Professional Documents
Culture Documents
PROGRAMA DE ESTUDIO
Licenciatura en Matemticas
Programa Educativo:
rea de Formacin :
Anlisis de Regresin
Licenciatura en
Matemticas
Integral Profesional
Horas tericas:
Horas prcticas:
Total de Horas:
Total de crditos:
3
2
5
8
Clave:
F1116
Tipo :
Asignatura
Carcter de la asignatura
Programa elaborado por:
Fecha de elaboracin:
Optativa
Julio 2010
Seriacin explcita
Asignatura antecedente
No
Asignatura Subsecuente
Seriacin implcita
Conocimientos previos:
Si
Distribuciones de muestreo, Mxima verosimilitud, Intervalos de
confianza, Pruebas de hiptesis
1/8
Licenciatura en Matemticas
Presentacin
Uno de las tcnicas que envuelven a los mtodos cuantitativos utilizados para la prediccin y pronsticos de eventos
futuros, es la tcnica de anlisis de regresin. Adems de que esta tcnica se ha convertido en el mtodo estndar para
describir la relacin entre una variable respuesta continua y una o ms variables explicativas; cambiando algunos
supuestos en el modelo matemtico, el anlisis de regresin estndar puede extenderse al anlisis de regresin
Logstica, Poisson y Binomial. Tambin induce la idea de algunas otras tcnicas de anlisis de datos multivariados como
lo son: anlisis de correlacin, anlisis de componentes principales y anlisis de factor. Las aplicaciones de esta tcnica
se presentan en diferentes campos, diferentes especialistas se han apropiado de su uso, hoy en da todos los software de
estadstica tales como STATISTICA, SAS, MINITAB, SPSS y SPLUS, contemplan un mdulo de cada una de estas
tcnicas.
Objetivo General
Encontrar el modelo ms sencillo que hace un buen ajuste a los datos y que permite interpretar la relacin entre una
variable respuesta y un conjunto de variables independientes.
Competencias que se desarrollaran en esta asignatura
Habilidad para analizar datos para problemas de regresin multivariante donde la variable dependiente viene de una
distribucin normal.
Habilidad para hacer transformaciones para eliminar problemas de heteorscedasticidad y falta de normalidad.
Habilidad para seleccionar el modelo que hace el mejor ajuste a los datos.
Actitud positiva para colaborar en equipos interdisciplinarios.
Calidad Profesional.
2/8
Licenciatura en Matemticas
Capacidad para aplicar los principios de Estadstica Matemticas para definir nuevos modelos.
Espritu de innovacin y actitud crtica en la bsqueda de mejores soluciones.
Actitud positiva para colaborar en equipos interdisciplinarios.
Calidad Profesional.
tica Profesional.
Escenario de aprendizaje
Saln de clases, biblioteca, sala de cmputo, y conferencias.
Contenido Temtico
Unidad No.
1
Objetivo particular
Hrs. estimadas
Temas
Resultados del
Sugerencias didcticas
Estrategias y criterios de
3/8
1.1.
Presentacin y
exploracin de los
datos.
1.2. Identificacin de la
relacin funcional.
1.3. El modelo lineal
simple.
1.4. Estimacin de los
coeficientes de
regresin por el
mtodo CMO.
1.5. El teorema de GaussMarkov.
1.6. Transformaciones de
las variables.
1.7. Coeficiente de
2
determinacin R .
1.8. Propiedades de los
estimadores de CMO
bajo el supuesto de
normalidad.
1.9. Mtodo de mxima
verosimilitud.
1.10. Construccin de
intervalos y pruebas
de hiptesis para los
coeficientes de
regresin.
1.11. Prediccin.
aprendizaje
Comprensin del modelo
lineal simple, la estimacin
de los parmetros del
modelo, y pruebas de
hiptesis.
Licenciatura en Matemticas
evaluacin
Preguntas escritas
Preguntas orales
Exmenes parciales
Participacin en clase
Exposiciones de los
alumnos
4/8
Licenciatura en Matemticas
1.12. Interpolacin y
extrapolacin.
1.13. Bandas de confianza.
Unidad No.
2
Objetivo particular
Hrs. estimadas
Temas
2.1.
2.2.
2.3.
El modelo lineal
mltiple.
Estimacin de los
coeficientes de
regresin por el
mtodo CMO.
Propiedades de los
estimadores de CMO
Resultados del
aprendizaje
Comprensin del modelo de
regresin mltiple, la
estimacin de los
parmetros, y las pruebas
de hiptesis.
Sugerencias didcticas
Exposiciones del profesor.
Trabajar con la clase
dividindola en grupos
pequeos.
Trabajos y tareas dentro y
fuera de clase.
Usar paquetes de
estadstica SPSS, MINITAB
Estrategias y criterios de
evaluacin
Preguntas escritas
Preguntas orales
Exmenes parciales
Participacin en clase
Exposiciones de los
alumnos
5/8
Licenciatura en Matemticas
bajo el supuesto de
normalidad.
2.4. El coeficiente de
determinacin mltiple
R2.
2.5. Anlisis de varianza.
2.6. Coeficientes de
regresin parcial.
2.7. Contribucin de una
variable a la
respuesta.
2.8. Sumas de cuadrados
secuencial (tipo I) y
parcial (tipo III).
2.9. Predicciones.
2.10. Intervalos
de
confianza y banda de
confianza
para
la
respuesta media.
y MATLAB
Unidad No.
3
Objetivo particular
Hrs. estimadas
Temas
Resultados del
Sugerencias didcticas
Estrategias y criterios de
6/8
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.
3.7.
3.8.
aprendizaje
Multicolinealidad.
Comprensin de los
Heterocedasticidad.
problemas de
Autocorrelacin.
multicolinealidad,
Falta de ajuste.
heterocedasticidad, y la
Transformaciones
autocorrelacin.
estabilizadoras de
Comprensin de las tcnicas
varianza y normalidad. de transformaciones para
Transformaciones de
estabilizar la varianza, el
Box-Cox.
anlisis de los residuos, y el
Anlisis de Residuos. mtodo de cuadrados
Cuadrados Mnimos mnimos ordinarios.
Ponderados.
Licenciatura en Matemticas
evaluacin
Preguntas escritas
Preguntas orales
Exmenes parciales
Participacin en clase
Exposiciones de los
alumnos
Bibliografa bsica
1.
Allen, M. P. (1997). Understanding Regression Analysis. New York: Plenum Press.
2.
Chatterjee, S., Hadi, A. S. (2006). Regression Analysis by Example. New Jersey: John Wiley & Sons.
3.
Montgomery, D.C., Peck, E. A., Vining, G. G. (2002). Introduccin al Anlisis de Regresin Lineal. 3 ed. Mexico:
CECSA.
4.
Wang, G. C. S., Jain, C. L. (2003). Regression Analysis: Modeling and Forecasting. New York: Graceway
Publishing Company.
5.
Weisburg, S. (2005). Applied Linear Regression. New Jersey: John Wiley & Sons.
Bibliografa complementaria
1. Fox, J. (2008). Applied Regression Analysis and Generalized Linear Models. 2 ed. California: Sage Publications.
2. Gross, J. (2003). Linear Regression. Germany: Springer-Verlag.
3. Gujarati, D. (2004). Econometra Bsica. 4 ed. Mexico: McGraw Hill
4. Wooldridge, J. M. (2001). Introduccin a la Econometra. Mxico: Thomson Learning.
7/8
Licenciatura en Matemticas
8/8