No hay comentarios.

CURSO: MODELOS ANALITICOS
TRADUCCION: ANALYTICAL MODELS
SIGLA: MAN 3080
CREDITOS: 5 UC
MODULOS: 4
CARACTER: MINIMO
TIPO: CATEDRA
CALIFICACION: ESTANDAR
PALABRAS CLAVE:MODELOS ANALITICOS, BIG DATA
NIVEL FORMATIVO: MAGISTER


I.DESCRIPCIÓN DEL CURSO

Modelos Analiticos es un curso que entrega en sus egresados un conocimiento de las principales herramientas para el modelamiento analitico de datos. Con las metodologias presentadas en el curso, los estudiantes podran enfrentar los nuevos desafios de la era digital en sus organizaciones, resolver problemas de negocios haciendo un uso efectivo de la informacion y generando valor agregado en los procesos criticos de sus organizaciones. Ademas, el estudiante egresado podra integrar los metodos expuestos en el curso con plataformas de Big Data para aplicar modelos analiticos sobre grandes volumenes de informacion.

II.RESULTADOS DE APRENDIZAJE

1.Comprender el valor de los modelos de aprendizaje estadistico para apoyar la toma de decisiones en un contexto de negocio.
2.Identificar alternativas para un modelamiento analitico.
3.Aplicar los principales metodos de modelamiento predictivo utilizando las principales librerias de R.
4.Seleccionar un determinado modelo analitico sobre un conjunto de datos reales.
5.Analizar criticamente la calidad de un modelo predictivo basado en datos


III.CONTENIDOS

1. Modelo de Regresion Clasica

1.1. Modelo de regresion lineal
1.2. Analisis del modelo: Interpretacion coeficientes, inferencia estaditica, prediccion y bondad del ajuste.
1.3. Aplicaciones en R a marketing, finanzas y personas

2. Extensiones del Modelo de Regresion Clasica

2.1. Variables independientes categoricas
2.2. Seleccion de variables
2.3. Inferencia casual
2.4. Aplicaciones en R a marketing, finanzas y personas

3. Regresion Logistica

3.1. Modelos de Regresion Logistica
3.2. Analisis del modelo: Interpretacion coeficientes, inferencia estadistica
3.3. Analisis de chances (odds)
3.4. Analisis de Deciles
3.5. Prediccion y matrices de confusion
3.6. Aplicaciones en R a marketing, finanzas y personas

4. Modelos de eleccion discreta

4.1. Estimacion y analisis del modelo de eleccion discreta
4.2. Aplicaciones en R a marketing, finanzas y personas


IV.ESTRATEGIAS METODOLOGICAS

- Catedra en sesiones sincronicas
- Videoclases
- Podcast y/o video tutorial
- Discusion de casos.
- Lecturas
- Analisis de casos
- Test formativos
- Foros de discusion
- Trabajos aplicados


V.ESTRATEGIAS EVALUATIVAS

- Controles (30%)
- Tareas (40%)
- Foro de discusion (10%).
- Trabajo final (20%).


El curso contendra ademas actividades formativas (sin calificacion), las que tienen como proposito la preparacion para las evaluaciones calificadas.


VI.BIBLIOGRAFIA

Minima:

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning. Springer.

Wooldrige, J. (2015). Introduccion a la econometria: un enfoque moderno. Quinta edicion. Cengage Learning.

Modeling Discrete Choice: Categorical Dependent Variables, Logistic Regression, and Maximum Likelihood Estimation, HBS

Applied Logistic Regression, by David W. Hosmer, Jr., Stanley Lemeshow, and Rodney X. Sturdivant, Wiley 2013, Cap. 8

Amemiya, T. (1981). ?Qualitative Response Models: A Survey.? Journal of Economic Literature 19:483?536., Seccion 3.

Limited-Dependent and Qualitative Variables in Econometrics, G.S. Maddala, New York: Cambridge University Press, 1983. Cap. 3

Guadagni, P.M. y J.D.C. Little (2008) A Logit Model of Brand Choice Calibrated on Scanner Data. Marketing Science Vol. 27, No. 1, pp. 29-48.

Causal Inference, Harvard Business School.


Complementaria:

Stock, J. H., & Watson, M. W. (2015). Introduction to econometrics. Third edition.
Boston: Addison Wesley. Capitulo 13.

P. Gertler et al., (2017). La evaluacion de impacto en la practica. Segunda edicion. Grupo
Banco Mundial. Capitulos 3, 4 y 7


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
FACULTAD DE ECONOMIA Y ADMINISTRACION / MARZO 2022