Periodo académico 2023-1S
Actividad | Grupo | Periodos | Horarios | Aula | Profesor/Tutor |
---|
No existen datos de grupos de esta asignatura, en este plan de estudios.
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.
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.
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
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.
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