Datos generales

• Plan de estudios: 0500 - BIOLOGÍA AMBIENTAL
• Créditos: 3.0

Grupos

Tabla información sobre los grupos de la asignatura

Actividad	Grupo	Periodos	Horarios	Aula	Profesor/Tutor
SALAS ESPECIALIZADAS CÓMPUTO	(1) - SALAS CÓMPUTO - GRUPO 1 - BOGOTÁ	22/01/2024 - 18/05/2024	MIÉRCOLES 13:00 - 16:00	AULA GENERAL 20 - M21 - PISO 2	DANIEL ARBELAEZ ALVARADO

Contenidos

PROGRAMA DE LA ASIGNATURA

Presentación

La estadística multivariada ofrece herramientas para analizar información asociada con diversas variables. El conocimiento de las técnicas estadísticas multivariadas permite a los investigadores extraer información de los datos para comprender diversos fenómenos mediante la simplificación de su estructura, la clasificación y la evaluación de la interdependencia entre variables, en especial cuando la información es compleja o voluminosa.

Objetivo de Aprendizaje

General:
Ofrecer a los participantes un espacio para la discusión y generación de conocimientos que les permitan reconocer datos multivariados y situaciones donde el análisis multivariado es necesario y provechoso. Familiarizar al participante con las técnicas más conocidas de análisis multivariado.
Específicos:
• Describir numérica y gráficamente conjuntos de datos multivariados.
• Hacer inferencias sobre vectores de medias.
• Aplicar las técnicas clásicas multivariadas tales como regresión múltiple, componentes principales, análisis de factores, correlación canónica, análisis discriminante y análisis clúster.

Contenidos Temáticos

1. Descripción numérica y gráfica de datos multivariados.

• Análisis de la proximidad
  
• Vector de medias, matriz de varianzas y covarianzas, distancias entre variables.
  
• Distancia estadística. Distancias de Minkowsky y de Mahalanobis
  
• Matriz de correlaciones
  
• Medidas de similaridad para escalas de interval
  
• Medidas de similaridad para escales nominales
  

2. Análisis de Conglomerados

• Técnicas de clasificación Jerárquicas
  
• Métodos Jerárquicos Aglomerativos y divisivos
  
• Métodos no Jerárquicos: El método K-medias
  

3. Regresión múltiple.

• Estimación de mínimos cuadrados de ß
• Pruebas de hipótesis e intervalos de confianza para ß¿s
  
• Evaluación de la normalidad, homocedasticidad e independencia.
  
• Modelos no lineales y aproximación de Gauss Newton
  

4. Distribuciones de probabilidad e inferencia multivariada.

• Normal multivariada
  
• Pruebas sobre el vector de medias.
  
• MANOVA
  

5. Análisis de Componentes Principales CP

• Solución de componentes principales
  
• Selección de componentes
  
• Interpretación de los componentes
  

6. Análisis de Factores AF

• El modelo de Análisis de Factores
  
• Técnicas de solución¿ Relación CP y AF
  
• Puntuaciones factoriales y rotaciones
  
• Adecuación y validación
  

7. Análisis Discriminante

• Clasificación con 2 grupos
  
• Regla discriminante de máxima verosimilitud
  
• Criterio geométrico de la distancia de Mahalanobis
  
• Función Lineal Discriminante Canónica
  
• Funciones Lineales Discriminantes Clasificadoras de Fisher
  
• Evaluación de errores
  

8. Correlación Canónica

• Cálculo e interpretación
  
• Contrastación del modelo y análisis de la dimensionalidad
  

9. Escalamiento Multidimensional

• Escalamiento métrico y no métrico¿
  
• Algoritmo básico
  
• Stress y dimensionalidad
  

10. Análisis de Correspondencias AC

• Análisis de Correspondencias Simple
  
• Distancia de Benzecri¿
  
• Espacio de filas, de columnas y espacio común
  
• Inercia en el AC
  
• Análisis de Correspondencias Múltiple

Bibliografía Básica Obligatoria

JHONSON, R., WICHERN, D. (2002). Applied Multivariate Statistical Analysis. Prentice Hall. Levin Richard / Rubin David. Estadística para administradores. Séptima Edicion.2004. Pearson- Prentice Hall.
PEÑA, D. (2003). Análisis de Datos Multivariantes. Mc Graw Hill. Libro de análisis de comunidades ecológicas

Resultado de Aprendizaje

Aplicar técnicas matemáticas y estadísticas para interpretar y analizar datos, extraer información significativa y proponer soluciones a problemas reales, desde la perspectiva moderna del aprendizaje automático y la Inteligencia Artificial

Medios Educativos

SALAS DE COMPUTO, OFFICE, TABLEAU, POWER BI, VIDEOBEAM, AVATA DEL CURSO, Python

Fecha de actualización

28/08/2023