Última actualización: 11/08/2023


Curso Académico: 2023/2024

Análisis Multivariante
(17756)
Máster Universitario en Estadística para la Ciencia de Datos (Plan: 386 - Estudio: 345)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: GRANE CHAVEZ, AUREA

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Matemáticas para Data Science Probabilidad Inferencia Estadística Programación en R Métodos Numéricos para Data Science
Objetivos
Los objetivos principales del curso son: 1. Comprender y analizar conjuntos de datos multidimensionales, incluidas técnicas para manejar e interpretar datos en múltiples dimensiones. 2. Adquirir competencia en el análisis de componentes principales para reducir la dimensionalidad de los datos mientras se preservan sus características importantes. 3. Explorar varias medidas de distancia y métricas conjuntas utilizadas para cuantificar similitudes y diferencias entre puntos de datos en un espacio multidimensional. 4. Aprender y aplicar técnicas de escalado multidimensional para visualizar y comprender la estructura subyacente de conjuntos de datos complejos. 5. Desarrollar las habilidades para realizar análisis de conglomerados, un método para identificar grupos significativos dentro de los datos basados en la similitud. 6. Estudiar el análisis de correspondencias y su aplicación en la exploración de relaciones entre variables categóricas en datos multidimensionales.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Conjuntos de datos multidimensionales 2. Análisis de componentes principales 3. Distancias y conjunción de métricas 4. Escalado multidimensional 5. Análisis de conglomerados 6. Análisis de correspondencias
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades formativas: Clases teóricas Clases prácticas Tutorías Trabajo en grupo Trabajo individual del estudiante Pruebas de evaluación presencial Metodología a utilizar: Clases teóricas con material de apoyo disponible en Aula Global. Clases de resolución de problemas. Prácticas computacionales en aulas informáticas. Exposiciones orales. Regimen de tutorías: Tutorías individuales a lo largo del curso.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100

Calendario de Evaluación Continua


Bibliografía básica
  • Daniel Peña. Análisis de datos multivariantes. McGraw Hill. 2002

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