Estadística Multivariada
Sección 1 Estadística Multivariada
1.1 Temario
- Regresión múltiple
1.1 Mínimos cuadrados.
1.2 Medidas de bondad de ajuste.
1.3 Determinación del número de variables predictorias.
- Análisis de componentes principales
2.1 Descripción de la metodología.
2.2 Técnicas de extracción de componentes principales.
2.3 Determinación del número de componentes principales.
- Análisis factorial
3.1 Descripción de la metodología del análisis factorial.
3.2 Descripción del modelo básico.
3.3 Método de cálculo.
3.4 Comparación con la técnica del análisis de componentes principales.
3.5 Usos de software (R, Minitab, SciPy, entre otros).
- Análisis de conglomerados
4.1Descripción de la metodología de análisis de conglomerados.
4.2 Técnicas de jerarquización y de particionamiento.
4.3 Implementación computacional.
4.4 Usos de los dendogramas.
4.5 Usos de software (R, Minitab, SciPy, entre otros).
- Análisis discriminante
5.1 Descripción de la metodología del análisis discriminante.
5.2 Discriminación entre dos grupos.
5.3 Contribución por variable.
5.4 Discriminación logística.
5.5 Discriminación múltiple.
5.6 Usos de software (R, Minitab, SciPy, entre otros).
A1. R
A2. Git + Github
A3. Gráficas Multivariadas
A4. Escalas de Medición
A5. Valores Faltantes
1.3 Proyecto final
- Buscar una base de datos “real”
- Aplicar 3 métodos de estadística multivariada
- Entregar documento con:
- Descripción de los datos
- Planteamiento del problema
- Métodos usados
- Interpretación de resultados
- Código usado
- Repositorio con código reproducible
- Exposición de resultados
