Encabezado Facultad de Ciencias
Presentación

Actuaría (plan 2015) 2024-1

Sexto Semestre, Modelos no Paramétricos y de Regresión

Grupo 9232, 50 lugares. 44 alumnos.
Profesor Gonzalo Pérez de la Cruz lu mi vi 10 a 11 Taller de Topología
Ayudante Rodrígo Jiménez Ramírez ma ju 10 a 11 Taller de Topología
Ayudante Maximiliano Proaño Bernal ma ju 10 a 11

 

Se recomienda: Haber aprobado Inferencia Estadística, interés por aprender R y gusto por analizar bases de datos.

El curso será presencial, aunque en la medida de lo posible las clases se grabarán. Se usará classroom para subir las notas y material complementario. Las clases presenciales consistirán en proyectar el material del curso y el pizarrón sólo se usará como auxiliar para complementar el contenido y desarrollo de demostraciones.

No se aceptan oyentes. La invitación al classroom del curso se enviará el domingo inmediato anterior al inicio de clases al correo registrado en el sistema xfc.

Para obtener y actualizar correo, revisar el link siguiente: http://computo.fciencias.unam.mx/manualesUsuario/manualesCorreo.php

Temas por cubrir en el curso.

  • Análisis de regresión lineal simple y múltiple.
    • Estimación e inferencia.
    • Ejemplos de problemas ANOVA y ANCOVA.
    • Herramientas de modelado y de diagnóstico para el cumplimiento de supuestos.
  • Estadística No Paramétrica

    • Pruebas de Bondad de Ajuste

      ¿Se puede asumir que la muestra proviene de una cierta distribución?

    • Pruebas de aleatoriedad.

      ¿Se puede asumir que los datos observados son aleatorios?

    • Pruebas sobre la igualdad de dos o más poblaciones

      ¿Se puede asumir que dos poblaciones tienen la misma distribución?

    • Medidas de asociación

      ¿Existe una asociación entre pares de variables (numéricas, ordinales)?

Se seguirá el temario de la materia: https://www.fciencias.unam.mx/sites/default/files/temario/1639.pdf

También se mostrará el uso del paquete R para ejemplificar varios temas del curso y se dará acceso a DataCamp https://www.datacamp.com/ a quienes deseen profundizar.

Evaluación

  • Cada uno de los siguientes temas tiene un valor de 1/3 de la calificación:

    • Análisis de regresión lineal simple. Una tarea y un examen. La tarea vale 6 puntos y el examen 4.
    • Análisis de regresión lineal múltiple. Una tarea y un examen. La tarea vale 6 puntos y el examen 4.
    • Estadística No Paramétrica. Una tarea-examen.
    Las tareas y tarea-examen se pueden hacer de forma individual o por equipos de máximo tres integrantes. Los examenes son individuales y presenciales.

  • Se darán al menos 72 horas para resolver cada tarea o tarea-examen, este periodo incluye una sesión de ayudantía/clase para comentar sobre dudas, por ejemplo, el lunes se sube al classroom y se entrega el miércoles.

  • En algunas clases, se dejarán ejercicios que deberán resolverse en alrededor de 30 minutos. Estos ejercicios de clase son opcionales e individuales; la entrega a tiempo y de forma correcta de la solución equivale a una décima adicional sobre promedio final aprobatorio de los exámenes.

Notas sobre la evaluación

  • La calificación promedio final, incluyendo los ejercicios de clase, se redondea al entero más cercano a partir de 6, siempre que se tenga promedio mayor o igual a 6 en los exámenes presenciales, en otro caso es 5.

  • Se puede presentar examen final renunciando a la calificación final previa obtenida, siempre que se hayan aprobado al menos una tarea y un examen presencial.

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

Referencias básicas

  • Gibbons, J. D. y Chakraborti, S. (2020). Nonparametric statistical inference. CRC Press.
  • Kutner, M., Nachtsheim, C., Neter, J. y Li, W. (2005). Applied Linear Statistical Models. McGraw-Hill.
  • Montgomery, D., Peck, E.A. y Vining, G.G. (2012). Introduction to Linear Regression Analysis. Wiley.
  • Seber, G.A.F. y Lee, A. (2003). Linear Regression Analysis. Wiley.
  • Sprent, P. y Smeeton, N. (2007). Applied Nonparametric Statistical Methods. Chapman and Hall/CRC.

Otras referencias

  • Agresti, A. (2015). Foundations of linear and generalized linear models. Wiley.
  • Agresti, A. y Kateri M. (2021). Foundations of Statistics for Data Scientists. CRC Press.
  • Conover, W. J. (1999). Practical Nonparametric statistics. USA. Wiley & Sons
  • Draper, N. y Smith, H. (1998). Applied Regression Analysis. New York: Wiley.
  • Dobson, A. y Barnett, A. (2018). An introduction to generalized linear models. CRC Press.
  • Fox, J. (2015) Applied Regression Analysis and Generalized Linear Models. Sage Publications, Thousand Oaks, California.
  • Graybill, F. A. y Iyer, H. K. (1994). Regression Analysis: Concepts and Applications. Duxbury Press.
  • Hollander M., Wolfe, D. y Chicken, E. (2014). Nonparametric Statistical Methods. Wiley.
  • Kolassa, J. (2020). An introduction to nonparametric statistics. CRC Press.
  • Searle, S.R. (1971). Linear Models. Wiley.
  • Sheskin, D. (2011). Handbook of parametric and nonparametric statistical procedures. Chapman and Hall.
  • Weisberg, S. (2014). Applied Linear Regression. John Wiley & Sons.

 


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.