• El alumno identificará el modelo lineal generalizado adecuado para un problema práctico.
• Conocerá las bases teóricas del análisis de los modelos de regresión lineal y no lineal más comunes.
• Analizará y obtendrá conclusiones del análisis usando modelos de verosimilitud.
• Evaluará la pertinencia de un modelo de regresión y propondrá los remedios adecuados.

Contenido sintético

1. La Familia Exponencial
2. Regresión Lineal
3. Modelos Lineales de los Análisis de Varianza y Covarianza
4. Modelos Lineales Generalizados
5. Modelos de Regresión Logística y Poisson
6. Modelos Log-Lineales
7. Análisis de Datos de Supervivencia

Modalidades de conducción del proceso de enseñanza-aprendizaje

• Revisión detallada de los temas en la literatura del curso.
• Ejercicios en cada uno de los temas.
• Implementación de los métodos con datos reales con el uso de software adecuado.
• Presentación de reportes escritos.

Modalidades de evaluación

• Se evaluará cada tema con ejercicios, se harán una o dos evaluaciones periódicas y una evaluación terminal.
• Los ejercicios aportan el 40% de la calificación global.
• Las evaluaciones periódicas: 30%.
• La evaluación terminal: 30%.

Bibliografía

1. Dobson, A. J., An introduction to generalized linear models. 2nd ed. Chapman and Hall, 2002.
2. Martínez G.A. & Castillo M.A., Teoría de la regresión con aplicaciones agronómicas. Colegio de Postgraduados, Montecillo, Edo. de México, 1987.
3. McCullagh P. & J.A. Nelder., Generalized linear models. Chapman and Hall, 1989.
4. Myers, R. H., Montgomery, D. C. & Vining, G. G., Generalized linear models with applications in engineering and the sciences, John Wiley & Sons; 1st edition, 2001.
5. Mendenhall, W. & Sincich, T. L., A Second Course in Statistics: Regression Analysis, Prentice Hall, 6th ed., 2003.