Datos generales

• Plan de estudios: 0372 - MAESTRÍA EN CIENCIAS MARINAS SANTA MARTA. 2014-2S
• Créditos: 3.0

Grupos

Tabla información sobre los grupos de la asignatura

Actividad	Grupo	Periodos	Horarios	Aula	Profesor/Tutor

No existen datos de grupos de esta asignatura, en este plan de estudios.

Contenidos

PROGRAMA DE LA ASIGNATURA

Presentación

La utilización de técnicas y herramientas estadísticas inferenciales en campos tan diversos como la medicina, agricultura, biología, economía, sociología, psicología y medio ambiente entre otros, hace necesario que, además de que los alumnos adquieran los conceptos teóricos, dominen la aplicación de las mismas a problemas reales. En esta asignatura se enseñará a los alumnos a comprender y usar en la práctica las técnicas principales de análisis estadístico de datos multivariantes. El enfoque será radicalmente aplicado e ira dirigido a la utilización crítica de estas técnicas estadísticas para explicar distintos problemas reales relacionados con estudio de la biodiversidad marina, la conservación y el aprovechamiento de los recursos. Se dedica una especial atención al manejo de programas informáticos (Excel, SPSS, STATGRAPHIC entre otros) de estadística. y se le introducirá en el uso de un lenguaje apropiado para comunicarse con especialistas en otros campos.

Objetivo de Aprendizaje

El objetivo de la asignatura es presentar métodos y técnicas estadísticas tanto univariadas como multivariantes con objeto de que los alumnos aprendan a modelizar fenómenos aleatorios descritos a través de vectores aleatorios. Para alcanzar el objetivo general anteriormente citado, se plantearán los siguientes objetivos concretos:¿Técnicas de clasificación y discriminación estadísticas, con objeto de descubrir patrones de comportamiento en poblaciones a través de un conjunto de datos observados.¿Técnicas de reducción de la dimensionalidad, con objeto de facilitar la descripción y estudios posteriores sobre las poblaciones multivariantes.¿Introducción y presentación de otras técnicas multivariantes de gran utilidad práctica.

Contenidos Temáticos

1. Análisis de Varianza

Diseño de un Factor

Contrastes a priori: contrastes ortogonales

Contrastes a posteriori: comparaciones múltiples

Test de Kruskal-Wallis

Diseño de dos Factores

Diseño de dos factores con interacción

Test de Friedman

Diseños Multifactoriales

2. Análisis de Frecuencias

Tablas de Contingencia

Tablas de dos vías

Tablas de tres vías

Modelos log-lineales

Tablas de dos vías

Tablas de tres vías

3. Correlación y Regresión

Análisis de Correlación

Modelo paramétrico de correlación

Correlación Robusta

Análisis de Regresión lineal simple

Inferencia

Análisis de residuales

Análisis de Regresión Lineal Múltiple

Inferencia

Anomalías en Regresión y Medidas Remediales

Residuales

Diagnósticos para detectar ¿outliers¿

Plot de Residuales para diagnosticar casos influénciales

Plot de Residuales para detectar Normalidad

Detectando varianza no constante

Errores correlacionados en regresión

Transformaciones en Regresión

Transformaciones para linealizar modelos

Transformaciones en regresión múltiple

Transformaciones para mejorar la normalidad

Transformaciones para estabilizar la varianza

Selección de Variables en Regresión

Métodos ¿Stepwise¿

Método de los mejores subconjuntos

Criterios para elegir el mejor modelo

Multicolinealidad

Efectos de Multicolinealidad

Diagnósticos de Multicolinealidad

Regresion de Poisson

Regresion no Paramétrica

4. Introducción al Análisis Multivariante

Datos Multivariantes: Estructura y Notación

Matriz de Varianzas y Covarianzas

a Matriz de Correlación

Combinación Lineal, Eigenvectores y Eigenvalores.

Distancia Multivariada y Medidas de Disimilitud.

Medidas de disimilitud para variables continuas

Medidas de disimilitud para variables dicotómicas

Medidas generales de disimilitud para mezcla de variables

Comparación de medidas de disimilitud.

Comparación de Distancias y/o Matrices de Disimilitud

Estandarización de datos

Estandarización, asociación y disimilaridad

Graficas Multivariantes

Cribado de un Conjunto de Datos Multivariantes

Outlier multivariante

Observaciones faltantes

5. Análisis Multivariable de la Varianza (Manova) y Análisis Discriminante

Análisis Multivariante de de la Varianza (Manova)

Manova de un factor

Comparaciones específicas

Importancia relativa de cada variable respuesta

Supuestos del Manova

Análisis de Función Discriminante

Descripción y test de hipótesis

Clasificación y predicción

Supuestos

Manova Vs Análisis Discriminante

6. Análisis de Componentes Principales y Análisis de Correspondencia

Análisis de componentes principales (ACP)

Cual matriz de asociación utilizar?

Interpretación de las componentes

Rotación de las componentes

Cuantas componentes retener

Supuestos

ACP robusto

Representaciones graficas

Análisis de Correspondencia (AC)

Uso del AC con datos ecológicos

Análisis de Correlación Canónica

Análisis de correspondencia Canónica

7. Escalamiento Multidimensional (Multidimensional Scaling (MDS) y Análisis de Cluster

Escalamiento Multidimensional

Escalamiento clásico- Análisis de Coordenadas Principales (PCoA)

Disimilaridades y test de hipótesis a cerca de grupos de objetos

Clasificación

Análisis de Cluster

Escalamiento (ordenación) y clustering para datos biológicos

Evaluación Formativa

Se busca la orientación de un proceso permanente, en el cual la calificación es complementaria. Las pruebas son material de investigación para orientar la pedagogía hacia la resolución de problemas en la comprensión de los conceptos. El error se convierte en el punto de partida para una reflexión.

Bibliografía Básica Obligatoria

Belsley, D., Kuh, y Welsh, r. (1980) Regression Diagnostics. John Wiley, New York

Cuadras, C.M. (1996) Métodos de Análisis Multivariante. EUB

Dowdy, S.M. (2004) Statistics for research. Wiley series in probability and statistics; 1345

Hosner, D y Lemeshow, S. (2000). Applied Logistic Regression. Second Edition. John Wiley,New York

Johnson, R.A. y Wichern, D.W. (1992). Applied Multivariate Statistical Analysis.  Prentice--Hall.

Lindley, D. V. (1968). The choice of variables in multiple regressions. Journal of the Royal Statistical Society, Series B, 30, 31¿66

Peña, D. (2002) Análisis de datos multivariantes. McGraw Hill.

Quinn Gerr y P., Keough Michael J., (2002).  Experimental design and data analysis for biologists /. Published/Created: Cambridge, UK ; New York : Cambridge University Press

Visauta, B. y Martori, J.C., .2003. Análisis Estadístico con SPSS para Windows (2a ed.), vol II, McGraw-Hill

Warren J. Evans, Gregory R. Grant (2002).- "Statistical Methods in Bioinformatics, An introduction". Springer