• English
  • Youtube
  • Facebook
  • Twitter
  • Linkedin
  • Instagram
  • tiktok
    Portada » Estudios » Grado y Doble Grado » Ciencia de los Datos Aplicada

Ciencia de los Datos Aplicada

Grado y Doble Grado. Curso 2024/2025.

APRENDIZAJE NO SUPERVISADO - 806313

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1, CG2, CG5,CG6, CG11.
Específicas
CE4, CE12, CE13.

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%

Presenciales

2,4

No presenciales

3,6

Semestre

5

Breve descriptor:

Estudio y determinación de la verdadera dimensión de la información multivariante. Relaciones entre variables cualitativas. Clasificación de individuos en grupos establecidos con anterioridad en base a información multivariante. Formación de grupos de individuos con características similares. Aplicación del software específico para resolver cada uno de estos problemas.

Requisitos

Es conveniente que el alumno haya cursado las asignaturas Azar y Probabilidad, Inferencia Paramétrica, Software Estadístico I y II y Métodos Matemáticos para la Ciencia de los Datos I

Contenido

TEMA 1. ANÁLISIS DE COMPONENTES PRINCIPALES Y FACTORIAL.
1.1. Introducción.
1.2. Fundamentos del análisis factorial.
1.3. Análisis de Componentes Principales.
1.4. Sistemática del análisis de Componentes Principales.
1.5. Análisis Factorial.
1.6. Métodos de rotación de factores e interpretación del análisis factorial.

TEMA 2. ANÁLISIS DE CORRESPONDENCIAS.
2.1. Introducción.
2.2. Test de independencia.
2.3. Perfiles fila y perfiles columna.
2.4. Análisis de la Inercia de una nube de puntos
2.5. Análisis de correspondencias múltiple.

TEMA 3. ANÁLISIS DISCRIMINANTE.
3.1. Introducción.
3.2. Reglas de decisión para dos grupos.
3.3. Clasificación sobre varias poblaciones.
3.4. Análisis canónico discriminante de Fisher.
3.5. Elección de variables: procedimiento Forwrad y backaward..
3.6. Sistemática del análisis discriminante.

TEMA 4. ANÁLISIS CLUSTER.
4.1. Introducción.
4.2. Medidas de distancia y similitud..
4.3. Algoritmos de clasificación jerárquica.
4.4. Algoritmos de clasificación no jerárquica.
4.5. Procedimientos para determinar el número adecuado de grupos.
4.6. Caracterización de los clústeres.
4.7. Sistemática del análisis cluster.

Evaluación

Evaluación continua del trabajo realizado en clase mediante la resolución de las hojas de problemas y realización de alguna prueba de conocimientos. La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 40%.
Se podrá aprobar por evaluación continua.
Cualquier alumno podrá presentarse al examen final, siendo la valoración del mismo el 100% de su nota final.

Bibliografía

. Douglas L. J., Green P.E. (2003). "Analizing Multivariate Data". Thomson. Learning. Pacific Grove SA.
. Everitt "Applied Multivariate Data Analysis", Ed Arnold, 2001.
. Hair Anderson Tatham Black "Analisis Multivariante" Madrid 1999.
. Johnson, Richard & Dean Wichern. "Applied Multivariate Statistical Analysis". Prentice-Hall. New Jersey 1998.
. Jonson, D.E. (2000). "Métodos Multivariados Aplicados al Análisis De Datos". México, International Thomson Editores.
. Ludovic Lebart, Alain Morineu, Marie Piron, "Statistique Exploratoire Multidimensionnelle", Ed. Dunod, 3ª Edicion, Paris 2000
. Pérez López, Cesar. Técnicas de Análisis Multivariante de Datos: Aplicaciones con SPSS. Ed. Pearson Educación. 2008.
. Valencia Delfa, J.L.; Vicente Hernanz, Mª Lina. Análisis Multivariante I. Ed. CERSA. 2006.

Estructura

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

Grupos

Clases Teórica y/o Prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo Único09/09/2024 - 20/12/2024JUEVES 11:00 - 13:00-MARIA ANGELES MEDINA SANCHEZ
ZIWEI SHU


Actividades Prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo Único09/09/2024 - 20/12/2024LUNES 09:00 - 11:00-MARIA ANGELES MEDINA SANCHEZ
ZIWEI SHU