CG5-AD1. Determinar las técnicas estadísticas adecuadas para resolver un problema de pronóstico a partir de los datos
CG14-AD1. Tener en cuenta todos los aspectos del problema y sus implicaciones en el análisis de datos, identificando las especificidades de cada caso

CE7-AD1. Describir situaciones con evolución aleatoria mediante modelos de espacio-estado o de series temporales
CE7-AD2. Hacer pronósticos de situaciones con comportamiento aleatorio utilizando técnicas de predicción
CE21-AD1. Utilizar correctamente el software estadístico programable

50%

50%

100% = 6 ECTS

2,4

3,6

8

En esta asignatura el alumno aprenderá métodos de predicción específicos para una o más variables en aquellas situaciones para las que los métodos tradicionales ofrecen problemas de carácter teórico o la solución que proporcionan los mismos no es suficientemente satisfactoria.

.Manejo de software estadístico
.Haber cursado las asignaturas Diseño de Experimentos y Métodos de Predicción lineal (o sus equivalentes en la Diplomatura).
.Haber cursado la asignatura de Técnicas Multivariantes II.
.Haber cursado la asignatura de Series Temporales.

 

 El Modelo General de Regresión Lineal.
Modelos de Regresión Lineal para datos con Multicolinealidad: Regresión PLS, PCR y RRR.
Modelos de Regresión Lineal para datos de alta dimensión: (Regresión Ridge, Lasso y Elasticnet).
Modelos de predicción no Lineal .

 

El alumno será evaluado de forma continua a través de:
- Asistencia y prácticas realizadas en cada clase, ya sea presencial u online. La valoración de estas actividades será el 20% de la calificación final.
- Práctica final de cada tema, ya sea presencial u online. La nota media será el 80% de la calificación final, siendo obligatorio realizar los 4.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.
En todo caso, el alumno tiene la opción de superar la asignatura por evaluación continua.
Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Draper, N.R., Smith, H. (1998). Applied Regression Analysis. 3ª Ed. Wiley
Montgomery, D. C. ; PECK, E. A. and VINING, G. (2002) Introducción al análisis de regresión lineal. Compañía Editorial Continental (CECSA). Mexico.
Peña D. (2002). Regresión y diseño de Experimantos. Alianza Editorial. Madrid.
Pérez López, Cesar (2017). Técnicas avanzadas de predicción. Ed. Garceta
Valencia Delfa, J.L. & Diaz-Llanos, F.J. 2004. Métodos de predicción en situaciones límite. La Muralla.