P1061211 - Análise Multivariante (Módulo II: Estatística (A)) - Curso 2013/2014

Información

• Créditos ECTS
• Créditos ECTS: 5.00
• Total: 5.0
• Horas ECTS
• Clase Expositiva: 15.00
• Clase Interactiva Laboratorio: 20.00
• Horas de Titorías: 5.00
• Total: 40.0

Outros Datos

• Tipo: Materia Ordinaria Máster RD 1393/2007
• Departamentos: Estatística e Investigación Operativa
• Áreas: Estatística e Investigación Operativa
• Centro: Facultade de Matemáticas
• Convocatoria: 2º Semestre de Titulacións de Grao/Máster
• Docencia e Matrícula: Primeiro Curso (1º 1ª vez)

Profesores

Nome	Coordinador
GONZALEZ MANTEIGA, WENCESLAO.	SI
PATEIRO LOPEZ, BEATRIZ.	NON

Horarios

Nome	Tipo Grupo	Tipo Docencia	Horario Clase	Horario exames
Grupo /CLE_01	Ordinario	Clase Expositiva	NON	NON
Grupo /CLIL_01	Ordinario	Clase Interactiva Laboratorio	NON	NON
Grupo /TI-ECTS01	Ordinario	Horas de Titorías	NON	NON

Programa

Existen programas da materia para os seguintes idiomas:

Castelán

Galego

Inglés

Obxectivos da materia
Nesta materia se pretende que o alumno aprenda as técnicas máis importantes na análise de datos multidimensionais. Abórdanse tanto os aspectos metodolóxicos como do uso de software que proporcionan os paquetes estatísticos no eido da Análise Multivariante.

Contidos
Tema 1: Introdución á análise multivariante.
Conceptos básicos de álxebra matricial para o tratamento de datos multivariantes. Descrición de datos multivariantes. Medidas de proximidade.

Tema 2. Distribucións notables multidimensionais.
Distribución de Wishart, distribución de Hotelling e distribución de Wilks.

Tema 3. Inferencia en poboacións normais multivariantes.
Inferencia sobre a media e a matriz de covarianzas dunha poboación normal. Rexións de confianza e comparacións simultáneas. Comparación de poboacións normais multivariantes.

Tema 4. Contraste da normalidade multivariante
O test de Shapiro-Wilk multivariante.

Tema 5. O modelo lineal multivariante.
Presentación do modelo, estimación dos parámetros e inferencia sobre os parámetros. Contraste de restriccións lineais. Predicción.

Tema 6. Análise multivariante da varianza.
Presentación do modelo, a táboa de descomposición da variabilidade, contraste de igualdade de medias, comparacións múltiples.

Tema 7. Análise de compoñentes principais
Descomposición dun vector aleatorio nas súas compoñentes principais. Propiedades.

Tema 8. Análise de correspondencias.
Expresión da inercia dunha táboa de continxencia a través dos perfis de fila e columna. Extracción de compoñentes. Representación simultánea de filas e columnas. Interpretacións.

Tema 9. Fundamentos da Análise Discriminante.
Regra óptima con distribucións coñecidas e varios criterios. Estimación da regra discriminante e das taxas de erro de clasificación.

Tema 10. Análise factorial discriminante.
Clasificación óptima de varias poboacións normais multivariantes. Funcións de clasificación. Factores discriminantes.

Tema 11. Técnicas de formación de grupos.
Técnicas de agrupamento xerárquico. Métodos de particionamento: método das k-medias.

Bibliografía básica e complementaria
Bibliografía básica

Everitt, B.S. (2005). An R and S-Plus companion to multivariate analysis. Springer.
Johnson, R.A. e Wichern, D.W. (2007). Applied multivariate statistical analysis. Pearson Education.
Mardia, K.V., Kent, J.T. e Bibby, J.M. (1979). Multivariate analysis. Academic Press.


Bibliografía complementaria

Everitt, B.S. e Dunn, G. (2001). Applied multivariate data analysis. Hodder Education.
Hastie, T., Tibshirani, R. e Friedman, J. (2009). The elements of statistical learning. Springer.
Peña, D. (2002). Análisis de datos multivariantes. McGraw-Hill.
Pérez, C. (2004). Técnicas de análisis multivariante de datos. Pearson Educación, S.A.
Seber, G.A.F. (1984). Multivariate observations. Wiley.

Competencias
Competencias xerais:

Capacidade de identificar e resolver problemas
Habilidade para traballar de forma autónoma
Redacción de informes estatísticos
Capacidade de traballar en equipo


Competencias específicas:

Manexar os métodos fundamentais da análise multivariante.
Capacidade para aprender novos métodos de análise multivariante.
Identificación do método multivariante aplicable a cada caso concreto.
Manexo do software necesario para a implementación dos métodos multivariantes.

Metodoloxía da ensinanza
A actividade presencial do alumnado será de 40 horas entre docencia expositiva e interactiva, distribuídas fundamentalmente en sesións de dúas horas. Na parte expositiva o profesorado fará uso de presentacións multimedia, mentras que na parte interactiva o alumnado resolverá, utilizando o loxical estatístico R, distintas cuestións plantexadas sobre os contidos da materia.

O alumnado disporá, a través do campus virtual da USC así coma no repositorio de material do que dispón a páxina web propia do programa, do material docente (presentacións, apuntamentos, exercicios) da materia. Ao longo do curso proporanse traballos individuais e en grupo que os alumnos deberán resolver coa titorización dos profesores. Esta titorización será realizada tanto a través de medios virtuais (fundamentalmente correo electrónico) como de forma presencial en grupos reducidos.

Sistema de evaluación
O sistema de avaliación continua consistirá nun exame escrito para avaliar a aprendizaxe do alumnado no uso das técnicas multivariantes explicadas ao longo do curso. A nota deste exame escrito representará o 50% na cualificación final. O outro 50% será o resultado da avaliación dos traballos individuais realizados polo estudante ao longo do curso.

O alumnado ten a posibilidade de non participar no sistema de avaliación continua descrito anteriormente e ser avaliado mediante un examen teórico/práctico.


Tempo de estudo e traballo persoal
Considérase que o tempo de traballo persoal do alumnado para superar a materia é 125 horas repartidas como segue:

1) Actividade presencial (43): 40 horas (expositiva-interactiva)+3 horas (examen)
2) Estudo da material (40): Estímase 1 hora por cada hora de actividade presencial (sen incluír o examen)
3) Traballos da avaliación continua (42 horas)
Recomendacións para o estudo da materia
Para superar con éxito a materia é aconsellable a asistencia ás sesións de docencia expositiva e interactiva, sendo fundamental o seguimento diario do traballo realizado na aula. Tamén é recomendable que o alumno practique a utilización do loxical R para explorar as posibilidades das diversas técnicas non multivariante explicadas ao longo do curso.
Observacións
Ademais da docencia presencial contarase cun curso no Campus Virtual da Universidade, no que o alumnado poderá atopar materiais complementarios.