• English
  • Youtube
  • Facebook
  • Twitter
  • Linkedin
  • Instagram
  • tiktok

Estadística Aplicada

Grado y Doble Grado. Curso 2023/2024.

TÉCNICAS AVANZADAS DE PREDICCIÓN - 801602

Curso Académico 2023-24

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
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
Específicas
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

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%
TOTAL
100% = 6 ECTS

Presenciales

2,4

No presenciales

3,6

Semestre

8

Breve descriptor:

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.

Requisitos

.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.

Contenido

 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 .

 

Evaluación

El alumno será evaluado de forma continua a través de:
- Asistencia y prácticas realizadas en cada clase. La valoración de estas actividades será el 10% de la calificación final.
- Ejercicio práctico de evaluación cada 2 temas. La nota media será el 90% de la calificación final, siendo obligatorio realizar los 2.
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.

Bibliografía

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.

Estructura

MódulosMaterias
ANÁLISIS DE DATOSMODELOS DE PREDICCIÓN

Grupos

Actividades prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo mañana A22/01/2024 - 10/05/2024LUNES 13:00 - 15:00-JUANA MARIA ALONSO REVENGA
Grupo tarde B22/01/2024 - 10/05/2024LUNES 16:00 - 18:00-JUANA MARIA ALONSO REVENGA


Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo mañana A22/01/2024 - 10/05/2024JUEVES 11:00 - 13:00-JUANA MARIA ALONSO REVENGA
Grupo tarde B22/01/2024 - 10/05/2024MIÉRCOLES 16:00 - 18:00-JUANA MARIA ALONSO REVENGA