UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE CIENCIAS MATEMÁTICAS

UNIDAD DE POSGRADO

MAESTRIA EN ESTADISTICA MATEMÁTICA

SILABO
DATOS GENERALES
1.1 NOMBRE DE LA ASIGNATURA : MODELOS LINEALES
1.2 CÓDIGO DE LA ASIGNATURA : N77021
1.3 PLAN DE ESTUDIOS : 2004
1.4 SEMESTRE ACADÉMICO : 2019 -II
1.5 CRÉDITOS : 6.0
1.6 TOTAL DE HORAS SEMESTRALES : 96
1.6.1 PRESENCIALES : 80
1.6.2 NO PRESENCIALES : 16
1.6.3 Nº HORAS PRESENCIALES POR SEMANA :5
1.7 FECHA DE INICIO Y FINALIZACIÓN : Del 03/09/2019 al 17/12/2019
1.8 DURACIÓN DEL CURSO : 16 semanas
1.9 HORARIO DE CLASES PRESENCIALES : martes de 17:00 a 22:00 Hrs.
1.10 LOCAL : FCM – Laboratorio de posgrado
1.12 DOCENTE : Mg. Ysela D. Agüero Palacios
1.13 DIRECCIÓN ELECTRÓNICA DE LA DOCENTE : Yaguerop@unmsm.edu.pe

SUMILLA
Inversa generalizada de matrices. Distribuciones no centrales de formas cuadráticas. Modelo lineal
general de rango completo y de rango incompleto. Teorema de Gauss- Markov. Propiedades
distribucionales de los estimadores. Pruebas de hipótesis, Análisis de varianza, Análisis de
regresión, Modelos lineales generalizados.
III. OBJETIVOS
Proporcionar los fundamentos teóricos del modelo lineal general y sus extensiones a los modelos
lineales generalizados.
Objetivos específicos
• Revisar el álgebra de matrices aplicado a los modelos lineales
• Estudiar las propiedades de la distribución normal multivariante
• Conocer las distribuciones de formas cuadráticas y lineales
• Estudiar el modelo lineal general, los métodos de estimación de parámetros y de evaluación del
modelo.
• Estudiar el modelo de regresión lineal y de análisis de varianza.
• Estudiar las extensiones del modelo lineal general a los modelos lineales generalizados.
IV. METODOLOGÍA Y RECURSOS.
• La comunicación con los estudiantes se realizará a través del aula virtual,
• Se enviará el material con los temas a tratarse en las clases, con una semana de anticipación.
• Cada semana se propondrán listas de ejercicios aplicativos que servirán para que el alumno repase los
temas tratados en clases.
• Los estudiantes presentarán informes escritos con los resultados de los análisis de datos en un lenguaje
comprensible para investigadores no estadísticos.
• Se revisarán artículos publicados en revistas especializadas
• Para facilitar el procesamiento de datos se utilizará el lenguaje R y el paquete estadístico SPSS.

VIII. EVALUACION Y CRITERIOS

Los rubros a evaluarse y las ponderaciones respectivas son:
EP Examen parcial 0.30
EF Examen final 0.30
EC Evaluación continua (Participación en las clases, solución de listas de ejercicios, lecturas, 0.40
asistencia y puntualidad.

CRITERIOS PARA
PESOS ¿QUÉ SE EVALÚA?
EVAL. CONTINUA
Estos proyectos serán grupales (2 personas), se evalúan, los informes con
a) Trabajos /
los resultados de los análisis de datos, la pertinencia del análisis, la
proyectos de 30%
puntualidad en la entrega y la presentación oral de los trabajos
Investigación
encargados.
b) Participación 20% Intervenciones durante las clases.
Se entregarán listas de ejercicios para ser desarrolladas en forma
c) Desarrollo de
20% personal, se evalúa la pertinencia del análisis, la puntualidad en la entrega
Ejercicios
de los productos y la presentación oral de la solución de los ejercicios.
d) Tareas / Trabajos En las clases de laboratorio, se entregarán ejercicios para ser resueltos en
15%
en clase clases utilizando los programas computacionales.
e) Actitudinal 15% Asistencia puntualidad, respeto, normas de convivencia.
E.C. = 0.30a + 0.20b + 0.20c + 0.15d + 0.15e
IX. PROGRAMA DEL CURSO
Sesión Temas Fechas
01-02 Revisión del álgebra lineal aplicada en el estudio de los modelos lineales. 03-10/09
03 Matriz inversa generalizada. Propiedades. 17/09
04 Distribución normal multivariante. Distribuciones marginales y condicionales. 24/09
05 Distribuciones t, chi cuadrado y F no centrales. 01/09
06 Formas cuadráticas y lineales. Propiedades, distribución de probabilidades.
8/09
Independencia de formas cuadráticas y formas lineales.
07 Modelo lineal General: Métodos de estimación de parámetros. Teorema de Gauss
– Markov. 15/10
08 Primer examen parcial 22/10
09-10 Modelo lineal de rango completo Evaluación de la bondad del ajuste y la 29/10
adecuación del modelo. Regresión con variables “dummy”. 5/11
11-12 Modelo lineal general de rango incompleto. Modelo de diseño, funciones 12-19/11
estimables. Modelos de diseño de uno y dos factores
13-14 Introducción a los modelos lineales generalizados: Componentes del modelo lineal 26/11
generalizado, familia exponencial. Esperanza, varianza y funciones de enlace 03/12
15 Modelos lineales generalizados: Modelos para respuesta binaria. 10/11
16 Examen final 17/12

2
VIII. BIBLIOGRAFIA
Graybill F. 1976). An introduction to statistical linear models. McGraw Hill.
Searle S.R. (1971). Linear Models. John Wiley &Sons, Inc.
Hocking R.R. (1985). The Analysis of Linear Models – Brooks/Cole Publishing Company
Monterrey California.
Draper, Smith.(1982). Applied Regression Analysis. John Wiley & Sons.
Searle S.R.(1982). Matrix Algebra for Statistics. John Wiley &Sons, Inc.
McCullagh P. (1982). Generalized Linear Models. London New York .
Muller, K.E.; Stewart, P. W.(2006). LINEAR MODEL THEORY Univariate, Multivariate, and
Mixed Models. University of North Carolina Department of Biostatistics Chapel Hill, NC. a John
Wiley & Sons, Inc.