Guía docente de Técnicas Avanzadas de Estadísticas Multivariante (22311J2)
Curso
2024/2025
Fecha de aprobación:
25/06/2024
Grado
Grado en Estadística
Rama
Ciencias
Módulo
Técnicas Estadísticas Multivariantes y Aplicaciones
Materia
Técnicas Estadísticas Multivariantes y Aplicaciones
Year of study
4
Semestre
2
ECTS Credits
6
Tipo
Optativa
Profesorado
Teórico
Francisco Javier
Arnedo
Fernández.
Grupo: A
Práctico
Francisco Javier
Arnedo
Fernández
Grupo: 1
Tutorías
Francisco Javier Arnedo Fernández
Email- Primer semestre
- Lunes de 10:00 a 13:00 (Dpto. Estadística e Io, Desp. 9 - Facultad de Ciencias)
- Martes de 11:00 a 13:00 (Torre C Pl. 8, - Facultad de Medicina)
- Miércoles de 10:00 a 11:00 (Dpto. Estadística e Io, Desp. 9 - Facultad de Ciencias)
- Segundo semestre
- Miércoles de 12:00 a 13:30 (Dpto. Estadística e Io, Desp. 9 - Facultad de Ciencias)
- Jueves de 10:00 a 13:00 (Dpto. Estadística e Io, Desp. 9 - Facultad de Ciencias)
- Viernes de 12:00 a 13:30 (Dpto. Estadística e Io, Desp. 9 - Facultad de Ciencias)
Prerrequisitos y/o Recomendaciones
Se recomienda la realización previa de la materia Inferencia Estadística y Análisis Multivariante del módulo Estadística, y los módulos Probabilidad y Estadística Computacional.
Breve descripción de contenidos (Según memoria de verificación del Máster)
- Técnicas probabilísticas de clasificación. Análisis discriminante.
- Modelos estadísticos lineales multivariantes de rango máximo. Regresión lineal múltiple multivariante.
- Modelos estadísticos lineales multivariantes de rango no máximo. MANOVA y MANCOVA.
Competencias
Competencias Generales
- CG01. CG01. Poseer los conocimientos básicos de los distintos módulos que, partiendo de la base de la educación secundaria general, y apoyándose en libros de texto avanzados, se desarrollan en la propuesta de título de Grado en Estadística que se presenta.
- CG02. CG02. Saber aplicar los conocimientos básicos de cada módulo a su trabajo o vocación de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de la Estadística y ámbitos en que esta se aplica directamente.
- CG03. CG03. Saber reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- CG04. CG04. Poder transmitir información, ideas, problemas y sus soluciones, de forma escrita u oral, a un público tanto especializado como no especializado.
- CG05. CG05. Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- CG06. CG06. Saber utilizar herramientas de búsqueda de recursos bibliográficos.
- CG07. CG07. Poder comunicarse en otra lengua de relevancia en el ámbito científico.
- CG08. CG08. Poseer habilidades y aptitudes que favorezcan el espíritu emprendedor en el ámbito de aplicación y desarrollo de su formación académica.
- CG09. CG09. Fomentar y garantizar el respeto a los Derechos Humanos, a los principios de accesibilidad universal, igualdad, y no discriminación; y los valores democráticos, de la cultura de la paz y de igualdad de género.
Competencias Específicas
- CE01. CE01. Conocer los fundamentos básicos del razonamiento estadístico, en el diseño de estudios, en la recogida de información, en el análisis de datos y en la extracción de conclusiones.
- CE02. CE02. Conocer, saber seleccionar y saber aplicar, técnicas de adquisición de datos para su tratamiento estadístico.
- CE03. CE03. Conocer los fundamentos teóricos y saber aplicar modelos y técnicas estadísticas en estudios y problemas reales en diversos ámbitos científicos y sociales.
- CE04. CE04. Saber seleccionar los modelos o técnicas estadísticas para su aplicación en estudios y problemas reales en diversos ámbitos científicos y sociales, así como conocer herramientas de validación de los mismos.
- CE08. CE08. Conocer y saber utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, bases de datos, visualización gráfica y optimización, que sean útiles para la aplicación y desarrollo de las técnicas estadísticas.
- CE09. CE09. Conocer los conceptos básicos y habilidades propias de un ámbito científico o social en el que la Estadística o la Investigación operativa sean una herramienta fundamental.
- CE10. CE10. Tomar conciencia de la necesidad de asumir las normas de ética profesional y las relativas a la protección de datos y del secreto estadístico, como premisas que deben guiar la actividad profesional como profesionales de la Estadística.
Resultados de aprendizaje (Objetivos)
- Conocer los fundamentos teóricos imprescindibles (modelos; objetivos prácticos que resuelven; hipótesis estadístico-matemáticas; versiones teóricas y muestrales; etc.) de las más importantes técnicas estadísticas multivariantes paramétricas y no paramétricas.
- Tener destrezas en la aplicación, con apoyo de software estadístico (esencialmente R), de las mencionadas técnicas multivariantes.
- Adquirir destreza en la resolución de casos reales, con p-variables y observaciones muestrales dadas, detectando la/s técnica/s multivariante/s más adecuada/s; comprobando el grado de verificación de las hipótesis estadísticas requeridas por cada técnica; y efectuar la discusión de los resultados obtenidos plasmados en un informe estadístico final.
Programa de contenidos Teóricos y Prácticos
Teórico
- Tema 1. Técnicas Probabilísticas de Clasificación
- El problema general de clasificación.
- Clasificación en el caso de poblaciones normales multivariantes.
- Modelos lineales de clasificación.
- Modelos no lineales de clasificación.
- Implementación en R.
- Tema 2. Modelos de Predicción de Salida Múltiple
- Transformaciones del problema de Salida Múltiple.
- Regresión Múltiple Multivariante.
- Otros modelos de Salida Múltiple.
- Implementación en R.
- Tema 3. Análisis de la Varianza Multivariante.
- Formulación del modelo.
- Casos prácticos de aplicación.
- Implementación en R.
Práctico
- Práctica 1. El problema de la Clasificación en R.
- Prácticas 2-4. Clasificadores Lineales en R.
- Prácticas 5-6. Clasificadores No Lineales en R.
- Prácticas 7-8. Predictores de Salida Múltiple en R.
- Práctica 9. Análisis de la Varianza Multivariante en R.
Bibliografía
Bibliografía fundamental
- WOLFGANG, K.H & LEOPOLD, S. (2015), Applied Multivariate Statistical Analysis, Fourth Edition. Springer.
- PEÑA, D. (2002). Análisis de datos multivariantes. McGraw-Hill.
- JAMES, G.; WITTEN, D.; HASTIE T. & TIBSHIRANI R. (2021) An Introduction to Statistical Learning with Applications in R. Springer, 2nd ed.
- HASTIE, T.; TIBSHIRANI, R. & FRIEDMAN, J. (2009) The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer; 2nd ed.
- BISQUERRA, R. (1989). Introducción Conceptual al Análisis Multivariable. PPU.
- CRAWLEY, M. (2007). The R Book. Willey.
- DALGAARD, P. (2002), Introductory Statistics with R. Springer, New York.
- EVERITT, B. & TORSTEN, H. (2006). A Handbook of Statistical Analysis using R. Chapman & Hall/CRC.
- EVERITT, B. and DUNN, G. (1998). Applied Multivariate Data Analysis, Edward Arnold, London.
- MARDIA K.V. & BIBBY, K.J.M. (1997). Multivariate Analysis. London: Academic Press.
Bibliografía complementaria
- FARAWAY, J. (2006), Extending the Linear Model with R.Chapman & Hall/CRC.
- FARAWAY, J. (2004). Linear Models with R. Boca Raton, FL: Chapman & Hall/CRC.
- HARRELLl, F. (2001). Regression Modelling Strategies. New York: Springer Verlag.
- JOHNSON, R. A. & WICHERN, D. W. (1998). Applied Multivariate Analysis, 4th edition, Prentice Hall, Englewood Cliffs, New Jersey.
- VERZANI, J. (2004). Using R for Introductory Statistics. Boca Raton, FL: Chapman & Hall/CRC.
- VOLLE, M. (1989). Analyse des données. Economica.
- WEISBERG, S. (2005). Applied Linear Regression (3 ed.). New York: Wiley.
Enlaces recomendados
Metodología docente
- MD01. MD1. Lección magistral/expositiva
- MD02. MD2. Sesiones de discusión y debate
- MD03. MD3. Resolución de problemas y estudio de casos prácticos
- MD04. MD4. Prácticas en sala de informática
- MD05. MD5. Seminarios
- MD06. MD6. Ejercicios de simulación
- MD07. MD7. Análisis de fuentes y documentos
- MD08. MD8. Realización de trabajos en grupo
- MD09. MD9. Realización de trabajos individuales
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final)
Evaluación Ordinaria
La superación de cualquiera de las pruebas no se logrará sin un conocimiento uniforme y equilibrado de toda la materia. Se tendrán en cuenta los siguientes procedimientos, aspectos y criterios, asignando a cada uno de ellos un porcentaje que se mantenga en el rango indicado y de tal manera que la suma de los tres constituya el total (100%) de la calificación:
|
Pruebas específicas de conocimientos, orales y escritas. |
40% |
|
Trabajos prácticos y seminarios. Producciones de los alumnos, individuales o de grupo, a través de cuadernos de trabajo presentaciones, e-portfolios, entrevistas, y cuestionarios. |
50% |
|
Participación, actitud y esfuerzo personal de los alumnos en las actividades formativas. Autoevaluación razonada. |
10% |
Evaluación Extraordinaria
La evaluación extraordinaria establecida en la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, consistirá en un examen escrito en el que se incluirán preguntas teóricas y ejercicios prácticos sobre el temario que figura en esta guía docente.
Evaluación única final
La evaluación única final establecida en la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, consistirá en un examen escrito en el que se incluirán preguntas teóricas y ejercicios prácticos sobre el temario que figura en esta guía docente.
Software Libre
R. RStudio.