UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Económica, Estadística y CC. SS.

SÍLABO-MODELO
CURSO: ANÁLISIS MULTIVARIANTE I

I. INFORMACIÓN GENERAL

CODIGO : ES 811 Análisis Multivariante I

CICLO : 5
CREDITOS : 5
HORAS POR SEMANA : 5 (Teoría – Práctica - Laboratorios)
PRERREQUISITOS : ES 612 Moldeos Lineales
CONDICION : Obligatorio
ÁREA ACADÉMICA : Ciencias Básicas
PROFESOR : Luis Huamanchumo E-MAIL : lhuamanchumo@uni.edu.pe

II. SUMILLA DEL CURSO

Curso teórico orientado al desarrollo de los modelos estadísticos lineales que permitirá al
estudiante estudiar los fenómenos sociales y de la ingeniería en su naturaleza multivariada.
Se desarrollan los modelos de base correspondientes: análisis exploratorio de datos
multivariados, geometría muestral, distribuciones e inferencia multivariada, regresión lineal
múltiple multivariada y MANOVA. Al contrario de la secuencia tradicional, el curso incluye la
técnica de componentes principales inmediatamente después del análisis exploratorio de
datos con el fin de que el estudiante refuerce, a partir de las aplicaciones con la mencionada
técnica, los conceptos claves de la geometría muestral y el análisis gráfico.

III. COMPETENCIAS

El estudiante:
1. Formular, validar y analizar desde la perspectiva estadística multivariada los fenómenos
de la ciencia y tecnología.
2. Entender la naturaleza multivariada de los fenómenos en estudio.
3. Adquirir los conocimientos pertinentes para utilizar correctamente y de manera
constructiva el instrumento informático.
4. Sentido común en el uso de los datos para apoyar un argumento y fomentar el
razonamiento crítico basado en la valoración de la evidencia objetiva.
5. Valora el estudio de los fundamentos teóricos del modelamiento estadístico multivariado
en el diseño estadístico.

IV. UNIDADES DE APRENDIZAJE

1. ANALISIS EXPLORATORIO DE DATOS / 12 HORAS

Introducción al Análisis Multivariante. El proceso de investigación con datos multivariados.
Clasificación de las técnicas multivariadas. Métodos Cuantitativos. Geometría Muestral:
Geometría de la Muestra. Muestra Aleatoria, Media Muestral Esperada y Matriz de
Covarianzas. Varianza Generalizada. Expresiones de la Media, Covarianza, Correlación y
Combinaciones Lineales Muestrales de las Variables Aleatorias. Métodos Gráficos: Análisis de

F02-silabo-FIEECS 1
 Distribución, relación y diferencia. Perfiles Multivariantes. Verificación de Supuestos del
Análisis Multivariante.

2. INTRODUCCIÓN A LOS MÉTODOS FACTORIALES / 12 HORAS

Introducción. Cantidad de Información. Distancias. Transformación Componentes Principales
(ACP). Relación y Análisis entre los Espacios Rp y Rn. Elección del Número de Ejes: valores
propios y método de arcos. Interpretación de Factores. Interpretación de la Nube de
Individuos. Dualidad de espacios. Relaciones de transición.

3 DISTRIBUCIONES MULTIVARIADAS / 12 HORAS

Densidad Normal Multivariada: Propiedades. Estimación Máximo Verosímil. Distribución de
la Media Muestral y S. Comportamiento de Grandes Muestras. Verificando Suposiciones de
Normalidad. Transformaciones a la Normalidad. Detección de “outliers. Muestreo
Multivariado. Matrices de datos normales. Distribución Wishart. Wishart Particionada.
Estadístico T2 de Hotelling. Distancia Generalizada de Mahalanobis.

4. PRUEBA DE HIPÓTESIS MULTIVARIADA / 10 HORAS

Testes de Razón de Verosimilitud y de T2 de Hotelling. Regiones de Confianza de la Media.
Comparaciones Simultáneas de los Componentes de la Media. Inferencia de un vector de
medias poblacionales para muestras grandes. Comparación por Pares. Diseño de Medias
Repetidas para Comparar Tratamientos. Comparación de Vector Medias de Dos Poblaciones.
Comparación de Varias Medias Poblacionales Multivariadas.

5. REGRESIÓN MÚLTIPLE MULTIVARADA / 14 HORAS

Formulación del modelo de regresión múltiple multivariado. Lambda de Wilks. Análisis
Multivariado de Varianza MANOVA (un sentido). Análisis Multivariado de Varianza MANOVA
(dos sentidos).

V. LABORATORIOS Y EXPERIENCIAS PRÁCTICAS

Proyecto de clase orientado a manejar datos multivariados desde la perspectiva del análisis
exploratorio de datos.

VI. METODOLOGÍA

El contenido teórico del curso requiere que el estudiante sea evaluado permanentemente en
el manejo de los modelos estadístico-matemáticos mediante un examen escrito parcial, final
y prácticas calificadas. Así, se espera que el estudiante también desarrolle habilidades
comunicativas y de colaboración orientado a la obtención de resultados. El curso combina la
utilización de tutoriales desde una plataforma virtual, así como, paquetes estadísticos de
propósito general.

VII. FÓRMULA DE EVALUACIÓN

Sistema de Evaluación “I”. Cálculo del Promedio Final: PF = ( EP + EF + 2 PP ) / 4

EP: Examen Parcial EF: Examen Final PP: Promedio de prácticas

VIII. BIBLIOGRAFÍA

1. WICHERN, D. y JOHNSON, R. Applied Multivariate Statistical Analysis. 5ta edición. 2002

2. MARDIA, K.V. Multivariate Analysis. Academic Press. Inc. 1982

F02-silabo-FIEECS 2