*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