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
21-09-2011	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. Variables aleatorias: Concepto de variable aleatoria. Función de distribución y densidad. El modelo Normal.
28-09-2011	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. .
30-09-2011	PRÁCTICA 1: INTRODUCCIÓN AL SPSS Y REPASO DE ESTADÍSTICA BÁSICA
05-10-2011	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.
07-10-2011	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. 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.
14-10-2011	PRÁCTICA 2: REGRESIÓN LINEAL MÚLTIPLE CON SPSS (continuación) 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). Detección de observaciones influyentes: residuos distanciados, valores de influencia y distancia de Cook. El problema de la Multicolinealidad: El factor de varianza inflada (VIF).
19-10-2011	SESIÓN DE PRÁCTICAS: Problema propuesto nº 2 de Regresión Lineal Múltiple (fichero cemento.dat, cemento.sav)
26-10-2011	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.
28-10-2011	NUEVA PRÁCTICA (NO ESTÁ EN EL CUADERNILLO, DESCARGAR DEL AULA VIRTUAL) SESIÓN DE PRÁCTICAS: Análisis de Componentes Principales con SPSS. Efecto de los datos tipificados (fichero ACP_Ejemplo.sav). Ejercicio propuesto: fichero europa.sav
02-11-2011	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. Ejemplos prácticos de Análisis Factorial.
04-11-2011	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. PRÁCTICA 3: COMPONENTES PRINCIPALES Y ANÁLISIS FACTORIAL CON SPSS
09-11-2011	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.
11-11-2011	SESIÓN DE PRÁCTICAS: Problema propuesto nº 2 de Componentes Principales y Análisis Factorial (fichero desarrollo.sav)
16-11-2011	PRÁCTICA 4: ANÁLISIS CLUSTER CON SPSS. Resolución del problema propuesto nº 1 de Análisis Cluster (ficheros medifis.txt, medifis.dat, datos_todos.xls)
18-11-2011	PRIMERA SESIÓN DE EXPOSICIÓN DE TRABAJOS: REGRESIÓN MÚLTIPLE
23-11-2011	Comienza el Tema 5: Análisis Clásico de Series Temporales Concepto de serie temporal. Gráfico temporal. Componentes de una serie temporal: Tendencia, Estacionalidad y Componente Irregular. Concepto de ruido blanco. Esquemas de integración: aditivo, multiplicativo y mixto. ¿Cómo determinar el esquema de integración?. Extracción de las componentes de una serie usando SPSS. Modelización de la Tendencia usando un ajuste por mínimos cuadrados. Obtención del modelo predictivo. Ejemplo: Serie temporal del número de pasajeros en aerolíneas norteamericanas. Evaluación del método predictivo: comparación con los métodos ingenuos, cálculo del Error Cuadrático Medio y estudio del ruido blanco
25-11-2001	SESIÓN DE PRÁCTICAS: Continuación de análisis cluster (método de las k-medias y determinación del número de grupos) PRÁCTICA 5: ANÁLISIS CLÁSICO DE SERIES TEMPORALES CON SPSS. Algunos conceptos básicos de series temporales: diferenciación de una serie y método de las medias móviles. Utilidades. 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.
30-11-2011	Comienza el Tema 6: Métodos de alisado exponencial de series 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.
02-12-2011	SEGUNDA SESIÓN DE EXPOSICIÓN DE TRABAJOS: ACP-AF Y CLUSTER
07-12-2011	PRÁCTICA 6: MÉTODOS DE ALISADO EXPONENCIAL CON SPSS Resolución del problema propuesto nº 6 de Alisado Exponencial (fichero prodindus_Ex.sav)
09-12-2011	SESIÓN DE PRÁCTICAS: Resolución de problemas propuestos de Análisis Clásico de series y Alisado Exponencial
14-12-2011	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. 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.
16-12-2011	PRÁCTICA 7: DETERMINACIÓN DE MODELOS ARIMA CON SPSS
21-12-2011	TERCERA SESIÓN DE EXPOSICIÓN DE TRABAJOS: ANÁLISIS CLÁSICO DE SERIES Y ALISADO EXPONENCIAL