Descripción del curso
En el curso de Modelos de Regresión y Series de Tiempo, se desarrollan conceptos y técnicas para el estudio de relaciones entre variables cuando hay una fuente de error no controlable o perturbación. Esta inclusión de ruido en el modelo se hace por necesidades prácticas y con el fin de simplificar el estudio de los fenómenos.
El curso presenta herramientas estadísticas básicas para relacionar una variable dependiente en función de una o más variables independientes llamadas regresoras. Se profundiza en los métodos de mínimos cuadrados en las medidas remediales para casos en los que los problemas no se puedan ajustar a los requerimientos o supuestos básicos de la teoría. Se requiere un manejo apropiado de los conceptos abordados en el curso de Probabilidad y Estadística, tales como variables aleatorias, estimación, pruebas de hipótesis, entre otros.
El curso tiene un componente práctico y requiere del manejo de lenguajes de programación y software estadístico para apoyar la construcción e interpretación de los modelos sobre conjuntos de datos que no deberían tratarse de forma manual1. Se usará el software de R y RStudio según las necesidades del tema. En general se asumirá que los estudiantes tienen experiencia en **lógica y algoritmia*.
Propósito
Al finalizar el curso, el estudiante estará en capacidad de:
- Interpretar analítica y gráficamente los modelos de regresión lineal simple.
- Manipular de manera eficiente, a través del álgebra lineal los modelos de regresión de múltiples variables.
- Seleccionar y validar las variables y tipos de modelos que mejor se ajustan a un conjunto de datos dado.
- Diferenciar los modelos de clasificación de los modelos de regresión.
- Entender modelos de series de tiempo
Programación específica
En la siguiente tabla se encuentra la programación esperada para el curso:
| Semana | Fecha | Tema | Evaluaciones |
|---|---|---|---|
| 1 | 2024-07-16 | Presentación del curso | |
| 1 | 2024-07-18 | Introducción a los modelos de regresión | |
| 2 | 2024-07-23 | Modelo de regresión lineal simple - características del modelo | |
| 2 | 2024-07-25 | Estimación de parámetros mediante mínimos cuadrados | |
| 3 | 2024-07-30 | Propiedades de la función estimada mediante mínimos cuadrados | |
| 3 | 2024-08-01 | Inferencias sobre el modelo de regresión lineal simple y análisis de correlación | |
| 4 | 2024-08-06 | Inferencias sobre el modelo de regresión lineal simple y análisis de correlación | |
| 4 | 2024-08-08 | Inferencias sobre el modelo de regresión lineal simple y análisis de correlación | |
| 5 | 2024-08-13 | Examen 1 (15%) | Examen parcial 1 (15%) - Seguimiento 1 (10%) |
| 5 | 2024-08-15 | Diagnóstico del modelo y medidas remediales | |
| 6 | 2024-08-20 | Diagnóstico del modelo y medidas remediales | |
| 6 | 2024-08-22 | Diagnóstico del modelo y medidas remediales | |
| 7 | 2024-08-27 | Diagnóstico del modelo y medidas remediales | |
| 7 | 2024-08-29 | Diagnóstico del modelo y medidas remediales | |
| 8 | 2024-09-03 | Diagnóstico del modelo y medidas remediales | |
| 8 | 2024-09-05 | Diagnóstico del modelo y medidas remediales | |
| 9 | 2024-09-10 | Examen 2 (15%) | Examen parcial 2 (15%) - Seguimiento 2 (10%) |
| 9 | 2024-09-12 | Regresión líneal múltiple - características del modelo | |
| 10 | 2024-09-17 | Estimación de parámetros mediante mínimos cuadrados | |
| 10 | 2024-09-19 | Inferencias sobre el modelo de regresión lineal múltiple | |
| 11 | 2024-09-24 | Inferencias sobre el modelo de regresión lineal múltiple | |
| 11 | 2024-09-26 | Diagnóstico del modelo y medidas remediales | |
| 12 | 2024-10-01 | Diagnóstico del modelo y medidas remediales | |
| 12 | 2024-10-03 | Selección del modelo y validación | |
| 13 | 2024-10-08 | Examen 3 (15%) | Examen parcial 3 (15%) - Seguimiento 3 (10%) |
| 13 | 2024-10-10 | Variables categóricas en el modelo de regresión | |
| 14 | 2024-10-15 | Variables categóricas en el modelo de regresión | |
| 14 | 2024-10-17 | Introducción a series de tiempo | |
| 15 | 2024-10-22 | Métodos de suavizado exponencial | |
| 15 | 2024-10-24 | Métodos de suavizado exponencial | |
| 16 | 2024-10-29 | Modelo autorregresivo integrado de promedio móvil (ARIMA) | |
| 16 | 2024-10-31 | Modelo autorregresivo integrado de promedio móvil (ARIMA) | |
| 17 | 2024-11-05 | Semana de exámenes finales | |
| 17 | 2024-11-07 | Examen final 15% | Examen final (15%) - Seguimiento 4 (10%) |
| 18 | 2024-11-12 | Semana de exámenes finales | |
| 18 | 2024-11-14 | Semana de exámenes finales |
Evaluación
En la siguiente tabla se encuentra la programación de evaluaciones para el curso:
| Tipo | Evaluación | Fecha | Peso |
|---|---|---|---|
| Seguimiento | Seguimiento 1 | 16 de julio - 12 de agosto | 0.10 |
| Examen | Examen parcial 1 | 13 de agosto | 0.15 |
| Seguimiento | Seguimiento 2 | 13 de agosto - 09 de septiembre | 0.10 |
| Examen | Examen parcial 2 | 10 de septiembre | 0.15 |
| Seguimiento | Seguimiento 3 | 10 de septiembre - 07 de octubre | 0.10 |
| Examen | Examen parcial 3 | 08 de octubre | 0.15 |
| Seguimiento | Seguimiento 4 | 08 de octubre - 31 de octubre | 0.10 |
| Examen | Examen final | 07 de noviembre | 0.15 |
En cualquier clase se puede realizar una actividad de seguimiento, quiz, taller, trabajo en equipo o similar. También existen actividades de seguimiento extraclase cuya entrega se realiza vía Moodle.
Las calificaciones se aproximarán a dos cifras decimales. Éstas se pueden ver en el curso virtual de apoyo a la presencialidad Moodle en la sección Calificaciones. Posteriormente serán subidas al SIGAA en las fechas estipuladas por el Calendario Institucional. La nota aprobatoria mínima es de \(3.00\) (\(2,9999999...\) no equivale a \(3.00\)), La calificación máxima es \(5.00\).
Los quizees, pruebas cortas y exámenes que, por fuerza mayor o caso fortuito, no se presenten deben poseer excusa autorizada por dirección de programa, para poder realizar actividad supletoria.
Dedicación requerida
El curso de Diseño de Experimentos posee \(3\) créditos. Un \(1\) crédito equivale a \(48\) horas de trabajo por parte del estudiante, lo que supone \(144\) horas de trabajo total. Esas \(144\) horas se dividirán de la siguiente manera:
- Clases presenciales: \(64\) horas. Equivalente a \(4\) horas semanales durante \(16\) semanas
- Trabajo autónomo (extraclase): \(80\) horas. Equivalente a \(5\) horas semanales durante \(16\) semanas.
Las actividades extraclase que tengan entregables, se deben hacer en el curso virtual de apoyo a la presencialidad en la plataforma Moodle.
Curso virtual de apoyo a la presencialidad
El curso virtual de apoyo a la presencialidad está disponible en el campus B-Learning Moodle.
En este espacio estará disponible todo el material del curso, conforme vaya pasando la programación. Se entregan todas las actividades extraclase.
El plazo de actividades que se presentan mediante el curso virtual no se cambia.
Correo grupal.
Para la gestión del curso se tiene un correo grupal mediante el cual se harán todas las comunicaciones. Si desea realizar una pregunta o consulta, este es el medio idóneo. La dirección electrónica a la que puede escribir es modelosderegresin14923@upb.edu.co. Revise de manera continua las comunicaciones del curso en su correo institucional en la sección Grupos.
Correo electrónico de interés general escrito al correo del docente será redirigido al correo grupal del curso. En caso tener una consulta de interés particular, puede escribir al correo del docente delio.salgado@upb.edu.co.
Las actividades presentadas al correo grupal o al correo del docente no serán tenidas en cuenta.
En el caso de escribir al correo grupal o cualquier medio virtual, se recomienda usar la siguiente estructura:
- Asunto
- Saludo
- Contenido
- Despedida
- Firma
Evite el uso de mayúsculas sostenida.
Cuide la ortografía, digitación y gramática.
Atención extraclase
En caso de ser necesario asesoría o atención extraclase con el docente, se cuenta inicialmente con los siguientes horarios:
- Lunes 10:00 am - 12:00 m.
- Miércoles 10:00 am - 12:00 m.
- Viernes 10:00 am - 12:00 m.
Lugar: Bloque 3 - Piso 5. Oficinas de atención a estudiantes o vía Microsoft Teams.
Se debe solicitar espacio con al menos 24 horas de antelación a través de la plataforma APPOINTY. En caso de ser necesario puede cancelar su cita con al menos 6 horas de anticipación.
Aspectos metodológicos
El curso se desarrollará principalmente mediante conferencias temáticas por parte del docente. Lo anterior se complementará con talleres en clase, trabajo en equipo y aprendizaje colaborativo.
Se espera que en el curso se desarrollen, entre otras, las siguientes competencias y habilidades:
- Pensamiento crítico.
- Trabajo en equipo.
- Comunicación interpersonal.
- Autonomía.
- Búsqueda de información de calidad.
- Presentaciones orales.
- Presentación de informes escritos.
- Elaboración de ayudas visuales.
Notas importantes
Evite el plagio, en caso de presentar actividades en donde el docente detecte esta práctica, su calificación será de \(0.00\).
La asistencia es de carácter obligatorio. Es necesario que el estudiante participe en al menos el \(80\%\) de las actividades del curso. La inasistencia será causal de pérdida del curso con una calificación \(0.00\) (Art. 41. Reglamento Estudiantes.
La inasistencia por razones de enfermedad o fuerza mayor deberá justificarse al igual que las ausencias por eventos académicos, científicos, culturales y deportivos, en representación de la Universidad. La excusa no exime de la falta de asistencia.
Libros guía.
Kutner, M.H; Nachtsheim, C.J; Neter, J; Li, L. (2005). Applied Linear Statistical Models. Fifth Edition. McGraw-Hill.
Montgomery, D.C; Peck, E.A; vining, G.G. (2012). Introduction to Linear Regression Analysis. Fifth Edition. Wiley.
Montgomery, D.C; Jennings, C.L; Kulanci, M. (2015). Introduction to Tie Series Analysis and Forecasting. Second Edition. Wiley.