Guía docente de Técnicas Estadísticas Multivariantes y Aplicaciones (M42/56/1/48)

En la asignatura de Técnicas Estadísticas Multivariantes y Aplicaciones se pretende que el alumno conozca y sea capaz de aplicar en situaciones reales los conceptos básicos de la inferencia en poblaciones normales multivariantes y las técnicas estadísticas multivariantes paramétricas más comunes así como su aplicación mediante software estadístico.
 

Se recomienda cursar la asignatura de Entornos de Computación Estadística.

El alumno sabrá/comprenderá:

• Los conceptos básicos y resultados de la Inferencia Estadística en poblaciones normales multivariantes (cadena de resultados que conducen desde una normal multivariante, hasta los contrastes de hipótesis más importantes en el caso normal), dando preferencia a su comprensión y objetivos que resuelven dichos resultados sobre las demostraciones estadístico-matemáticas de los mismos.
• Los fundamentos teóricos imprescindibles (modelos; objetivos prácticos que resuelven; hipótesis estadístico-matemáticas; versiones teóricas y muestrales, etc.) de las más importantes técnicas estadísticas multivariantes (Análisis de Componentes Principales, Análisis Factorial, Análisis Discriminante, Análisis Clúster; Análisis de Correspondencias, Análisis de Correlación Canónica).
• Aplicar, con apoyo de software estadístico las mencionadas técnicas.

El alumno será capaz de:

• Resolver casos reales, con variables y observaciones muestrales dadas, detectando la/s técnica/s multivariante/s más adecuada/s; comprobando el grado de verificación de las hipótesis estadísticas requeridas por cada técnica; y efectuar discusión de los resultados obtenidos.

• Introducción al análisis de datos multivariantes.
• Análisis de Componentes Principales
• Análisis Factorial.
• Análisis de Correlación Canónica.
• Análisis de Correspondencias.
• Análisis Clúster.
• Análisis Discriminante.

Aplicación mediante R de los temas teóricos.

• Anderson, TW. (1984). An Introduction to Multivariate Statistical Analysis, second Edition, Wiley & Sons.
• Basilevsky, A. (1994). Statistical Factor Analysis and Related Methods. Theory and Applications, Wiley & Sons.
• Cuadras, C.M. Nuevos Métodos del Análisis Multivariante; CMC, 2018.
• Muirhead, R. J. (1982) Aspects of Multivariate Statistical Theory. Wiley, N. York.
• Rencher, A. C. (1995) Methods of Multivariate Analysis. Wiley, N. York.

• Bridges CC. Hierarchical Cluster Analysis; Psychological Reports; 18(3):851-854, 1966.
• Carrasco, J.L.; Hernán, M.A. Estadística multivariante en las ciencias de la vida. Fundamentos, métodos y aplicación; Ciencia 3, D.L., 1993.
• Cooley, W.W. and Lohnes, P. R. (1971) Multivariate Data Analysis. Wiley, N. York.
• Cuadras, C. M. and M. Sánchez-Turet (1975) Aplicaciones del análisis multivariante canónico en la investigación psicológica. Rev. Psicol. Gen. Aplic., 30, 371-382.
• Kassambara, A. Practical guide to cluster analysis in R: Unsupervised machine learning (Vol 1). Sthda, 2017.
• Fisher, R.A. (1936). The use of multiple measurements in taxonomic problems. Annals of eugenics, 7(2), 179–188.
• Gittings, R. (1985) Canonical Analysis. A Review with Applications in Ecology. SpringerVerlag, Berlin.
• Gnanadeskian, R. Methods for statistical data analysis of multivariate observations; (Vol 321) John Wiley & Sons, 2011.
• González, I., Déjean, S., Martin, P. G. P. y Baccini, A. (2008) CCA: An R Package to Extend Canonical Correlation Analysis. J ournal of Statistical Softward, 23, 12.
• Gutiérrez, R and González, A. (1991). Estadística Multivariante. Introducción al Análisis Multivariante. Volumen 1.
• Hair, JF., Anderson, E. Tatham, L. and Black, C. (1999). Análisis Multivariante. 5ª Edición. Prentice-Hall. 1999.
• Hamerly, G., Elkan, C. Learning the k in k-means; Advances in neural information processing systems, 16:281-288, 2004.
• Hotelling, H. (1936) Relations between two sets of variates. Biometrika, 28(3/4), 321-377.
• Johnson, RA. and Wichern, DW. (1988) Applied Multivariate Statistic Analysis, Second Edition, Prentice-Hall.
• Menzel, U. (2015) Significance Tests for Canonical Correlation Analysis (CCA). https://cran.r-project.org/web/packages/CCP/CCP.pdf
• Rencher, A.C. Methods of Multivariate Analysis; Wiley, N. York, 1995. [8] Cluster Analysis in R, R-Bloggers https://www.r-bloggers.com/2021/04/ cluster-analysis-in-r/
• Sharma, S (1996) Applied Multivariate Techniques, Wiley & Sons.

• PRADO (https://prado.ugr.es/)
• R-project (https://www.r-project.org/)

• MD01 Lección magistral/expositiva 
• MD02 Sesiones de discusión y debate 
• MD03 Resolución de problemas y estudio de casos prácticos 
• MD04 Prácticas de laboratorio o clínicas 
• MD05 Seminarios 
• MD06 Ejercicios de simulación 
• MD07 Análisis de fuentes y documentos 
• MD08 Realización de trabajos en grupo 
• MD09 Realización de trabajos individuales 

El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.

Por cada tema el alumno realizará un cuestionario en PRADO donde deberá aplicar los conocimientos adquiridos.

La calificación final de la asignatura será la media aritmética de la calificación de todas las actividades.

Los alumnos que se incorporen en un periodo posterior al ordinario tendrá derecho a la evaluación de los temas que tengan pendientes en una fecha acordada con el profesor responsable. 

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo

El alumno deberá realizar, en las fechas establecidas, las actividades indicadas por los profesores.

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas. Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

El alumno deberá realizar, en las fechas establecidas, las actividades siguiendo el mismo sistema que en la calificación ordinaria para cada tema.