Universidad de Jaén

Menú local

Guía docente 2018-19 - 11712012 - Técnicas de asociación y clasificación

TITULACIÓN: Grado en Estadística y empresa
CENTRO: FACULTAD CIENCIAS SOCIALES Y JURÍDICAS

CURSO ACADÉMICO: 2018-19
GUÍA DOCENTE
1. DATOS BÁSICOS DE LA ASIGNATURA
NOMBRE: Técnicas de asociación y clasificación
CÓDIGO: 11712012 CURSO ACADÉMICO: 2018-19
TIPO: Obligatoria
Créditos ECTS: 6.0 CURSO: 3 CUATRIMESTRE: SC
WEB: http://dv.ujaen.es/docencia/goto_docencia_crs_355008.html
 
2. DATOS BÁSICOS DEL PROFESORADO
NOMBRE: RUIZ MOLINA, JUAN CARLOS
IMPARTE: Teoría [Profesor responsable]
DEPARTAMENTO: U112 - ESTADISTICA E INVESTIGACIÓN OPERATIVA
ÁREA: 265 - ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
N. DESPACHO: B3 - 077 E-MAIL: jcruiz@ujaen.es TLF: 953212729
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/57896
URL WEB: http://www4.ujaen.es/~jcruiz/jcruiz.htm
 
NOMBRE: NAVARRO MORENO, JESÚS MARÍA
IMPARTE: Prácticas
DEPARTAMENTO: U112 - ESTADISTICA E INVESTIGACIÓN OPERATIVA
ÁREA: 265 - ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
N. DESPACHO: - E-MAIL: - TLF: -
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/58132
URL WEB: -
 
3. PRERREQUISITOS, CONTEXTO Y RECOMENDACIONES
PRERREQUISITOS:
-
CONTEXTO DENTRO DE LA TITULACIÓN:

La asignatura introduce al alumno en las técnicas inferenciales del análisis multivariante.

RECOMENDACIONES Y ADAPTACIONES CURRICULARES:
-
El alumnado que presente necesidades específicas de apoyo educativo, lo ha de notificar personalmente al Servicio de Atención y Ayudas al Estudiante para proceder a realizar, en su caso, la adaptación curricular correspondiente.
4. COMPETENCIAS Y RESULTADOS DE APRENDIZAJE
código Denominación de la competencia
CE15 Conocer y aplicar los conceptos de modelos de Análisis Multivariante
CE16 Conocer y aplicar los conceptos de modelos de Análisis de Datos
CE6 Realizar actividades dirigidas a la aplicabilidad de los conocimientos teóricos, metodológicos y de técnicas adquiridas a lo largo de la formación, trabajando en equipo y desarrollando las habilidades y destrezas de un profesional de este perfil de estudios
CE8 Ser capaz de utilizar herramientas informáticas en empresa
CE9 Conocer y utilizar entornos de análisis y programación estadística (R)
CG1 Habilidad de comprensión cognitiva
CG16 Capacidad de aplicar los conocimientos en la práctica
CG2 Capacidad para el análisis crítico y la síntesis
CG6 Adquirir habilidades y dominar herramientas informáticas aplicadas a las diferentes materias
CG7 Habilidades de gestión de la información (habilidad para buscar y analizar información proveniente de diversas fuentes)
CG8 Capacidad para la resolución de problemas
Resultados de aprendizaje
Resultado R 10 Conocer las técnicas multivariantes de asociación
Resultado R 11 Comprender los métodos de discriminación y clasificación
Resultado R 18 Elaborar informes estadísticos a partir de herramientas informáticas apropiadas
5. CONTENIDOS

MANOVA, Análisis Discriminante y Regresión Logística


1.- Tests Sobre Uno o Dos Vectores de Medias

Tests multivariantes frente a univariantes
Test sobre la media de una población normal multivariante
Test sobre las medias de dos poblaciones normales multivariantes
Tests sobre variables individuales tras el rechazo de H0
Tests F-parciales
Comprobación de las hipótesis. Outliers

2.- Análisis Multivariante de la Varianza

MANOVA de una vía
MANOVA de una vía no balanceado
Medidas de Asociación Multivariantes
Contrastes
Evaluación de la contribución de las variables
Eliminación y ordenación de variables
Tests sobre subconjuntos de variables
Selección de variables por pasos
MANOVA de dos vías
Efectos simples

3.- Análisis Discriminante: descripción de la separación de grupos

Función discriminante para dos grupos
Análisis Discriminante para varios grupos
Funciones discriminantes estandarizadas
Contrastes de significación
Tests para el caso de dos grupos
Significación de las funciones discriminantes
Inferencias sobre subconjuntos de variables
Tests para el caso de diversos grupos
Significación de las funciones discriminantes
Inferencias sobre subconjuntos de variables
Selección de variables por pasos
Interpretación de las funciones discriminantes
Coeficientes estandarizados
Estadísticos parciales
Correlación entre variables y funciones discriminantes
Gráficos de dispersión
Aplicaciones del AD


4.- Análisis de Clasificación: asignación de observaciones a grupos

Clasificación en dos grupos
Clasificación en varios grupos
Matrices de covarianza poblacionales iguales: funciones de clasificación lineales
Matrices de covarianzas desiguales: funciones de clasificación cuadráticas
Estimación de las tasas de clasificación erróneas
Estimaciones mejoradas de las tasas de error
Selección de subconjuntos
Hipótesis del análisis discriminante

5.- Regresión Logística

Modelos de respuesta cualitativa
Formulación y estimación del modelo de regresión logística
Inferencias
Variables explicativas cualitativas
Interacción
Predicción

6. METODOLOGÍA Y ACTIVIDADES
ACTIVIDADES HORAS PRESEN­CIALES HORAS TRABAJO AUTÓ­NOMO TOTAL HORAS CRÉDITOS ECTS COMPETENCIAS (códigos)
A1 - Clases expositivas en gran grupo
  • M1 - Clases expositivas en gran grupo: Clases magistrales
45.0 67.5 112.5 4.5
  • CE15
  • CE16
  • CE6
  • CE8
  • CE9
  • CG1
  • CG16
  • CG2
  • CG6
  • CG7
  • CG8
A2 - Clases en grupos de prácticas
  • M6 - Clases en grupos de prácticas: Actividades practicas
15.0 22.5 37.5 1.5
  • CE15
  • CE16
  • CE6
  • CE8
  • CE9
  • CG1
  • CG16
  • CG2
  • CG6
  • CG7
  • CG8
TOTALES: 60.0 90.0 150.0 6.0  
 
INFORMACIÓN DETALLADA:

En las clases se expondrán los contenidos teóricos necesarios para poder desarrollar con suficiencia los ejercicios prácticos. Las prácticas se estructuran en tres tipos de actividades: ejercicios resueltos en pizarra,interpretación de resultados a partir de salidas deordenador e implementación de tales ejercicios mediante los programas informáticos de tipo estadístico.

7. SISTEMA DE EVALUACIÓN
 
ASPECTO CRITERIOS INSTRUMENTO PESO
Asistencia y/o participación en actividades presenciales y/o virtuales Asistencia y participación Notas del profesor 0.0%
Conceptos teóricos de la materia Conceptos teóricos de la materia. Examen de cuestiones teórico-prácticas 80.0%
Realización de trabajos, casos o ejercicios Realización de trabajos, casos y ejercicios Elaboración de casos prácticos 20.0%
Prácticas de laboratorio/campo/uso de herramientas TIC Prácticas de ordenador Elaboración de casos prácticos en ordenador 0.0%
El sistema de calificación se regirá por lo establecido en el RD 1125/2003 de 5 de septiembre por el que se establece el sistema europeo de créditos y el sistema de calificaciones en la titulaciones universitarias de carácter oficial
INFORMACIÓN DETALLADA:

La evaluación final del alumno constará de dos pruebas: un examen escrito y un trabajo práctico en el que se demuestre la suficiencia de los conocimientos adquiridos a la hora de aplicarlos en una situación real. Este sistema permite alcanzar los resultados del aprendizaje codificados como R10, R11 y R18.

Se valorará la claridad de exposición, la correcta aplicación de las técnicas y la coherencia de las conclusiones obtenidas a partir de la metodología aplicada.

Este sistema permite adquirir todas las competencias detalladas.

 

8. DOCUMENTACIÓN / BIBLIOGRAFÍA
ESPECÍFICA O BÁSICA:
  • Methods of multivariate analysis. Edición: 3rd ed. Autor: Rencher, Alvin C. Editorial: Hoboken, NJ : John Wiley & Sons, 2012  (C. Biblioteca)
  • Applied Logistic Regression. Edición: 2nd ed. Autor: Hosmer, David W.. Editorial: New York [etc.]: John Willey & sons, cop. 2000  (C. Biblioteca)
  • Applied MANOVA and discriminant analysis. Edición: -. Autor: Huberty, Carl J. Editorial: Hoboken, NJ: Wiley-Interscience, 2006  (C. Biblioteca)
GENERAL Y COMPLEMENTARIA:
  • A handbook of statistical analyses using R. Edición: -. Autor: Everitt, Brian S.. Editorial: Boca Raton [etc.] : Chapman and Hall, 2006  (C. Biblioteca)
9. CRONOGRAMA (segundo cuatrimestre)
Semana A1 - Clases expositivas en gran grupo A2 - Clases en grupos de prácticas Trabajo autónomo Observaciones
Nº 1
28 ene - 3 feb 2019
0.00.0 0.0  
Nº 2
4 - 10 feb 2019
0.00.0 0.0  
Nº 3
11 - 17 feb 2019
0.00.0 0.0  
Nº 4
18 - 24 feb 2019
0.00.0 0.0  
Nº 5
25 feb - 3 mar 2019
0.00.0 0.0  
Nº 6
4 - 10 mar 2019
0.00.0 0.0  
Nº 7
11 - 17 mar 2019
0.00.0 0.0  
Nº 8
18 - 24 mar 2019
0.00.0 0.0  
Nº 9
25 - 31 mar 2019
0.00.0 0.0  
Nº 10
1 - 7 abr 2019
0.00.0 0.0  
Nº 11
8 - 14 abr 2019
0.00.0 0.0  
Período no docente: 15 - 21 abr 2019
Nº 12
22 - 28 abr 2019
0.00.0 0.0  
Nº 13
29 abr - 5 may 2019
0.00.0 0.0  
Nº 14
6 - 12 may 2019
0.00.0 0.0  
Nº 15
13 - 17 may 2019
0.00.0 0.0  
Total Horas 0.0 0.0 0.0