Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
Año Académico: 2024/2025
| Código: 508303 | Asignatura: MODELIZACIÓN ESTADÍSTICA | ||||
| Créditos: 3 | Tipo: Obligatoria | Curso: 3 | Periodo: 1º S | ||
| Departamento: Estadística, Informática y Matemáticas | |||||
| Profesorado: | |||||
| UGARTE MARTINEZ, M. DOLORES (Resp) [Tutorías ] | GOICOA MANGADO, TOMÁS [Tutorías ] | ||||
Descripción/Contenidos
Modelos lineales generalizados (regresión logística y regresión de Poisson). Modelos mixtos. Modelos aditivos generalizados.
Competencias genéricas
- CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializad.
- CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomí.
- CT2 - Capacidad para la comunicación eficaz oral y escrita.
- CT4 - Capacidad para el trabajo en equipos multidisciplinares y multiculturales.
Competencias específicas
- CG5 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen en el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
- CE4 - Conocer las principales técnicas que permitan realizar un análisis exploratorio preliminar de los datos.
- CE15 - Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio.
Resultados aprendizaje
- RA12. Aplicar los diferentes modelos lineales generalizados, mixtos y aditivos generalizados para resolver problemas reales.
Metodología
|
Metodología-Actividad |
Horas presenciales |
Horas no presenciales |
|
A-1. Clases expositivas/ participativas |
14 |
|
|
A-2. Prácticas |
14 |
|
|
A-3. Realización de trabajos/proyectos en grupo |
|
5 |
|
A-4. Estudio y trabajo autónomo del estudiante |
|
39 |
|
A-5. Tutorías |
|
1 |
|
A-6. Pruebas de evaluación |
2 |
|
|
Total |
30 |
45 |
Evaluación
| Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|---|
| RA12 | Prueba escrita | 70% | Sí (mediante examen de recuperación) | 5 |
| RA12 | Trabajos e informes (hay que entregar los trabajos en la fecha requerida) | 20% | No | |
| RA12 | Participación Activa | 10% | No |
Temario
- La familia exponencial y los modelos lineales generalizados
- Regresión logística
- Regresión de Poisson
- Introducción a los modelos mixtos
- Introducción a los modelos aditivos generalizados
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
La bibliografía básica de la asignatura es la siguiente:
- Dobson, A.J. and Barnett, A.G., (2018). An Introduction to Generalized Linear Models (Fourth Edition). Chapman and Hall, Boca Raton.
La bibliografía complementaria de la asignatura es la siguiente:
- Wood, S.N. (2017). Generalized Additive Models. An Introduction with R (Second Edition). Chapman and Hall, Boca Raton.