UNIVERSIDAD AUTNOMA CHAPINGO

DIVISIN DE CIENCIAS FORESTALES

CARRERA DE: Licenciado en Estadstica

PROGRAMA DE LA ASIGNATURA DE

Mtodos Multivariados II

CICLO ESCOLAR 2013-2014

DATOS GENERALES Departamento (Divisin): Nombre del Programa Educativo: Nivel Educativo: Asignatura: Carcter: Tipo: rea del conocimiento: Clave de la materia: Ubicacin curricular: Requisitos: Divisin de Ciencias Forestales Licenciado en Estadstica Licenciatura Mtodos Multivariados II Optativa Terico-Prctico Ciencias Bsicas 2728 A partir de 6to semestre Introduccin a la Inferencia Estadstica, Mtodos Multivariados I y Programacin con SAS 2013-2014 Francisco Jos Zamudio Snchez Horas Totales del curso: 72

Ciclo Escolar: Nombre del Profesor: Horas Teora / semana: Horas Prctica / semana: INTRODUCCIN

3 1.5

A nivel horizontal, la materia se relaciona con: Modelos Lineales Estadstica no Paramtrica A nivel vertical, la materia se relaciona con: Mtodos Multivariados I El curso es: La formacin general es de tipo: PRESENTACIN Los investigadores en las ciencias biolgicas, fsicas y sociales frecuentemente colectan de manera simultnea mediciones sobre gran cantidad de variables relacionadas. Las tcnicas estadsticas para describir y analizar estos conjuntos de datos se conocen como mtodos multivariados. Este curso proveer al estudiante con el conocimiento de los mtodos multivariados ms comnmente utilizados en la experimentacin cientfica y la investigacin social. En cada caso el estudiante comienza con una formulacin del modelo poblacional, se Terico-Prctico Diferenciales De tipo: Metodolgica

exponen los resultados muestrales correspondientes y finalmente se ilustra el mtodo con ejemplos. OJETIVOS General Presentar las tcnicas multivariadas de mayor aplicacin en la experimentacin cientfica y en la investigacin social.

Particulares Definir el alcance y delimitar el tipo de problemas que pueden resolverse con las tcnicas multivariadas. Implementar las tcnicas estudiadas con datos reales, provenientes de investigaciones sociales y experimentales.

CONTENIDO 1. Pruebas de Hiptesis Multivariadas 1.1. Prueba de rezn de verosimilitudes 1.2. Hiptesis lineales 1.3. Ejemplos 2. Descomposicin de Matrices de Datos en Factores 2.1 Interpretaciones geomtricas 2.2 Relaciones entre subespacios 2.3 Implementacin prctica 3. Anlisis de Componentes Principales 3.1 Componentes principales poblacionales 3.2 Componentes principales para resumir variabilidad 3.3 Interpretacin geomtrica 3.4 Inferencias para muestras grandes 3.5 Implementacin prctica 4. Anlisis Factorial 4.1 Modelo factorial ortogonal 4.2 Estimacin del modelo factorial 4.3 Rotaciones 4.4 Implementacin prctica

5. Anlisis de Conglomerados 5.1 El problema del anlisis de conglomerados. 5.2 Mtricas similitud 5.3 Mtodos jerrquicos 5.4 Mtodos no jerrquicos 5.5 Implementacin prctica 6. Anlisis Discriminante 6.1 Separacin y clasificacin para dos poblaciones. 6.2 Evaluacin de funciones de clasificacin 6.3 Clasificacin con poblaciones 6.4 Regresin logstica y clasificacin 6.5 Implementacin prctica 7. Anlisis de Correlacin Cannica 7.1 Variables cannicas y correlaciones cannicas 7.2 Variables cannicas muestrales y correlaciones cannicas muestrales 7.3 Implementacin prctica METODOLOGA El curso es de carcter terico-prctico y su contenido est organizado en seis grandes temas. La teora ser desarrollada a travs de la ctedra en aulas de clase, mientras que la prctica ser implementada extra-clase por los estudiantes a travs de la resolucin de problemas y trabajos de investigacin en libros y revistas especializadas. En las tareas se har nfasis en la resolucin de problemas tericos, y en algunas ocasiones se pedir que el alumno aplique las tcnicas multivariadas sobre conjuntos de datos provenientes de investigaciones del profesor titular. EVALUACIN El curso se evaluar con tres exmenes parciales, prcticas de cmputo y tareas extraclase. No habr examen global. Las ponderaciones correspondientes son la siguientes: Exmenes parciales: Tareas extra-clase: 60% 40%

REFERENCIAS BIBLIOGRFICAS

Bsica Hrdle W., Simar L. (2007), Applied Multivariate Statistical Analysis. Second Edition. Springer, USA. Complementaria Johnson R., Wichern W. (1999), Applied Multivariate Statistical Analysis. Fourth Edition. Prentice-Hall, USA. Mardia V., Bibby M. (1989), Multivariate Analysis. Academic Press, USA. Morrison F. (1989), Multivariate Statistical Methods. McGraw-Hill, USA.