<= Atrás     Docencia > Diplomatura > Análisis de Datos Home Mapa Contactar Buscar Ayuda
 
Versión para imprimir

Análisis de Datos
(Curso 2003-2004)

(Ver curso 2004-2005)

Código Sigma: 16596
Carácter: Obligatoria
Curso:
Ciclo:
Cuatrimestre: Anual
Créditos: 15 créditos= 9 T + 6 P (5 horas semanales)

Objetivos: Introducción de las distintas técnicas de análisis de datos multivariante. Utilización de diversos paquetes estadísticos para las distintas técnicas SAS, STATISTICA, SPAD y programación con MATLAB.
Evaluación: Se realizará un examen cuatrimestral y un examen final.
Prerrequisitos: Estadística Descriptiva de primer Curso y Ampliación de Matemáticas y Estadística Matemática de segundo Curso.
Descriptor:

Programa:

  1. Distribuciones Multivariantes. Muestras.
    Distribuciones Multivariantes. Marginales y condicionadas. Medias, covarianzas y Correlaciones. Transformaciones. Correlación Múltiple y Parcial. Muestras Multivariantes. Interpretaciones geométricas para las Matrices de datos. Medias, covarianzas y correlaciones muestrales. Transformaciones. Representaciones gráficas.
  2. La Normal Multivariante.
    Densidad, media, covarianzas. Transformaciones lineales. Marginales y condicionadas. Normales singulares. Test de normalidad, observaciones atípicas. Distribuciones asociadas a la Normal. Inferencia en la Normal Multivariante.
  3. MANOVA.
    Modelos lineales multivariantes. Test de hipótesis. Modelo linear general. MANOVA. MANCOVA. Medidas repetidas y Análisis de perfiles.
  4. Análisis de Componentes Principales.
    Reducción de dimensionalidad. Factores y ejes principales. Inercia. Representación de Individuos y de Variables. ACP normado. Interpretación geométrica. Contribuciones. Elementos suplementarios.
  5. Análisis Discriminante.
    Discriminación en el caso de dos grupos. Función discriminante de Fisher. Probabilidad a priori y a posteriori. Cross-validation y Jackniffing. Clasificación en más de dos grupos. Selección de variables.
  6. Análisis de Cluster.
    Medidas de similaridad. Clasificación Jerárquica indexada. Métodos: Single (complete) linkage, Centroide, Ward. Clasificación No Jerárquica. Centros Móviles. Método mixto. Descripción de clases.
  7. Análisis de correspondencias.
    Introducción. Distancia chi-cuadrado entre perfiles. Obtención de los ejes factoriales. Relación entre los perfiles fila y columna. Contribuciones absolutas y relativas. Relaciones con el test chi-cuadrado. Interpretación de Gráficos bidimensionales. Elementos suplementarios. Comparación de grupos. Análisis de Correspondencias Múltiples.

    TEMAS COMPLEMENTARIOS :

  8. Scaling Multidimensional.
    Scaling Métrico. Scaling no métrico.
  9. Correlaciones Canónicas.
    Descripción del problema. Obtención de las variables canónicas. Interpretación.
  10. Análisis Factorial.
    Factores y cargas. Comunalidad y especificidad. Extracción de factores iniciales. Estimación de cargas y comunalidades. Rotación de factores.
Actividades:

Bibliografía:

  • Afifi, A. A. y Clark, V. (1990), Computer-Aided Multivariate Analysis (second edition), Ed: Van Nostrand Reinhold.
  • Chatfield, C. y Collins, A.J. (1980), Introduction To Multivariate Analysis, Ed: Chapman and Hall.
  • Everitt, B. (1993), Cluster Analysis (third edition), Ed: Edward Arnold.
  • Everitt B. S. y Dunn G. (1991), Applied Multivariate Data Analysis, Ed: Edward Arnold, London.
  • FLURY BERNARD (1997). A first Course in Multivariate Statistics. Ed: Springer.
  • JOBSON, D.V. (1992). Applied Multivariate Data Analysis. Volume II: Categorical and Multivariate Methods. Ed: Springer-Verlag.
  • Krzanowski, W. J. (1988), Principles of Multivariate Analysis (a user's perspective), Ed: Oxford Science Publications.
  • Lebart, L., Morineau, A. y Warwick, K. M. (1984), Multivariate Descriptive Statistical Analysis, Ed: Wiley.
  • SEBER, G.A.F. (1984), Multivariate Observations, Ed: Wiley.
  Última actualización : 30/09/03