Master's degree in Statistics and Operations Research

MEIO - Summer School - Modelización lineal y anàlisis de la varianza

Títol del curs
Modelización lineal y anàlisis de la varianza
Impartit per
Prof. Mario Miguel Ojeda Ramírez
Llengua del cursCastellà
Dates i horaris del curs
22, 23, 24, 28 i 29 de maig de 2007
Tipus d'activitat i càrrega lectivaCurs de 20 hores
Reconeixement acadèmic
2,5 crèdits (ECTS com a assignatures optatives per als estudiants de MÀSTER, com a ALE per als de PRIMER I SEGON CICLE i com crèdits pel DOCTORAT).
DestinatarisEstudiants del MEIO, de l'LCTE i estudiants de Doctorat
Data de matrículaEl 15 de maig de 2007 - de 11 a 13h i de 16 a 18h
Presentació
Mario Miguel Ojeda (Universidad Veracruzana, México) és una autoritat de reconegut prestigi en temes relacionats amb la modelització lineal i l’anàlisi de la variància, a més d’un excel·lent professor. És coautor de un text de referència per aquests temes (Sahai and Ojeda, 2004). La modelització lineal és un àrea capital dins de l’estadística. Els desenvolupaments teòrics i computacionals de les darreres 3 dècades han permès considerar estructures de dades complexes. En aquest curs s’anirà des de els models lineals més simples fins als multinivells i jeràrquics. Es tractaran també casos pràctics.
Objectius del cursDonar a l’estudiant una visió panoràmica i integradora dels desenvolupaments de la modelització lineal fins als nostres dies. Tractar els aspectes fonamentals del procés de modelització en general i dels models lineals multinivell en particular.
Continguts
  1. Génesis de los modelos lineales. Modelos de regresión. Modelos ANOVA. Modelos para retirar covarianza. Modelos con variables indicadoras. El modelo lineal general (MLG). Estimación y pruebas de hipótesis en el MLG.
  2. MODELOS LINEALES MULTINIVEL. Modelos de coeficientes aleatorios. Modelos mixtos. Modelos de componentes de varianza y covarianza. El modelo lineal general mixto. Paradigmas de estimación. Pruebas de hipótesis. Software disponible.
  3. EL PROCESO DE MODELACIÓN Y APLICACIONES. Estrategias de postulación y ajuste de modelos. Análisis de datos de encuestas. Experimentos anidados y series de experimentos. Curvas de crecimiento. Estudios observacionales.