analisis de regresion

1
MAT-266: An´ alisis de Regresi´on Objetivo General El objetivo del curso es proporcionar elementos b´ asicos e inferenciales del modelo de regresi´ on lineal, posteriormente se describir´ a la estimaci´ on e inferencia en modelos no lineales. En el transcurso de la disciplina, algunas t´ ecnicas de diagn´ ostico ser´ an discutidas. Pre-requisitos: MAT-031 ´ o MAT-041 ´ o MAT-042. Gran parte del curso utilizar´ a el ambiente de programaci´ on y software estad´ ıstico R, disponible en cran.r-project.org. Si usted no es familiar con R, puede consultar los manuales en PDF incluidos con el programa o bien el libro: Venables, W. and Ripley, B. (2002). Modern Applied Statistics with S. Springer, New York. Contenidos tem´ aticos 1. Enfoque General de Regresi´ on Lineal, Regresi´ on Lineal M´ ultiple, An´ alisis de Varianza. Columnas Ortogonales en la Matriz de predictores, Contraste F Parciales y Secuenciales, Contraste de una Hip´ otesis Lineal General, M´ ınimos Cuadrados Ponderados, Uso de Soft- ware. 2. An´ alisis de Residuos, Gr´ aficos de Residuos, Estad´ ısticas para el An´ alisis de Residuos, Cor- relaci´ on entre Residuos. Correlaci´ on Serial, Gr´ aficos v/s Tiempo. Test Durbin-Watson. Detecci´ on de Observaciones influyentes, Uso de Software. 3. Extensi´ on de Modelos, Modelos Polinomiales, Modelos que involucran transformaciones, Familias de Transformaciones, Extensi´ on de Variables, Polinomios Ortogonales. 4. Selecci´ on de Variables, Todas las Regresiones Posibles, Regresi´ on del ”Mejor Subconjunto”, Procesos de Eliminaci´ on y de Inclusi´ on de Variables. 5. Aplicaciones a Problemas de Dise˜ no Experimental, Clasificaci´ on a un Criterio, Clasificaci´ on a m´ as de un Criterio. 6. Variables Binarias y Regresi´ on Log´ ıstica, Estad´ ıstico de Raz´ on de Log-verosimilitud, Re- gresi´ on Log´ ıstica General. Referencias Dobson, A.J. (2002). An Introduction to Generalized Linear Models. Chapman and Hall, Boca Raton. Hocking, R. (1996). Methods and Applications of Linear Models. Wiley, New York. Seber, G.A.F. (1977). Linear Regression Analysis. Wiley, New York. Weisberg, S. (2005). Applied Linear Regression, 3nd edition. Wiley, New York.

Upload: shultzen

Post on 16-Nov-2015

14 views

Category:

Documents


1 download

DESCRIPTION

Apuntes de matemáticas

TRANSCRIPT

  • MAT-266: Analisis de Regresion

    Objetivo General

    El objetivo del curso es proporcionar elementos basicos e inferenciales del modelo de regresionlineal, posteriormente se describira la estimacion e inferencia en modelos no lineales. En eltranscurso de la disciplina, algunas tecnicas de diagnostico seran discutidas.

    Pre-requisitos: MAT-031 o MAT-041 o MAT-042.

    Gran parte del curso utilizara el ambiente de programacion y software estadstico R, disponibleen cran.r-project.org. Si usted no es familiar con R, puede consultar los manuales en PDFincluidos con el programa o bien el libro: Venables, W. and Ripley, B. (2002). Modern AppliedStatistics with S. Springer, New York.

    Contenidos tematicos

    1. Enfoque General de Regresion Lineal, Regresion Lineal Multiple, Analisis de Varianza.Columnas Ortogonales en la Matriz de predictores, Contraste F Parciales y Secuenciales,Contraste de una Hipotesis Lineal General, Mnimos Cuadrados Ponderados, Uso de Soft-ware.

    2. Analisis de Residuos, Graficos de Residuos, Estadsticas para el Analisis de Residuos, Cor-relacion entre Residuos. Correlacion Serial, Graficos v/s Tiempo. Test Durbin-Watson.Deteccion de Observaciones influyentes, Uso de Software.

    3. Extension de Modelos, Modelos Polinomiales, Modelos que involucran transformaciones,Familias de Transformaciones, Extension de Variables, Polinomios Ortogonales.

    4. Seleccion de Variables, Todas las Regresiones Posibles, Regresion del Mejor Subconjunto,Procesos de Eliminacion y de Inclusion de Variables.

    5. Aplicaciones a Problemas de Diseno Experimental, Clasificacion a un Criterio, Clasificaciona mas de un Criterio.

    6. Variables Binarias y Regresion Logstica, Estadstico de Razon de Log-verosimilitud, Re-gresion Logstica General.

    Referencias

    Dobson, A.J. (2002). An Introduction to Generalized Linear Models. Chapman and Hall, BocaRaton.

    Hocking, R. (1996). Methods and Applications of Linear Models. Wiley, New York.

    Seber, G.A.F. (1977). Linear Regression Analysis. Wiley, New York.

    Weisberg, S. (2005). Applied Linear Regression, 3nd edition. Wiley, New York.

    cran.r-project.org