Está en la página 1de 5

MISIN Formar profesionales altamente capacitados, desarrollar investigacin y realizar actividades de extensin en matemticas y computacin, as como en sus diversas

aplicaciones.

ANLISIS MULTIVARIADO
Programa

ESPECIALIZACIN EN ESTADSTICA

2010

Especializacin en Estadstica

ESPECIALIZACIN EN ESTADSTICA

Objetivo general del plan de estudios Formar especialistas de alto nivel capaces de aplicar los principales mtodos estadsticos para el anlisis de datos, as como de comprender los conceptos matemticos necesarios para la aplicacin correcta de dichos mtodos.

Objetivos especficos Formar especialistas capaces de: 1. Comprender los conceptos matemticos requeridos para la aplicacin de las diversas tcnicas estadsticas con un enfoque ms aplicado que terico; 2. Planear y disear experimentos o identificar modelos estadsticos apropiados para los problemas propios de su rea; 3. Proponer soluciones a problemas previamente identificados, mediante mtodos estadsticos cuya utilidad ha sido demostrada en los diversos campos de la investigacin; 4. Ofrecer asesora estadstica a instituciones pblicas, privadas y centros de investigacin que requieran recolectar, analizar e interpretar datos; y 5. Apoyar a las instituciones educativas, en lo que respecta al contenido estadstico, en la superacin de la calidad de la enseanza de la estadstica en los distintos niveles educativos.

Pgina 2 de 5

Especializacin en Estadstica

ANLISIS MULTIVARIADO Asignatura obligatoria Horas totales: 60 Horas tericas: 60 Crditos: 8 Objetivo general Al concluir el curso, el alumno ser capaz de: i) Utilizar los conceptos fundamentales del anlisis multivariado. ii) Obtener conclusiones mediante pruebas de hiptesis. iv) Diferenciar entre varios grupos con varias medidas. v) Calcular el grado de asociacin entre dos variables y dentro de un conjunto de variables. Descripcin del curso Los mtodos multivariados conforman un grupo de tcnicas tiles para el estudio de situaciones que incluyen la medicin de varias variables sobre la unidad experimental, mismas que se presentan en muchas reas de las distintas ciencias: sociales, biolgicas y de la salud, entre otras. En este curso se manejan las tcnicas descriptivas multivariadas ms conocidas, se presentan los mtodos estadsticos multivariados bsicos y se discuten ejemplos de aplicacin. Se procura que los estudiantes trabajen con casos reales, de preferencia propuestos por ellos, y redacten los reportes correspondientes. En los temas en donde sea pertinente se utilizar un paquete estadstico. Antecedentes acadmicos deseables Seminario de Estadstica en la Investigacin Protocolo de investigacin. Ejecucin del experimento. Recoleccin y anlisis estadstico de los datos. Tipos de reporte de resultados. Estadstica descriptiva. Bondad de ajuste. Variables aleatorias y distribuciones. Intervalos de confianza. Pruebas de hiptesis. Distribucin normal. Regresin lineal simple. Regresin lineal mltiple. Verificacin de supuestos.

Taller de Anlisis Exploratorio de Datos Inferencia Estadstica

Modelos de Regresin

Contenido 1. Conceptos bsicos Ocho horas Objetivo: El alumno conocer los conceptos bsicos y las definiciones principales, manejar las tcnicas descriptivas comunes; se familiarizar con la normal multivariada. 1.1 Estadstica descriptiva multivariada. 1.2 Propiedades de la matriz de covarianza. 1.3 La distribucin normal multivariada. 2. Estimacin y pruebas de hiptesis 22 horas Objetivo: El estudiante construir regiones e intervalos de confianza y realizar pruebas de hiptesis para una o ms muestras multivariadas y manejar los mtodos de anlisis de regresin multivariada.
Pgina 3 de 5

Especializacin en Estadstica

2.1 Regiones de confianza. 2 2.2 Pruebas de razn de verosimilitudes: T de Hotelling, Lambda de Wilks. 2.3 Intervalos de confianza simultneos. 2.4 Pruebas especficas adicionales. 2.5 Anlisis de varianza multivariado de una va. 2.6 Anlisis de perfiles. 2.7 Anlisis de varianza de dos vas. 2.8 Anlisis de regresin multivariada. 3. Anlisis de componentes principales Siete horas Objetivo: El alumno conocer el concepto de componentes principales e identificar problemas en los que la tcnica sea aplicable. 3.1 Definicin e interpretacin de componentes principales. 3.2 Pruebas de significacin para componentes principales. 4. Anlisis factorial Cinco horas Objetivo: El estudiante manejar las tcnicas de anlisis factorial ms conocidas. 4.1 Modelo factorial ortogonal. 4.2 Mtodo de componentes principales y el clsico. 4.3 Mtodo de mxima verosimilitud. 5. Correlacin cannica Cuatro horas Objetivo: El estudiante realizar anlisis de correlacin cannica entre dos conjuntos de variables. 5.1 Frmulas cannicas. 5.2 Relacin con otras tcnicas estadsticas. 5.3 Prueba de la razn de verosimilitud. 6. Anlisis discriminante Siete horas Objetivo: El alumno manejar el mtodo de anlisis discriminante tanto para clasificar como para discriminar entre dos poblaciones. 6.1 Clasificacin para dos poblaciones. 6.2 Funcin discriminante de Fisher. 7. Anlisis por conglomerados Objetivo: El estudiante manejar los mtodos de agrupamiento ms comunes. 7.1 Medidas de similitud. 7.2 Mtodos jerrquicos. 7.3 Mtodos no jerrquicos. Siete horas

Recursos didcticos Notas de curso, material de apoyo didctico, equipo audiovisual y software estadstico. Metodologa de la enseanza Las clases son con un enfoque prctico a partir del cual se desarrollan los elementos tericos correspondientes. Al inicio de cada tema, con base en casos de estudio, se discuten los mtodos y los elementos tericos bsicos respectivos. Se enfatiza la importancia del tema en las aplicaciones y su relacin con las asignaturas correspondientes de la Especializacin en Estadstica y la disciplina. En lo posible se trabaja con datos de casos reales, se identifica los elementos del tema en consideracin y se hace hincapi en la interpretacin de los resultados.

Pgina 4 de 5

Especializacin en Estadstica

En donde es pertinente se utiliza un paquete estadstico y se indica su importancia como herramienta en el anlisis estadstico de datos. Estrategias de enseanza Exposicin, interrogatorio, resolucin de ejercicios en clase y tareas, discusin dirigida, proyectos individuales o grupales y empleo de software estadstico Criterio de evaluacin Se hacen tres exmenes parciales: uno para las dos primeras unidades, otro para las unidades 3, 4 y 5 y otro para las unidades 6 y 7; la calificacin de cada examen se constituye con un 50% de una prueba escrita y un 50% con la entrega de un trabajo. La calificacin final es el promedio de los tres exmenes parciales. Bibliografa Barker, H. y Barker, B. (1984). Multivariate Analysis of Variance (MANOVA): A Practical Guide to Its Use in Scientific Decision Making. The University of Alabama Press, EE. UU. Cooley, W. y Lohnes, P. (1971). Multivariate Data Analysis, John Wiley, Nueva York. Everitt, B. y Dunn, G. (2001). Applied Multivariate Data Analysis, segunda edicin, Arnold, Nueva York. Greenacre, M. (1993). Correspondence Analysis in Practice, Academic Press, Londres. Hair, J.; Black, W.; Babin, B.; Anderson, R. y Tatham, R. (2006). Multivariate Data Analysis, sexta edicin, Pearson/Education, Nueva Jersey. Hardle, W. y Simar, L. (2007) Applied Multivariate Statistical Analysis, Segunda edicin, Springer, Berln. Harris, R. J. (2001). A Primer of Multivariate Statistics, tercera edicin, Erlbaum, Londres. Johnson, D. (2000). Mtodos Multivariados Aplicados al Anlisis de Datos, Thompson Editores, Mxico, D. F. Johnson, R. y Wichern, D. (2007). Applied Multivariate Statistical Analysis, sexta edicin, Pearson, Nueva Jersey. Kleinbaum, D.; Kupper, L. y Muller, K. (1988) Applied Regression Analysis and Other Multivariate Methods, PWS-Kent, Boston. Lawley, D. y Maxwell, A. (1963). Factor Analysis as a Statistical Method, Butterworths, Londres. Manly, B. (1994). Multivariate Statistical Methods, segunda edicin, Chapman and Hall, EE. UU. Mardia, K. V.; Kent, J. T. y Bibby, J. M. (1980). Multivariate Analysis, Academic Press, Londres. Morrison, D. (1990). Multivariate Statistical Methods, tercera edicin, McGraw-Hill, Nueva York. Muirhead, R. (1982). Aspects of Multivariate Statistical Theory, John Wiley, Nueva York. Rencher, A. (2002). Methods of Multivariate Analysis, segunda edicin, Wiley, Nueva York. Srivastava, M. (2002). Methods of Multivariate Statistics. John Wiley and Sons, Nueva York. Stevens, J. (2002). Applied Multivariate Statistics for the Social Sciences, cuarta edicin, Erlbaum, Londres. Takeuchi, R. (1982). The Foundations of Multivariate Analysis, John Wiley, Nueva York. Timm, N. H. (2002). Applied Multivariate Analysis, Springer, Nueva York. Tinsley, E. y Brown, S. (2000). Handbook of Applied Multivariate Statistics and Mathematical Modeling, Academic Press, Londres. Perfil profesiogrfico del profesor Especialista en estadstica, preferentemente con maestra o doctorado y experiencia docente, de investigacin o de trabajo en el rea. Programa elaborado por: Dr. Jorge Argez Sosa, Dr. Luis Alfonso Rodrguez Carvajal, .MC. Salvador Medina Peralta. Fecha de elaboracin: Junio de 2010.
Pgina 5 de 5