UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

FACULTAD DE ECONOMÍA Y PLANIFICACIÓN

DEPARTAMENTO ACADÉMICO DE ESTADÍSTICA E INFORMÁTICA

1. DATOS GENERALES

1.1. CURSO: Métodos Multivariados

1.2. CÓDIGO: EP7118
1.3. CRÉDITOS: 3
1.4. Horas (semanales): 4
HORAS DE TEORÍA (Semanales): 2
HORAS PRÁCTICA (Semanales): 2
1.5. REQUISITOS: Ninguno
1.6. PROFESOR: Clodomiro Fernando Miranda Villagómez
CORREO ELECTRÓNICO: cfmiranda@lamolina.edu.pe
1.7. CICLO ACADÉMICO: 2023-I

2. SUMILLA

El curso de Métodos Multivariados pertenece al área de formación de la especialidad y es

de carácter electivo y de naturaleza teórico-práctica. Su propósito es desarrollar en el
estudiante el criterio de diferenciación y elección del mejor método multivariado y
posteriormente aplicar ese método a sus datos. Comprende las siguientes unidades:
Fundamentos de los Métodos Multivariados. Inferencia Multivariada. Análisis de
Componentes Principales. Análisis Factorial. Análisis de Correspondencia Simple y Múltiple.
Análisis Discriminante. Análisis de Regresión Multivariada. Regresión Logística. Análisis de
Variancia Multivariado. Ecuaciones Estructurales.

3. COMPETENCIAS, HABILIDADES O CAPACIDADES A LOGRAR

Competencia general
Utiliza modelos estadísticos y/o algoritmos multivariados para reproducir un sistema real
mediante una formalización matemática con el propósito de aumentar su comprensión,
hacer predicciones y ayudar a su control.

Competencias específicas
- Entiende y utiliza los métodos multivariados no supervisados considerados en el
curso.

- Entiende y utiliza los métodos multivariados supervisados considerados en el curso.

- Aplica los métodos multivariados en diferentes especialidades.

- Utiliza adecuadamente un programa especializado para el desarrollo de los

Página 1 de 7
 algoritmos.

- Interpreta los resultados obtenidos por un programa especializado, utilizando

vocabulario adecuado.

4. PROGRAMACIÓN CALENDARIZADA DE CONTENIDOS

UNIDAD 1: INTRODUCCIÓN A LOS MÉTODOS MULTIVARIADOS E INFERENCIA

MULTIVARIADA
CONTENIDOS CONCEPTUALES:
Fundamentos de los métodos multivariados. Clasificación de los métodos
multivariados y sus aplicaciones. Distribución normal multivariante. Inferencia
respecto a un vector de medias. Inferencia respecto a dos vectores de media: con
muestras dependientes y con muestras independientes
CONTENIDOS PROCEDIMENTALES:
Semanas Aplica los conceptos básicos de los métodos multivariados e inferencia
1, 2 y 3 multivariada utilizando un programa estadístico.
CONTENIDOS ACTITUDINALES:
Demuestra disciplina en su quehacer diario, puntualidad en sus compromisos
académicos, y respeto de las normas de conservación del medio ambiente.
LECTURAS OBLIGATORIAS:
Rizzo, M (2019). Statistical Computing with R. Chapman and Hall/CRC, p. 61-96.
BIBLIOGRAFÍA SUGERIDA:
Ríos, D., Rios S., Jiménez J., Jiménez A (2009) Simulación Métodos y Aplicaciones
Alfaomega, p. 1-75.

UNIDAD 2: COMPONENTES PRINCIPALES, ANÁLISIS FACTORIAL Y ANÁLISIS DE

CORRESPONDENCIA.
CONTENIDOS CONCEPTUALES:
El método de componentes principales. Supuestos. Aplicaciones. El método
Factorial. Supuestos. Aplicaciones. Análisis de correspondencia simple y
múltiple. Supuestos. Aplicaciones.
CONTENIDOS PROCEDIMENTALES:
Para los cálculos matriciales y los gráficos de estos tres métodos desarrolla
Semanas funciones en el programa estadístico R. Interpreta los resultados obtenidos.
4, 5, 6 , 7 y CONTENIDOS ACTITUDINALES:
8 Demuestra honestidad durante el desarrollo de sus evaluaciones, disciplina en su
quehacer diario, puntualidad en sus compromisos académicos, y respeto de las
normas de conservación del medio ambiente.
LECTURAS OBLIGATORIAS:
Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. New York:
Chapman & Hall. , p. 45-103.
BIBLIOGRAFÍA SUGERIDA:
Rizzo, M (2019). Statistical Computing with R. Chapman and Hall/CRC, p. 213-
217

Página 2 de 7
 UNIDAD 3: ANÁLISIS DISCRIMINANTE LINEAL, CUADRÁTICO Y REGULARIZADO.
CONTENIDOS CONCEPTUALES:
Análisis discriminante lineal. Supuestos. Aplicaciones. Análisis discriminante
cuadrático. Supuestos. Aplicaciones.
CONTENIDOS PROCEDIMENTALES:
Para los cálculos matriciales y los gráficos de estos dos métodos desarrolla
funciones en el programa estadístico R. Interpreta los resultados obtenidos.
Semana CONTENIDOS ACTITUDINALES:
9, 10 Demuestra disciplina en su quehacer diario, puntualidad en sus compromisos
académicos, y respeto de las normas de conservación del medio ambiente.
LECTURAS OBLIGATORIAS:
Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. New York:
Chapman & Hall. , p. 105-121.
BIBLIOGRAFÍA SUGERIDA:
Davison, A. C., & Hinkley, D. V. (1997). Bootstrapping methods and their
application. Cambridge, UK: Cambridge University Press, , p. 259-326.

UNIDAD 4: REGRESIÓN LOGÍSTICA DICOTÓMICA, MULTINOMIAL Y ORDINAL

CONTENIDOS CONCEPTUALES:
Regresión logística dicotómica. Supuestos. Aplicaciones. Regresión logística
multinomial.
CONTENIDOS PROCEDIMENTALES:
Para los cálculos matriciales y los gráficos de estos dos métodos desarrolla funciones
Semanas
en el programa estadístico R. Interpreta los resultados obtenidos.
11 y 12
CONTENIDOS ACTITUDINALES:
Demuestra honestidad durante el desarrollo de sus evaluaciones, disciplina en su
quehacer diario, puntualidad en sus compromisos académicos, y respeto de las
normas de conservación del medio ambiente.
LECTURA OBLIGATORIA:
Rizzo, M (2019). Statistical Computing with R. Chapman and Hall/CRC, p. 220-231.
BIBLIOGRAFÍA SUGERIDA
Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. New York:
Chapman & Hall. , p. 141-150.
´
UNIDAD 5: ANÁLISIS DE REGRESIÓN MULTIVARIADA
CONTENIDOS CONCEPTUALES:
Modelo. Supuestos. Criterios de decisión. Aplicaciones.
CONTENIDOS PROCEDIMENTALES:
Para los cálculos matriciales y los gráficos de estos dos métodos desarrolla
funciones en el programa estadístico R. Interpreta los resultados obtenidos.
Semanas
CONTENIDOS ACTITUDINALES:
13 y 14
Demuestra honestidad durante el desarrollo de sus evaluaciones, disciplina en su
quehacer diario, puntualidad en sus compromisos académicos, y respeto de las
normas de conservación del medio ambiente.
LECTURA OBLIGATORIA:
Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. New York:
Chapman & Hall. , p. 237-255.

Página 3 de 7
 BIBLIOGRAFÍA SUGERIDA
Rizzo, M (2019). Statistical Computing with R. Chapman and Hall/CRC, p. 235-239.

UNIDAD 6: ANÁLISIS DE VARIANCIA MULTIVARIADO (MANOVA) y ANÁLISIS DE

COVARIANZA MULTIVARIADO (MANCOVA)
CONTENIDOS CONCEPTUALES:
Análisis de variancia multivariado. Modelos. Supuestos. Criterios de decisión.
Aplicaciones
CONTENIDOS PROCEDIMENTALES:
Semanas Para los cálculos matriciales y los gráficos de estos dos métodos desarrolla
15 y 16 funciones en el programa estadístico R. Interpreta los resultados obtenidos.
CONTENIDOS ACTITUDINALES:
Demuestra honestidad durante el desarrollo de sus evaluaciones, disciplina en su
quehacer diario, puntualidad en sus compromisos académicos, y respeto de las
normas de conservación del medio ambiente.
LECTURA OBLIGATORIA:
Rizzo, M (2019). Statistical Computing with R. Chapman and Hall/CRC, p. 265-294.
BIBLIOGRAFÍA SUGERIDA
Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. New York:
Chapman & Hall. , p. 202-218.

Semana
EXAMEN FINAL
17

5. PROGRAMA CALENDARIZADO DE EVALUACIONES

Semana Título

1-16 Prácticas Calificadas (4)

8 Examen Parcial

16 Examen final

6. ESTRATEGIAS METODOLÓGICAS
Exposición: Presentar de manera organizada la información a un grupo. Por lo general es
el profesor quien expone; sin embargo, en algunos casos también los alumnos exponen

Preguntas: Con base en preguntas, llevar a los alumnos a la discusión y análisis de

información pertinente a la materia.

Lluvia de ideas: Incrementar el potencial creativo en un grupo. Recabar mucha y variada

información. Resolver problemas.

Página 4 de 7
 Aprendizaje basado en casos: Los estudiantes deben sintetizar y construir el
conocimiento para analizar los casos, que por lo general han sido tomados de la realidad.

Desarrollo de trabajos: Los estudiantes desarrollan trabajos de investigación en grupos

sobre temas propuestos en clase utilizando el programa estadístico R.
Los medios y materiales para el desarrollo del curso comprenden el uso del Aula virtual
de forma sincrónica y asincrónica.

7. RESPONSABILIDAD SOCIAL
Disminuye en el consumo de papel, aprovecha de la luz natural, reutiliza el papel impreso
y apaga los equipos audiovisuales y de cómputo, mantiene en buen estado de
funcionamiento los equipos de seguridad y respeta el derecho a la propiedad intelectual

8. CRITERIOS DE EVALUACIÓN

Competencia específica Metodología de Criterio de evaluación

evaluación
Utiliza el software R para los
Entiende y utiliza los
Prácticas cálculos matriciales y obtener
métodos multivariados no
Examen Parcial gráficos de los métodos
supervisados considerados
Examen final multivariados no supervisados.
en el curso.
Entiende y utiliza los Utiliza el software R para los
Prácticas
métodos multivariados cálculos matriciales y obtener
Examen Parcial
supervisados considerados gráficos de los métodos
Examen Final
en el curso. multivariados supervisados.
Prácticas
Aplica los métodos Examen Parcial
Utiliza bases de datos tomadas de
multivariados en diferentes Examen Final
la realidad.
especialidades. Trabajo de
investigación
Utiliza adecuadamente un
Prácticas Utiliza las funciones necesarias
programa especializado para
Examen Parcial para el correcto desarrollo de los
el desarrollo de los
Examen Final algoritmos.
algoritmos.
Interpreta los resultados Concluye adecuadamente el
Prácticas
obtenidos por un programa proceso de prueba de hipótesis y
Examen Parcial
especializado, utilizando toma la decisión correcta en una
Examen final
vocabulario adecuado. situación específica.

Página 5 de 7
 Ponderaciones
Metodología de evaluación Ponderación
Prácticas 30%
Trabajo Encargado 20%
Examen Parcial 25%
Examen final 25%

• Artículo 135 del Reglamento General de la UNALM

La inasistencia a una evaluación deberá ser justificada ante el profesor de la asignatura,
dentro de los 8 días siguientes a ésta.

• Artículo 136 del Reglamento General de la UNALM

Las causales que justifican una inasistencia son:
a) fallecimiento de un familiar directo
b) enfermedad, demostrada con un certificado oficial que el jefe del centro médico de
la UNALM debe validar
c) otras razones que el profesor considere pertinentes.

• Al finalizar el curso se tomará una evaluación de recuperación para aquellos alumnos

que no dieron alguna prueba y justificaron su inasistencia. De ningún otro modo se
duplica, elimina o reemplaza alguna nota.

• Los trabajos encargados no son recuperables.

9. REFERENCIAS BIBLIOGRÁFICAS

• Davison, A. C., & Hinkley, D. V. (1997). Bootstrapping methods and their application.
Cambridge, UK: Cambridge University Press.
• Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. New York:
Chapman & Hall.
• Gentle, J., Härdle, W., Mori, Y. (2012). Handbook of Computational Statistics. Springer.
• Givens, G., Hoeting, H. (2005). Computational Statistics. Wiley Series in Probability and
Statistics.
• Günther, S. (2009). Computational Statistics. An Introduction to R. CRC Press. A
Chapman & Hall Book
• Härdle, W., Okhrin, O., Okhrin, Y. (2017). Basic Elements of Computational Statistics.
Springer.
• Lunneborg, C (2000) Data Analysis by Resampling: Concepts and Applications. Duxbury
Thomson Learning.
• Martínez, W.L, & Martínez, A. (2002). Computational Statistics handbook with MATLAB.
Chapman and Hall/CRC, Boca Raton. Florida.
• Ríos, D., Rios S., Jiménez J., Jiménez A (2009) Simulación Métodos y Aplicaciones
Alfaomega.
• Rizzo, M (2019). Statistical Computing with R. Chapman and Hall/CRC

Página 6 de 7
La Molina, 24 de marzo del 2023

Página 7 de 7