Dobson, A. y Barnett, A. (2018). An introduction to generalized linear models. CRC Press.

Faraway, J. (2016). Extending the Linear Model with R. Generalized Linear, Mixed Effects and Nonparametric Regression Models. CRC Press.

Fox, J. (2015). Applied Regression Analysis and Generalized Linear Models. Sage Publications, Thousand Oaks, California.

Searle, S.R. (1971). Linear Models. Linear Models. Wiley.

Seber, G.A.F. y Lee, A. (2003). Linear Regression Analysis. Wiley.

 


Hecho en México, todos los derechos reservados 2011-2016. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma requiere permiso previo por escrito de la Institución.
Sitio web administrado por la Coordinación de los Servicios de Cómputo de la Facultad de Ciencias. ¿Dudas?, ¿comentarios?. Escribenos. Aviso de privacidad.