DOCENTE DEL CURSO

GUA

TCNICAS
ESTADSTICAS MULTIVARIANTES Y APLICACIONES

(Fecha ltima actualizacin: 13/07/2016)

Mster en Estadstica. CURSO ACADMICO 2016-17

Nombre del curso

TCNICAS ESTADSTICAS MULTIVARIANTES Y APLICACIONES

Profesor(es)

Ramn Gutirrez Jimez (rgjaimez@ugr.es)

Ramn Gutirrez Snchez (ramongs@ugr.es)
Andrs Gonzlez Carmona (andresgs@ugr.es)

Descripcin

En la asignatura de Tcnicas Estadsticas Multivariantes y Aplicaciones se pretende que el

alumno conozca y sea capaz de aplicar en situaciones reales los conceptos bsicos de la
Inferencia en poblaciones normales multivariantes (metodologa de la T2 de hotelling) y las
tcnicas estadsticas multivariantes paramtricas ms comunes as como su aplicacin
mediante software estadstico.

Objetivos
particulares

Conocer y saber aplicar con soltura los conceptos bsicos y resultados de la

Inferencia Estadstica en poblaciones normales multivariantes (cadena de resultados
que conducen desde una normal multivariante, hasta los contrastes de hiptesis ms
importantes en el caso normal), dando preferencia a su comprensin y objetivos que
resuelven dichos resultados sobre las demostraciones estadstico-matemticas de los
mismos.

Conocer los fundamentos tericos imprescindibles (modelos; objetivos prcticos que

resuelven; hiptesis estadstico-matemticas; versiones tericos y muestrales, etc.)
de las ms importantes tcnicas estadsticas multivariantes paramtricas (Anlisis de
Componentes Principales, Anlisis Factorial, Anlisis Discriminante, Anlisis Cluster;
Anlisis de Correspondencias).

Obtener una destreza fluida en la aplicacin, con apoyo de software estadstica

(SPSS y R) de las mencionadas tcnicas.

Resolver casos reales, con p-variables y observaciones muestrales dadas,

detectando la/s tcnica/s multivariante/s ms adecuada/s; comprobando el grado de
verificacin de las hiptesis estadsticas requeridas por cada tcnica; y efectuar
discusin de los resultados obtenidos planteando todo en un Informe Estadstico final.

Prerrequisitos y
recomendaciones

Conocimientos bsico de Inferencia Estadstica y de Estadstica Computacional

Contenidos

El curso consiste en el desarrollo terico y prctico de las tcnicas multivariantes ms comunes y

su aplicacin a ejemplos reales.

Competencias
generales y
especficas

Competencias Bsicas:
- CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su
capacidad de resolucin de problemas en entornos nuevos o poco conocidos dentro
de contextos ms amplios (o multidisciplinares) relacionados con su rea de estudio
- CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a
la complejidad de formular juicios a partir de una informacin que, siendo incompleta o
limitada, incluya reflexiones sobre las responsabilidades sociales y ticas vinculadas a
la aplicacin de sus conocimientos y juicios
- CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y
razones ltimas que las sustentan a pblicos especializados y no especializados de un

modo claro y sin ambigedades

Competencias Generales:
- CG1 - Los titulados han de saber aplicar los conocimientos adquiridos y su
capacidad de resolucin de problemas en entornos nuevos o poco conocidos dentro
de contextos ms amplios (o multidisciplinares) relacionados con su rea de estudio.
- CG4 - Los titulados deben poseer las habilidades de aprendizaje que les permitan
continuar estudiando de un modo que habr de ser en gran medida autodirigido o
autnomo.
- CG5 - Los titulados han de demostrar una comprensin sistemtica del campo de
estudio y el dominio de las habilidades y mtodos de investigacin relacionados con
dicho campo.
- CG8 - Los titulados deben ser crticos en el anlisis, evaluacin y sntesis de ideas
nuevas y complejas.
- CG9 - Los titulados deben saber comunicarse con sus colegas, con la comunidad
acadmica en su conjunto y con la sociedad en general acerca de sus reas de
conocimiento.
Competencias Especficas:
- CE1 - Conocer mtodos para el Anlisis de Datos
- CE5 - Adquirir conocimientos avanzados en Inferencia Estadstica
- CE6 - Aprender y entender tcnicas de Estadstica Multivariante
- CE7 - Saber identificar y aplicar diferentes Modelos Economtricos
- CE10 - Dominar el uso de diferentes entornos de Computacin Estadstica
- CE13 - Saber llevar a cabo el diseo, programacin e implantacin programas de
computacin estadstica
- CE15 - Ser capaza de identificar la informacin relevante para resolver un problema
- CE16 - Utilizar correcta y racionalmente programas de ordenador de tipo estadstico
- CE18 - Ser capaz de realizar un anlisis de datos
- CE24 - Ser capaz de extraer conclusiones y redactar informes
- CE26 - Saber utilizar con destreza entornos de programacin y anlisis estadstico

Temario detallado
del curso

1.

Anlisis de Componentes Principales

2.

Anlisis Factorial.

3.

Anlisis Discriminante.

4.

Anlisis Cluster.

5.

Anlisis de Correspondencias.

6.

Otras tcnicas multivariantes paramtricas.

Sobre los objetivos particulares del curso, la metodologa concreta ser:

Metodologa

Sobre el objetivo 1: En base a textos completos proporcionados por el profesor, resumir los
contenidos fundamentales y realizar esquemas que evidencien el conocimiento estructural de
los contenidos, su concatenacin y las hiptesis bajo las que se apliquen.
Sobre el objetivo 2: En base a textos proporcionados al alumno, resumir lo fundamental de
cada tcnica, de manera que se evidencian por el alumno, una compresin para cada tcnica
de: el modelo terico; los objetivos prcticos que se resuelven y el grado de precisin de los
resultados obtenidos en la prctica, respecto de los resultados tericos.
Sobre el objetivo 3; Realizacin autorizada de prcticas de manejo, en ejemplos reales
proporcionados por el profesor de, SPSS y R, que evidencien una destreza bsica en la
resolucin de ejemplos reales de Tcnicas Multivariantes.
Sobre el objetivo 4: Realizacin por el alumno de un ejemplo real que comprenda:

Bsqueda (recogida) y organizacin de datos reales multivariantes en un campo de

las Ciencias, Experimentales, Socioeconmicas, medioambientales, etc.

Informacin suficiente del ejemplo considerado e informacin sobre Fuentes de

Datos utilizadas.

Redaccin de un Informe final por cada tema que evidencia el grado de conocimiento
terico-prctica adquirido por el alumno
1. Anderson, TW. (1984). An Introduction to Multivariate Statistical Analysis, second
Edition, Wiley & Sons.
2. Basilevsky, A. (1994). Statistical Factor Analysis and Related Methods. Theory and
Applications, Wiley & Sons.
3. Gutirrez-Snchez, R. (2004). Anlisis Estadstico Multivariante con SPSS. Curso
Bsico.
4. Gutirrez, R and Gonzlez, A. (1991). Estadstica Multivariante. Introduccin al Anlisis
Multivariante. Volumen 1.
5. Hair, JF., Anderson, E., Tatham, L. and Black, C. (1999). Anlisis Multivariante. 5
Edicin. Prentice-Hall. 1999.
6. Johnson, RA. and Wichern, DW. (1988) Applied Multivariate Statistical Analysis, Second
Edition, Prentice-Hall.
7. Prez, C. (2004). Tcnicas de Anlisis Multivariante de Datos. Aplicaciones con SPSS.
Ed. Pearson, Prentice Hall.
8. Sharma, S (1996). Applied Multivariate Techniques, Wiley & Sons.
SPSS para Windows. Manual del usuario

Bibliografa

Criterios de
evaluacin

Aplicacin con SPSS y R de diversas tcnicas multivariantes, con discusin de

resultados obtenidos.

Valoracin de los conocimientos adquiridos mediante la realizacin de los trabajosresmenes indicados en la Metodologa de los Objetivos 1 y 2, mediante la
contestacin a un cuestionario-examen que no implique demostraciones (Hasta 5
puntos).

Se proporcionarn ejercicios resueltos en ordenador de casos reales de aplicacin

de las tcnicas estadsticas multivariantes consideradas en el curso, para que el
alumno haga un comentario de los resultados, que evidencie el grado de
consecucin por el alumno de las actividades de aprendizaje previstas sobre el
Objetivo 3. (Hasta 5 puntos).

LA SUPERACIN DEL CURSO SE OBTENDR CON UNA PUNTUA-CIN

ACUMULADA DE 5 O MS PUNTOS.