GRAU EN ESTADÍSTICA
1. Regressió lineal simple
Específiques de la titulació
-
Capacitat de proposar, modelitzar, analitzar, validar i interpretar situacions i problemes reals, adaptant els models teòrics a les necessitats específiques de les diferents àrees d'aplicació.(L’alumnat ha de poder identificar un model lineal, estimar-ne els paràmetres i avaluar les hipòtesis que es plantegin sobre aquest model. I també ha de ser capaç de validar-lo.)
Objectius d'aprenentatge
Referits a coneixements
L’objectiu central de l’assignatura és que l’alumnat conegui els models lineals i la seva aplicació a les situacions més usuals:
— Conèixer els processos d’estimació de paràmetres en un model lineal.
— Conèixer els mecanismes de decisió associats a les principals proves d’hipòtesi en models lineals.
— Saber caracteritzar un model de regressió lineal simple i múltiple.
— Saber com es validen els models de regressió lineal.
— Saber caracteritzar alguns models d’anàlisi de la variància senzills.
Referits a habilitats, destreses
— Saber resoldre l’estimació dels paràmetres d’un model lineal.
— Saber analitzar les principals proves d’hipòtesi en models lineals.
— Saber calcular un model de regressió lineal.
— Saber validar els models de regressió lineal.
— Saber resoldre alguns models d’anàlisi de la variància senzills.
— Ser capaç d’interpretar de manera rigorosa els resultats obtinguts.
Blocs temàtics
1.6. Plantejament matricial 2. Models de regressió
2.1. Regressió lineal múltiple 2.2. Mesures d’ajust
2.3. Inferència sobre els coeficients de regressió 2.4. Coeficients de regressió estandaritzats 2.5. Regressió polinòmica
2.6. Introducció a la diagnosi del model 3. El model lineal
3.1. Estimació de paràmetres per mínims quadrats 3.2. Propietats dels estimadors
3.3. Contrast d’hipòtesis lineals 3.4. Contrast de models
3.5. Funcions paramètriques estimables 4. El model lineal de l'anàlisi de la variància
4.1. Model d’un factor
4.2. Comparació de mitjanes 4.3. D’altres models
4.4. Introducció a l’anàlisi de la covariància
Metodologia i activitats formatives
Aquesta és una assignatura presencial basada en un sistema de classes magistrals. El professorat exposa a classe els continguts bàsics de l’assignatura i dóna indicacions precises de com treballar-la (què llegir per reforçar els conceptes i de quines fonts, quins exercicis fer, quines pràctiques
d’ordinador, etc.).
A les classes de problemes es resolen exercicis. Es donaran indicacions de quins exercicis cal treballar cada setmana, de manera que l’alumnat hagi pogut resoldre’ls abans d’assistir a la classe i, si escau, dedicar-la a resoldre dubtes. Els problemes consisteixen en la resolució d’exercicis de caràcter teòric o aplicat encaminats a la comprensió dels conceptes bàsics de cada tema.
Un component important de l’assignatura és el treball amb ordinador. Al llarg del curs es donaran indicacions de com treballar amb el llenguatge estadístic R, de manera que els estudiants puguin fer-lo servir tant per dur a terme els programes o les simulacions que s’encarreguin, com els càlculs i les anàlisis de dades que es plantegin. Les pràctiques d’ordinador es destinen a fer problemes
PD:Models Lineals http://grad.ub.edu/grad/plae/detallPla.do?ctrl=dadesPlaForm.plansDoce...
3 de 5 06/07/2012 17:06
numèrics per veure diferents aspectes de la modelització i l’anàlisi de les dades mitjançant models lineals.
Opcionalment es pot fer un treball. Per tal que el professorat el revisi, cal discutir-lo conjuntament abans de presentar-lo.
Avaluació acreditativa dels aprenentatges
Avaluació continuada
La forma general d’avaluació és l’avaluació continuada. En aquest sentit, al llarg del curs es faran un màxim de dues proves curtes (de dues hores), que no són eliminatòries de matèria. Les dates de les proves es faran públiques el primer dia de classe perquè els alumnes es puguin programar les activitats i no hi faltin. També hi haurà una prova final de síntesi.
Opcionalment, es pot demanar de presentar treballs o problemes solucionats, si així ho especifica el professorat a principi de curs.
L’alumnat que falti a alguna prova per causes justificades pot recuperar, com a màxim, una prova el dia de la prova de síntesi. Si no es fa cap prova curta o no s'entreguen els treballs o problemes demanats, l'alumne passarà a ser avaluat de forma única el dia que marqui el Consell d'Estudis.
La nota final de l’avaluació continuada es basa en la fórmula següent:
Màxim{0,4xP1+0,4xP2+0,2xO, PS}
en què P1 és la prova curta 1, P2 és la prova curta 2, O és el treball o exercicis opcionals i PS és la prova de síntesi.
Avaluació única
L’avaluació única és una prova objectiva que es fa en la data marcada pel Consell d’Estudis i que comprèn la totalitat dels temes.
Fonts d'informació bàsica Llibre
Carmona Pontaque, F. Modelos lineales.. Publicacions UB, 2005
És un bon llibre de models lineals, tot i que té un nivell massa elevat pels continguts que es donen a l'ensenyament.
Peña, D. Estadística: Modelos y Métodos. Madrid : Alianza, 1991. (Alianza universidad textos) Vol 2. Modelos lineales y series temporales.
PD:Models Lineals http://grad.ub.edu/grad/plae/detallPla.do?ctrl=dadesPlaForm.plansDoce...
4 de 5 06/07/2012 17:06
És un llibre que recull part de l'assignatura.
Rawlings, J.O. . Applied Regression Analysis. Wadsworth & Brooks/Cole Advanced Books and Software. New York [etc.] : Springer, cop. 1998.
Tot i ser en anglès, és un llibre molt bo amb molts exemples comentats.
Montgomery, D.C., Peck, E.A. Introduction to Linear Regression Analysis. J. Wiley & Sons, 1992.
Oliva, F., Vegas, E. Propietats i eines d’àlgebra matricial per a estadística. Barcelona : Universitat de Barcelona.
Departament d’Estadística, 1995. Sèrie de quaderns docents del Departament d’Estadística ; 8.
J.L. Faraway. Linear Models with R. Chapman and Hall, 2005.
Pàgina web
The R Project for Statistical Computing: http://www.r-project.org/
LyX - El procesador de documentos : http://www.ub.edu/stat/docencia/lyx/lyx.htm
PD:Models Lineals http://grad.ub.edu/grad/plae/detallPla.do?ctrl=dadesPlaForm.plansDoce...
5 de 5 06/07/2012 17:06
Pla docent de l'assignatura
Dades generals
Nom de l'assignatura: Fitxers i Bases de Dades Codi de l'assignatura: 361215
Curs acadèmic: 2012-2013
Coordinació: ELIZABETH TORRELLES PUIG
Departament: Dept. Econometria, Estadística i Economia Esp.
Crèdits: 6
Hores estimades de dedicació Hores totals 150
Activitats presencials 60
- Pràctiques d'ordinadors 60
Treball tutelat/dirigit 30
Aprenentatge autònom 60
Recomanacions
Sofware Estadístic.
Competències que es desenvolupen
Específiques de la titulació
-
Capacitat d'utilitzar llenguatges de programació per a la implementació d'algoritmes i de sistemes de gestió de bases de dades.PD:Fitxers i Bases de Dades http://grad.ub.edu/grad/plae/detallPla.do?ctrl=dadesPlaForm.plansDoce...
1 de 4 28/06/2012 1:54
-
Capacitat per usar, interpretar, documentar i adaptar eines informàtiques per a l'anàlisi estadística i la gestió de bases de dades, que permeti l'ajust de models i la resolució de problemes.Objectius d'aprenentatge
Referits a coneixements
— Conèixer els fonaments de les estructures de dades en memòria i els conceptes bàsics d’organització de les dades.
— Comprendre els conceptes fonamentals en el disseny de les bases de dades.
— Entendre els conceptes bàsics de sistemes de bases de dades, i els seus avantatges i inconvenients.
Referits a habilitats, destreses
— Saber dissenyar i manipular una base de dades.
— Ser capaç d’accedir a una base de dades mitjançant la utilització del llenguatge SQL.
— Poder aplicar els coneixements teòrics mitjançant la utilització de programari de gestió de bases de dades.
— Saber resoldre problemes de complexitat baixa i mitjana mitjançant la construcció d’una base de dades en l’àmbit estadístic.
Blocs temàtics