Mejuto Vázquez, Sergio2021-06-032021-06-032019-07http://hdl.handle.net/10347/26382Traballo Fin de Grao en Matemáticas. Curso 2018-2019[ES] Los modelos de regresión se basan en los estimadores de mínimos cuadrados, el cual veremos que es fácil que no sea capaz de estimar los coeficientes con fiabilidad en el caso de variables dependientes. Para corregir este problema, se crearon distintos métodos que veremos en este trabajo. La Regresión Ridge y el método LASSO utilizan el estimador de mínimos cuadrados con una penalización, la cual restringe los posibles valores que pueden tomar los coeficientes, y así logran controlar sus valores. Por otro lado, LAR nos da una ordenación de las variables según su importancia, con la cual podemos crear modelos de regresión cogiendo sólo variables importantes. Con estos métodos conseguimos evitar el problema de las variables dependientes.[EN] Regression methods are based on the least square estimator, which may not provide a good estimation of the coefficients in the case we have dependant variables. To avoid this problem, different methods were created. Ridge Regression and LASSO use the least square estimator with a penalty that shrinks the values of the coefficients, controling their possible values. On the other hand, LAR order the variables by their importance in the model, and we can use it to create a model by choosing only the most important variables. With these methods we can avoid the problem we had in the case of dependant variables.spaAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/bachelor thesisopen access