Economía - Matemáticas y Estadística Plan 2019. (Plan a extinguir)

Grado y Doble Grado. Curso 2023/2024.

ANÁLISIS MULTIVARIANTE - 900727

Curso Académico 2023-24

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 - Comprender y utilizar las técnicas y modelos de la Estadística con el lenguaje matemático adecuado.
CG3 - Conocer los teoremas y modelos clásicos en distintas áreas de la Matemática y de la Estadística.
CG4 - Asimilar la definición de nuevos objetos matemático-estadísticos, en términos de otros ya conocidos, y ser capaz de utilizar dichos objetos en diferentes contextos.
Transversales
CT1 - Haber demostrado poseer y comprender conocimientos en el área de las Matemáticas y la Estadística, partiendo de la base de la educación secundaria general, y alcanzando un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de dicha área.
CT2 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y que posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro del área de la Estadística, con base en las Matemáticas.
CT3 - Tener la capacidad de reunir e interpretar datos relevantes (dentro del área de la Estadística y las Matemáticas y de alguno de sus campos de aplicación) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
Específicas
CE1 - Proponer, analizar, validar e interpretar modelos de situaciones en las que se presenten fenómenos estocásticos utilizando las herramientas estadístico-matemáticas más adecuadas.
CE2 - Resolver problemas de Estadística mediante herramientas matemáticas e informáticas.
CE3 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas estadísticos.

ACTIVIDADES DOCENTES

Clases teóricas
Sesiones académicas teóricas
Seminarios
Prácticas informáticas
Trabajo individual o en grupo tutorizado por el profesor
Exposición oral en grupos de las prácticas informáticas
Clases prácticas
Sesiones académicas de problemas
Laboratorios
Prácticas informáticas
Exposiciones
Exposición oral en grupos de las prácticas informáticas

Presenciales

2,4

No presenciales

3,6

Semestre

7

Breve descriptor:

El objetivo es manejar los métodos mas utilizados en análisis multivariante y poder aplicarlos a conjuntos reales de datos.

Requisitos

Se recomienda haber cursado la asignatura "Análisis de Datos".

Objetivos

1. Conocer conceptos y distribuciones probabilísticas útiles en análisis multivariante 2. Aplicar técnicas inferenciales bajo normalidad en contexto multivariante 3. Conocer algunos modelos multivariantes basicos y saber utilizarlos en el analisis de conjuntos de datos 4. Utilizar software estadistico en analisis multivariantes

Contenido

Modelos multivariantes. Problemas y técnicas. Estadísticos multivariantes.  

Distribuciones de interés. Inferencia bajo normalidad.  

Análisis factorial.  

Correlaciones canónicas.  

Discriminación y clasificación.  

Otros modelos y técnicas de aprendizaje supervisado: Estimador Naive-Bayes, algoritmo de los k-vecinos más cercanos; Árboles de decisión.     

Software estadístico aplicado al análisis multivariante.

Evaluación

Examen teórico-práctico*: 70%
Realización de ejercicios y prácticas: 30%
Nota*: El resultado del examen final sobre 10 debe ser superior a 3 para ser considerado en la calificación final.

Bibliografía

1. Cuadras, C. (2011). Nuevos Métodos de Análisis Multivariante. Ed. CMC Editions. Disponible en http://www.ub.edu/stat/personal/cuadras/metodos.pdf
2. Johnson, R.A., Wichern, D.W. (2007). Applied Multivariate Statistical Analysis. Prentice Hall.
3. Peña, D. (2002). Análisis de datos multivariantes. McGraw-Hill.

Bibliografía complementaria:

1. Giri, N. (2004). Multivariate Statistical Analysis. Marcel Dekker.
2. Härdle, W., Simar,L. (2007). Applied Multivariate Statistical Analysis. Springer.
3. Rencher, A. (2002). Methods of Multivariate Analysis. Willey.
4. Timm, N. (2002). Applied Multivariate Analysis. Springer.

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas
GrupoPeriodosHorariosAulaProfesor
Grupo único04/09/2023 - 15/12/2023MIÉRCOLES 17:00 - 18:00S-106ELENA SALOME ALMARAZ LUENGO
FRANCISCO JAVIER GARCIA CRESPO
MIÉRCOLES 18:00 - 19:00S-106ELENA SALOME ALMARAZ LUENGO
FRANCISCO JAVIER GARCIA CRESPO


Clases en aula de informática
GrupoPeriodosHorariosAulaProfesor
Grupo único04/09/2023 - 15/12/2023JUEVES 19:00 - 20:00INF4 Aula de InformáticaELENA SALOME ALMARAZ LUENGO
FRANCISCO JAVIER GARCIA CRESPO
JUEVES 20:00 - 21:00INF4 Aula de InformáticaELENA SALOME ALMARAZ LUENGO
FRANCISCO JAVIER GARCIA CRESPO