DCA-704

Anlisis multivariado
Datos generales
Unidad acadmica: Departamento de Ingeniera Agroindustrial
Programa educativo: Doctorado en Ciencias Agroalimentarias
Nivel educativo: Doctorado en Ciencias
Estructura curricular: Lnea de Generacin y Aplicacin del Conocimiento
Denominacin: Metodolgica
Asignatura: Anlisis multivariado
Carcter: Optativo
Tipo: Terico y prctico
Prerrequisitos: CTA-503 Mtodos estadsticos, CTA-520 Mtodos
estadsticos multivariados
Profesores: Ph.D. Ma. Carmen Ybarra Moncada, Ph.D. Arturo Hernndez
Montes
Ao: Primero
Sesin: Otoo
Semestre: Segundo
Horas totales/semana: 4
Horas totales del curso: 64
Horas totales de estudio independiente/semana: 2
Horas totales de estudio independiente: 32
Crditos: 6
Clave: DCA-704
Introduccin
El anlisis multivariado es una herramienta estadstica que permite sistematizar,
analizar e interpretar datos de fenmenos desde un enfoque de varias variables, as
como estimar e inferir aspectos de inters sobre un problema de investigacin
cientfica. El estudio de las Ciencias Agroalimentarias aborda problemas de carcter
multifactorial, dado que los procesos de produccin, conservacin y transformacin

son afectados por variables ambientales, fisicoqumicas, biofsicas y bioqumicas,

entre otras. Esto implica una estrecha relacin con todas las asignaturas del
doctorado, a travs de un acompaamiento metodolgico en todo el proceso de
formacin cientfica. Por tal motivo, el estudiante debe mostrar plena disposicin al
aprendizaje de metodologas y pensamiento estadstico, para aplicarlos a las
asignaturas que est cursando y a su proyecto de investigacin.
El curso Anlisis multivariado brinda el tipo de conocimiento de carcter terico y
prctico, y es de formacin integradora. Tiene relacin horizontal con las
asignaturas: Seminario de investigacin II, Proyecto de investigacin I, Tpicos
selectos de poscosecha II, Factores de precosecha que afectan la calidad
poscosecha de frutos, Ingeniera de procesos de manejo poscosecha de frutas y
vegetales, Tpicos selectos en alimentos de origen animal, Identificacin de
compuestos orgnicos por mtodos espectroscpicos y Modelacin matemtica y
simulacin de bioprocesos. Su relacin vertical se da con las asignaturas: Proyecto
de investigacin II-VI, Seminario de investigacin I y III-VII y Tcnicas
instrumentales de anlisis.
Metodologa de trabajo. La modalidad de la asignatura corresponde a un curso
terico y prctico con enfoque metodolgico y aborda actividades tales como: la
solucin de problemas y casos prcticos; respuesta a cuestionarios y trabajos de
investigacin individual y/o en equipo.
Los recursos materiales y didcticos constan de: libros, artculos cientficos,
ejercicios impresos, material audiovisual, conferencias, videos, equipo de cmputo,
can, software disponible (principalmente SAS y hoja de clculo; R, Unscrambler,
Minitab). Recursos fsicos o lugar de trabajo es en biblioteca, aula, campo y sala de
cmputo.
Dado el carcter del contenido de esta asignatura se implementar en mayor grado
el mtodo de enseanza de las ciencias exactas y en menor cuanta los mtodos
de la conferencia, discusin en pequeos grupos, debate y estudios de casos.

La evaluacin de la asignatura consiste en tres niveles: inicial, intermedia y final. En

cada una se considera el trabajo individual y por equipo. Se contempla, adems,
trabajo independiente para la solucin de series de ejercicios; exposicin de temas
y aplicacin de exmenes.
Presentacin
En la actualidad, la investigacin cientfica en el rea agroalimentaria ofrece grandes
cantidades de informacin en poco tiempo; es decir, se miden muchas variables
diferentes simultneamente, impulsado en gran medida por el avance de la
computacin. Para describir y analizar datos con estructura mutilvariada se aplican
los mtodos estadsticos correspondientes, que conforman un grupo de tcnicas
tiles para el estudio de situaciones que incluyen la medicin de variables sobre la
unidad experimental.
Esta asignatura aborda las tcnicas multivariadas ms usuales y que no se
estudiaron en CTA-520. Ellas contribuyen a que el estudiante adquiera el
conocimiento y aplique los mtodos ms usuales en la investigacin cientfica, con
nfasis en el anlisis de procesos agroalimentarios. En cada caso, el estudiante
inicia con una formulacin del modelo poblacional en donde se exponen los
resultados muestrales correspondientes y se discuten propuestas de aplicacin. Se
procura que los estudiantes trabajen con casos reales, de preferencia propuestos
por ellos mismos, y redacten los reportes correspondientes. En los temas en donde
sea pertinente, se utilizar un paquete estadstico.
Se contempla la activacin y desarrollo del pensamiento abstracto, para favorecer
el anlisis cuantitativo y cualitativo de diversos problemas multivariados, y promover
el pensamiento disciplinario en la conduccin de la investigacin cientfica.
Objetivos

Estructurar un pensamiento analtico, mediante los mtodos de anlisis

multivariado, para la toma de decisiones en problemas del mbito
agroalimentario.

Analizar mtodos multivariados en la investigacin cientfica, mediante el uso

de conceptos, para su aplicacin en resultados de investigacin.

Adquirir la capacidad de comunicacin y de trabajo en equipo, con estudios de

casos multivariados, para la formulacin de conclusiones y toma de decisiones.

Contenido
Unidad I. Conceptos bsicos.
(12 horas de teora)
Objetivo: Analizar los conceptos bsicos de la estadstica multivariada, mediante la
solucin de problemas, para apropiarse de las bases fundamentales del anlisis
multivariado.
1.1. Estadstica descriptiva multivariada.
1.2. lgebra de matrices
1.3. Propiedades de la matriz de covarianza.
1.4. La distribucin normal multivariada.
Unidad II. Estimacin y pruebas de hiptesis.
(12 horas de teora)
Objetivo: Crear regiones e intervalos de confianza y formular pruebas de hiptesis
de muestras multivariadas, mediante los principios de la inferencia estadstica, para
que emprenda la temtica.
2.1. Regiones de confianza.
2.2. Pruebas de razn de verosimilitudes.
2.3. Intervalos de confianza simultneos.
2.4. Anlisis de varianza multivariado de una va.
2.5. Anlisis de perfiles.
2.6. Anlisis de varianza de dos vas.
2.7. Anlisis de regresin multivariada.

Unidad III. Anlisis factorial.

(10 horas teora)
Objetivo: Aplicar los mtodos de anlisis factorial ms conocidos, mediante el uso
de sus principios tericos, para el estudio de bases de datos reales.
3.1. Modelo factorial ortogonal.
3.2. Mtodo de componentes principales y el clsico.
3.3. Mtodo de mxima verosimilitud.
3.4. Rotacin de factores.
3.5. Estimacin de valores de los factores.
Unidad IV. Quimiometra
(14 horas teora)
Objetivo: Aplicar los mtodos estadsticos multivariados ms usuales en la
quimiometra, mediante la aplicacin de metodologas sobre individuos y sobre
variables, para el anlisis de bases de datos del mbito agroalimentario.
4.1. Tcnicas de acondicionamiento de datos: estructura de datos, correccin
ortogonal de la seal, k-simo vecino ms cercano, derivadas.
4.2. Mtodos supervisados: anlisis discriminante y vecino k ms cercano.
4.3. Mtodos no supervisados: anlisis de categoras (closters) y LS-SVM.

Actividades prcticas
Esta asignatura consiste de seis prcticas, requiriendo un total de 16 horas. Las
actividades se realizarn en el aula o en la sala de cmputo.

No.

Nombre de la
prctica

Anlisis de
regresin
multivariada
(ARM)

Objetivos
Aplicar ARM a bases de datos de investigaciones, mediante el uso
de un paquete estadstico, para la propuesta de soluciones a
problemas del mbito agroalimentario.

Horas

Unidad

I y II

I y III

I-IV

I-IV

I-IV

I-IV

Interpretar los resultados, con base en la teora del ARM, para la

toma de decisiones.
Describir las relaciones entre las variables de un problema
multivariado, con base en la teora del AF, para la valoracin de la
factibilidad de reducir la dimensin.

Anlisis
factorial
(AF)

Aplicar el AF a bases de datos de investigaciones, mediante el uso

de un paquete estadstico, para la propuesta de soluciones a
problemas del mbito agroalimentario.
Interpretar los resultados, con base en la teora del AF, para la
propuesta de soluciones a problemas del mbito agroalimentario.

Estructura y
pretratamient
o de datos

Quimiometria
1

Quimiometra
2

Exposicin
en ingls

Describir la estructura de los datos de un problema multivariado y

realizar el acondicionamiento o eliminacin de ruido, mediante el
uso de un paquete estadstico, para la mejora de bases de datos.
Aplicar una tcnica estadstica multivariada de uso frecuente en la
quimiometra, mediante el manejo de un paquete estadstico, para
la propuesta de soluciones a problemas del mbito
agroalimentario.
Interpretar los resultados, con base en la teora usada por la
quimiometra, para la toma de decisiones.
Aplicar una tcnica estadstica multivariada de uso frecuente en la
quimiometra, mediante el manejo de un paquete estadstico, para
la propuesta de soluciones a problemas del mbito
agroalimentario.
Interpretar los resultados, con base en la teora usada por la
quimiometra, para la propuesta de soluciones a problemas del
mbito agroalimentario.
Exponer el informe final de una tcnica multivariada aplicada a
datos del mbito agroindustrial, mediante el uso de las TIC, para la
socializacin de resultados, su anlisis e interpretacin.

Metodologa
Para desarrollar el proceso de enseanza y aprendizaje de mtodos estadsticos
multivariados se implementan diversas actividades enfocadas a motivar el gusto por
la materia:
i. Tcnicas grupales: debates, lluvia de ideas.

ii. Tcnicas audiovisuales: videos documentales especializados.

iii. Solucin de problemas: ejercicios de retos, cuestionarios, mapas mentales.
iv. Tcnicas

tradicionales:

presentacin

del

profesor,

seminario

por

estudiantes, lecturas.
v. Aprendizaje basado en proyectos y estudios de caso.
Los recursos materiales y apoyos didcticos consisten en: libros, artculos
cientficos, ejercicios impresos, material audiovisual, conferencias, videos, equipo
de cmputo, can, pginas web, software disponible (principalmente SAS y hoja
de clculo; R, unscrambler, minitab). Recursos fsicos o el lugar de trabajo es en
biblioteca, aula, campo y sala de cmputo.

Elaborar/presentar/

Indicadores

Inicial

Evaluacin (E)
Examen diagnstico
individual

Examen

Intermedia

Casos hipotticos en
clase
Individual
Por equipo
Estudio
independiente
Casos
Lecturas
Seminarios en
equipo

Final

Examen 1 individual
Unidad uno y dos
Examen 2 individual
Unidad tres y cuatro

Proyecto en equipo

Reporte de
soluciones
Reportes,
Anlisis de
datos y
soluciones.
Resmenes
Exposicin,
material
didctico

Valor
0

Valorar los conocimientos tericos y manejo de

paquetes estadsticos, mediante un examen, para
la definicin de prioridades de regularizacin.

5
5

10
10

10

Examen

20

Examen

20

Reporte escrito,
exposicin, uso
de TIC

Objetivo

20

Elaborar soluciones a problemas propuestos,

mediante la aplicacin de principios tericos y
metodolgicos de la estadstica multivariada, para
la conclusin y propuesta de recomendaciones a
casos de estudio del mbito agroalimentario.

Elaborar un proyecto del mbito agroalimentario,

mediante la aplicacin del mtodo cientfico, para la
realizacin de un anlisis multivariado, la propuesta
de soluciones y/o la realizacin de innovaciones en
procesos de la agroindustria.

Bibliografa bsica
1. Johnson D., E. (2000). Mtodos Multivariados Aplicados al Anlisis de Datos.
Mxico: International Thomson Editores.

2. Johnson R., A., & Wichern D., W. (2007). Applied Multivariate Statistical Analysis
(6th Edition). N. J.: Prentice Hall.
3. Klemel, J. (2009). Smoothing of Multivariate Data: Density Estimation and
Visualization. John Wiley & Sons.
4. Seber G., A. F. (2009). Multivariate Observations. USA: John Wiley & Sons. Inc.
Publication.
5. Naes, T., Isaksson, T., Fearn, T., Davies, T. (2002). Multivariate calibration and
classification. UK: NIR Publications.

Bibliografa complementaria
6. Malhotra N., K. (2008). Investigacin de Mercados. Un enfoque Prctico.
Mxico: Prentice Hall. Mxico.
7. Krzanowski W., J. (1995). Recent Advances in Descriptive Multivariate Analysis.
Oxford: Oxford University Press.
8. Timm N., H. (2002). Applied Multivariate Analysis. NJ, USA: Springer Location:
Secaucus.
9. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical
Learning: data maning, inference and prediction (2 edition). Springer Series in
Statistics.
Publicaciones en revistas

Journal of the Royal Statistical Society: Series B (Statistical Methodology)

Journal of the Royal Statistical Society: Series A (Statistics in Society)

Journal of the Royal Statistical Society: Series C (Applied Statistics)

JNIRSJournal of Near Infrared Spectroscopy

Perfil del profesor

Especialista en Estadstica, preferentemente con Doctorado en Ciencias (gentica,
matemticas, estadstica, agricultura) con un mnimo de dos aos de experiencia
docente, de investigacin o de trabajo en las reas de matemticas, actuara,
gentica y/o agricultura.