proyecto docente modelos lineales y diseño de …

Datos básicos de la asignaturaTitulación: Grado en MatemáticasAño plan de estudio: 2009

Curso implantación: 2011-12Centro responsable: Facultad de Matemáticas

Nombre asignatura: Modelos Lineales y Diseño de ExperimentosCódigo asigantura: 1710027Tipología: OPTATIVACurso: 3Periodo impartición: Segundo cuatrimestre

Créditos ECTS: 6Horas totales: 150Área/s: Estadística e Investigación OperativaDepartamento/s: Estadística e Investigación Operativa

Coordinador de la asignatura

CARRIZOSA PRIEGO EMILIO J.

Profesorado

Profesorado del grupo principal:

CARRIZOSA PRIEGO EMILIO J.

Profesorado de otros grupos de la asignatura:

BARRANCO CHAMORRO INMACULADA

GARCIA DE LAS HERAS JOAQUIN A.

Objetivos y competencias

OBJETIVOS:

- Conocer los principales modelos de regresión, de diseño de experimentos y otros modelos

relacionados como herramientas de modelización para el análisis estadístico de datos.

- Saber diseñar un experimento para su posterior análisis estadístico.

PROYECTO DOCENTE

Modelos Lineales y Diseño de Experimentos


CURSO 2020-21

Última modificación 06/09/2020 Página 1 de 12

- Identificar y validar el modelo que se ajusta a una situación experimental dada.

- Saber resolver los problemas de inferencia y predicción asociados a estos modelos.

- Saber utilizar un paquete estadístico para la resolución de los modelos estudiados.

- Capacidad para construir los modelos estadísticos pertinentes y extraer conclusiones sobre la

solución obtenida con ayuda de software adecuado

COMPETENCIAS:

Competencias específicas:

- Comprender y utilizar el lenguaje matemático, en particular, en el ámbito de la Estadística. Adquirir

la capacidad para enunciar proposiciones en distintos campos de las matemáticas, para construir

demostraciones y para transmitir los conocimientos matemáticos y estadísticos adquiridos.

- Asimilar la definición de un nuevo objeto matemático y/o estadístico, en términos de otros ya

conocidos, y ser capaz de utilizar este objeto en diferentes contextos.

- Saber abstraer las propiedades estructurales (de objetos matemáticos y/o estadísticos, de la

realidad observada y de otros ámbitos) distinguiéndolas de aquellas puramente ocasionales, y

poder comprobarlas con demostraciones o refutarlas con contraejemplos, así como identificar

errores en razonamientos incorrectos.

- Resolver problemas matemáticos y/o estadísticos, planificando su resolución en función de las

herramientas disponibles y de las restricciones de tiempo y recursos.

- Proponer, analizar, validar e interpretar modelos de situaciones reales, utilizando las herramientas

matemáticas y/o estadísticas más adecuadas a los fines que se persigan.

- Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico,

visualización gráfica, optimización u otras para experimentar en Matemáticas y/o Estadística y

resolver problemas.

- Desarrollar programas que resuelvan problemas matemáticos y/o estadísticos utilizando para cada

PROYECTO DOCENTE



CURSO 2020-21


caso el entorno computacional adecuado.

Competencias genéricas:

- Saber aplicar los conocimientos básicos y matemáticos de la materia a su trabajo o vocación de

una forma profesional y poseer las competencias que suelen demostrarse por medio de la

elaboración y defensa de argumentos y la resolución de problemas dentro de las matemáticas y

ámbitos en que se aplican directamente.

- Saber reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre

temas relevantes de índole social, científica o ética.

- Poder transmitir información, ideas, problemas y sus soluciones, de forma escrita u oral, a un

público tanto especializado como no especializado.

- Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios

posteriores con un alto grado de autonomía.

- Utilizar herramientas de búsqueda de recursos bibliográficos.

Contenidos o bloques temáticos

Modelos de regresión.

Modelos de diseño de experimentos.

Otros modelos relacionados.

Relación detallada y ordenación temporal de los contenidos

BLOQUE 0. Intervalos de confianza y contraste de hipótesis.

BLOQUE 1. Modelos lineales en regresión. El teorema de Gauss-Markov. Inferencia y contraste de

hipótesis en modelos lineales. Selección de Variables. Modelos lineales dispersos: el lasso.

BLOQUE 2. Modelos lineales en clasificación. Regresión logística.

BLOQUE 3. Diseño estadístico de experimentos. Experimentos con un factor. Comparaciones

PROYECTO DOCENTE



CURSO 2020-21


múltiples. Diseños factoriales. Otros diseños.

Actividades formativas y horas lectivas

Actividad Créditos Horas

B Clases Teórico/ Prácticas 3 30

G Prácticas de Informática 3 30

Metodología de enseñanza-aprendizaje

Clases teóricas

La asignatura se desarrollará adaptando la metodología en función del número de estudiantes y de

la tipología de estudiantes de cada curso académico.

Básicamente, se expondrá el contenido teórico de los temas a través de clases presenciales,

siguiendo libros de texto de referencia y/o documentación previamente facilitada al estudiante, que

servirán para fijar los conocimientos y contenidos ligados a las competencias previstas.

A partir de esas clases teóricas, los profesores podrán proponer a los estudiantes la realización de

trabajos personales (individuales y/o grupales), para cuya realización tendrán el apoyo del profesor

en seminarios y/o tutorías, de forma que los estudiantes puedan compartir con sus compañeros y

con el profesor las dudas que encuentren, obtener solución a las mismas y comenzar a alcanzar por

sí mismos las competencias.

Por otra parte, se podrá pedir a los estudiantes que desarrollen un trabajo personal de estudio y

asimilación de la teoría, resolución de problemas propuestos y preparación de los trabajos

propuestos, para alcanzar las competencias previstas.

Prácticas (otras)

Las prácticas se desarrollarán adaptando la metodología en función del número de estudiantes y de

la tipología de estudiantes de cada curso académico.

Las clases prácticas de resolución de problemas y/o estudio de casos prácticos permitirán la

aplicación de las definiciones, propiedades y demás contenidos expuestos en las clases teóricas,

utilizando cuando sea conveniente medios informáticos (en las aulas de informática preparadas

para ello), de modo que los estudiantes se inicien en las competencias previstas.

PROYECTO DOCENTE



CURSO 2020-21


A partir de esas clases prácticas, los profesores podrán proponer a los estudiantes la realización de

trabajos personales (individuales y/o grupales), para cuya realización tendrán el apoyo del profesor

en seminarios y/o tutorías, de forma que los estudiantes puedan compartir con sus compañeros y

con el profesor las dudas que encuentren, obtener solución a las mismas y comenzar a alcanzar por

sí mismos las competencias.

Por otra parte, se podrá pedir a los estudiantes que desarrollen un trabajo personal de estudio y

asimilación de resolución de problemas propuestos y preparación de los trabajos propuestos, para

alcanzar las competencias previstas.

Sistemas y criterios de evaluación y calificación

La evaluación se podrá realizar a través de pruebas escritas, trabajos personales (individuales y/o

en grupo), exposiciones, participación en las actividades presenciales u otros medios. Todo ello

será explicitado en el proyecto docente de la asignatura.

La evaluación se realizará a partir de mecanismos que permitan la evaluación alternativa y un

examen final.

Los profesores fijarán en el proyecto docente anual la ponderación correspondiente a cada uno de

las actividades contempladas en la misma, respetando lo recogido en el Estatuto de la Universidad

de Sevilla.

Criterios de calificación del grupo

Los exámenes de las convocatorias oficiales de la asignatura contendrán cuestiones teóricas y

problemas (resolución numérica de problemas e interpretación de los resultados obtenidos con el

paquete estadístico R), siendo la nota global la media entre ambas partes, siempre que en cada una

de las partes se supere la calificación de tres puntos sobre diez.

Existe un procedimiento alternativo de evaluación continua, que permite a los alumnos superar la

asignatura antes de realizar el examen de la convocatoria oficial de junio. Según este procedimiento

alternativo, durante el periodo de clases se realizarán diferentes pruebas para cada tema o conjunto

de temas. Estas pruebas, debidamente anunciadas en clase, consistirán en exámenes y/o trabajos

prácticos. Cada prueba será evaluada sobre diez puntos. Los alumnos que reúnan las siguientes

condiciones tendrán la asignatura superada sin necesidad de realizar el examen correspondiente a

PROYECTO DOCENTE



CURSO 2020-21


la primera convocatoria oficial:

1. Tener como máximo una prueba suspensa. En su caso, la calificación de ésta debe ser al menos

de 4 puntos.

2. Obtener una calificación media, entre todas las pruebas, de al menos cinco puntos.

Plan de Contingencia para el Curso 2020/21

Se seguirán las medidas de adaptación aprobadas el 29 de julio de 2020 en la Junta de Centro de

la Facultad de Matemáticas.

Escenario A: Se adoptará un sistema multimodal o híbrido de enseñanza que combine clases

presenciales preferentemente, clases online (sesiones síncronas) y actividades formativas no

presenciales para el aprendizaje autónomo de los estudiantes. Los exámenes, tanto de evaluación

alternativa como de las convocatorias, se realizarán de forma presencial.

Escenario B: Se llevarán a cabo las adaptaciones necesarias para el desarrollo de la docencia y de

la evaluación de la asignatura de forma no presencial mediante la plataforma de Enseñanza Virtual

de la Universidad de Sevilla y cualquier otro medio puesto a disposición de la comunidad

universitaria. En este escenario, todas las actividades incluidas en el Proyecto Docente

(metodología de enseñanza-aprendizaje (clases teóricas, prácticas, evaluaciones, tutorías, etc.) se

realizarán utilizando los recursos para la enseñanza en línea (on-line) de la Universidad de Sevilla.

Para completar cualquier proceso de calificación, el profesor podrá proponer al estudiantado un

debate/una discusión oral o similar.

En ambos escenarios, cuando proceda, el personal docente implicado en la impartición de la

docencia se reserva el derecho de no dar el consentimiento para la captación, publicación,

retransmisión o reproducción de su discurso, imagen, voz y explicaciones de cátedra, en el ejercicio

de sus funciones docentes, en el ámbito de la Universidad de Sevilla.

PROYECTO DOCENTE



CURSO 2020-21


Horarios del grupo del proyecto docente

https://matematicas.us.es/index.php/informacion-academica/horarios

Calendario de exámenes

https://matematicas.us.es/index.php/informacion-academica/examenes

Tribunales específicos de evaluación y apelación

Presidente: RAFAEL BLANQUERO BRAVO

Vocal: MARIA TERESA GOMEZ GOMEZ

Secretario: ALICIA ENGUIX GONZALEZ

Suplente 1: ANTONIO PASCUAL ACOSTA

Suplente 2: JOSE LUIS PINO MEJIAS

Suplente 3: MARIA DOLORES JIMENEZ GAMERO

Bibliografía recomendada

BIBLIOGRAFÍA GENERAL:

Sensitivity analysis in linear regression

Autores: Chatterjee, S. ;

Hadi, A.

Edición: 3rd ed.

Publicación: New York : John Wiley and Sons, 1988

ISBN: 2-85816-517-3

Log-linear models.

Autores: Christensen, R.

Edición: 3rd ed.

Publicación: New York : Speinger Verlag, 1990

ISBN: 2-85816-517-3

An introduction to generalized linear models.

PROYECTO DOCENTE



CURSO 2020-21


Autores: Dobson, A.

Edición: 3rd ed.

Publicación: London : Chapman and Hall, 2008

ISBN: 2-85816-517-3

Multivariate Statistical Modelling based on generalized linear models

Autores: Fahrmeir, L. y Tutz, G.

Edición: 2nd ed.

Publicación: New York : Springer Verlag, 2001

ISBN: 2-85816-517-3

Linear models winth R

Autores: Faraway, J.

Edición: 2nd ed.

Publicación: Boca Raton, Florida: Chapman and Hall, 2005

ISBN: 2-85816-517-3

Theory and applications of the linear model

Autores: Graybill, Franklin A.

Edición: 2nd ed.

Publicación: North Scituate, Mass.: Duxbury Press, 1976

ISBN: 0-87872-108-8

Regression modeling strategies : with applications to linear models, logistic regression, and surviv

Autores: Harrell, F. E

Edición: 2nd ed.

Publicación: New York : Springer, cop. 2001

ISBN: 0-87872-108-8

The Elements of Statistical Learning: Data Mining, Inference, and Prediction

Autores: Hastie, Trebor; Tibshirani, Robert ; Friedman, Jerome

Edición: 2nd ed.

Publicación: Disponible en formato electrónico

ISBN: 9780387848587

Design and analysis of experiments

Autores: Hinkelmann, K. ; Kempthorne, O.

PROYECTO DOCENTE



CURSO 2020-21


Edición: 2nd ed.

Publicación: New York : Wiley-Interscience, cop. 2005

ISBN: 9780387848587

Multiple comparison procedures

Autores: Hochberg, Y.;

Tamhane. A.C.

Edición: 2nd ed.


ISBN: 9780387848587

The theory of linear models

Autores: Jorgensen, B.

Edición: 2nd ed.

Publicación: New York: Chapman and Hall, 1993

ISBN: 9780387848587

Linear estimation and design of experiments

Autores: Joshi, D.D.

Edición: 2nd ed.

Publicación: New York : John Wiley and sons, 1987

ISBN: 9780387848587

A course in linear models

Autores: Kshirsagar, Anant M.

Edición: 2nd ed.

Publicación: New York : Marcel Dekker, 1983

ISBN: 9780387848587

Simultaneous statistical inference

Autores: Miller, R.G.

Edición: 2nd ed.

Publicación: New York: Springer-Verlag, 1981

ISBN: 0-387-90548-0

A primer on linear models

PROYECTO DOCENTE



CURSO 2020-21


Autores: Monahan, J.

Edición: 2nd ed.


ISBN: 0-387-90548-0

Diseño y análisis de experimentos

Autores: Montgomery, D.C.

Edición: 2nd ed.

Publicación: México, D.F. : Limusa, 2004

ISBN: 0-387-90548-0

Applied linear statistical models : Regression, analysis of variance and experimental designs

Autores: Neter, John;

Wasserman, William

Edición: 2nd ed.

Publicación: Homewood : Irwin, 1974

ISBN: 0-387-90548-0

Sample size choice : Charts for experiments with linear models

Autores: Odeh, R.E. and Fox, M.

Edición: 2nd ed.

Publicación: New York : Marcel Dekker, 1975

ISBN: 0-387-90548-0

A first course in linear model theory

Autores: Ravishanker, N. y They, D.

Edición: 2nd ed.


ISBN: 0-387-90548-0

Linear regression analysis

Autores: Seber, G. A. F.

Edición: 2nd ed.


ISBN: 0-387-90548-0

PROYECTO DOCENTE



CURSO 2020-21


Mathematical algorithms for linear regression

Autores: Spath, H.

Edición: 2nd ed.

Publicación: Boston: Academic Press, 1991

ISBN: 0-387-90548-0

Linear statistical models

Autores: Stapleton, J.H.

Edición: 2nd ed.

Publicación: Hoboken : Wiley Cop. 2009

ISBN: 0-387-90548-0

Experimental design and model choice :the planning and analysis of experiments with continuous or

ca

Autores: Toutenburg, Helge.

Edición: 2nd ed.

Publicación: Heidelberg Physica, 1995

ISBN: 0-387-90548-0

A first course in the design of experiments : a linear models approach

Autores: Weber, Donald C.;

Skillings, John H.

Edición: 3rd ed.

Publicación: Boca Raton, Florida : CRC Press, 2000.

ISBN: 2-85816-517-3

Applied linear regression

Autores: Weisberg, S.

Edición: 3rd ed.


ISBN: 2-85816-517-3

Handbook for linear regression

Autores: Younger, M.S.

Edición: 8ª edición . 2016

Publicación: North Scituate, Mass. : Duxbury Press, 1979

PROYECTO DOCENTE



CURSO 2020-21


ISBN: 2-85816-517-3

INFORMACIÓN ADICIONAL

? Harrel, Frank. Regresion Modeling Strategies. Springer.

? Hastie, Trebor; Tibshirani, Robert; Friedman, Jerome. The elements of Statistical Learning: Data

Mining, Inference and Prediction. Springer.

? Montgomery, Douglas. Diseño y análisis de experimentos. Limusa.

? Peña, Daniel. Regresión y diseño de experimentos. Alianza Editorial.

PROYECTO DOCENTE



CURSO 2020-21


proyecto docente modelos lineales y diseño de …

Documents