(2021-2) juliancamusdeu: Lo encontre un muy buen ramo. Se aprende mucho en poco tiempo. Las pruebas no son muy difíciles mientras uno vaya a todas las clases y las aproveche. Lo más difícil del ramo son los laboratorios. Dependiendo del grupo que a uno le toca le puede tocar dedicarle entre 6 -12 horas a cada informe y se hace muy pesado.

(2022-1) apbuzdon: Es muy parecido a química la primera materia del ramo, apréndanse los valores teóricos de los materiales que se estudian, siempre los consideran como que los saben en las pruebas

CURSO: MODELOS LINEALES GENERALIZADOS
TRADUCCION: GENERALIZED LINEAR MODELS
SIGLA: EYP3307
CREDITOS: 10
MODULOS: 03 (02 CATEDRAS, 01 AYUDANTIA)
CARACTER: MINIMO
TIPO: CATEDRA
CALIFICACION: ESTANDAR
DISCIPLINA: ESTADISTICA
PALABRAS CLAVE: FAMILIA EXPONENCIAL, INFERENCIA, MODELOS LINEALES, MODELOS MIXTOS


I. DESCRIPCIÓN DEL CURSO

Este curso extiende la estructura del modelo lineal para permitir variables respuestas que no se distribuyen en forma Gaussiana. En los modelos lineales generalizados, la variable respuesta tiene una distribucion en la familia exponencial y su media se relaciona con covariables a traves de una funcion de enlace y un predictor lineal. El curso incluye una revision de la teoria asociada a estos modelos, incluyendo su estimacion e inferencia. En particular, se estudian modelos para respuestas binarias, categoricas, respuestas positivas, modelos para datos de conteo, entre otros. La aplicacion de estos modelos a datos reales se llevara a cabo mediante laboratorios computacionales.


II. OBJETIVOS DE APRENDIZAJE

1. Identificar las restricciones asociadas a los modelos lineales generalizadosConstruir modelos lineales generalizados para representar y entender fenomenos observados

2. Inferir caracteristicas de una poblacion a partir de los modelos lineales generalizados

3. Evaluar hipotesis respecto a parametros poblacionales estimados mediante modelos lineales generalizados

4. Dominar herramientas computacionales para el ajuste y diagnostico de modelos lineales generalizados


III. CONTENIDOS

1. Herramientas Basicas: Familia exponencial e inferencia.

2. Modelos Lineales Generalizados: Los componentes del modelo, medidas de bondad de ajuste, analisis de residuos y algoritmos para el ajuste de modelos.

3. Modelos para Respuestas Binomiales: Regresion logistica. Seleccion de modelos, diagnosticos, equivalencias con el analisis de tablas de contingencia, potencia y tama?o muestral. Enlaces alternativos.

4. Modelos para Respuestas Multinomiales: Regresion logistica para datos multinomiales, modelos de logit acumulado para respuestas ordinales, modelo logistico de tasa de continuacion y analisis de sobrevida discreto.

5. Modelos Log-Lineales: Tablas de contingencia de dos, tres y mas entradas. Seleccion de modelos y evaluacion.

6. Modelos para Respuestas Positivas: Regresion gamma y exponencial.

7. Modelos para Respuestas Acotadas y Proporciones: Regresion beta.

8. Modelos Lineales Aditivos y Generalizados: Formas de suavizamiento, modelos aditivos, modelos aditivos generalizados, y algoritmos para su ajuste.


IV. METODOLOGIA PARA EL APRENDIZAJE

- Clases expositivas
- Clases de ejercicios
- Laboratorios


V. EVALUACION DE APRENDIZAJES

- Pruebas escritas
- Tareas
- Informes escritos
- Presentacion oral de proyectos
- Examen final escrito


VI. BIBLIOGRAFIA

Minima

McCullagh, P., Nelder, J.A. (1989). Generalized linear models. 2nd Ed. Chapman and Hall/CRC, New York, USA.


Complementaria

Agresti, A. (2003). An introduction to categorical data analysis. 2nd ed. John Wiley and Sons, New York, USA

Agresti, A. (2002). Categorical data analysis. John Wiley and Sons, New York, USA.

Christensen, R. (1997). Log?linear models and logistic regression. 2nd Edition. Springer?Verlag, New York, USA.

Dobson, A.J., Barnett, A. 2008. An introduction to generalized linear models. 3rd ed. Chapman and Hall/CRC, New York, USA.

Hastie, T.J., Tibshirani, R.J. (1990). Generalized additive models. Chapman and Hall/CRC, New York, USA.

Le, C. (1998). Applied categorical data analysis. John Wiley and Sons, New York, USA.

Stokes, M.E., Davis, C.S., Koch, G.C. (2000). Categorical data analysis using the SAS system. 2nd Edition. SAS Publishing, USA.

Venables, W.N., Ripley, B.D. (1999). Modern applied statistics with S?PLUS. Springer?Verlag, New York, USA.


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
FACULTAD DE MATEMATICAS / NOVIEMBRE 2017