PROGRAMA DE MATERIA

*En caso de no aplicar algn elemento, escribir N/A

1 de 4
Cdigo: FO-030200-13
Revisin: 02
Emisin: 13/12/11


MATERIA: ANLISIS MULTIVARIADO
CENTRO ACADMICO: CIENCIAS BSICAS
DEPARTAMENTO ACADMICO: ESTADSTICA
PROGRAMA EDUCATIVO: INGENIERO INDUSTRIAL ESTADSTICO
AO DEL PLAN DE ESTUDIOS: 2006 SEMESTRE: 7
CLAVE DE LA
MATERIA:
15688
REA ACADMICA: AVANZADA
PERIODO EN QUE
SE IMPARTE:
AGOSTO - DICIEMBRE
HORAS SEMANA T/P: 2 / 3 CRDITOS: 7
MODALIDAD EDUCATIVA EN
LA QUE SE IMPARTE:
PRESENCIAL
NATURALEZA DE LA
MATERIA:
OBLIGATORIA
ELABORADO POR: ACADEMIA DE MTODOS ESTADSTICOS AVANZADOS NIVEL B
REVISADO Y APROBADO POR
LA ACADEMIA DE:
MTODOS
ESTADSTICOS
AVANZADOS NIVEL B
FECHA DE
ACTUALIZACIN:
JULIO 2012


DESCRIPCIN GENERAL

El curso est dirigido a alumnos de Ing. Industrial Estadstico que hayan cursado con anterioridad las materias de
Taller de Estadstica I, Taller de Estadstica II, Probabilidad, Inferencia Estadstica, Teora del Muestreo, Anlisis de
Regresin, Diseo de Experimentos, y Taller de Control Estadstico de Procesos I.

El curso introduce al alumno en los aspectos formales del anlisis de mltiples variables y la decisin de modelos. En
este curso se estudian mtodos estadsticos para las situaciones en las cuales hay ms de una variable respuesta.
Se exploran tcnicas para realizar resmenes de datos con alta dimensin. stos incluyen mtodos para crear grupos
conocidos, mtodos para clasificar casos en grupos especificados y el anlisis de varianza multivariado.

Este curso es el antecedente de la materia de Seminario de Estadstica del plan de estudios de la carrera de Ing.
Industrial Estadstico.


OBJETIVO (S) GENERAL (ES)

Al finalizar el curso, el alumno obtendr los conocimientos necesarios para comprender el comportamiento aleatorio
de los fenmenos relacionados con su rea de estudio y desarrollar habilidades pertinentes para aplicar
metodologa estadstica en los procesos descriptivos e inferenciales bsicos asociados al anlisis de datos
multivariados. Finalmente, el alumno ser capaz de interpretar los resultados de un anlisis estadstico de datos, para
aconsejar acerca de las fortalezas y limitaciones de los resultados obtenidos, y normar las decisiones y acciones a
realizar.





DATOS DE IDENTIFICACIN
PROGRAMA DE MATERIA


*En caso de no aplicar algn elemento, escribir N/A

2 de 4
Cdigo: FO-030200-13
Revisin: 02
Emisin: 13/12/11

UNIDAD TEMTICA I: PRINCIPIOS BSICOS DEL ANLISIS MULTIVARIADO ( 25 horas )
OBJETIVOS
PARTICULARES
CONTENIDOS
FUENTES DE
CONSULTA
1.1 Comprender los
principios del anlisis
multivariado
1.1.1 Introduccin
1.1.1 Tcnicas de reduccin
1.1.2 Tcnicas de clasificacin
1,2
1.2 Describir bases de
datos multivariados.
1.2.1 Medias
1.2.2 Varianzas y covarianzas
1.2.3 Correlaciones
1.2.4 Distancias
1,2
1.3 Conocer las
principales caractersticas
de la distribucin normal
multivariada.
1.3.1 Caractersticas de La distribucin normal multivariada
1.3.2 Criterios para verificar la distribucin normal univariada y
multivariada
1,2
1.4 Construir
despliegues de datos
multivariados mediante
matrices de dispersin y
grficas de datos con
mayor nmero de
dimensiones.
1.4.1 El problema del la visualizacin de muchas variables
1.4.2 La matriz de dispersin
1.4.3 Otras grficas
1,2

UNIDAD TEMTICA II: MTODOS DE REDUCCIN ( 30 horas )
OBJETIVOS
PARTICULARES
CONTENIDOS
FUENTES DE
CONSULTA
2.1 Aplicar la tcnica de
anlisis de componentes
principales.
2.1.1 Definicin de componentes principales
2.1.2 Procedimiento para realizar un anlisis de componentes
principales
2.1.3 Seleccionar el nmero de componentes principales
2.1.4 El puntaje de los componentes principales
1,2
2.2 Aplicar la tcnica de
anlisis de factores.



2.2.1 El modelo de factores
2.2.2 Mtodo de componentes principales para extraccin de factores
iniciales
2.2.3 El nmero de factores
2.2.4 Rotacin de factores
2.2.5 Anlisis e interpretacin de los pesos de factor
1,2
2.3 Interpretar los
resultados de las
tcnicas de
conglomerado.

2.3.1 Introduccin Anlisis de conglomerado
2.3.2 Medidas de distancia y similitud
2.3.3 Mtodos aglomerativos jerrquicos
2.3.4 El mtodo de k-medias
1,2

UNIDAD TEMTICA III: MTODOS DE CLASIFICACIN ( 25 horas )
OBJETIVOS
PARTICULARES
CONTENIDOS
FUENTES DE
CONSULTA
CONTENIDOS DE APRENDIZAJE
PROGRAMA DE MATERIA


*En caso de no aplicar algn elemento, escribir N/A

3 de 4
Cdigo: FO-030200-13
Revisin: 02
Emisin: 13/12/11

3.1 Validara la funcin
discriminante para 2 o
ms grupos
3.1.1 Introduccin al anlisis discriminante
3.1.2 Discriminacin usando la distancia de Mahalanobis
3.1.3 Funcin discriminante cannicas
1,2
3.2 Comprender la
estructura para realizar
pruebas de hiptesis con
datos multivariados.
3.2.1 Pruebas sobre varias variables
3.2.2 Comparacin de medias para varias muestras
3.2.3 Comparacin de variacin para varias muestras
1,2


METODOLOGA DE ENSEANZA - APRENDIZAJE

El curso se imparte de manera presencial, siendo uno de los roles principales del profesor facilitar y ayudar a los
estudiantes a construir y reconstruir sus propios conocimientos, esperando que el alumno participe de manera activa
en clase y en la entrega de actividades y prcticas de laboratorio; sobre la base de promover experiencias acordes
con el nivel de desarrollo de los mismos y la inteligente estructuracin y evaluacin de la experiencia. El trabajo
acadmico del curso descansa, fundamentalmente, en los conceptos, mtodos y tcnicas de anlisis multivariado
aplicados a la solucin de problemas referidos a situaciones reales y artificiales, apoyndose con software estadstico
para optimizar las operaciones.


RECURSOS DIDCTICOS

En general, las actividades de enseanza-aprendizaje sern desarrolladas en el aula con el apoyo de material
impreso. Adems, se complementarn las actividades del curso con prcticas de laboratorio que brinden la
consolidacin de los conocimientos tericos y su aplicacin en problemas prcticos. Las prcticas se apoyarn con
investigacin y experimentacin en el Taller de Ingeniera Industrial Estadstico o en los Laboratorios de Computacin
(30-A, 30-B y 52) con software estadstico (R o Minitab). El curso contar con actividades en lnea a travs de la pgina
web de apoyo a la docencia del Departamento de Estadstica: http://estadIstica.ccbas.uaa.mx/moodle/.


EVALUACIN DE LOS APRENDIZAJES

Los estudiantes estarn sujetos a evaluacin por medio de tres exmenes parciales segn el reglamento y la
ponderacin que se dio anteriormente. Se podr aplicar una evaluacin intermedia de mini exmenes, los cuales
contemplarn la futura temtica de los exmenes parciales. Los estudiantes debern solucionar en casa problemas
especiales, individualmente o en equipo, a manera de reporte profesional, segn estructura y ejemplo que propondr
el maestro. Estos trabajos se evaluarn segn su calidad de acuerdo a las rbricas que se entregarn en la primera
clase.

RUBRO
i
Criterio 1 Criterio 2 PERIODO
Primer examen parcial 30% 25% Al finalizar la unidad
Segundo examen
parcial
30% 25% Al finalizar la unidad
Tercer examen parcial 30% 30% Fijado por el H.
Consejo Universitario
Actividades de
Aprendizaje
ii


0% 10% Durante el semestre
Laboratorio de
cmputo
iii

10% 10% Durante el semestre
Nota: Si la calificacin promedio de los exmenes es aprobatoria se aplicar el criterio 2 en caso contrario se aplicar el criterio 1


PROGRAMA DE MATERIA


*En caso de no aplicar algn elemento, escribir N/A

4 de 4
Cdigo: FO-030200-13
Revisin: 02
Emisin: 13/12/11

FUENTES DE CONSULTA

BSICAS:
1. Manly, B. Multivariate statistical methods a primer. Third edition. London, New York. Champan and Hall. 2005.
2. Everitt, B.S. And R and S-PLUS Companion to Multivariate Analysis. Springer-Verlag New York, 2005.

COMPLEMENTARIAS:
3. Anderson, T.W. An Introduction to Multivariate Statistical Analysis. Third edition. New York, John Wiley &
Sons. 2003.
4. Everitt, B.S. and Dunn, G. Applied multivariate data analysis. Second edition. Edward Arnold Ed. London, U.K.
2001
5. Harris, R. A primer of multivariate statistics. Fifth edition. University of New Mxico. Academic Press, Inc. 2002.
6. Johnson, R. and Wichern, D. Applied multivariate statistical analysis. 5 ED. Prentice-Hall, Inc. 2002.
7. Seber, G. Multivariate observations. John Wiley. 1984.




i
Todos los exmenes sern departamentales.

ii
Pueden ser: mini exmenes, exposiciones, proyectos, solucin de problemas, lectura de artculos de investigacin del rea,
tareas, etc.

iii
Asistencia al laboratorio, prcticas de laboratorio, reportes