TÉCNICAS AVANZADAS DE PREDICCIÓN
-5%

TÉCNICAS AVANZADAS DE PREDICCIÓN

PÉREZ LÓPEZ, CÉSAR

48,00 €
45,60 €
IVA incluido
Sin Stock. Disponible en 5/7 días
Editorial:
GARCETA (PAPEL)
Año de edición:
2016
Materia
Estadística
ISBN:
978-84-16228-57-7
Páginas:
670
Encuadernación:
Rústica
48,00 €
45,60 €
IVA incluido
Sin Stock. Disponible en 5/7 días
Añadir a favoritos

El objetivo de este libro es presentar las técnicas avanzadas de predicción en su faceta práctica. Cada capítulo comienza con una breve exposición de los conceptos teóricos a utilizar en los ejemplos y ejercicios que ilustran las diferentes técnicas de modelización. Se utilizarán los paquetes de software más adecuados como R, SAS, SPSS y STATGAPHICS.

El contenido de este libro se dirige a docentes, investigadores y estudiantes universitarios de todos los niveles que utilizan, imparten o cursan las materias de Econometría o modelización en general. También es muy útil para los profesionales de la Economía, Estadística, Ciencias Sociales, Ciencias Experimentales, Ingenierías y otras ramas científicas en las que se aplican las técnicas predictivas. El libro comienza tratando la estimación, diagnosis y predicción en el modelo de regresión múltiple, analizando profundamente las problemáticas de la heteroscedasticidad, multicolinealidad, autocorrelación, ausencia de normalidad, no linealidad y problemas de exogeneidad y regresores estocásticos. Para cada problemática se estudian tanto los métodos de detección como los métodos de corrección. Posteriormente, se abordan en profundidad el modelo lineal general y los modelos lineales generalizados.

A continuación se tratan los modelos dinámicos, así como el análisis univariante y multivariante de series temporales incluyendo los modelos ARIMA, los modelos del análisis de la intervención y los modelos de la función de transferencia a través de la metodología de Box Jenkins. Este contenido se amplía a través de los modelos multiecuacionales de ecuaciones simultáneas y los modelos VAR, VARMA, VARX, BVAR y otras tipologías de modelos multivariantes de series temporales.

La última parte del libro desarrolla los modelos no lineales uniecuacionales y multiecuacionales, los árboles de decisión y los modelos de redes neuronales.

CONTENDO

1. MODELO LINEAL DE REGRESIÓN MÚLTIPLE. HIPÓTESIS, ESTIMACIÓN, INFERENCIA Y PREDICCIÓN

1.1 MODELO LINEAL DE REGRESIÓN MÚLTIPLE
1.2 ESTIMACIÓN DEL MODELO LINEAL POR MÍNIMOS CUADRADOS ORDINARIOS MCO
1.3 ESTIMACIÓN DEL MODELO LINEAL POR MÁXIMA VEROSIMILITUD
1.4 INFERENCIA EN EL MODELO POR MÍNIMOS CUADRADOS ORDINARIOS MCO
1.5 HIPÓTESIS EN EL MODELO LINEAL
1.6 ANÁLISIS DE LOS RESIDUOS
1.7 MODELO LINEAL CON RESTRICCIONES
1.8 SAS Y EL TRABAJO BÁSICO CON EL MODELO DE REGRESIÓN MÚLTIPLE
1.9 R Y EL TRABAJO BÁSICO CON EL MODELO DE REGRESIÓN MÚLTIPLE
1.10 SPSS Y EL TRABAJO BÁSICO CON EL MODELO DE REGRESIÓN MÚLTIPLE
1.11 STATGRAPHICS CENTURION Y EL TRABAJO BÁSICO CON EL MODELO DE REGRESIÓN MÚLTIPLE

2. TRATAMIENTO DE LA AUTOCORRELACIÓN, HETEROSCEDASTICIDAD, NORMALIDAD Y MULTICOLINEALIDAD

2.1 MODELOS CON AUTOCORRELACIÓN
2.2 DETECCIÓN DE LA AUTOCORRELACIÓN
2.3 SOLUCIONES PARA LA AUTOCORRELACIÓN. MODELOS DINÁMICOS
2.4 MODELOS CON HETEROSCEDASTICIDAD
2.5 DETECCIÓN DE LA HETEROSCEDASTICIDAD
2.6 SOLUCIONES PARA LA HETEROSCEDASTICIDAD
2.7 MULTICOLINEALIDAD
2.8 NORMALIDAD RESIDUAL
2.9 ANÁLISIS DE LA INFLUENCIA
2.10 SAS Y LA MULTICOLINEALIDAD, ENDOGENEIDAD, AUTOCORRELACIÓN, HETEROSCEDASTICIDAD Y VALORES INFLUYENTES. MODELOS DINÁMICOS
2.11 SPSS Y LA HETEROSCEDASTICIDAD, ENDOGENEIDAD, REGRESORES ESTOCÁSTICOS Y AUTOCORRELACIÓN. MODELOS DINÁMICOS
2.12 MULTICOLINEALIDAD, AUTOCORRELACIÓN, HETEROSCEDASTICIDAD Y VALORES INFLUYENTES A TRAVÉS DE R
2.13 MULTICOLINEALIDAD, AUTOCORRELACIÓN, HETEROSCEDASTICIDAD Y VALORES INFLUYENTES A TRAVÉS DE STATGRAPHICS

3. MODELOS CON MULTICOLINEALIDAD. EL MÉTODO DE MÍNIMOS CUADRADOS PARCIALES PLS Y LA REGRESIÓN EN CADENA (RIDGE REGRESSION)

3.1 EL PROBLEMA DE LA MULTICOLINEALIDAD
3.2 EL MÉTODO PLS DE LOS MÍNIMOS CUADRADOS PARCIALES
3.3 EL MÉTODO RIDGE REGRESSION DE LA REGRESIÓN EN CADENA

4. EL MODELO LINEAL GENERAL GLM

4.1 MODELO LINEAL GENERAL (GLM)
4.2 MODELOS DE REGRESIÓN, ANÁLISIS DE LA VARIANZA Y LA COVARIANZA CON SAS: EL PROCEDIMIENTO GLM
4.3 MODELOS DE REGRESIÓN Y MODELOS ANOVA Y ANCOVA UNIVARIANTES CON IBM SPSS
4.4 EL MODELO LINEAL GENERAL Y LOS MODELOS DE DATOS DE PANEL EN SPSS
4.5 SPSS Y LOS MODELOS MANOVA Y MANCOVA MULTIVARIANTES DE UNO Y VARIOS FACTORES
4.6 SPSS Y LOS MODELOS LINEALES MIXTOS. DATOS DE PANEL
4.7 REGRESIÓN, ANOVA Y ANCOVA CON MLG EN STATGRAPHICS
4.8 EL MODELO LINEAL GENERAL Y LOS MODELOS DE DATOS DE PANEL EN STATGRAPHICS
4.9 STATGRAPHICS Y LOS MODELOS MANOVA Y MANCOVA MULTIVARIANTES
4.10 EL MODELO LINEAL GENERAL Y LOS MODELOS DE DATOS DE PANEL EN SAS

5. MODELOS LINEALES GENERALIZADOS

5.1 MODELO LINEAL GENERALIZADO
5.2 FUNCIONES DE ENLACE PARA MODELOS LOGIT, PROBIT, POISSON Y BINOMIAL NEGATIVA
5.3 FAMILIA EXPONENCIAL DE DISTRIBUCIONES
5.4 MODELOS LINEALES GENERALIZADOS CON SAS
5.5 MODELOS LINEALES GENERALIZADOS CON SPSS
5.6 MODELOS LINEALES GENERALIZADOS CON R
5.7 MODELOS LINEALES GENERALIZADOS EN R A TRAVÉS DE MENÚS
5.8 MODELOS LINEALES GENERALIZADOS A TRAVÉS DE STATGRAPHICS

6. MODELOS DINÁMICOS: MODELOS DE LA FUNCIÓN DE TRANSFERENCIA

6.1 MODELOS DINÁMICOS
6.2 TIPOS ESPECIALES DE MODELOS DINÁMICOS
6.3 PREDICCIONES INCONDICIONALES ESTOCÁSTICAS
6.4 MODELOS ARIMA: PRIMEROS CONCEPTOS
6.5 MODELOS AUTORREGRESIVOS AR(P)
6.6 MODELOS DE MEDIAS MÓVILES MA(Q)
6.7 MODELOS ARMA(P,Q)
6.8 MODELOS ARIMA(P,D,Q)
6.9 METODOLOGÍA BOX JENKINS EN MODELOS ARIMA
6.10 SERIES TEMPORALES ESTACIONALES. DETECCIÓN DE LA ESTACIONALIDAD
6.11 MODELOS ARIMA ESTACIONALES GENERALES
6.12 MODELOS DE INTERVENCIÓN
6.13 MODELO DE LA FUNCIÓN DE TRANSFERENCIA
6.14 SAS Y LA IDENTIFICACIÓN, ESTIMACIÓN, VALIDACIÓN Y PREDICCIÓN DE MODELOS ARIMA (P,D,Q)(P,D,Q)S
6.15 SAS Y LOS MODELOS ARIMA DE INTERVENCIÓN Y DE FUNCIÓN DE TRANSFERENCIA
6.16. SPSS Y LOS MODELOS ARIMA CON INTERVENCIÓN
6.17. SPSS Y LOS MODELOS DE LA FUNCIÓN DE TRANSFERENCIA

7. MODELOS DINÁMICOS: MODELOS DE ECUACIONES SIMULTÁNEAS Y MODELOS MULTIVARIANTES DE SERIES TEMPORALES

7.1 MODELOS LINEALES MULTIECUACIONALES. FORMA ESTRUCTURAL Y ECUACIONES SIMULTÁNEAS
7.2 MODELO MULTIECUACIONAL EN FORMA REDUCIDA
7.3 IDENTIFICACIÓN DE MODELOS ESTRUCTURALES DE ECUACIONES SIMULTÁNEAS. ESTIMACIÓN MCI
7.4 ESTIMACIÓN DE MODELOS LINEALES DE ECUACIONES SIMULTÁNEAS
7.5 SAS Y LOS MODELOS DE ECUACIONES SIMULTÁNEAS LINEALES: PROC SYSLIN
7.6 SAS Y LOS MODELOS DE ECUACIONES SIMULTÁNEAS LINEALES: PROC MODEL
7.7 MODELOS MULTIVARIANTES DE SERIES TEMPORALES. MODELOS DE VECTORES AUTORREGRESIVOS (VAR)
7.8 IDENTIFICACIÓN EN MODELOS VAR
7.9 ESTIMACIÓN DE UN MODELO VAR
7.10 MODELOS VARMA
7.11 COINTEGRACIÓN EN MODELOS VAR. TEST DE JOHANSEN
7.12 SAS Y LOS MODELOS VAR. CONTRASTES DE CAUSALIDAD Y COINTEGRACIÓN. TEST DE JOHANSEN

8. MODELOS NO LINEALES

8.1 MODELOS NO LINEALES
8.2 MODELOS NO LINEALES SENCILLOS
8.3 MÍNIMOS CUADRADOS NO LINEALES. ALGORITMOS DE NEWTON Y MARQUARDT
8.4 REGRESIÓN POR TRAMOS O SEGMENTADA
8.5 SPSS Y LA ESTIMACIÓN NO LINEAL Y SEGMENTADA
8.6 SAS Y LA ESTIMACIÓN NO LINEAL. PROCEDIMIENTO NLIN
8.7 SAS Y LA ESTIMACIÓN NO LINEAL Y SEGMENTADA. PROCEDIMIENTO MODEL
8.8 SAS Y LOS MODELOS DE ECUACIONES SIMULTÁNEAS NO LINEALES: PROCEDIMIENTO MODEL

9. ÁRBOLES DE DECISIÓN

9.1 ÁRBOLES DE DECISIÓN
9.2 CARACTERÍSTICAS DE LOS ÁRBOLES DE DECISIÓN
9.3 TIPOS DE ÁRBOLES DE DECISIÓN
9.4 IBM SPSS Y LOS ÁRBOLES DE DECISIÓN

10. MODELOS DE REDES NEURONALES

10.1 DESCRIPCIÓN DE UNA RED NEURONAL
10.2 REDES NEURONALES Y AJUSTE DE MODELOS DE REGRESIÓN
10.3 APRENDIZAJE EN LAS REDES NEURONALES
10.4 FUNCIONAMIENTO DE UNA RED NEURONAL
10.5 EL ALGORITMO DE APRENDIZAJE RETROPROPAGACIÓN (BACK- PROPAGATION)
10.6 ANÁLISIS DISCRIMINANTE A TRAVÉS DEL PERCEPTRÓN
10.7 ANÁLISIS DE SERIES TEMPORALES MEDIANTE REDES NEURONALES
10.8 ANÁLISIS DE COMPONENTES PRINCIPALES CON REDES NEURONALES
10.9 CLUSTERING MEDIANTE REDES NEURONALES
10.10 SPSS Y LAS REDES NEURONALES

Artículos relacionados

  • ANÁLISIS ESTADÍSTICO PARA LA INVESTIGACIÓN SOCIAL. 2ª ED
    ALMAZÁN LLORENTE, ALEJANDRO
    El libro Análisis estadístico para la investigación social está concebido como un curso de orientación para quienes comienzan a practicar el análisis de fenómenos sociales. Este texto continúa la línea iniciada en Estadística para la investigación social, libro que mostraba las herramientas básicas para lectura y resumen de información estadística. En este nuevo volumen, se abu...
    En stock

    28,00 €26,60 €

  • ESTADÍSTICA PARA LA INVESTIGACIÓN SOCIAL. 2ª ED
    CAMARERO, LUIS
    La importancia que tiene la Estadística para la investigación social y política es tan grande como el terror que suele despertar su aprendizaje. Este texto es consciente de ello. Los autores, dedicados desde hace tiempo a la investigación social y a la docencia estadística, han escrito un texto en el que continuamente buscan conciliar el rigor de los contenidos con la exposició...
    En stock

    29,00 €27,55 €

  • ESTADÍSTICA APLICADA A LA EDUCACIÓN
    PEREZ JUSTE, RAMON
    Este texto se enmarca el enfoque aplicado de la Estadística y se divide en tres grandes bloques temáticos. En el primero, se aborda la concepción del saber estadístico aplicado. El segundo bloque, se dedica al estudio del análisis y tratamiento de datos recogidos en el marco del proceso de investigación. Por último, el tercero, se centra en algunas de las aplicaciones de la Est...
    En stock

    31,54 €29,96 €

  • PROBLEMAS DE PROBABILIDAD E INFERENCIA ESTADÍSTICA APLICADAS A LA CIENCIAS SOCIALES
    VARIOS AUTORES
    Introducción a la probabilidad. Variables aleatorias unidimensionales. Variables aleatorias bidimensionales. Modelos probabilísticos. Estimadores de máxima verosimilitud: propiedades. Estimación por intervalo y contraste de hipótesis pramétricas. Contrastes de bondad de ajuste y análisis de trablas de contingencia. Introducción a los modelos de regresión lineal. ...
    En stock

    26,40 €25,08 €

  • INTRODUCCIÓN A LA ESTADÍSTICA ECONÓMICA Y EMPRESARIAL. TEORÍA Y PRÁCTICA 3ª ED
    MARTÍN-PLIEGO LÓPEZ, FRANCISCO JAVIER
    Manual dirigido a todos aquellos estudiantes que deben seguir un curso de Estadística Descriptiva a cualquier nivel dentro de las áreas de Economía y Empresa. Se presenta, en esta tercera edición, una versión corregida y actualizada, con los ejemplos en euros, de las dos anteriores y tiene la pretensión de servir de soporte a las explicaciones que se puedan impartir en las aula...
    En stock

    52,00 €49,40 €

  • PROBABILIDAD Y ESTADÍSTICA EN INGENIERÍA Y CIENCIAS 4ª ED
    MENDENHALL, WILLIAM
    La obra combina la teoría y las aplicaciones. En ella se proporcionan los comandos de SAS y MINITAB y se cubren temas de análisis de datos. Contiene ejercicios aplicados extraídos de publicaciones científicas y ejercicios teóricos opcionales. El texto cuenta con más listados de computadora, tablas de frecuencia, distribución de Bernoulli, métodos descriptivos, ejemplos de const...
    En stock

    70,95 €35,48 €

Otros libros del autor

  • MACHINE LEARNING. TÉCNICAS DE APRENDIZAJE SUPERVISADO. MODELOS NO LINEALES
    PÉREZ LÓPEZ, CÉSAR
    Machine Learning utiliza dos tipos de técnicas: aprendizaje supervisado, que entrena modelos sobre datos de entrada y salida conocidos para poder predecir resultados futuros, y aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. El objetivo del aprendizaje automático supervisado es construir un modelo que haga prediccion...
    Disponible

    36,00 €34,20 €

  • REDES NEURONALES Y APLICACIONES
    PÉREZ LÓPEZ, CÉSAR
    Utilizando técnicas modernas, como la minería de datos, el modelado estadístico y el aprendizaje automático, los modelos predictivos ayudan a los analistas a realizar previsiones futuras sobre variables de interés como suelen ser ventas, ingresos, gastos, etc. También suelen utilizarse para pronosticar probabilidades de fraude, riesgo, devolución de créditos y siniestro en el s...
    Disponible

    40,00 €38,00 €

  • CIENCIA DE DATOS A TRAVÉS DE PYTHON. TÉCNICAS DE APRENDIZAJE NO SUPERVISADO
    PÉREZ LÓPEZ, CÉSAR
    La ciencia de datos es un campo interdisciplinar que utiliza métodos, algoritmos, procesos y sistemas para extraer conocimiento y conclusiones a partir de todo tipo de datos. A través del aprendizaje automático se combinan elementos de estadística, informática, matemáticas y técnicas de análisis para resolver problemas, hacer predicciones y generar valor a partir de los datos. ...
    Disponible

    40,00 €38,00 €

  • ANALISIS MULTIVARIANTE DE DATOS. APLICACIONES CON R
    PÉREZ LÓPEZ, CÉSAR
    Este libro tiene como finalidad el tratamiento de las técnicas de análisis multivariante de datos, es decir, del con- junto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos con varias varia- bles medidas para cada individuo u objeto estudiadoLa disponibilidad de grandes volúmenes de información y el uso generalizado de las herramientas infor...
    Disponible

    46,00 €43,70 €

  • BIG DATA APLICADO
    PÉREZ LÓPEZ, CÉSAR
    Este libro está dirigido tanto a alumnos que siguen un Curso de especialización en Inteligencia Artificial y Big Data como a profesionales del sector.El libro comienza tratando el almacenamiento y el procesamiento de datos masivos. Se presentan los sistemas de almacenamiento de datos y los métodos avanzados de almacenamiento en clusters. Se tienen en cuenta los datos estructura...
    Disponible

    40,00 €38,00 €

  • PROGRAMACION DE INTELIGENCIA ARTIFICIAL
    PÉREZ LÓPEZ, CÉSAR
    Este texto está dirigido tanto a alumnos que siguen un Curso de especialización en Inteligencia Artificial y Big Data como a profesionales del sector. El libro comienza tratando la caracterización de los lenguajes de programación en general con especial énfasis en los lenguajes para Inteligencia Artificial y los lenguajes de marcado. En cuanto a los lenguajes de programación pa...
    Disponible

    40,00 €38,00 €