Estadística Aplicada
Grado y Doble Grado. Curso 2023/2024.
TÉCNICAS ESTADÍSTICAS MULTIDIMENSIONALES I - 801604
Curso Académico 2023-24
Datos Generales
- Plan de estudios: 0825 - GRADO EN ESTADÍSTICA APLICADA (2009-10)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
- CG 14 - AD 1. Describir y analizar situaciones con varias variables mediante el análisis de datos.
- CG 4 - AD 2. Interpretar los resultados obtenidos en la resolución de problemas de análisis de datos con varias variables..
- CG 9 - AD 1. Reducir la información de interés para su tratamiento y análisis.
- CG 4 - AD 2. Interpretar los resultados obtenidos en la resolución de problemas de análisis de datos con varias variables..
- CG 9 - AD 1. Reducir la información de interés para su tratamiento y análisis.
Específicas
. CE 5 - AD 1. Buscar y encontar patrones de comportamiento de datos.
. CE 10 - AD 1. Anallizar los datos mediante la aplicación de métodos y
técnicas estadísticas, trabajando con datos cuantitativos y cualitativos.
. CE 14 - AD 1. Extraer conclusiones del análisis de datos.
. CE 10 - AD 1. Anallizar los datos mediante la aplicación de métodos y
técnicas estadísticas, trabajando con datos cuantitativos y cualitativos.
. CE 14 - AD 1. Extraer conclusiones del análisis de datos.
ACTIVIDADES DOCENTES
Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%
Presenciales
2,4
No presenciales
3,6
Semestre
5
Breve descriptor:
Estudio y determinación de la verdadera dimensión de la información multivariante. Relaciones entre variables cualitativas. Clasificación de individuos en grupos establecidos con anterioridad en base a información multivariante. Formación de grupos de individuos con características similares. Aplicación del software específico para resolver cada uno de estos problemas.
Requisitos
Es conveniente que el alumno haya cursado las asignaturas Estimación I, Estimación II, Software Estadístico I y II, Programación I y Métodos Matemáticos para Estadística II.
Contenido
TÉCNICAS ESTADÍSTICAS MULTIDIMENSIONALES I
TEMA 1. ANÁLISIS DE COMPONENTES PRINCIPALES Y FACTORIAL.
1.1. Introducción.
1.2. Fundamentos del análisis factorial.
1.3. Análisis de Componentes Principales.
1.4. Sistemática del análisis de Componentes Principales.
1.5. Análisis Factorial.
1.6. Métodos de rotación de factores e interpretación del análisis factorial.
TEMA 2. ANÁLISIS DE CORRESPONDENCIAS.
2.1. Introducción.
2.2. Test de independencia.
2.3. Perfiles fila y perfiles columna.
2.4. Análisis de la Inercia de una nube de puntos
2.5. Análisis de correspondencias múltiple.
TEMA 3. ANÁLISIS DISCRIMINANTE.
3.1. Introducción.
3.2. Reglas de decisión para dos grupos.
3.3. Clasificación sobre varias poblaciones.
3.4. Análisis canónico discriminante de Fisher.
3.5. Elección de variables: procedimiento Forwrad y backaward..
3.6. Sistemática del análisis discriminante.
TEMA 4. ANÁLISIS CLUSTER.
4.1. Introducción.
4.2. Medidas de distancia y similitud..
4.3. Algoritmos de clasificación jerárquica.
4.4. Algoritmos de clasificación no jerárquica.
4.5. Procedimientos para determinar el número adecuado de grupos.
4.6. Caracterización de los clústeres.
4.7. Sistemática del análisis cluster.
TEMA 1. ANÁLISIS DE COMPONENTES PRINCIPALES Y FACTORIAL.
1.1. Introducción.
1.2. Fundamentos del análisis factorial.
1.3. Análisis de Componentes Principales.
1.4. Sistemática del análisis de Componentes Principales.
1.5. Análisis Factorial.
1.6. Métodos de rotación de factores e interpretación del análisis factorial.
TEMA 2. ANÁLISIS DE CORRESPONDENCIAS.
2.1. Introducción.
2.2. Test de independencia.
2.3. Perfiles fila y perfiles columna.
2.4. Análisis de la Inercia de una nube de puntos
2.5. Análisis de correspondencias múltiple.
TEMA 3. ANÁLISIS DISCRIMINANTE.
3.1. Introducción.
3.2. Reglas de decisión para dos grupos.
3.3. Clasificación sobre varias poblaciones.
3.4. Análisis canónico discriminante de Fisher.
3.5. Elección de variables: procedimiento Forwrad y backaward..
3.6. Sistemática del análisis discriminante.
TEMA 4. ANÁLISIS CLUSTER.
4.1. Introducción.
4.2. Medidas de distancia y similitud..
4.3. Algoritmos de clasificación jerárquica.
4.4. Algoritmos de clasificación no jerárquica.
4.5. Procedimientos para determinar el número adecuado de grupos.
4.6. Caracterización de los clústeres.
4.7. Sistemática del análisis cluster.
Evaluación
Evaluación continua del trabajo realizado en clase mediante la resolución de las hojas de problemas y realización de alguna prueba de conocimientos. La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 40%.
Se podrá aprobar por evaluación continua.
Cualquier alumno podrá presentarse al examen final, siendo la valoración del mismo el 100% de su nota final.
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 40%.
Se podrá aprobar por evaluación continua.
Cualquier alumno podrá presentarse al examen final, siendo la valoración del mismo el 100% de su nota final.
Bibliografía
. Douglas L. J., Green P.E. (2003). "Analizing Multivariate Data". Thomson. Learning. Pacific Grove SA.
. Everitt "Applied Multivariate Data Analysis", Ed Arnold, 2001.
. Hair Anderson Tatham Black "Analisis Multivariante" Madrid 1999.
. Johnson, Richard & Dean Wichern. "Applied Multivariate Statistical Analysis". Prentice-Hall. New Jersey 1998.
. Jonson, D.E. (2000). "Métodos Multivariados Aplicados al Análisis De Datos". México, International Thomson Editores.
. Ludovic Lebart, Alain Morineu, Marie Piron, "Statistique Exploratoire Multidimensionnelle", Ed. Dunod, 3ª Edicion, Paris 2000
. Pérez López, Cesar. Técnicas de Análisis Multivariante de Datos: Aplicaciones con SPSS. Ed. Pearson Educación. 2008.
. Valencia Delfa, J.L.; Vicente Hernanz, Mª Lina. Análisis Multivariante I. Ed. CERSA. 2006.
. Everitt "Applied Multivariate Data Analysis", Ed Arnold, 2001.
. Hair Anderson Tatham Black "Analisis Multivariante" Madrid 1999.
. Johnson, Richard & Dean Wichern. "Applied Multivariate Statistical Analysis". Prentice-Hall. New Jersey 1998.
. Jonson, D.E. (2000). "Métodos Multivariados Aplicados al Análisis De Datos". México, International Thomson Editores.
. Ludovic Lebart, Alain Morineu, Marie Piron, "Statistique Exploratoire Multidimensionnelle", Ed. Dunod, 3ª Edicion, Paris 2000
. Pérez López, Cesar. Técnicas de Análisis Multivariante de Datos: Aplicaciones con SPSS. Ed. Pearson Educación. 2008.
. Valencia Delfa, J.L.; Vicente Hernanz, Mª Lina. Análisis Multivariante I. Ed. CERSA. 2006.
Estructura
Módulos | Materias |
---|---|
ANÁLISIS DE DATOS | MINERÍA DE DATOS |
Grupos
Actividades prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo mañana A | 11/09/2023 - 21/12/2023 | MARTES 13:00 - 15:00 | - | MARIA ANGELES MEDINA SANCHEZ |
Grupo tarde B | 11/09/2023 - 21/12/2023 | JUEVES 18:00 - 20:00 | - | JOSE LUIS BRITA-PAJA SEGOVIANO |
Clases teóricas y/o prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo mañana A | 11/09/2023 - 21/12/2023 | VIERNES 11:00 - 13:00 | - | MARIA ANGELES MEDINA SANCHEZ |
Grupo tarde B | 11/09/2023 - 21/12/2023 | LUNES 18:00 - 20:00 | - | JOSE LUIS BRITA-PAJA SEGOVIANO |