Estadística Aplicada

Grado y Doble Grado. Curso 2026/2027.

MÉTODOS DE PREDICCIÓN LINEAL - 801601

Curso Académico 2026-27

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG4 Interés en el conocimiento, descripción e interpretación de fenómenos susceptibles de cuantificación
CG7 Plantear políticas de actuación encaminadas a tomar las mejores decisiones posibles

Específicas
CE4 Identificar y organizar la información relevante de un problema
CE5 Descubrir patrones de comportamiento en los datos
CE9 Elaborar y construir modelos estadísticos adecuados a problemas reales y su validación
CE11 Interpretar los resultados del trabajo estadístico

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%

Presenciales

2,4

No presenciales

3,6

Semestre

5

Breve descriptor:

Introducción a los modelos lineales. Regresión lineal simple y múltiple.

Requisitos

Conocimientos de inferencia estadística y álgebra matricial.

Contenido

Métodos de Predicción Lineal:

- Introducción a los modelos lineales.
- El modelo de regresión lineal simple. Estimación. Contrastes. Diagnosis y validación del modelo.
- El modelo de regresión lineal múltiple. Estimación. Contrastes. Diagnosis y validación. Multicolinealidad. Regresión polinómica. Regresión con variables cualitativas. Criterios de selección de modelos.

Evaluación

A lo largo del curso se realizarán dos pruebas parciales que incluirán tanto conceptos teóricos como aplicados. Se podrá plantear una entrega final grupal.

La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:

a) La calificación de la prueba final.

b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.

El alumno/a tiene la opción de superar la asignatura por evaluación continua. Además cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Bibliografía

-Gareth, J., Witten, D., Hastie, T., Tibshirani, R., & Taylor, J. (2023). An Introduction to Statistical Learning: with Applications in Python.
( Disponible a través de la biblioteca UCM online: https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-3-031-38747-0 )
- Faraway, J.J. (2015) Linear Models with R. CRC
- Montgomery, D. C., Peck, E. & Vining, G. G. (2002). Introducción al Análisis de Regresión Lineal (1ª ed. en español, 3ª ed. en inglés) Compañía Editorial Continental.
-Field, A. P., Miles, J., & Field, Zoë. (2012). Discovering statistics using R (1st published). Sage.




Estructura

MódulosMaterias
ANÁLISIS DE DATOSMODELOS DE PREDICCIÓN

Grupos

Actividades prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo mañana A07/09/2026 - 18/12/2026MARTES 13:00 - 15:00-GUILLERMO VILLARINO MARTINEZ
Grupo tarde B07/09/2026 - 18/12/2026MIÉRCOLES 18:00 - 20:00-


Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo de mañana A07/09/2026 - 18/12/2026VIERNES 11:00 - 13:00-GUILLERMO VILLARINO MARTINEZ
Grupo de tarde B07/09/2026 - 18/12/2026VIERNES 18:00 - 20:00-