Última actualización: 05/08/2021


Curso Académico: 2021/2022

Análisis de datos categóricos
(13733)
Titulación: Grado en Estadística y Empresa (203)


Coordinador/a: MARIN DIAZARAQUE, JUAN MIGUEL

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Técnicas de Inferencia Estadística I Técnicas de Inferencia Estadística II Métodos de Regresión
Objetivos
COMPETENCIAS ESPECÍFICAS 1. Conocer las técnicas básicas para el análisis de datos categóricos 2. Conocer y manejar programas estadísticos de análisis de datos categóricos. 3. Utilizar la metodología estudiada para el análisis de datos reales. COMPETENCIAS TRANSVERSALES: 1. Capacidad de análisis y síntesis. 2. Modelización y resolución de problemas. 3. Comunicación oral y escrita.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
Temario Tema 1. Introducción. 1.1. Análisis de la información: datos de naturaleza categórica. 1.2. Planteamiento general de las diferentes técnicas estadísticas para analizar datos categóricos. Técnicas de análisis descriptivo inicial. 1.3. Aplicaciones prácticas Tema 2. Tablas de Contingencia. Medidas de relación y asociación. Contrastes. 2.1. Medidas de relación y asociación para datos categóricos. 2.2. Contrastes de hipótesis paramétricos y no paramétricos. 2.3. Aplicaciones prácticas. Tema 3. Análisis de correspondencias simple y múltiple. 3.1. Introducción al análisis: planteamiento, hipótesis, estimación e interpretación. 3.2. Análisis de correspondencias simple. 3.3. Análisis de correspondencias múltiples. 3.4. Aplicaciones prácticas. Tema 4. Árboles de decisión. 4.1. Introducción al análisis: planteamiento, hipótesis, estimación e interpretación. 4.2. Algoritmos más utilizados: CHAID, CART y QUEST. 4.3. Aplicaciones prácticas. Tema 5. Modelos Lineales Generalizados (GLM). Modelos para datos binarios (regresión logística) y multinomiales. 5.1. Introducción a los GLM: planteamiento, hipótesis y estimación. Comparación con otros modelos. 5.2. Modelos de variable dependiente limitada: modelos para datos binarios. Regresión logística binaria: planteamiento, hipótesis, estimación e interpretación. 5.3. Modelos para datos multinomiales. Regresión logística multinomial: planteamiento, hipótesis, estimación e interpretación. 5.4. Aplicaciones prácticas.
Actividades formativas, metodología a utilizar y régimen de tutorías
Teoría (4 ECTS). Clases teóricas con material de apoyo disponible en la Web. Prácticas (2 ECTS) Clases de resolución de problemas. Prácticas computacionales en aulas informáticas.
Sistema de evaluación
  • Peso porcentual del Examen Final 30
  • Peso porcentual del resto de la evaluación 70
Calendario de Evaluación Continua
Bibliografía básica
  • Agresti, A. Categorical Data Analysis. New York: John Wiley & Sons. 2013 (third Edition)
  • Agresti, A.. An introduction to Categorical data analysis. John Wiley & Sons,. 2007
  • Andersen, E.B . Introduction to the Statistical Analysis of Categorical Data. Springer. 1997
  • Cox D.R. & Snell E.J.. Analysis of Binary Data. Chapman & Hall. 2018
  • Kateri, M. Contingency Table: Analysis Methods and Implementation Using R. Birkhäuser. 2014
  • Zelterman, D. Models for Discrete Data. Oxford University Press. 2006 (revised edition)
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Bishop, Y. M., Fienberg, S. E., Holland, Paul W. . Discrete Multivariate Analysis: Theory and Practice. Springer (Originally published by MIT Press, 1975). 2007
  • Hosmer, D.W. and Lemeshow, S.. Applied Logistic regression. Willey. 2000
  • McCullagh, P. and Nelder, J.A.. Generalized Linear Models, Second Edition. London: Chapman & Hall. 1989
  • Stokes, M.E., Davis, C.S. and Koch, G.G.. Categorical Data Analysis Using The SAS System, Second Edition. NC: SAS Institute Inc.. 2000
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.


Dirección web para más información: https://sites.google.com/site/nirianmartinswebsite/teaching/analisis-de-datos-categoricos