¿Por dónde vamos?

 

Desde esta página se puede seguir el ritmo de las clases. Todas las semanas se actualizará con la materia explicada en clase, así como los ejercicios resueltos y las prácticas realizadas.

Fecha	Materia explicada
23-09-2009	Presentación de la asignatura. Repaso de estadística básica. Estadística descriptiva: Estudio de cada variable por separado: gráficos resumen (histograma), medidas numéricas (centralización, posición, dispersión y forma), valores atípicos (diagrama de caja y bigotes). Transformaciones lineales y no lineales: efecto en la forma del histograma.
31-09-2009	Estudio conjunto de dos variables (diagrama de dispersión, covarianza, correlación y ajustes por mínimos cuadrados). Matriz de covarianzas y matriz de correlaciones. Variables aleatorias: Concepto de variable aleatoria, tipos de v.a. (discretas y continuas). Función de distribución y densidad. El modelo Normal. Introducción a la Inferencia: Intervalos de confianza y contrastes de hipótesis paramétricos. Interpretación del p-valor en un contraste de hipótesis.  Ejemplo: Estudio descriptivo de dos variables.
02-10-2009	PRÁCTICA 1: INTRODUCCIÓN AL SPSS Y REPASO DE ESTADÍSTICA BÁSICA
07-10-2009	Comienza el Tema 1: Regresión Múltiple Planteamiento del modelo de Regresión Lineal Simple: Hipótesis del Modelo. Ejemplo gráfico y nomenclatura: recta de regresión (teórica), recta de regresión ajustada, residuos. Planteamiento del modelo de Regresión Lineal Múltiple: Hipótesis del Modelo. Transformaciones sobre modelos linealizables. Esquema resumen del tema.
09-10-2009	PRÁCTICA 1 (CONTINUACIÓN): RESOLUCIÓN DEL PROBLEMA 1 DE LA PRÁCTICA 1. PRÁCTICA 2: REGRESIÓN LINEAL MÚLTIPLE CON SPSS (sólo una parte)
14-10-2009	Estimación de los parámetros del modelo. Distribución de los estimadores. Contrastes de hipótesis sobre los coeficientes de regresión: prueba de significación de la regresión y contrastes sobre coeficientes individuales. Predicciones: intervalos de confianza para la respuesta promedio e intervalos de predicción. El coeficiente de determinación múltiple y el coeficiente de determinación corregido (o ajustado). Validación del modelo de regresión múltiple: hipótesis de Normalidad de la variable respuesta y de los residuos (contrastes no paramétrico de Kolmogorov-Smirnoff); hipótesis de homocedasticidad, es decir, residuos con varianzas iguales (diagrama de dispersión de los residuos frente a los valores ajustados); hipótesis de independencia entre los residuos (estadístico de Durbin-Watson, gráfico  de autocorrelaciones). Transformaciones de Box-Cox. El problema de la Multicolinealidad: El factor de varianza inflada (VIF). Detección de observaciones influyentes: residuos distanciados, valores de influencia y distancia de Cook.
16-10-2009	Métodos de selección del "mejor" modelo de regresión: 1) Regresión por pasos: las correlaciones parciales y los p-valores de entrada y salida. 2) Regresión hacia delante 3) Regresión hacia atrás. PRÁCTICA 2: REGRESIÓN LINEAL MÚLTIPLE CON SPSS (continuación)
21-10-2009	Comienza el Tema 2: Análisis de Componentes Principales Introducción: objetivo del análisis. Solución gráfica para el caso de datos bidimensionales. Obtención de las componentes principales. Propiedades de las componentes principales. Criterios de selección del número de componentes principales. Interpretación de las componentes principales (gráfico de saturaciones). Ejemplo de aplicación.
23-10-2009	SESIÓN DE PRÁCTICAS: Problemas propuestos nº 2 Y nº 3 de Regresión Lineal Múltiple (ficheros cemento.dat y cerezos.dat)
27-10-2009	Comienza el Tema 3: Análisis Factorial Introducción: objetivo del análisis. El modelo de Análisis Factorial: factores comunues, cargas factoriales y perturbaciones específicas. Hipótesis del modelo, propiedades y unicidad. Métodos de estimación del modelo Factorial: método de las componentes principales. Otros métodos: ejes principales, máxima verosimilitud, etc. Comparación entre los distintos métodos. Criterios de selección del número de factores a retener. Contrastes en el Modelo Factorial. Análisis previo: contraste de esfericidad de Barlett y medidas de adecuación muestral. Análisis posterior (bondad del ajuste): comparación entre correlaciones observadas y reproducidas; estudio de las comunalidades.
29-10-2009	Rotación de los factores: rotaciones ortogonales (Varimax, Quartimax y Equamax); rotaciones oblicuas. Interpretación de los factores y gráfico de saturaciones. Cálculo de las puntuaciones factoriales. PRÁCTICA 3: COMPONENTES PRINCIPALES Y ANÁLISIS FACTORIAL CON SPSS
04-11-2009	Comienza el Tema 4: Análisis de Conglomerados o Análisis Cluster Introducción: objetivo del análisis. Planteamiento del problema: selección de las observaciones y de las variables del problema. Medidas de distancia y de similitud: caso de variables cuantitativas continuas. Métodos jerárquicos (aglomerativos) de clasificación. Tipos de enlace: vecino más próximo, vecino más lejano, enlace medio, método del centroide y método de Ward. El dendograma. Determinación del número de grupos. Métodos de partición: el algoritmo de las k-medias. Determinación del número de grupos. Clasificación de variables.
06-11-2009	PRÁCTICA 4: ANÁLISIS CLUSTER CON SPSS
11- 11-2009	Resolución del problema propuesto nº 1 de Análisis Cluster (ficheros medifis.txt, medifis.dat, datos_todos.xls) Problema propuesto nº 2 de Componentes Principales y Análisis Factorial (fichero desarrollo.sav)
13- 11-2009	PRIMERA SESIÓN DE EXPOSICIÓN DE TRABAJOS: REGRESIÓN MÚLTIPLE
18- 11-2009	Comienza el Tema 5: Análisis Clásico de Series Temporales Concepto de serie temporal. Gráfico temporal. Componentes de una serie temporal: Tendencia-Ciclo, Estacionalidad y Componente Irregular. Concepto de ruido blanco. Esquemas de integración: aditivo, multiplicativo y mixto. ¿Cómo determinar el esquema de integración?. Análisis de la Tendencia de una serie: ajuste por mínimos cuadrados. Método de las medias móviles. Aplicaciones de las medias móviles. Análisis de la Estacionalidad. Desestacionalización de una serie: método de la razón a la media móvil y método de la diferencia a la media móvil. Determinación de los factores estacionales o Índices de Variación Estacional.
20 -11-2009	PRÁCTICA 5: ANÁLISIS CLÁSICO DE SERIES TEMPORALES CON SPSS
25 -11-2009	Aplicaciones de las medias móviles. Diferenciación de una serie. Medidas de error asociadas a un modelo predictivo: error cuadrático medio y error absoluto medio. Ejemplos con SPSS. RESOLUCIÓN DE PROBLEMAS DE ANÁLISIS CLÁSICO DE SERIES TEMPORALES CON SPSS: problema 4 (fichero Temp_Madrid.sav)
27 -11-2009	SEGUNDA SESIÓN DE EXPOSICIÓN DE TRABAJOS: ACP-AF Y CLUSTER
02-12-2009	Comienza el Tema 6: Métodos básicos en la predicción de series: alisado exponencial Características de los métodos de Alisado Exponencial. Alisado exponencial simple. Método de Holt. Interpretación de los parámetros de alisado. Método de Holt-Winters para esquemas multiplicativos y aditivos. Interpretación de los parámetros de alisado.
04-12-2009	PRÁCTICA 6: MÉTODOS DE ALISADO EXPONENCIAL CON SPSS
09-12-2009	Comienza el Tema 7: Procesos Estocásticos y Modelos ARIMA Concepto de proceso estocástico. Características de un proceso: función de medias, varianzas, covarianzas y correlaciones. Las series temporales como realizaciones de un proceso estocástico. Procesos estocásticos estacionarios. El autocorrelograma. Procesos Lineales Estacionarios. Ruido Blanco. Modelo Autorregresivo de orden p, AR(p). Identificación de un modelo AR(p) con SPSS.
11 -12-2009	Modelo de medias móviles de orden q, MA(q). Identificación de un modelo MA(q) con SPSS. Los modelos  ARMA(p,q). Identificación de un modelo ARMA(p,q) con SPSS. Procesos Lineales No Estacionarios: modelos ARIMA(p,d,q). Validación del modelo. Predicciones. PRÁCTICA 7: DETERMINACIÓN DE MODELOS ARIMA CON SPSS
16-12-2009	SESIÓN DE PRÁCTICAS: RESOLUCIÓN DE PROBLEMAS ARIMA CON SPSS
18-12-2009	TERCERA SESIÓN DE EXPOSICIÓN DE TRABAJOS: ANÁLISIS CLÁSICO Y ALISADO  EXPONENCIAL
08-01-2010	Resolución de exámenes de cursos anteriores.
13-01-2010	CUARTA SESIÓN DE EXPOSICIÓN DE TRABAJOS: MODELOS ARIMA
15-01-2010	Resolución de exámenes de cursos anteriores.