El análisis de regresión consiste en una serie de técnicas y procesos estadísticos encaminados a la cuantificación de relaciones entre variables. Tiene dos objetivos fundamentales, que no se excluyen entre sí, cuales son la explicación y la predicción de una variable, conocida como dependiente, a partir de otra o de un grupo de ellas, conocidas como independientes. Las diferentes técnicas de regresión permiten un amplio espectro de aplicaciones en diversos campos de la ciencia. Cada una de las diferentes técnicas es subyacida por una serie específica de supuestos y una serie de detalles técnicos que resultan críticos a la hora de su implementación e interpretación. A través del presente curso, se pretende ofrecer los elementos básicos que permitan la aplicación y comprensión de diferentes técnicas de regresión, así como la lectura correcta de los resultados de las mismas. Mediante el uso de R se brindará un marco conceptual y técnico para la implementación práctica de este tipo de análisis.
Enfoque y objetivo: Desarrollar en el estudiante capacidades conceptuales y técnicas para la cuantificación estadística de relaciones entre variables.
CONOCIMIENTOS Y HABILIDADES AL CONCLUIR EL TALLER:
Capacidad para integrar hipótesis de trabajo e hipótesis estadísticas en términos de análisis de regresión.
Capacidad para identificar las técnicas de regresión adecuadas para problemas específicos.
Habilidad en la implementación de análisis de regresión a través del software estadístico R y capacidad para la interpretación de resultados.
Beca-estudiantes UNAM: En función del total de participantes inscritos en la oferta educativa se ofrecerán becas (excepciones de pago) para determinado número de estudiantes UNAM. Los estudiantes que quieran optar por estas becas deberán cumplir con los siguientes requisitos:
Obligatorios:
Ser estudiante UNAM regular (contar con inscripción oficial del semestre),
Exposición de motivos,
Carta de recomendación de tutor(a) o responsable académico, con adscripción a la UNAM.
Perfil del participante:
Curso dirigido a estudiantes y profesionales de todos los campos. El participante deberá contar con conocimientos básicos de R, tales como importación de datos y sintaxis básica.
Requisitos para obtener constancia académica:
Cumplir con el 80% de las asistencias.
Calificación mínima de 7.0 (escala de 1.0 a 10.0) basada en:
Ensayo 30%
Ejercicio práctico final 70%.
Tema 1. El análisis de regresión | 4 horas
1.1 Relaciones entre variables. 1.2 Modelos lineales.
1.3 Interacción entre variables.
Tema 2. Ajuste estadístico de los modelos de regresión | 4 horas
2.1 Mínimos cuadrados y máxima verosimilitud. 2.2 Significancia estadística global de los modelos de regresión. 2.3 Significancia estadística de los coeficientes de regresión estimados.
2.4 Representación gráfica de modelos.
Tema 3. Modelos lineales generalizados | 4 horas
3.1 Transformación de variables. 3.2 Modelo logístico.
3.3 Regresión de Poisson.
REFERENCIAS BIBLIOGRÁFICAS:
Fox, J., Weisberg, S., 2011. An R companion to applied regression: California, Thousand Oaks, CA: Sage Publications, Inc. 449 p.
Gelman, A., Hill, J., 2007. Data analysis using regression and multilevel/hierarchical models: New York, Cambridge University Press. 625 p.
Venables, W.N., Ripley, B.D., 2002. Modern applied statistics with S: New York: Springer. 495 p.