Consulta de Guías Docentes



Academic Year/course: 2023/24

453 - Degree in Mathematics

27033 - Regression Methods


Syllabus Information

Academic year:
2023/24
Subject:
27033 - Regression Methods
Faculty / School:
100 - Facultad de Ciencias
Degree:
453 - Degree in Mathematics
ECTS:
6.0
Year:
4
Semester:
First semester
Subject type:
Optional
Module:
---

1. General information

This is an optional subject within the module of Probability and Statistics; it complements the training of the compulsory third-year subject Mathematical Statistics and introduces the process of fitting a statistical model.

The approaches and objectives of this module are aligned with the Sustainable Development Goals (SDGs) of the United Nations 2030 Agenda; the learning activities could contribute to some extent to the achievement of the goals 4 (quality education), 5 (gender equality), 8 (decent work and economic growth), and 10 (reducing inequality).

2. Learning results

  • Know the main elements of a linear regression model and know how to deduce its properties.
  • To be able to construct a linear regression model and use it as a predictive model.
  • Know the theoretical bases of  the Analysis of Variance (ANOVA) and its application to linear models.

3. Syllabus

  1. Simple linear regression model: assumptions, estimation of parameters, inference and validation of regression models.
  2. Multiple linear regression model: estimation, validation and inference. Analysis of variance and covariance. Strategies for solving assumption departures. Introduction to model selection.
  3. Extending the linear model: an introduction to generalized linear models.

4. Academic activities

Master classes: 30 hours.
Problem solving: 18 hours.
Computer classes: 12 hours.
Study: 84 hours.
Assessment tests: 6 hours.

5. Assessment system

The course will be passed by obtaining at least 5 points from the following intermediate tests:

  • Written test on simple linear regression (1.5 points out of 10).
  • Computer test on the simple linear regression model (1.5 points out of 10). 
  • A written report on a multiple linear regression project and its oral presentation (3 out of 10 points).
  • Examination of multiple regression problems (4 out of 10 points).

Alternatively, and in accordance with the current regulations, the course can be passed by means of a global test of theoretical-practical and computer questions with a weight of 70%-30% respectively in the official calls.


Curso Académico: 2023/24

453 - Graduado en Matemáticas

27033 - Técnicas de regresión


Información del Plan Docente

Año académico:
2023/24
Asignatura:
27033 - Técnicas de regresión
Centro académico:
100 - Facultad de Ciencias
Titulación:
453 - Graduado en Matemáticas
Créditos:
6.0
Curso:
4
Periodo de impartición:
Primer semestre
Clase de asignatura:
Optativa
Materia:
---

1. Información básica de la asignatura

Se trata de una asignatura optativa enmarcada en el módulo de Probabilidad y Estadística; que complementa la formación de la asignatura obligatoria de tercer curso Estadística matemática e introduce el proceso de ajuste de un modelo estadístico.

Los planteamientos y objetivos de la asignatura están alineados con los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030 de Naciones Unidas; en concreto, las actividades de aprendizaje previstas en esta asignatura contribuirán en alguna medida al logro de los objetivos 4 (educación de calidad), 5 (igualdad de género), 8 (trabajo decente y crecimiento económico) y 10 (reducción de las desigualdades).

2. Resultados de aprendizaje

  • Conocer los elementos principales de un modelo de regresión lineal y saber deducir sus propiedades.
  • Ser capaz de construir un modelo de regresión lineal y utilizarlo como modelo predictivo.
  • Conocer las bases teóricas del Análisis de la Varianza y su aplicación a los modelos lineales.

3. Programa de la asignatura

  1. El modelo de regresión lineal simple: hipótesis, estimación, validación e inferencia.
  2. Regresión lineal múltiple: estimación, validación e inferencia. Análisis de varianza y covarianza. Estrategias para abordar las desviaciones en las hipótesis. Introducción a la selección de modelos.
  3. Extensiones del modelo lineal: introducción a los modelos lineales generalizados.

4. Actividades académicas

Clases magistrales: 30 horas.
Resolución de problemas y casos: 18 horas.
Prácticas informatizadas: 12 horas.
Estudio: 84 horas.
Pruebas de evaluación: 6 horas.

5. Sistema de evaluación

Se superará el curso obteniendo al menos 5 puntos de las siguientes pruebas intermedias:

  • prueba escrita sobre regresión lineal simple (1.5 puntos de 10)
  • prueba de ordenador sobre el modelo de regresión lineal simple (1.5 puntos de 10)
  • informe escrito sobre un proyecto de regresión lineal múltiple y su exposición oral (3 puntos de 10)
  • examen de problemas de regresión múltiple (4 puntos de 10)

Alternativamente, y de acuerdo con la normativa vigente, se podrá superar la asignatura mediante la realización de una prueba global de cuestiones teorico-prácticas y de ordenador con un peso del 70%-30% respectivamente en las convocatorias oficiales.