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: | 2018-19 |
ASIGNATURA: | Técnicas de asociación y clasificación |
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 |
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 | ||
ORCID: https://orcid.org/0000-0002-3128-8030 | ||
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: - | ||
ORCID: https://orcid.org/0000-0002-8417-8505 |
La asignatura introduce al alumno en las técnicas inferenciales del análisis multivariante.
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 |
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
ACTIVIDADES | HORAS PRESENCIALES | HORAS TRABAJO AUTÓNOMO | TOTAL HORAS | CRÉDITOS ECTS | COMPETENCIAS (códigos) |
---|---|---|---|---|---|
A1 - Clases expositivas en gran grupo
|
45.0 | 67.5 | 112.5 | 4.5 |
|
A2 - Clases en grupos de prácticas
|
15.0 | 22.5 | 37.5 | 1.5 |
|
TOTALES: | 60.0 | 90.0 | 150.0 | 6.0 |
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.
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% |
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.
- 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)
- A handbook of statistical analyses using R. Edición: -. Autor: Everitt, Brian S.. Editorial: Boca Raton [etc.] : Chapman and Hall, 2006 (C. Biblioteca)
Semana | A1 - Clases expositivas en gran grupo | A2 - Clases en grupos de prácticas | Trabajo autónomo | Observaciones | |
---|---|---|---|---|---|
Nº 1 28 ene. - 3 feb. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 2 4 - 10 feb. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 3 11 - 17 feb. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 4 18 - 24 feb. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 5 25 feb. - 3 mar. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 6 4 - 10 mar. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 7 11 - 17 mar. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 8 18 - 24 mar. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 9 25 - 31 mar. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 10 1 - 7 abr. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 11 8 - 14 abr. 2019 |
0.0 | 0.0 | 0.0 | ||
Período no docente: 15 - 21 abr. 2019 | |||||
Nº 12 22 - 28 abr. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 13 29 abr. - 5 may. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 14 6 - 12 may. 2019 |
0.0 | 0.0 | 0.0 | ||
Nº 15 13 - 17 may. 2019 |
0.0 | 0.0 | 0.0 | ||
Total Horas | 0.0 | 0.0 | 0.0 |