MultivariateStatisticalAnalysis
1
Estadística Multivariada
1.1
Temario
1.2
Evaluación
1.3
Proyecto final
1.4
Referencias
1.5
Material interesante
1.6
DataCamp
2
Regresión múltiple
2.1
¿Por qué estadística multivariada?
2.1.1
¿Qué es “multivariado” y por qué lo necesitamos?
2.2
Regresión múltiple
2.2.1
Modelo y estimación
2.3
Estimación de parámetros
2.3.1
Ejercicios
2.4
Pruebas de Hipótesis
2.4.1
Prueba de la significancia de la regresión
2.4.2
Pruebas sobre coeficientes individuales de regresión
2.5
Intervalos de confianza
2.5.1
Intervalos de confianza en los coeficientes de regresión
2.5.2
Intervalo de confianza de la respuesta media
2.5.3
Ejercicios
2.6
Ejercicios Regresión Lineal Multiple
2.7
Validación de Supuestos
2.7.1
Multicolinealidad
2.7.2
Normalidad en los residuales
2.7.3
Homocedasticidad
2.7.4
No autocorrelación
2.7.5
Predicciones
2.7.6
Ejercicios
2.8
Análisis de Varianza
2.8.1
Ejercicios
2.9
Selección del modelo
2.9.1
Todos los modelos posibles
2.9.2
Selección paso a paso
2.9.3
Ejemplos
2.9.4
Selección paso a paso
3
Análisis de Componentes Principales
3.1
Componentes principales para matriz de covarianza
3.2
Componentes principales para matriz de correlación
3.3
El número de Componentes Principales
3.3.1
Scree plot
3.3.2
Regla de Kaiser
3.3.3
Procedimiento de Horn (parallel analysis)
3.4
Visualización de los componentes principales
3.4.1
Score plot: individuos en el espacio PCA
3.4.2
Loading plot: contribución de las variables
3.4.3
Biplot y Bibiplot
3.4.4
Gráficos adicionales útiles
3.4.5
Recomendaciones prácticas de interpretación
3.5
Ejemplos con Bases de datos
3.6
Ejercicios PCA
3.7
Tutoriales de DataCamp sugeridos
4
Análisis Factorial
4.1
Modelo de factores ortogonales con
\(m\)
factores comunes
4.2
Métodos de estimación
4.2.1
Factores Método de Componentes Principales y Método de Factores Principales
4.2.2
Factores principales iterados (un enfoque modificado de Factores principales)
4.2.3
Factores por máxima verosimilitud
4.3
Rotación de factores
4.4
Ejemplos
4.5
Ejercicios
5
Análisis de Conglomerados
5.1
Distancias y disimilitudes
5.1.1
Distancia euclidiana
5.1.2
Distancia de Minkowski
5.1.3
Distancia City block
5.1.4
Disimilitud calculando Simple Matching
5.1.5
Disimilitud calculando el coeficiente de Jaccard
5.1.6
Disimilitud calculando el coeficiente de Czekanowski
5.1.7
Disimilitud de
\(1\)
-coincidencias de Sneath
5.1.8
Distancia de Gower
5.2
Clustering jerárquico
5.2.1
Clustering aglomerativo de la liga sencilla
5.2.2
Clustering aglomerativo de la liga completa
5.2.3
Clustering aglomerativo de la liga promedio
5.2.4
Agrupación de varianza mínima de Ward
5.2.5
Mismos gráficos usando el paquete
factoextra
5.2.6
Comentarios finales sobre los procedimientos jerárquicos
5.2.7
Número óptimo de clústers
5.2.8
Ejercicios
5.3
Clustering no jerárquico
5.3.1
K-means
5.4
Tutoriales de DataCamp sugeridos
6
Análisis de Discriminante
7
Apéndices
7.1
Introducción a R
7.2
Git + Github
7.3
Correlaciones y distancias
7.4
Plots Multivariados
7.4.1
Caritas de Chernoff
7.4.2
Curvas de Andrew
7.4.3
Gráficos de Paralelas
7.4.4
Estrellas
7.4.5
Plots 3D
7.4.6
Ejercicios
Published with bookdown
Estadística Multivariada
Sección 6
Análisis de Discriminante