Presentación e avaliación:

1. Considerarase que un estudante concurre a unha convocatoria cando participa en actividades que lle permiten obter cando menos un 50% da avaliación final.

2. As probas parciais de coñecementos teñen carácter voluntario. De ser aprobadas, as cualificacións obtidas conservaranse, eximindo ao estudante de contestar ás cuestións relativas aos bloques temáticos xa aprobados na proba final.

3. A proba final de coñecementos terá carácter obligatorio.

4. Será necesario aprobar cada bloque temático para superar a materia.

5. As cualificacións obtidas conservaranse entre as oportunidades (ordinaria e extraordinaria) dentro da convocatoria de cada curso.

Segunda oportunidade:

As cualificacións acadadas nas actividades de avaliación continua gárdanse para a avaliación na segunda oportunidade, na que se realizará un exame global seguindo as pautas do exame final de primeira oportunidade. A nota final na segunda oportunidade será o máximo de tres cantidades: a nota da avaliación da primeira oportunidade, a nota do novo exame (100%), e a media ponderada do novo exame (85%) e a parte da avaliación continua distinta das probas parciais de coñecementos (15%).

Realización fraudulenta das probas ou actividades de avaliación:

Unha vez comprobada, implicará directamente a cualificación de suspenso na convocatoria en que se cometa: o/a estudante será cualificado con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario.

Observacións:

Todos os aspectos relacionados con "dispensa académica", "dedicación ao estudo", "permanencia" e "fraude académica" rexeranse dacordo coa normativa académica vixente da UDC.

Resultados de aprendizaxe	Competencias / Resultados do título
Coñecer os conceptos xerais da regresión		B2 B3 B7 B8 B9 B10
Coñecer técnicas de regresión no paramétricas.	A17 A18 A20	B2 B8 B9	C1
Entender a importancia de levar a cabo a diagnose dun modelo de regresión.	A17 A18 A20	B2 B3 B8 B9	C1
Saber estimar os parámetros dos modelos de regresión lineal simple, múltiple e loxístico.	A17 A18 A20		C1
Ser capaz de interpretar os resultados e facer predicións utilizando modelos de regresión.	A17 A18	B2 B3 B7 B8 B9 B10
Ser capaz de aplicar as principais técnicas de regresión a conxuntos de datos reais ou simulados.	A17 A20	B2 B3 B8 B9	C1
Saber manexar con soltura programas informáticos avanzados de análise estatística.	A20	B2 B3 B7 B8 B9 B10	C1

Temas	Subtemas
1. Regresión Lineal Simple (RLS). Metodoloxía e Inferencia	1.1 Conceptos xerais de regresión 1.2 O modelo RLS. Estimación dos parámetros. Propiedades 1.3 O coeficiente de correlación
2. Regresión Lineal Simple. Diagnose e Predición.	2.1 Diagnose do modelo RLS. Análise de residuos: linealidade, homoscedasticidade, normalidade e independencia 2.2 Observacións atípicas e influintes no modelo RLS 2.3 Transformacións para conseguir linealidade 2.4 Predición co modelo RLS
3. Regresión Lineal Múltiple (RLM). Metodoloxía e Inferencia	3.1 O modelo RLM. Hipótesis básicas do modelo 3.2 Estimación dos parámetros. Propiedades dos estimadores 3.3 Táboa ANOVA. Contraste F 3.4 Correlación en regresión múltiple
4. Regresión Lineal Múltiple. Diagnose y Predición	4.1 O problema da multicolinealidade. Definición, efectos, identificación e tratamento 4.2 Diagnose do modelo RLM. Análise de residuos: erro de especificación, homoscedasticidade, normalidade e independencia 4.3 Robustez do modelo. Observacións atípicas e influintes no modelo RLM 4.4 Predicción con el modelo RLM 4.5 Selección del modelo de regresión. Regresión paso a paso 4.6 Regresión polinómica 4.7 Regresión con variables cualitativas. Variables ficticias.
5. Modelo de Regresión con resposta cualitativa	5.1 Formulación de modelos con resposta cualitativa 5.2 O modelo loxístico 5.3 Estimación e contrastes 5.4 Diagnose do modelo
6. Regresión non paramétrica	6.1 Introducción aos métodos de suavización en regresión 6.2 Estimación núcleo, o estimador de Nadaraya-Watson 6.3 O estimador polinómico local 6.4 Selección do parámetro de suavizado 6.5 Estimadores de tipo spline 6.6 Extensións. O modelo semiparamétrico (modelo parcialmente lineal). O modelo aditivo.

Metodoloxías / probas	Competencias / Resultados	Horas lectivas (presenciais e virtuais)	Horas traballo autónomo	Horas totais
Sesión maxistral	A17 A18 B3 B8 B9 B10	30	30	60
Prácticas a través de TIC	A17 A18 A20 B2 B3 B8 B9 C1	20	20	40
Seminario	A18 A20 B2 B3 B8 C1	10	10	20
Solución de problemas	A17 A18 A20 B2 B7 B9 C1	0	20	20
Proba obxectiva	A17 A18 A20 B2 B9 C1	6	0	6

Atención personalizada		4	0	4

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Sesión maxistral	Introduciranse os fundamentos teóricos da materia e as principais técnicas para a súa aplicación na práctica. Particular atención será posta nas condicións struturais requiridas para a súa aplicación e á diagnose e avaliación dos modelos axustados. A súa utilidade ilustrarase con exemplos específicos de diferentes áreas de coñecemento, enfatizando vantaxes e limitacións. Promoverase a participación dos estudantes.
Prácticas a través de TIC	Se presentarán problemas específicos e os procedementos de resolución, poñendo en práctica conceptos e algoritmos expostos nas sesións maxistrais. Tratarase de sesións interactivas donde os problemas propostos se resolverán coa axuda de scripts con código libre do software R. O docente apoiará e supervisará a posta en práctica dos coñecementos adquiridos polos estudantes.
Seminario	Propoñeranse cuestións e exercicios para discusión e realización conxunta cos estudantes.
Solución de problemas	Propoñeranse exercicios para a realización dos estudantes de xeito individual.
Proba obxectiva	Probas obxectivas de avaliación de coñecementos.

Metodoloxías	Competencias / Resultados	Descrición	Cualificación
Proba obxectiva	A17 A18 A20 B2 B9 C1	Existirán varias probas escritas de coñecementos que constarán de cuestións teórico-prácticas sobre os contidos da materia: -- Probas parciais que terán lugar unha vez que remate a docencia de bloques temáticos relevantes. Os resultados destas probas formarán parte da avaliación continua. -- Unha proba final global.	85
Solución de problemas	A17 A18 A20 B2 B7 B9 C1	A participación activa no desenvolvemento das clases e a resolución e entrega de exercicios propostos ao longo do curso formará parte da avaliación continua. Computará ata o 15% da cualificación.	15

Observacións avaliación
*Presentación e avaliación: 1. Considerarase que un estudante concurre a unha convocatoria cando participa en actividades que lle permiten obter cando menos un 50% da avaliación final. 2. As probas parciais de coñecementos teñen carácter voluntario. De ser aprobadas, as cualificacións obtidas conservaranse, eximindo ao estudante de contestar ás cuestións relativas aos bloques temáticos xa aprobados na proba final. 3. A proba final de coñecementos terá carácter obligatorio. 4. Será necesario aprobar cada bloque temático para superar a materia. 5. As cualificacións obtidas conservaranse entre as oportunidades (ordinaria e extraordinaria) dentro da convocatoria de cada curso. Segunda oportunidade:* As cualificacións acadadas nas actividades de avaliación continua gárdanse para a avaliación na segunda oportunidade, na que se realizará un exame global seguindo as pautas do exame final de primeira oportunidade. A nota final na segunda oportunidade será o máximo de tres cantidades: a nota da avaliación da primeira oportunidade, a nota do novo exame (100%), e a media ponderada do novo exame (85%) e a parte da avaliación continua distinta das probas parciais de coñecementos (15%). *Realización fraudulenta das probas ou actividades de avaliación:* Unha vez comprobada, implicará directamente a cualificación de suspenso na convocatoria en que se cometa: o/a estudante será cualificado con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario. *Observacións:* Todos os aspectos relacionados con "dispensa académica", "dedicación ao estudo", "permanencia" e "fraude académica" rexeranse dacordo coa normativa académica vixente da UDC.

Bibliografía básica	Hosmer, D.W., Lemeshow, S. y Sturdivant, R.X. (2013). Applied logistic regression . John Wiley & Sons Faraway, J.J. (2006). Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman and Hall Montgomery, D.C., Peck, E.A. y Vining, G.G. (2012). Introduction to linear regression analysis . Wiley Wand M.P. y Jones M.C. (1995). Kernel Smoothing. Chapman and Hall/CRC Faraway, J.J. (2015). Linear models with R . Chapman and Hall Vilar Fernández, J.M. (2006). Modelos estadísticos aplicados. Universidade da Coruña, Servizo de Publicacións Ritz, C. y Streibig, J.C. (2008). Nonlinear regression with R. Springer Peña, D. (2002). Regresión y diseño de experimentos. Alianza Editorial

Bibliografía complementaria	Sheather, S.J. (2009). A modern approach to regression with R. Springer Agresti, A. (1996). An introduction to categorical data analysis. Wiley Fox, J. y Weisberg, S. (2011). An R companion to applied regression. SAGE Publications Bowman A.W. y Azzalini A. (1997). Applied Smoothing Techniques for Data Analysis. Oxford University Press Wood, S.N. (2006). Generalized Additive Models: An introduction with R. Chapman and Hall/CRC Fan J. y Gijbels I. (1996). Local polynomial modelling and its applications. Chapman and Hall/CRC Venables, W.N. y Ripley, B.D. (2010). Modern applied statistics with S . Springer