Técnicas avanzadas de predicción / César Pérez López.

1. Modelo lineal de regresión múltiple, hipótesis, estimación, inferencia y predicción, 11 -- 2. Tratamiento de la autocorrelación, heteroscedasticidad, normalidad y multicolinealidad, 73 -- 3. Modelos con multicolinealidad. El método de mínimos cuadrados parciales PLS y la regresión en cadena (ridge regression), 193 -- 4. El modelo lineal general (GLM), 265 -- 5. Modelos lineales generalizados, 351 -- 6. Modelos dinámicos: Modelos de la función de transferencia, 403 -- 7. Modelos dinámicos: Modelos de ecuaciones simultáneas y modelos multivariantes de series temporales, 499 -- 8. Modelos no lineales, 561 -- 9. Árboles de decisión, 593 -- 10. Modelos de redes neuronales, 617.

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.