|
Guía DocenteCurso Facultade de Informática |
| Grao en Ciencia e Enxeñaría de Datos |
 Asignaturas |
| Modelos de Regresión |
| Contidos |
|
|
| Datos Identificativos | 2020/21 | |||||||||||||
| Asignatura | Modelos de Regresión | Código | 614G02012 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Grao | 1º cuadrimestre |
Segundo | Obrigatoria | 6 | ||||||||||
|
||||||||||||||
| 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. |
|
