UNIVERSIDAD NACIONAL DE COLOMBIA

FACULTAD DE CIENCIAS
DEPARTAMENTO DE ESTADÍSTICA

ASIGNATURAS DE MAESTRÍA EN ESTADÍSTICA

1. IDENTIFICACIÓN DE LA ASIGNATURA

Nombre de la asignatura

MODELOS LINEALES GENERALIZADOS

Código 2018623

2. DURACIÓN

HAP: Horas de actividad presencial a la semana: 4

HAI: Horas de actividad autónoma independiente: 8
Semanas: Número de semanas por periodo académico: 16

3. VALIDABLE (SI/NO): SI

4. PORCENTAJE DE ASISTENCIA: 80%

5. ASIGNATURA DE LIBRE ELECCIÓN (SI/NO): SI

6. DESCRIPCIÓN DE LA ASIGNATURA:

6.1. DESCRIPCIÓN

Esta asignatura dispone los fundamentos y las herramientas para el análisis

estadístico de variables en escala nominal u ordinal, por medio de tablas de
contingencia y modelos de regresión.
El estudiante que curse la asignatura y cumpla con las exigencias académicas,
podrá:
1. Distinguir entre los conceptos de asociación y concordancia.
2. Elegir el coeficiente adecuado para medir asociación o concordancia de acuerdo
con los objetivos del estudio.
 3. Valorar la plausibilidad de conjeturas acerca de características de tablas
contingencias.
4. Aplicar conceptos de modelos de regresión en la solución de problemas que
involucren variables categóricas.
5. Realizar estimaciones puntuales y por intervalo a partir del diseño aplicado.
6. Asesorar en la escogencia del diseño y del tamaño de muestra apropiados en una
situación aplicada.
7. Construir, evaluar y comparar estimadores de la varianza usando métodos de
remuestreo.

6.2. OBJETIVOS

6.3. METODOLOGÍA

6.4. CONCEPTOS PREVIOS NECESARIOS

El estudiante que curse la asignatura debe tener conceptos claros acerca de

modelos lineales, regresión, métodos de estimación entre otros. En particular,
conocer El modelo general de regresión, diagnóstico y validación del modelo de
regresión

7. CONTENIDO

Contenido (Básico y Detallado)

1. Un esquema de los modelos lineales generalizados
1.1 Procesos en el ajuste de modelos
1.1.1 Selección del modelo
1.1.2 Estimación
1.1.3 Predicción
1.2 Los componentes de un modelo lineal generalizado
1.2.1 La generalización
1.2.2 Funciones de máxima verosimilitud
1.2.3 Funciones de enlace
1.2.4 Estadísticos suficientes y enlaces canónicos
1.3 Medida de buen ajuste
1.3.1 La discrepancia de un ajuste
1.3.2 El análisis de la desviación
1.4 Residuales
1.4.1 Residual de Pearson
 1.4.2 Residual de Anscombe
1.4.3 Residual de la desviación
1.5 Un algoritmo para ajustar modelos lineales generalizados
2. Modelos para datos continuos con varianza constante
2.1 Introducción
2.2 Estructura del error
2.3 Componente sistemático (predictor lineal )
2.3.1 Covarianzas continúas
2.3.2 Covarianzas cualitativas
2.3.3 Variables Dummy
2.3.4 Términos mixtos
2.4 Modelo formulado para predicciones lineales
2.4.1 Términos individuales
2.4.2 El operador punto (.)
2.4.3 El operador (+)
2.4.4 El operador cruzado (*) y el operador anidado (/)
2.4.5 Operadores para remover términos
2.4.6 Operador exponencial
2.5 Aliasing
2.5.1 Aliasing intrínseca con factores
2.5.2 Aliasing en dos vías cruzado- clasificación
2.5.3 Aliasing extrínseco
2.5.4 Relaciones funcionales entre convariables
2.6 Estimación
2.6.1 Las ecuaciones de máxima verosimilitud
2.6.2 Interpretación geométrica
2.6.3 Información
2.6.4 Un modelo con dos covariables
2.6.5 La superficie de información
2.6.6 Estabilidad
2.7 Tablas de datos
2.7.1 Celdas vacías
2.7.2 Celdas fusionadas
2.8 Algoritmos para mínimos cuadrados
2.8.1 Métodos basados en la matriz de información
2.8.2 Métodos de descomposición directa
2.8.3 Extensión de los modelos lineales generalizados
2.9 Selección de covariables
3. Datos binarios
3.1 Introducción
3.1.1 Respuestas binarias
3.1.2 Clases de covariables
 3.1.3 Tablas de contingencia
3.2 Distribución binomial
3.2.1 Inicio
3.2.2 Momentos y cumulantes
3.2.3 Limite normal
3.2.4 Limite Poisson
3.2.5 Transformaciones
3.3 Modelos para respuestas binarias
3.3.1 Funciones de enlace
3.3.2 Interpretación de parámetros
3.3.3 Muestreo en retrospectiva
3.4 Funciones de verosimilitud para datos binarios
3.4.1 Funciones de densidad log para datos binomiales
3.4.2 estimación de parámetros
3.4.3 función de desviación
3.4.4 Bias y precisión de estimaciones
3.4.5 Escases
3.4.6 Extrapolación
3.5 Sobre dispersión
3.5.1 Inicio
3.5.2 Estimación de parámetros
4. Modelos log- lineales
4.1 Introducción
4.2 Funciones de densidad
4.2.1 Distribución Poisson
4.2.2 La función de verosimilitud Poisson log
4.2.3 Sobre dispersión
4.2.4 Teoría asintótica
4.2.5 Modelos log-lineales y modelos de respuesta multinomial
4.2.6 Respuestas múltiples
5. Funciones de densidad condicional
5.1 Funciones de densidad condicional
5.1.1 Introducción
5.1.2 Funciones de densidad marginal y condicional
5.1.3 Distribuciones hipergeométricas
5.1.4 Algunas aplicaciones involucrando datos binarios
6. Modelos con coeficiente de variación constante
6.1 introducción
6.2 Distribución gamma
6.3 Modelos con observaciones que se distribuyen gamma
7. Funciones de Cuasi-densidad
7.1 introducción
 7.2 observaciones independientes
7.3 observaciones dependientes
7.4 Funciones para estimaciones optimas
7.5 Criterio de optimización
8. Modelando con media y dispersión
9. Modelando con parámetros no lineales adicionales
10. Comprobación de modelo
11. Modelos para datos de sobrevivencia
12. Componentes de la dispersión
13. Tópicos avanzados

8. BIBLIOGRAFÍA BÁSICA

1. AUTOR: Agresti, Alan,

TITULO: An Introduction to Categorical Data Analysis
EDITORIAL-REVISTA-PAIS: John Wiley & Sons
AÑO: 1996

2. AUTOR: Agresti, Alan,

TITULO: Categorical Data Analysis Second edition
EDITORIAL-REVISTA-PAIS: John Wiley & Sons,
AÑO: 2002

3. AUTOR: Díaz, Guillermo.

TITULO: Análisis Estadístico de Datos Categóricos Aplicados a la Investigación
Biomédica. Notas de clase
EDITORIAL-REVISTA-PAIS: Universidad Nacional de Colombia
AÑO: 2002

4. AUTOR: Hosmer, David y Lemeshow, Stanley

TITULO: Applied Logistic Regression.
EDITORIAL-REVISTA-PAIS: John Wiley & Sons.
AÑO: 1989

5. AUTOR: Kleinbaum, David

TITULO: Logistic Regression. A Self Learning Text
EDITORIAL-REVISTA-PAIS: Springer Verlag.
AÑO: 1994

6. AUTOR: Siegel, Sidney.

TITULO: Estadística No Paramétrica Aplicada a las Ciencias del Comportamiento,
 EDITORIAL-REVISTA-PAIS: Trillas.
AÑO: 2003

7. AUTOR: Stokes, Maura; Davis, Charles and Koch, Gary

TITULO: Categorical Data Analysis Using the SAS System
EDITORIAL-REVISTA-PAIS: SAS Institute Wiley-Interscience.
AÑO: 2001

INFORMACIÓN ADICIONAL (no SIA)

Profesores que revisan o proponen la asignatura:

Fecha:

Profesores que han dictado la asignatura:

Fecha: