|
Guía DocenteCurso Facultade de Informática |
| Grao en Enxeñaría Informática |
 Asignaturas |
| Métodos Estadísticos |
| Contidos |
|
|
| Datos Identificativos | 2015/16 | |||||||||||||
| Asignatura | Métodos Estadísticos | Código | 614G01057 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Grao | 1º cuadrimestre |
Cuarto | Optativa | 6 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| Tema 1. Conceptos básicos de inferencia estatística Tema 2. Principios básicos do deseño de experimentos Tema 3. Deseños cunha fonte de variación Tema 4. Deseños con dous ou máis fontes de variación Tema 5. Regresión lineal simple Tema 6. Regresión lineal múltiple |
1.1. Inferencia estatística (repaso) 1.2. Tests de hipóteses paramétricos (repaso) 1.3. Tests de hipóteses non paramétricas: Tests de bondade de axuste e de aleatoriedade 2.1. Introdución 2.2. Resumo dos principais conceptos 2.3. Principios básicos do deseño de experimentos: Repetición do experimento, homoxeneidade estatística das comparacións, principio de aleatorización 2.4. Clasificación dos deseños de experimentos 2.5. Algúns deseños experimentais clásicos 3.1. Deseño cun factor completamente aleatorizado de efectos fixos 3.2. Diagnose do modelo do ANOVA I 3.3. Deseño cun factor completamente aleatorizado de efectos aleatorios 4.1. Deseño en bloques completamente aleatorizado (con replicación; ANOVA II sen interacción) 4.2. Deseño con dous factores completamente aleatorizado (ANOVA II con interacción) 4.3. Outros deseños clásicos de experimentos: Deseño con tres factores completamente aleatorizado, deseños en cadrado latino e greco-latino 5.1. Introdución: Regresión e correlación 5.2. O modelo de regresión lineal simple 5.3. Estimación e propiedades dos estimadores dos parámetros 5.4. Bondade do axuste 5.5. Predición en regresión lineal simple 5.6. Diagnose do modelo 6.2 O modelo lineal xeral de regresión 6.3 Estimación e propiedades dos estimadores dos parámetros 6.4 Bondade do axuste 6.5 Outros contrastes de interese (modelo completo e reducido) 6.6 Predición en regresión lineal múltiple 6.7 Diagnose do modelo: multicolinealidade 6.8 Métodos para a selección de variables explicativas |
|
