Dpto. Matemática Aplicada y Estadística

INICIO

DATOS PROFESOR

DOCENCIA

TUTORÍAS

INVESTIGACIÓN

ENLACES

MATERIAL DISPONIBLE

Portada de la asignatura

Programa de la asignatura

Criterios de evaluación

¿Por dónde vamos?

Apuntes

Problemas

Prácticas

Exámenes de otros cursos

Fechas de exámenes

¿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
22-09-2009	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. Estudio conjunto de dos variables (diagrama de dispersión, covarianza, correlación y ajustes por mínimos cuadrados). Matriz de covarianzas y matriz de correlaciones.
29-09-2010	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. 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.
01-10-2010	PRÁCTICA 1: INTRODUCCIÓN AL SPSS Y REPASO DE ESTADÍSTICA BÁSICA
06-10-2010	Planteamiento del modelo de Regresión Lineal Múltiple: Hipótesis del Modelo. Transformaciones sobre modelos linealizables. Esquema resumen del tema. 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. Bondad del ajuste: El coeficiente de determinación múltiple y el coeficiente de determinación corregido (o ajustado). Predicciones: estimación puntual, intervalos de confianza para la respuesta promedio e intervalos de predicción. 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.
08-10-2010	PRÁCTICA 1 (CONTINUACIÓN): RESOLUCIÓN DEL PROBLEMA 1 DE LA PRÁCTICA 1. PRÁCTICA 2: REGRESIÓN LINEAL MÚLTIPLE CON SPSS: análisis descriptivo previo y transformaciones de Box-Cox.
13-10-2010	Detección de observaciones influyentes: residuos distanciados, valores de influencia y distancia de Cook. El problema de la Multicolinealidad: El factor de varianza inflada (VIF). Métodos de selección del "mejor" modelo de regresión: 1) Regresión por pasos: los p-valores de entrada y salida. 2) Regresión hacia delante 3) Regresión hacia atrás.
15-10-2010	PRÁCTICA 2: REGRESIÓN LINEAL MÚLTIPLE CON SPSS (continuación) SESIÓN DE PRÁCTICAS: Problema propuesto nº 2 de Regresión Lineal Múltiple (fichero cemento.dat)
20-10-2010	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.
22-10-2010	SESIÓN DE PRÁCTICAS: Problema propuesto nº 2 de Regresión Lineal Múltiple (fichero cemento.dat). Problema 1 de Regresión Lineal Múltiple del Examen de Febrero 2010.
27-10-2010	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. 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. Ejemplo de aplicación.
29-10-2010	PRÁCTICA 3: COMPONENTES PRINCIPALES Y ANÁLISIS FACTORIAL CON SPSS Problema propuesto nº 2 de Componentes Principales y Análisis Factorial (fichero desarrollo.sav)
03-11-2010	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. Ejemplo de aplicación.
05-11-2010	NO HAY CLASE. DÍA DE BIENVENIDA DEL ESTUDIANTE.
10-11-2010	PRÁCTICA 4: ANÁLISIS CLUSTER CON SPSS. Resolución del problema propuesto nº 1 de Análisis Cluster (ficheros medifis.txt, medifis.dat, datos_todos.xls)
12-11-2010	PRIMERA SESIÓN DE EXPOSICIÓN DE TRABAJOS: REGRESIÓN MÚLTIPLE
17-11-2010	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.
19-11-2020	PRÁCTICA 5: ANÁLISIS CLÁSICO DE SERIES TEMPORALES CON SPSS. Resolución del problema propuesto nº  4 (fichero Temp_Madrid.sav) y del problema nº 7 (fichero prodindus_Ex.sav)
24-11-2010	SESIÓN DE PRÁCTICAS: Resolución de problemas de Examen con SPSS. Problemas 2 y 3 del examen de Febrero 2010.
26-11-2010	SEGUNDA SESIÓN DE EXPOSICIÓN DE TRABAJOS: ACP-AF Y CLUSTER
01-12-2010	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.
03-12-2010	PRÁCTICA 6: MÉTODOS DE ALISADO EXPONENCIAL CON SPSS
10-12-2010	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. EJEMPLOS de modelos AR estacionarios y no estacionarios.
15-12-2010	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
17-12-2010	TERCERA SESIÓN DE EXPOSICIÓN DE TRABAJOS: ANÁLISIS CLÁSICO Y ALISADO  EXPONENCIAL
22-12-2010	SESIÓN DE PRÁCTICAS: RESOLUCIÓN DE PROBLEMAS ARIMA CON SPSS
12-01-2011	CUARTA SESIÓN DE EXPOSICIÓN DE TRABAJOS: MODELOS ARIMA Y RESOLUCIÓN DE EXÁMENES DE CURSOS ANTERIORES SOBRE SERIES TEMPORALES
14-01-2011	RESOLUCIÓN DE EXÁMENES DE CURSOS ANTERIORES SOBRE ANÁLISIS MULTIVARIANTE