asignaturas — Universidad de Cádiz

Fichas de asignaturas 2015-16

	MODELOS DEL ANÁLISIS MULTIVARIANTE	Asignaturas

Asignatura

Profesorado

Competencias

Resultados Aprendizaje

Actividades Formativas

Sistemas de Evaluación

Contenidos

Bibliografía

	Código	Nombre
Asignatura	40209041	MODELOS DEL ANÁLISIS MULTIVARIANTE	Créditos Teóricos	4.5
Título	40209	GRADO EN MATEMÁTICAS	Créditos Prácticos	3
Curso		4	Tipo	Optativa
Créd. ECTS		6
Departamento	C146	ESTADISTICA E INVESTIGACION OPERATIVA

Recomendaciones

Haber superado las asignaturas: 'Introducción a la Probabilidad y a la
Estadística', 'Teoría de la Probabilidad' y 'Inferencia Estadística'.

Profesorado

Nombre	Apellido 1	Apellido 2	C.C.E.	Coordinador
Jorge	Ollero	Hinojosa	Catedrático de Universidad	S

Competencias

Se relacionan aquí las competencias de la materia/módulo o título al que pertenece la asignatura, entre las que el profesorado podrá indicar las relacionadas con la asignatura.

Identificador	Competencia	Tipo
CB1	Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio	BÁSICA
CB2	Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vacación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio	BÁSICA
CB3	Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética	BÁSICA
CB4	Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado	BÁSICA
CB5	Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía	BÁSICA
CE1	Comprender y utilizar el lenguaje matemático. Adquirir la capacidad para enunciar proposiciones en distintos campos de las matemáticas, para construir demostraciones y para transmitir los conocimientos matemáticos adquiridos.	ESPECÍFICA
CE5	Resolver problemas matemáticos, planificando su resolución en función de las herramientas disponibles y de las restricciones de tiempo y recursos.	ESPECÍFICA
CE6	Proponer, analizar, validar e interpretar modelos de situaciones reales sencillas, utilizando las herramientas matemáticas más adecuadas a los fines que se persigan.	ESPECÍFICA
CE7	Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar en matemáticas y resolver problemas.	ESPECÍFICA
CE8	Desarrollar programas que resuelvan problemas matemáticos utilizando para cada caso el entorno computacional adecuado.	ESPECÍFICA
CG1	Utilizar herramientas de búsqueda de recursos bibliográficos.	GENERAL
CG2	Poder comunicarse en otra lengua de relevancia en el ámbito científico.	GENERAL
CG3	Comprobar o refutar razonadamente los argumentos de otras personas.	GENERAL
CT1	Saber gestionar el tiempo de trabajo.	TRANSVERSAL

Resultados Aprendizaje

Identificador	Resultado
R3	Elegir gráficos idóneos que complementen los resultados numéricos del análisis.
R6	Hacer un uso ético de las herramientas y de los resultados estadísticos.
R4	Manejar un software capaz de resolver computacionalmente los problemas que aparecen.
R1	Organizar de forma eficiente grandes volúmenes de datos, incluyendo la síntesis y depuración de los mismos.
R5	Redactar informes que reflejen e interpreten de forma correcta los resultados del análisis.
R2	Seleccionar el mejor modelo que se adapte a los datos, seleccionando las variables adecuadas y asignándoles roles apropiados.

Actividades formativas

Actividad	Detalle	Horas	Grupo	Competencias a desarrollar
03. Prácticas de informática		24
08. Teórico-Práctica		36
10. Actividades formativas no presenciales	Estudio Autónomo	45
11. Actividades formativas de tutorías		9
12. Actividades de evaluación		9
13. Otras actividades	Actividades Academicamente Dirigidas	27

Evaluación

Criterios Generales de Evaluación

La calificación final de la asignatura tendrá en cuenta las puntuaciones
obtenidas en cada una de las actividades, de la forma que se especifica en el
procedimiento de calificación.
Para superar la asignatura, el alumno debe alcanzar o superar la calificación
final de 5 puntos sobre 10.

Procedimiento de Evaluación

Tarea/Actividades	Medios, Técnicas e Instrumentos	Evaluador/es	Competencias a evaluar
Prueba final	Prueba escrita que se compone de cuestiones de tipo teórico y de ejercicios prácticos.	Profesor/a
Pruebas de seguimiento y profundización	Pruebas con ejercicios prácticos que se resolverán utilizando el software adecuado y que permitirán afianzar los conocimientos que se van adquiriendo en la asignatura.	Profesor/a Evaluación entre iguales

Procedimiento de calificación

El alumno podrá obtener hasta un 100% de la nota final a través de las pruebas de
seguimiento y profundización. El resto, en caso necesario, se logrará con la
prueba final.

Descripcion de los Contenidos

Contenido	Competencias relacionadas	Resultados de aprendizaje relacionados
- Introducción al diseño de experimentos. - Modelos lineales avanzados. - Técnicas de reducción de la dimensión. - Clasificación.		R3 R6 R4 R1 R5 R2

Bibliografía

Bibliografía Básica

CUADRAS, C.M. (2014): "Nuevos Métodos de Análisis Multivariante". CMC Editions. Barcelona. Disponible gratuitamente en www.ub.edu/stat/personal/cuadras/metodos.pdf. Revisión 12/05/2015.
PEÑA D. (2002): "Análisis de Datos Multivariantes". McGraw Hill Interamericana, Madrid.
BAILLO, A. y GRANÉ, A. (2008): "100 Ejercicios Resueltos de Estadística Multivariante". Ed. Delta.
HÄRDLE, W.K. Y SIMAR, L. (2012):Applied Multivariate Statistical Analysis. Ed Springer
ANDERSON,T.W.(2003): "An Introduction to Multivariate Statistical Analysis". 2ª edic. Wiley.
BILODEAU, M. y BRENNER, D. (1999): "Theory of Multivariate Statistics". Sringer.
CHATFIELD, C. y COLLINS, A.J. (1991): "Introduction to multivariate analysis". Ed. Chapman & Hall.
DILLON,W.R. & GOLDSTEIN,M. (1984): "Multivariate Analysis: Methods and Applications". Wiley, New York.
FLURY,B. (1997): "A First Course in Multivariate Statistics". Springer-Verlag.

Bibliografía Específica

EVERITT, B.S. (1993): "Cluster Analysis". 3ª edic. Arnold.
GRAYBILL,F. (1976): "Theory and application of the Linear Models", Wadsworth.
GREENACRE, M.J. (1984): "Theory and Applications of Correspondence Analysis. Academic Press, London.
HARTIGAN, J.A. (1975): "Clustering Algorithms". Wiley, New York. JOLLIFFE, I.T. (1986): "Principal Component Analysis". Springer-Verlag.
JOHNSON, R.A y WICHERN (2007): "Applied Multivariate Statistical Analysis", 6ª edición. Ed. Pearson.
RENCHER, A.C. (2002): "Methods of Multivariate Analysis", 2ª edición. Ed. Wiley

Bibliografía Ampliación

KRZANOWSKI, W.J. (1988): "Principles of Multivariate Analysis: A User's Perspective. Oxford: Clarendon Press.
KRZANOWSKI, W.J. y MARRIOTT, F.H.C. (1994): "Mulltivariate Analysis Part 1: Distributions, Ordination and Inference". Edward Arnold, London.
KRZANOWSKI, W.J. y MARRIOTT, F.H.C. (1994): "Mulltivariate Analysis Part 2: Classification, Covariance Structures and Repeated Measurements". Edward Arnold, London.

El presente documento es propiedad de la Universidad de Cádiz y forma parte de su Sistema de Gestión de Calidad Docente. En aplicación de la Ley 3/2007, de 22 de marzo, para la igualdad efectiva de mujeres y hombres, así como la Ley 12/2007, de 26 de noviembre, para la promoción de la igualdad de género en Andalucía, toda alusión a personas o colectivos incluida en este documento estará haciendo referencia al género gramatical neutro, incluyendo por lo tanto la posibilidad de referirse tanto a mujeres como a hombres.