Prof. Valentín Glz. de Garibay

Análisis de Datos Multivariantes

MATERIAL TEÓRICO

de apoyo para clases presenciales

 

ANÁLISIS DE COMPONENTES PRINCIPALES (ACP)  material teórico ACP

o        5.0   Análisis Factorial / AF0     El AF (Análisis Factorial) .  material teórico AF

o        5.1   ACP/ACP1      El ACP de la Matiz de Covarianzas. Análisis en Rp.

o        5.2   ACP/ACP2      El ACP de la Matiz de Covarianzas. Análisis en Rn. Relaciones.

o        5.5   ACP/ACP5      ACP Normado. El ACP de la Matiz de Correlaciones.

 

ANÁLISIS CLUSTER / CLASIFICACIÓN AUTOMÁTICA:  material teórico cluster  

                                        (Clasificación NO Supervisada en Machine Learning)

o        6.1   Cluster / C1          Introducción. Una visión general.

o        6.2   Cluster / C2          Métodos Jerárquicos Ascendentes.

o        6.3   Cluster / C3          Indices de Agregación.

o        6.4   Cluster / C4          Criterio de la inercia de Ward.

o        6.5   Cluster / C5          Técnicas divisivas.

o        6.6   Cluster / C6          Corte del dendograma: número de clases.

o        6.7   Cluster / C7          Métodos No Jerárquicos.

o        6.8   Cluster / C8          Procedimientos combinados.

o        6.9   Cluster / C9          Clasificación sobre ACP. Descripción de las clases.

 

ANÁLISIS DE CORRESPONDENCIAS (AC):

o        7.0 Correspondencias / AC0       El AFG (Análisis Factorial General con pesos y métrica cualesquiera). material teórico AFG

o        7.1 Correspondencias / AC1       Introducción. Una visión general.

o        7.2 Correspondencias / AC2       Desarrollo teórico del A.C.   material teórico AC

o        7.6 Correspondencias / ACM      Desarrollo teórico del A.C. Múltiples   material teórico ACM   material Simposio Estadística 2001

             material teóricoADM

 

ANÁLISIS DE FACTORES COMUNES:

o        8.1 Extracción de Factores Comunes  (por M.Salvador, Universidad de Zaragoza)

     

  DISTRIBUCIONES MULTIVARIANTES

o        1.1   Resumen Teórico: Np y distribuciones asociadas. 

o        1.2   Problemas Np. 

   

EL MUESTREO DE LA NP

o        2.1   Resumen Teórico: Estimación y contraste de hipótesis para la distribución Np. (ampliación)

   

MODELO LINEAL MULTIVARIANTE

o        3.1   Regresión Multivariante

o        3.2   Manova. Modelos con factores intrasujeto.

   

ANÁLISIS DISCRIMINANTE (Clasificación Supervisada en Machine Learning)

o        4.1   Análisis Discriminante. Enfoque Predictivo.

o        4.2   Análisis Discriminante. Enfoque Descriptivo.

o        4.3   Ideas de Redes Neuronales sobre Regresión Logística.