UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
SÍLABO
1. Información General
a) Asignatura : Análisis de Regresión
b) Código : EP6003
c) Créditos :4
d) Horas de teoría : 3 horas semanales
e) Horas de práctica : 2 horas semanales
f) Requisitos : Estadística General, Álgebra matricial
g) Docente : Porras Cerrón, Jaime Carlos (jaimepc@[Link])
h) Ciclo :V
i) Semestre : 2026 - II
j) Modalidad : Presencial
2. Sumilla
El curso Análisis de Regresión pertenece al área de formación de la especialidad, es de
carácter obligatorio y de naturaleza teórico-práctica. El curso pretende desarrollar en el
estudiante la capacidad de modelar una variable cuantitativa en función de otras y realizar
inferencia sobre sus parámetros. Comprende las siguientes unidades o capítulos: Análisis
de correlación y regresión lineal simple. Modelo de Regresión múltiple. Comprobación de la
adecuación del modelo. Transformaciones para corregir inadecuaciones. Valores atípicos e
influenciales. Variables indicadoras. Métodos de selección de variables. Multicolinealidad.
Modelos de regresión polinomiales.
3. Competencias
Competencia general
Construye modelos estadísticos de regresión de una variable en función de otras, mediante
formalización matemática, con el propósito de aumentar su comprensión, hacer
predicciones y ayudar a su control.
Competencias específicas
• Aplica metodologías estadísticas de análisis de datos mediante regresión lineal, utilizando
software estadístico.
• Evalúa la adecuación de métodos y modelos estadísticos de regresión.
• Identifica y soluciona los principales problemas de inadecuación de un modelo de regresión
• Interpreta y comunica inferencia resultante en regresión, utilizando lenguaje estadístico.
4. Programa Calendarizado de Contenidos
UNIDAD 1: ANÁLISIS DE CORRELACIÓN Y REGRESIÓN LINEAL SIMPLE
Logro:
Al finalizar la unidad, el estudiante modela la relación funcional entre dos variables
Semanas cuantitativas mediante el análisis de regresión lineal simple y correlación, utilizando
1y2 software estadístico para la toma de decisiones basada en la inferencia y capacidad
predictiva del modelo
Contenidos conceptuales:
- Coeficiente de correlación.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
- Estimación e inferencia sobre el coeficiente de correlación, matriz de correlaciones
poblacional y muestral.
- El modelo de regresión lineal simple.
- Estimación de parámetros, prueba de hipótesis, análisis de la variancia.
- Coeficiente de determinación.
- Estimación por intervalo, predicción de nuevas observaciones
Contenidos procedimentales:
- Identifica los datos factibles de aplicación de análisis de correlación
- Calcula, interpreta, prueba la hipótesis referida a la correlación
- Identifica un problema o caso donde es aplicable la regresión lineal.
- Describe los componentes del modelo de regresión
- Obtiene la ecuación de regresión usando software estadístico y/o lenguaje R.
- Interpreta los resultados que proporciona un software estadístico y/o lenguaje.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación continua 1 A.
Práctica Calificada N° 1.
UNIDAD 2: REGRESIÓN LINEAL MÚLTIPLE
Logro:
Al finalizar la unidad, el estudiante construye modelos de regresión lineal múltiple para
explicar el comportamiento de una variable dependiente en función de un conjunto de
predictores, mediante el uso de software estadístico (o lenguaje R) y la interpretación
de pruebas de significancia individual y global, con el fin de realizar estimaciones
precisas en contextos reales.
Contenidos conceptuales:
- El modelo de regresión múltiple.
- Estimación de los parámetros del modelo, prueba de hipótesis, intervalos de
confianza en regresión
- Predicción de nuevas observaciones.
Semanas
3y4 Contenidos procedimentales:
- Identifica un problema o caso donde es aplicable la regresión múltiple
- Describe los componentes del modelo de regresión
- Utiliza software estadístico y/o lenguaje R para obtener la ecuación de regresión
- Interpreta los resultados obtenidos
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación continua 1 A.
Práctica Calificada N° 1.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
UNIDAD 3: COMPROBACIÓN DE LA ADECUACIÓN DEL MODELO
Logro:
Al finalizar la unidad, el estudiante valida la adecuación y fiabilidad de un modelo de
regresión lineal mediante el diagnóstico de los supuestos y el análisis de residuales,
empleando pruebas gráficas y analíticas en software estadístico para garantizar la
inferencia estadística correcta en la resolución de problemas reales.
Contenidos conceptuales:
- Análisis de residuales
- Supuesto de normalidad de errores
- Supuesto de homogeneidad de varianzas de los errores
- Supuesto de independencia de errores
- Supuesto de linealidad del modelo
Semana 5
Contenidos procedimentales:
- Define, gráfica y analiza residuales
- Aplica técnicas de análisis de residuales para comprobar la hipótesis de
normalidad, la homogeneidad de variancias e independencia.
- Evalúa el supuesto de linealidad del modelo
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación continua 1 A.
Práctica Calificada N° 2.
UNIDAD 4: TRANSFORMACIONES PARA CORREGIR INADECUACIONES
Logro:
Al finalizar la unidad, el estudiante reestructura modelos de regresión que presentan
incumplimiento de supuestos mediante el uso de transformaciones de variables y
métodos de estimación alternativos, aplicando técnicas analíticas en software
estadístico para optimizar la precisión y validez del ajuste final.
Contenidos conceptuales:
- Transformaciones para estabilizar la varianza,
- Transformaciones para linealizar el modelo.
- Métodos analíticos para seleccionar una transformación.
Semana - Mínimos cuadrados generalizados y ponderados
6
Contenidos procedimentales:
- Identifica situaciones en las que es necesario ejecutar transformaciones.
- Ejecuta transformaciones de datos e interpreta los resultados.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación continua 1 B.
Práctica Calificada N° 2.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
UNIDAD 5: VALORES ATÍPICOS E INFLUENCIALES
Logro:
Al finalizar la unidad, el estudiante diagnostica la presencia e impacto de
observaciones atípicas, puntos de balanceo (leverage) y valores influenciales en el
modelo de regresión, mediante el cálculo e interpretación de métricas de influencia
(Distancia de Cook, DFFITS, DFBETAS) en software estadístico, para determinar el
tratamiento adecuado de los datos en escenarios reales..
Contenidos conceptuales:
- Detección de puntos atípicos, valores influyentes, puntos de balanceo.
- Medidas de influencia: distancia de Cook, DFFITS, DFBETAS.
Semana - Tratamiento de observaciones influyentes.
7
Contenidos procedimentales:
- Define y distingue valores atípicos, puntos influyentes y de balanceo
- Sugiere medidas de remediación ante la presencia de estas observaciones.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación Continua 1 B.
Práctica Calificada N° 2.
Semana 8 COMPLEMENTO DE EVALUACIÓN CONTINUA 1
UNIDAD 6: VARIABLES INDICADORAS
Logro:
Al finalizar la unidad, el estudiante integra variables cualitativas dentro de modelos de
regresión lineal, mediante la codificación de variables indicadoras y el análisis de
cambios en el intercepto y la pendiente, para modelar comportamientos heterogéneos
en datos reales.
Contenidos conceptuales:
- Concepto y uso de variable indicadora.
- Modelos de regresión con una o más variables indicadoras independientes.
Semana 9
Contenidos procedimentales:
Realiza el análisis de regresión con al menos una variable indicadora
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación Continua 2 A.
Práctica Calificada N° 3.
UNIDAD 7: SELECCIÓN DE VARIABLES
Semanas Logro:
10 y 11 Al finalizar la unidad, el estudiante optimiza la estructura de un modelo de regresión
lineal mediante la identificación del subconjunto óptimo de predictores, comparando
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
métodos algorítmicos (Stepwise, Forward, Backward) y criterios de para garantizar la
parsimonia y el poder predictivo del modelo.
Contenidos conceptuales:
- Métodos de selección: Backward o eliminación hacia atrás, Forward o selección
hacia delante y Stepwise o selección paso a paso.
- Métodos de mejores subconjuntos o todas las regresiones posibles. Criterio de
R², R² ajustado. Varianza estimada del error y Cp de Mallows. Validación
cruzada.
Contenidos procedimentales:
- Aplica las técnicas de selección de variables para obtener el mejor modelo.
- Distingue y describe los métodos de selección.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación Continua 2 A.
Práctica Calificada N° 3.
UNIDAD 8: MODELOS DE REGRESIÓN POLINOMIAL
Logro:
Al finalizar la unidad, el estudiante especifica modelos de regresión polinomial para
representar relaciones no lineales entre variables, mediante la incorporación de
términos de orden superior y el uso de polinomios ortogonales para evitar la
multicolinealidad, con el fin de mejorar el ajuste y la capacidad explicativa del modelo.
Contenidos conceptuales:
- Modelos polinomiales con una o más variables independientes, polinomios
Semana ortogonales.
12 Contenidos procedimentales:
- Construye modelos de regresión polinomial.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación Continua 2 B.
Práctica Calificada N° 4.
UNIDAD 9: MULTICOLINEALIDAD
Logro:
Al finalizar la unidad, el estudiante mitiga los efectos de la multicolinealidad sobre la
Semana estabilidad y precisión de los coeficientes del modelo de regresión, a través del
13 diagnóstico mediante el Factor de Inflación de la Varianza (VIF) y la aplicación de
métodos de regularización o componentes principales, para asegurar inferencias
estadísticas válidas en problemas reales.
Contenidos conceptuales:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
- Multicolinealidad, fuentes, efectos, diagnóstico. Manejo de la multicolinealidad.
Métodos de regularización. Método de componentes principales.
Contenidos procedimentales:
- Define y diagnostica multicolinealidad.
- Usa técnicas para solución de problemas de multicolinealidad.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación Continua 2 B.
Práctica Calificada N° 4.
UNIDAD 10: MÉTODOS COMPLEMENTARIOS DE REGRESIÓN
Logro:
Al finalizar la unidad, el estudiante evalúa la estabilidad y el rendimiento predictivo de
los modelos de regresión, mediante la aplicación de técnicas de remuestreo
Bootstrap y Validación Cruzada (K-fold), para garantizar la fiabilidad de las
estimaciones en conjuntos de datos complejos.
Contenidos conceptuales:
- Regresión Bootstrap. Validación Cruzada.
Semana Contenidos procedimentales:
14 - Construye modelos de regresión con Bootstrap.
- Aplica Validación Cruzada a los modelos.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Evaluaciones de la Unidad:
Evaluación Continua 2 B.
Práctica Calificada N° 4.
Semana
COMPLEMENTO DE EVALUACIÓN CONTINUA 2
15
EXPOSICIÓN DE TRABAJOS GRUPALES
Logro:
Al finalizar la unidad, el estudiante sustenta un trabajo de investigación elaborado
en equipo, aplicando lo aprendido en el curso en un conjunto de datos reales.
Semanas 16 Contenidos conceptuales:
y 17 Informe escrito de trabajo de investigación y uso de software
Contenidos procedimentales:
Expone los resultados de la investigación grupal utilizando las herramientas
presentadas en clase.
Contenidos actitudinales:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer diario,
puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Semana
EVALUACIONES REPROGRAMADAS Y TALLER DE HABILIDADES BLANDAS
18
5. Programa Calendarizado de Prácticas
Unidad Semana Título de la Práctica
1 1 Análisis de correlación
1 2 Análisis de regresión lineal simple
2 3-4 Análisis de regresión lineal múltiple
3 5 Comprobación de la adecuación del modelo
4 6 Transformaciones para corregir inadecuaciones
5 7 Valores atípicos e influenciales
6 9 Variables indicadoras
7 10-11 Selección de variables
8-9 12-13 Modelos de Regresión Polinomial y Multicolinealidad
10 14 Métodos Complementarios de Regresión
6. Programa Calendarizado de Evaluaciones
Unidad Semana T/P Título de la Evaluación Instrumento de Evaluación
1y2 3 P Práctica Calificada 1 Examen escrito
1-3 5 T/P Evaluación Continua 1-A Examen escrito
4y5 7 P Práctica Calificada 2 Examen escrito
4y5 8 T/P Examen continuo 1-B Examen escrito
6y7 11 P Práctica Calificada 3 Examen escrito
6y7 12 T/P Examen continuo 2-A Examen escrito
8 - 10 14 P Práctica Calificada 4 Examen escrito
8 -10 15 T/P Examen continuo 2-B Examen escrito
1-5 16-17 T/P Exposición oral Rúbrica
7. Estrategias de Enseñanza-Aprendizaje
a) Estrategias durante las sesiones teóricas:
Exposición: Presentar de manera organizada la información a un grupo. Por lo general es
el profesor quien expone; sin embargo también los alumnos exponen
Preguntas: Con base en preguntas, llevar a los alumnos a la discusión y análisis de
información pertinente a la materia.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
Lluvia de ideas: Incrementar el potencial creativo en un grupo. Recabar mucha y variada
información. Resolver problemas.
b) Estrategias durante las sesiones prácticas:
Preguntas: Con base en preguntas, llevar a los alumnos a la discusión y análisis de
información pertinente a la materia.
Aprendizaje basado en casos: Los estudiantes deben trabajar en grupos pequeños,
sintetizar y construir el conocimiento para analizar los casos, que por lo general han sido
tomados de la realidad.
8. Investigación Formativa
Realiza la aplicación de la investigación formativa mediante:
- El planteamiento del problema de investigación. Determina los objetivos de la investigación.
- Genera y analiza datos. Registra y procesa datos, aplica técnicas estadísticas, interpreta los
datos.
- Plantea conclusiones de una investigación. Redacta conclusiones.
9. Responsabilidad Social Universitaria
Se fomenta que:
- Durante el desarrollo del curso actitudes de responsabilidad como: apagado de los equipos
de cómputo una vez terminada la clase, reutilización del papel.
- Se participe en proyectos y programas que beneficien a la comunidad.
- Se realicen iniciativas empresariales que tengan impacto en la sociedad y el medio
ambiente.
10. Sistema de Evaluación
Instrumentos de
Actividades Contenido Ponderación
Evaluación
Evaluación Conceptuales 50% Examen Escrito
Continua 1 Procedimentales 50% 25% Examen Escrito
Actitudinales 0% Examen Escrito
Evaluación Conceptuales 50% Examen Escrito
Continua 2 Procedimentales 50% 25% Examen Escrito
Actitudinales 0% Examen Escrito
Conceptuales 50% Examen Escrito
Prácticas
Procedimentales 50% 30% Examen Escrito
Calificadas
Actitudinales 0% Examen Escrito
Conceptuales 40% Rúbrica
Trabajo de
Procedimentales 40% 20% Rúbrica
Investigación
Actitudinales 20% Rúbrica
TOTAL 100%
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
11. Referencias Bibliográficas
• Faraway Julian (2002). Practical Regression and Anova using R., [Link]
[Link]/.
• Hernandez F., Usuga O. , Mazo, M. (2024) Análisis de Regresión con R
[Link]
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
• Montanero, J. (2008). Modelos Lineales. Universidad de Extremadura
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression
Analysis. Wiley
• Puntanen, S., Styan, G., Isotalo, J. (2013). Formulas Useful for Linear Regression
Analysis and Related Matrix Theory. Springer
• Seber, G., Lee, A. (2003). Linear Regression Analysis. Wiley
• Sheather, Simon (2009). A Modern Approach to Regression with R, Springer, New
York, USA.
• Weisberg, S. (2014). Applied Linear Regression. Willey
La Molina, 17 de agosto del 2026
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad