UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLN

FACULTAD DE CIENCIAS ESCUELA DE ESTADSTICA

PROGRAMA DETALLADO MODELOS LINEALES I (3006918) SEMESTRE 2016-I
MODELO DE REGRESIN LINEAL SIMPLE ( MRLS ) ( Captulos: 1 y 2 )
1. El modelo de regresin lineal simple. Supuestos del Modelo de RLS. Estimacin de los parmetros del
Modelo de RLS.
1.

2. Propiedades de los estimadores de los parmetros del Modelo y estimacin de

2.

3. Inferencia sobre los coeficientes de regresin 0 y 1. Estimacin de Intervalos para la respuesta media.
Prediccin de nuevas observaciones.
4. Anlisis de varianza. Prueba lineal general. Coeficiente de Determinacin. Coeficiente de Correlacin.
MODELO DE REGRESIN LINEAL MLTIPLE ( MRLM ) ( Captulos: 6 y 7 )
5. Nociones preliminares relacionadas con vectores de variables aleatorias. Ejemplos de algunos MRLM.
6. Modelo de regresin lineal general en trminos matriciales. Estimacin de los parmetros del MRLM.
Valores ajustados y residuales. Anlisis de Varianza en RLM. Prueba F para la relacin de regresin.
7. Coeficiente de determinacin mltiple y de Correlacin mltiple. Inferencia acerca de los parmetros del
MRLM. Estimacin de respuesta media y nuevas observaciones.
8. Suma extra de cuadrados. Uso de la suma extra de cuadrados en pruebas de hiptesis. Coeficiente de
determinacin parcial.
9. Taller.
10. Primer parcial 30% ( Jueves 3 de Marzo )
2.

11.
12.
13.
14.
15.
16.
17.
18.
19.
20.

DIAGNOSTICOS, MEDIDAS REMEDIALES y CONSTRUCCIN DEL MRL. ( CaptuloS: 3, 8, 9 y 10 )

Anlisis de residuales.
Anlisis de residuales ( Continuacin ).
Prueba de falta de ajuste.
Medidas Remediales.
Medidas Remediales ( Continuacin ).
Construccin del Modelo de Regresin.
Adecuacin del modelo para una variable predictora.
Residuales escalados.
Taller.
Segundo Parcial 25% ( Jueves 14 de Abril )

21.
22.
23.
24.

Identificacin de observaciones Outlying, Matriz Sombrero.

Identificacin de observaciones influenciales: DFFITS, Distancia de COOK, DFBETAS.
Modelo de regresin multiple estandarizado (7.5).
Diagnsticos de Multicolinealidad, VIF. (7.6 y 9.5)

4.

CASO DE VARIABLES PREDICTORAS CUALITATIVAS. ( CAPTULO 11 )

Una sola variable predictora cualitativa.
Modelos con efectos de interaccin. Modelos ms complejos.
Taller.
Tercer Parcial 25% ( )
Exposicin.
Exposicin.

3.

25.
26.
27.
28.
29.
30.

TEMAS PARA EXPONER:

Medidas remediales para varianza de error desigual, (Mnimos-Cuadrados-Ponderados).
Medidas remediales para casos de puntos influenciales, (Regresin Robusta).
Medidas remediales para multicolinealidad, (Regresin de Ridge).
Modelos polinomiales, logit, probit, superficies de respuesta.

TEXTO GUA.
Neter, J.; Kutner, M.; Nachtsheim, C.; Wasserman, W.(1996). Applied Linear Statistical Models. 4ta Edicin.
Orden de los Captulos: 1, 2, 6, 7, 3, 8, 9, 10, 11.
REFERENCIAS.
Montgomery, D.; Peck, E. (1992). Introduction to Linear Regresin Anlisis. 2da. Edicin.
Draper, N.; Smith, H. (1981). Applied Regresin Anlisis. 2da. Edicin.
Searle, S. R. (1971). Linear Models.
EVALUACIN
PARCIAL
1. 30%
2. 25%
3. 25%
Exposiciones y Tareas 20%

TEMA
Clases 1- 8
Clases 11- 18
Clases 21- 26
Todo el Contenido

DOCENTE
NOMBRE
OFICINA
Ral Alberto Prez
43-332
Mail: raperez1@unal.edu.co

FECHA
Marzo 3
Abril 14
Mayo 12

CLASES
AULA
M-J 8-10 a.m 21-334

HORA
8 a.m
8 a.m
8 a.m

GRUPO
01

HORARIO DE ASESORIA
L-M 2:30-3:30 p.m

Calendario Modelos Lineales I Semestre 2016-I

Mes
Febrero

Marzo

Abril

Mayo

Lunes
1
8
15
22
29
7
14
21
28
4
11
18
25
2
9
16
23

Martes
2
9
16
23
1
8
15
22
29
5
12
19
26
3
10
17
24

Mircoles
3
10
17
24
2
9
16
23
30
6
13
20
27
4
11
18
25

Jueves
4
11
18
25
3-EXAM1
10
17
24
31
7
14-EXAM2
21
28
5
12-EXAM3
19
26

Viernes
5
12
19
26
4
11
18
25
1
8
15
22
29
6
13
20
27

Temas
1-2
3-4
5-6
7-8
9-10
11-12
13-14
SS
15-16
17-18
19-20
21-22
23-24
25-26
27-28
29-30
31-32

FESTIVOS
SEMANA SANTA
SEMINARIO DE LA ESCUELA DE ESTADSTICA
OBSERVACIONES:
5.
No se harn supletorios, ya que los exmenes estn programados en horas de clase. Slo se aceptan
excusas mdicas avaladas por el servicio mdico estudiantil de la Universidad. No se aceptan ningn tipo
de excusas de trabajo, entrevistas, salidas de campo, etc.
6.
En cada clase los estudiantes firmarn la asistencia correspondiente. Con 7 faltas se cancelar el curso
y al final del semestre el SIA reportar automticamente una nota de 0.0. Las excusas de trabajo, entrevistas,
salidas de campo, etc. No son vlidas.
7.
Se utilizar el software R durante todo el curso.