ASIGNATURA: MODELOS LINEALES

SILABO

I. DATOS GENERALES

1.1. DEPARTAMENTO: MATEMÁTICA

1.2. ESCUELA PROFESIONAL: ESTADÍSTICA.
1.3. CICLO DE ESTUDIOS: SEPTIMO
1.4. ÁREA DE LA ASIGNATURA: ESTADÍSTICA
1.5. CONDICIÓN: OBLIGATORIO

II. SUMILLA

El propósito es exponer los diferentes tipos de modelos lineales que se emplean en los
problemas de estimación y descripción cuando se involucran dos o más variables en un
estudio de dependencia. Se desarrollarán los siguientes temas: Distribución Normal
Multivariante. Distribución de Formas Cuadráticas. Modelos de Rango Máximo. Análisis del
Modelo Lineal General. Modelos Polinomiales. Modelos de Rango no Máximo. Modelos de
Diseño Experimental. Modelos de Componentes de Varianza.. Modelo de Covarianza.

III. OBJETIVOS GENERALES

• Efectuar un análisis completo de una población real multivariante bajo normalidad

aplicando los conocimientos estudiados.
• Establecer si una forma cuadrática es una variable aleatoria con ley de probabilidad
conocida.
• Analizar cada uno de los modelos lineales descritos, aplicando inferencia a sus
parámetros.

IV. PROGRAMACION DE CONTENIDOS

UNIDAD I: DISTRIBUCIÓN NORMAL MULTIVARIANTE Y FORMAS

CUADRÁTICAS

PRIMERA SEMANA
Distribución Normal Bivariante. Distribuciones marginales y condicionales. Esperanza
Matemática. Función generatriz de Momentos. Independencia. Correlación Simple.
Distribución Normal Multivariante. Definición. Distribuciones marginales.
Fuente : Bibliografía Recomendada: (1) y (3)

SEGUNDA SEMANA
Distribuciones condicionales. Momentos de una distribución normal multivariada.
Independencia. Correlación parcial. Correlación múltiple. Función generatriz de momentos.
Fuente: Bibliografía Recomendada: (1) y (3)

TERCERA SEMANA
Formas cuadráticas. Teoremas. Distribución Ji-cuadrado central y no-central. Distribución F
central y no central. Otras distribuciones no centrales
Fuente: Bibliografía Recomendada: (2) y (3)

CUARTA SEMANA
Independencia y características de una forma cuadrática. Esperanza matemática y
varianza. Aplicación práctica a casos de estudio
Fuente: Bibliografía Recomendada: (2) y (3)

1 de 6
UNIDAD II: MODELOS DE RANGO COMPLETO

QUINTA SEMANA
Modelos lineales. Clasificación general. Modelo de rango completo. Ecuaciones normales.
Modelo intercepto y modelo no intercepto. Desviación de medias. Métodos de estimación.
Consecuencias de estimación.
Fuente: Bibliografía Recomendada: (2) y (3)

SEXTA SEMANA
Propiedades distribucionales. Intervalos de Confianza. La Hipótesis Lineal General.
Modelos Reducidos.
Fuente: Bibliografía Recomendada: (2) y (3)

SETIMA SEMANA
Test de razón de verosimilitud. Errores tipo I y tipo II. Residuales. Principio de sumas
extras de cuadrados. Ortogonalidad. Ortogonalidad total.
Fuente: Bibliografía Recomendada: (3) y (4)

OCTAVA SEMANA
Modelos polinomiales. Polinomios ortogonales. Modelos de regresión. La normal
multivariante. La distribución de Wishart. Correlación.
Fuente: Bibliografía Recomendada: (2) y (4)

NOVENA SEMANA
Práctica calificada y/o Informes de de Trabajo. Primer Examen Parcial.

UNIDAD III: MODELOS DE RANGO NO COMPLETO

DECIMA SEMANA:
Regresión sobre variables artificiales. Modelo de clasificación a uno, dos y tres criterios.
Efectos principales e interacciones. Modelos de clasificación cruzada y anidada. Modelos
de rango no completo. Ecuaciones normales. Consecuencias de la Solución. Propiedades
distribucionales en modelos de Rango no completo.
Fuente: Bibliografía Recomendada: (3) y (6)

DECIMA PRIMERA SEMANA:

Funciones estimables. Definición. Propiedades. Intervalos confidenciales. Pruebas para la
estimabilidad. Hipótesis Lineal General en modelos de Rango no completo. Hipótesis
contrastables. Pruebas de contrastabilidad. Independencia y contrastes ortogonales.
Fuente: Bibliografía Recomendada: (3) y (6)

DECIMA SEGUNDA SEMANA:

Modelo de Clasificación a un criterio. Ecuaciones normales. Análisis de Varianza.
Funciones estimables. Pruebas de hipótesis lineales.
Fuente: Bibliografía Recomendada: (3) y (6)

DECIMA TERCERA SEMANA:

Modelo de Clasificación anidada a dos criterios. Ecuaciones normales. Análisis de
Varianza. Funciones estimables. Prueba de Hipótesis. Aplicación práctica a casos de
estudio
Fuente: Bibliografía Recomendada: (3) y (6)

UNIDAD IV: MODELOS ESPECIALES DE CLASIFICACIÓN

DECIMA CUARTA SEMANA:

Modelo de Clasificación a dos criterios sin interacción. Ecuaciones normales. Análisis de
Varianza. Funciones estimables y Pruebas de Hipótesis.
Fuente: Bibliografía Recomendada: (3) y (6)

2 de 3
 DECIMA QUINTA SEMANA:
Modelo de clasificación a dos criterios con interacción: Ecuaciones normales. Análisis de
Varianza. Funciones estimables y Pruebas de Hipótesis.
Fuente: Bibliografía Recomendada: (3) y (6)

DECIMA SEXTA SEMANA:

Modelos de componentes de Varianza. Modelos a efectos fijos. Modelos a efectos
aleatorios. Modelos mixtos. Estimación de las componentes de varianza para datos
balanceados. Análisis de Varianza. Modelo de Covarianza. Supuestos. Análisis de
Covarianza como una modificación del ANVA.
Fuente: Bibliografía Recomendada: (3) y (6)

DECIMA SETIMA SEMANA:

Práctica calificada y/o Informes de de Trabajo. Segundo Examen Parcial.

V. METODOLOGICA

El desarrollo teórico será expositivo, con activa participación del alumno. Para el aspecto
práctico se plantearán casos, a fin de que cada alumno comprenda y resuelva por si mismo
los ejercicios propuestos como experiencia de aprendizaje.

VI. EQUIPOS Y MATERIALES

Referencias bibliográficas y guías de prácticas.

VII. EVALUACION

Asistencia al 70% del desarrollo del curso. La nota final resultará de promediar entre tres,
los siguientes sumandos: Dos exámenes (parcial y final con peso uno c/u) y promedio de
prácticas calificadas o informes de trabajo (peso uno).

VIII. BIBLIOGRAFIA GENERAL

1. MOOD-GRAYBILL (1978). ntroducción a la teoría de la estadística. Ed. Aguilar.

2. GRAYBILL, Franklin A. (1961). An introduction to linear statistical models. Vol I
McGraw-Hill
3. SEARLE, S.R. (1971). Linear models. John Willey & Sons. Inc.
4. DRAPER, N.R. & SMITH, H., (1966). Applied regression analysis John Wiley &
Sons, Inc.
5. MONTGOMERY, D. & PECK, E. (1982). Introduction to linear regression analysis John
Wiley Sons, Inc.
6. GRAYBILL, Franklin A. (1976). Theory and application of the linear model. Duxbury
Press.
7. SEBER, G. A. F. (1977). Linear regresion analysis. John Wiley.

3 de 3