Introduccin Valores perdidos Diagnstico de la aleatoriedad de los valores perdidos Tratamiento de los valores perdidos Outliers: Casos atpicos Deteccin univariante de casos atpicos Deteccin bivariante de casos atpicos Deteccin multivariante de casos atpicos Comprobacin de supuestos bsicos del anlisis multivariante Normalidad Homocedasticidad Linealidad Independencia de las observaciones Caso Prctico 1. Mdulo 2: Componentes principales Introduccin Componentes principales de dos variables Obtencin de las componentes principales en el caso general y sus propiedades Obtencin de la primera componente Obtencin de las restantes componentes Varianza de las componentes Correlacin entre las componentes principales y las variables originales Puntuaciones sin tipificar y tipificadas Nmero de componentes a retener El criterio de la media aritmtica Contraste sobre las races caractersticas no retenidas El grfico de sedimentacin Retencin de variables Caso Prctico 2. Mdulo 3: Anlisis factorial Introduccin El modelo de anlisis factorial Formulacin del modelo Hiptesis del modelo Propiedades del modelo
Mtodos para extraccin de factores
Planteamiento Matriz de correlacin reproducida El mtodo de componentes principales El mtodo de componentes principales iteradas o ejes principales Otros mtodos de extraccin de factores Contraste en el modelo factorial Rotacin de factores Rotacin ortogonal Rotacin oblicua Puntuaciones de los factores Caso Prctico 3. Mdulo 4: Escalamiento multidimensional Introduccin El algoritmo bsico del MDS Recogida de datos en el MDS Similaridades directas Similaridades derivadas Consideraciones respecto a la recogida de los datos Tipos de escalamiento multidimensional Escalamiento multidimensional clsico Escalamiento multidimensional replicado Escalamiento multidimensional ponderado Escalamiento multidimensional clsico desdoblado. Caso Prctico 4. Mdulo 5: Anlisis de correspondencias Introduccin Funcionamiento del anlisis de correspondencias Fundamentacin matemtica del anlisis de correspondencias El anlisis de correspondencias para mltiples variables Caso Prctico 5. Mdulo 6: Anlisis de conglomerados Introduccin Medidas de similaridad. Medidas de similaridad para variables mtricas. Medidas de similaridad para datos binarios. Estandarizacin de los datos. Formacin de los grupos: anlisis jerrquico de conglomerados Mtodo del centroide. Mtodo del vecino ms cercano. Mtodo del vecino ms lejano.
Mtodo de la vinculacin promedio
Mtodo de Ward Seleccin del nmero de conglomerados de la solucin. Formacin de los grupos: anlisis jerrquico de conglomerados. Eleccin entre los distintos tipos de anlisis de conglomerados. Caso Prctico 6. Mdulo 7: Anlisis discriminante Introduccin Clasificacin con dos grupos Clasificacin con dos grupos y una variable clasificadora Clasificacin con dos grupos y dos variables clasificadoras Funcin discriminante de fisher Criterios alternativos de clasificacin Inferencias y clculo de probabilidades en el anlisis discriminante Planteamiento Contrastes de significacin y evaluacin de la bondad del ajuste Seleccin de variables Clculo de probabilidades de pertenencia a una poblacin Anlisis discriminante con ms de dos grupos Obtencin de las funciones discriminantes Contrastes de significacin Caso Prctico 7.