Código y Nombre de la Asignatura: ELP 8022 - ANALISIS ESTADISTICO MULTIVARIADO |
División Académica:
División de Ingenierías
Departamento Académico: Dpto. Ingeniería Industrial EST 1051 Calificación mínima de 3.0 Número de créditos: Intensidad horaria (semanal para nivel pregrado y total para nivel postgrado): 3.000 Horas de Teoría 0.000 Horas de Laboratorio Niveles: Educación Superior Pregrado Tipos de Horario: Teoría La asignatura integra conceptos de minería de datos y métodos multivariados aplicados de apoyo útil a los investigadores para buscarle sentido a conjunto grandes, complicados y complejos datos que constan de una gran cantidad de variables medidas en diversas unidades experimentales. Estos conceptos son tratados desde múltiples dominios científicos mediante aplicaciones que permiten tener una visión clara de las técnicas univariantes y multivariante de análisis de datos, mediante el desarrollo de los principales métodos. 3. OBJETIVO GENERAL Desarrollar conceptos, métodos y técnicas estadísticas univariantes y multivariante de análisis de datos, buscando que los estudiantes desarrollen habilidad en el planteamiento de sus propios problemas y los resuelvan mediante medios informáticos, para contribuir a desarrollar investigaciones donde los procesos son complejos en el tratamiento de datos. 4. OBJETIVOS ESPECIFICOS Introducir a los estudiantes en técnicas estadísticas multivariadas y familiarizarlos con el software que se utiliza en la resolución de problemas diversos. Presentar un panorama de los métodos multivariados aplicados en las diferentes ramas de las ciencias, dejando clara su importancia en el tratamiento de grandes, complicados y complejos datos que constan de una gran cantidad de variables medidas en número alto de unidades experimentales. Desarrollar las convenciones respecto a la notación matricial, distribución normal y estadísticas multivariadas, que se aplicarán en los diferentes métodos desarrollados en la asignatura. Hacer una introducción a la minería de datos, desarrollando ejemplos y casos que permita ver la importancia para las investigaciones Desarrollar los conceptos de técnicas y métodos de análisis de datos multivariados orientadas a apoyar los proyectos que se generan como resultado del ejercicio estratégico y/o para el desarrollo de proyectos de investigación. Desarrollar proyectos que permitan sistematizar y consolidar los conceptos desarrollados y que puedan apoyar las investigaciones en proceso. Este será desarrollado por los estudiantes con la permanente tutoría del profesor. 5 METODOLOGÍA La asignatura se desarrolla con exposición magistral por parte del profesor y la participación activa del estudiante mediante el desarrollo de casos y talleres de consolidación del conocimiento para cada uno de los módulos. Por otra parte, se le dará gran importancia al trabajo de equipo lo cual se concreta con las reflexiones individuales y puestas en común con el propósito de sacar conclusiones sobre enfoques útiles para la aplicación en los trabajos de investigación. Parte fundamental de esta metodología es el desarrollo de un trabajo integrador que harán los estudiantes en grupo con la permanente tutoría del profesor y, en lo posible que pueda ser aplicado en su tesis. 6. MEDIOS Software R, SPSS, SPAD, Stagraphics y cualquier otro software que pueda ser utilizado en el desarrollo del trabajo integrador propuesto por el estudiante. 7. CONTENIDO Temas previos al análisis multivariado Reseña histórica del análisis de datos multivariados Importancia y campos de aplicación el análisis de datos multivariado Representaciones gráficas y convenciones Panorama de los métodos multivariante Operaciones con matrices y vectores Identificación de problemas y trabajo de campo Minería de datos y Software R Descubriendo Información Oculta Fundamentos del Data Mining El Alcance de Data Mining Técnica utilizada en Data Mining Software R El proceso de minería de datos Integración, limpieza y exploración de los datos Definición de patrones o construcción de modelos Validación y verificación de los modelos 5.3 Análisis de Componentes principales Presentación el método Identificación de variables -Individuos Los eigenvalores y eigenvectores Coeficientes principales Métodos de determinación de componentes principales Perspectiva espacial Perspectiva matemática Conclusiones y aplicaciones Modelaje Análisis de factores Objetivo el análisis de factores Diferencia entre componentes principales y análisis de factores Ecuación característica Estimación del modelo Reducción y denominación de factores Rotación de factores Tratamiento informático del análisis de factores Análisis de Correspondencia Prestación intuitiva a partir de un ejemplo Análisis general de los métodos factoriales Análisis de correspondencias simples Las tablas de contingencia Formación de las nubes y definición de distancias Ejes factoriales Reconstrucción de las tablas de frecuencia Análisis de correspondencia múltiple Obtención de los factores :tabla de Buró Tratamiento informático y aplicaciones del análisis de correspondencia Análisis de regresión múltiple Presentación e importancia de la regresión Modelo general El vector estimador B Intervalo de confianza para el estimador Prueba de bondad de ajuste Tratamiento informático y aplicaciones Análisis discrimínate Objetivos y funciones del análisis discriminante Aplicaciones del análisis discriminante Discriminación para dos poblaciones normales multivariante Ecuación de la función discriminante Método paso a paso para la asignación de variables Determinación de la función discrimínate significativa Reglas discriminantes más de dos poblaciones Discriminación básica Procedimiento de selección de variables Procedimientos de eliminación Funciones discriminantes canónicas Tratamiento informático del análisis discrimínate Resumen del análisis discriminante Clasificación y segmentación mediante análisis de Cluster Conceptos de análisis de Cluster Distancias y similitudes Cluster no jerárquicos Cluster jerárquicos Dendogramas Análisis de conglomerados en dos fases Tratamiento informático del análisis de Cluster 7. EVALUACION Quices 10% Parcial 1 20% Parcial 20 % Examen 20% Proyecto 30% 8. BIBLIOGRAFIA Libros Dallas E. Johnson. Métodos multivariados aplicados al análisis de datos. Thomson editores S.A. México. 2000, 566p Pérez López, Cesar. Técnicas de análisis multivariante de datos. Aplicaciones con SPSS. Universidad Complutense de Madrid. Pearson Prentice hall, 2004, 772p. Alvarez, O.Bramardi, S., Stangarrefo, S. (1996). Aplicaciones de técnicas y estrategias del análisis multivariado en el estudio de datos de vegetación. Informe final de proyecto de investigación, secretaria de Investigación Universidad Nacional del camahue Pedret-Yebra, R. (1986). Técnicas cuantitativas al servicio del marketing: Métodos descriptivos de análisis multivariable. Tesis doctoral, facultad de ciencias económicas. Barcelona, Unversidad de Barcelona. Batista Fogue, j. M.. Martínez Arias, M.R.(1989) Anális multivariante: Análisis en componentes principales. De. Hispano Europeo S.A, Barcelona, 1986 |
Regresar a Anterior | Nueva búsqueda |