D. Juan Luis González Caballero
D. Juan Luis Peralta Sáez

El objetivo general de la asignatura es introducir al alumno en los conceptos
fundamentales del Análisis Multivariante, así como en el tratamiento
estadístico del análisis de datos multivariantes.
Este objetivo general se concreta en los siguientes objetivos específicos:
1. Introducir al alumno en el análisis de datos multivariantes desde una
perspectiva descriptiva.
2. Introducir al alumno en los modelos de distribución multivariantes, en
especial en el modelo normal multivariante.
3. Que el alumno sepa diferenciar distintos tipos de problemas que pueden
tratarse con datos multivariantes: reducción, clasificación, agrupamiento,
asociación,...
4. Introducir al alumno en las técnicas de asociación entre variables, sobre
todo del análisis de regresión y de análisis de la varianza múltiples.
5. Introducir al alumno en las técnicas de reducción de datos.
6. Introducir al alumno en las técnicas de agrupamiento y discriminación.

El programa de la asignatura se divide en los siguientes capítulos:
CAPÍTULO 1 : INTRODUCCIÓN AL ANÁLISIS MULTIVARIANTE
- Repaso de conceptos básicos de Estadística univariante.
- Matriz de datos y matrices asociadas.
- Repaso de conceptos matriciales y geométricos utilizados en Análisis
Multivariante.
- Representaciones gráficas de matrices de datos multivariantes.
- Introducción al Análisis de Datos.
- Utilización de Paquetes estadísticos.
CAPÍTULO 2 : DISTRIBUCIONES MULTIVARIANTES. RESULTADOS IMPORTANTES
- Distribuciones multivariantes.
- La distribución normal multivariante.
- Propiedades y distribuciones en el muestreo de la distribución normal
multivariante.
* La distribución en el muestreo de la media y matriz de covarianzas
muestrales.
* Inferencias sobre el vector de medias y la matriz de covarianzas
- Otras distribuciones multivariantes.
CAPÍTULO 3 : MODELOS DE ASOCIACIÓN ENTRE VARIABLES
- Análisis de regresión multivariante
- Análisis de la varianza multivariante
CAPÍTULO 4 : MODELOS DE REDUCCIÓN DE DATOS
- El Análisis de Componentes Principales
- El Análisis Factorial
- El Análisis de Correspondencias.
CAPÍTULO 5 : MODELOS DE CLASIFICACIÓN Y ASIGNACIÓN
- El Análisis cluster
- El Análisis discriminante.

Las actividades encaminadas a desarrollar el programa propuesto son de cinco
tipos:
1) Clases teóricas en el aula tradicional, donde se introducirá al alumno en
los conceptos y modelos propios de la asignatura. En algunos casos, pueden
proponerse a los alumnos trabajos orientados a la adquisición de los conceptos
fundamentales de la asignatura, que después sean expuestos dentro de esta
actividad.
2) Clases prácticas de resolución de problemas en el aula tradicional, donde
se intentará que el alumno participe de forma activa en la resolución de casos
que les ayuden a entender mejor los conceptos y modelos teóricos. Como apoyo a
esta actividad se dispondrá de relaciones de problemas que el alumno puede ir
trabajando de forma individual.
3) Clases prácticas con la ayuda de un paquete estadístico en el aula de
informática, donde se pretende que el alumno sea capaz de aplicar los modelos
introducidos para analizar situaciones reales.
4) Actividades de tutorízación de aquellos trabajos y relaciones de ejercicios
que se propongan para el desarrollo de la asignatura, en el horario que se
anunciará oportunamente al principio del curso.
5) Por último, también se utilizarán las facilidades del Campus Virtual para
la realización de tutorías, así como para que el alumno pueda disponer de
documentación teórico-práctica de la asignatura.

El principal objetivo de esta asignatura es introducir al alumno en el campo
de las técnicas estadísticas multivariantes, de forma que obtenga una visión
global sobre los métodos más usuales, y algo más pormenorizada sobre algunos
de ellos. En este sentido, el enfoque será eminentemente aplicado, ya que
cualquier otro enfoque requeriría muchísimo más tiempo para poder hacer un
tratamiento más exhaustivo de los modelos propuestos en el programa. De esta
forma, con la ayuda de paquetes estadísticos apropiados, el procedimiento
metodológico para impartir este programa constaría de tres pasos principales:
1) En el primero, se comenzaría comentando cada uno de los modelos, viendo el
tipo de datos para los que está pensado, analizando la forma de presentarlos
(sobre todo con vistas a su introducción en el programa), mostrando las
hipótesis, formulación, principales características y resultados del modelo.
2) En el segundo se comentaría brevemente cómo funciona el programa que nos
ayudará a mostrar el modelo.
3) En el tercero se mostraría cómo analizar los resultados que se obtienen en
el programa a través de varios ejemplos propuestos, para poder después entrar
a interpretarlos dentro del contexto en el que se hayan generado.

Se realizará un exámen final teórico-práctico que permita establecer una
primera calificación. Esta calificación se complementará con la evaluación de
los trabajos teóricos o prácticos que se propongan a los alumnos a lo largo
del curso.

1.- ANDERSON, T.W.(2003): "An Introduction to Multivariate Statistical
Analysis".2ª edic. Wiley.
2.- CHATFIELD, C. y COLLINS, A.J. (1991): "Introduction to multivariate
analysis". Ed. Chapman & Hall.
3.- CUADRAS, C.M. (1991): "Métodos de Análisis Multivariante". PPU, Barcelona.
4.- DILLON, W.R. & GOLDSTEIN, M. (1984): "Multivariate Analysis: Methods and
Applications". Wiley, New York.
5.- FLURY, B. (1997): "A First Course in Multivariate Statistics". Springer-
Verlag.
6.- HAIR, ANDERSON, TATHAM & BLACK (1999): "Análisis Multivariante". 5ª ed.
Prentice-Hall.
7.- JOBSON, J.D.(1992): "Applied Multivariate Data Analysis". Vol I y II.
Springer-Verlag.
8.- JOHNSON,R.A. & WICHERN,D.W. (1992): "Applied Multivariate Statistical
Analysis". 3ª edic. Prentice-Hall.
9.- KRZANOWSKI,W.J. (1988): "Principles of Multivariate Analysis". Clarendon
Press, Oxford.
10.- KRZANOWSKI, W.J. & MARRIOTT, F.H.C. (1994): "Multivariate Analisis Part
1: Distributions, Ordination and Inference". Arnold.
11.- KRZANOWSKI, W.J. & MARRIOTT, F.H.C. (1995): "Multivariate Analisis Part
2: Classification, Covarianca Structures and Repeated Measurements". Arnold.
12.- LEBART, L., MORINEAU, A. & WARWICK, K.M. (1984): "Multivariate
Descriptive Statistical Analysis". Wiley, New York.
13.- MARDIA, K.V., KENT, J.T. & BIBBY, J.M. (1979): "Multivariate Analysis".
Academic Press.
14.- MORRISON, D.F. (1979): "Multivariate Statistical Methods". Academic Press.
15.- RAO, C.R. (1973): "Linear Statistical Inference and its applications". 2ª
edic. Wiley