• English
  • Youtube
  • Facebook
  • Twitter
  • Linkedin
  • Instagram
  • tiktok

Tratamiento Estadístico Computacional de la Información (conjunto con UPM)

Máster. Curso 2024/2025.

MÉTODOS DE ANÁLISIS MULTIVARIANTE - 607578

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
Básicas y generales: CG1, CG2, CG3, CG4, CG5, CG7
Transversales
Transversales: CT1, CT2
Específicas
Específicas: CE1, CE2, CE3, CE4, CE5, CE7

ACTIVIDADES DOCENTES

Clases teóricas
Sí.
Clases prácticas
Sí.

TOTAL
100%

Presenciales

1,4

No presenciales

1,6

Semestre

1

Breve descriptor:

Modelización analítica no supervisada

Requisitos

Conocimientos de Probabilidad y Estadística. Inferencia Estadística.

Objetivos

Resultados del aprendizaje:

 

       Capacidad para abordar diferentes problemáticas de negocio a través del tratamiento de datos y el ajuste de modelos de carácter no supervisado.

       Manejo y evaluación de modelos multivariantes.

       Capacidad para seleccionar las técnicas multivariantes más adecuadas para tratar la información, el orden de ejecución de las mismas y el alcance de cada una de ellas y su interpretación.

       Conocimiento de los fundamentos estadísticos y geométricos de cada uno de los modelos de análisis multivariante estudiados.

       Manejo de software estadístico relativo a técnicas multivariantes.

       Elaboración y presentación de informes estadísticos.

  

Contenido

Métodos de Análisis Multivariante:

o Inferencia en Normal Multivariante.

o Análisis de Componentes Principales.

o Análisis Factorial.

o Análisis de Correspondencias.

o Análisis Discriminante.

Evaluación

Entrega de trabajos (por grupos): 50% (a)
Examen teórico-práctico: 40% (b)
Asistencia y participación activa: 10% (c)

Para que las ponderaciones anteriores sean aplicadas es preciso:

i. Asistir al menos al 80% de las sesiones presenciales.
ii. Alcanzar al menos 3,5 puntos sobre 10 en el examen teórico-práctico.

La nota de los apartados (a) y (c) se conservará en su caso para la convocatoria extraordinaria.

Bibliografía

Bishop, C. M. (2006): Pattern Recognition and Machine Learning, Springer.
Cuadras, C. M. (2007): Nuevos Métodos de Análisis Multivariante. Ed. CMC Editions Barcelona.
Hair, F., Anderson, R. E., Tatham, R. L., Black, W. C. (1999): Análisis multivariante, Prentice Hall
Hastie, T., Tibshirani, R., Friedman, J. (2001): The Elements of Statistical Learning, Springer
James, G., Witten, D., Hastie, T., Tibshirani, R. (2013): An introduction to Statistical Learning, Springer
Johnson A. R., Wichern D. W. Applied Multivariate Statistical Analysis. Pearson International Ed 2007.
Lebart, L., Morineau, A., Warwick, K. M. (1984): Multivariate Descriptive Statistical Analysis. New York John Wiley & sons.
Mardia, K. V., Kent J. T., Bibby, J. M. (1979): Multivariate Analysis. Academic Press.
Morrison, D. (1990): Multivariate Statistical Methods. Mac Graw Hill.
Peña D. (2002): Análisis de Datos Multivariante. Mac Graw Hill.

Estructura

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

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único07/10/2024 - 04/12/2024LUNES 19:30 - 21:00-ELENA SALOME ALMARAZ LUENGO
MIÉRCOLES 19:30 - 21:00-ELENA SALOME ALMARAZ LUENGO