 Curso de Posgrado
Introducción al análisis de datos multivariantes
14 al 18 de Noviembre de 2016 · Aula 7 FAyA UNSE-Santiago del Estero
Aprobado por Resolución FAA 581/16
Docente Responsable: Dr. Ing. Daniel Werenitzky - FAyA-UNSE
Docentes:
Dr. Ing.Daniel Werenitzky - FAyA-UNSE
Ing. Agr. Erica Raña - FAyA-UNSE
Ing. Agr. Gabriela Abdala- FAyA-UNSE
Carga Horaria: 50 horas
Distribución Horaria: Lunes a viernes de 8.30 a 12.30 y de 14.00 a 18.00 hs.
Modalidad del Dictado:
Clases presenciales teórico – prácticas con presentación y análisis de casos con el paquete Infostat y resolución de guías y cuestionarios sobre aspectos importantes del análisis realizado a fin resaltar aspectos importantes del proceso.
Fecha: 14 al 18 de Noviembre de 2016.
Lugar de realización: Aula 7, sede central. Facultad de Agronomía y Agroindustrias-UNSE-Santiago del Estero.
Cupo: mínimo: 20 asistentes; máximo: 40 asistentes.
Arancel:
Alumnos de posgrado doctorado en ciencia y tecnología de los alimentos y ciencias agronómicas: $1300
Otros profesionales: $ 1600
Evaluación:
Asistencia mínima 80% de las clases teórico-prácticas.
Evaluación de los trabajos prácticos, consistentes en la resolución de una guía práctica (podrá ser realizada en grupos de hasta tres asistentes) Ponderación 40%.
Elaboración del informe final del análisis de datos seleccionado. Ponderación 60%.
La calificación final será un promedio ponderado de ambas actividades evaluadas.
Conocimientos previos necesarios:
Conocimientos básicos de Estadística Básica. Contar con una computadora portátil para las actividades prácticas.
Destinatarios:
Alumnos de posgrados y profesionales en general.
No se aceptan alumnos de carreras de grado.
Fines y objetivos que desea alcanzar:
Valorar la importancia del tratamiento de datos multivariantes.
Conocer las principales técnicas disponibles para estos estudios.
Brindar a los participantes las bases teóricas y las habilidades operativas necesarias que permitan seleccionar y aplicar de manera adecuada, las técnicas de análisis desarrolladas.
Utilizar el paquete estadístico Infostat en la investigación y práctica profesional e interpretar críticamente los resultados obtenidos.
Contenidos mínimos:
Técnicas del análisis de la interdependencia. Introducción.
Análisis en componentes principales (ACP)
Análisis de correspondencias simples y múltiples. (AC, ACM)
Análisis de conglomerados (análisis cluster) (AC)
Programa analítico:
Métodos descriptivos: Técnicas del análisis de la interdependencia. Introducción. Fases a seguir en las técnicas de análisis de datos multivariantes. Primeros pasos en el análisis multivariante.
1. Análisis exploratorio y gráfico de los datos
La matriz de datos. Histograma de frecuencias, Gráfico de caja y bigotes, Gráfico múltiple de caja y bigotes, Gráfico de simetría, Gráfico de dispersión. Estadísticos robustos. Transformaciones de las variables.
2. Análisis en componentes principales
Objetivo del análisis en componentes principales. Matriz de Variancias y Covarianzas. Matriz de Correlaciones. Selección de la matriz de trabajo. Obtención de las componentes principales. Puntuaciones o medición de las componentes. Criterios sobre el número de componentes a retener. El gráfico de sedimentación. Interpretación del análisis en componentes principales. Matriz de cargas factoriales y círculos de correlación. Biplot. Prueba de esfericidad.
3. Análisis de correspondencias
Objetivo general del análisis de correspondencias. Análisis de correspondencias simples. Análisis de correspondencias múltiples. Aplicaciones del análisis de correspondencias.
4. Clasificación y segmentación mediante análisis de conglomerados.
Concepto de análisis de conglomerados (cluster). Distancias y similitudes. Clusters no jerárquicos. Clusters jerárquicos: Dendograma. Esquema general del análisis cluster.
BIBLIOGRAFÍA
Cuadras, C. M. (2012). Nuevos métodos de análisis multivariante. Barcelona: CMC
Editions.
Johnsson, D. E. (2000). Métodos multivariados aplicados al análisis de datos. México:
International Thomson Editores.
Peña, D. (2002). Análisis de Datos Multivariantes. Madrid: McGraw Hills /
Interamericana de España.
Balzarini, M.G. 2006. Análisis Multivariado. Notas de Clase. Universidad Nacional de
Córdoba. 190 pp.
Balzarini, M.G; Di Rienzo, J; Tablada, M; Gonzalez, L; Bruno, C; Córdoba, M;
Robledo, W; Casanoves, F. 2012. Estadística y Biometría. Ilustraciones del uso de InfoStat en problemas de agronomía. Editorial Brujas. ISBN 9789875913011.400pp.
Di Rienzo J.A., Casanoves F., Balzarini M.G., Gonzalez L., Tablada M., Robledo
C.W. InfoStat versión 2012. Grupo InfoStat, FCA, Universidad Nacional de
Córdoba, Argentina. URL http://www.infostat.com.ar
Johnson, R.A. and Wichern, D.W. 1998. Applied multivariate statistical analysis. Cuarta Edición. Prentice Hall. Upper Saddle River. NJ.
Cuadras Carles M. 2014. Nuevos métodod de análisis multivariante. CMC Editions. Barcelona, Spain
Judez Asencio L. Técnicas de análisis de datos multidimensionales.
Ecofier B. y Pages J. 1992 Analisis factoriales simples y múltiples. Objetivos,
métodos e interpretación. Servicio Editorial Universidad del Pais Vasco, Bilbao
1992.
Carrasco de la Peña J.L. y Hernán Huerta M.A. 1993. Estadística multivariante en
ciencias de la vida. Ed. Ciencia S.R.L. Madrid.
Guisante González, C. 2006 Tratamiento de datos. Univ. De Vigo Ed. Díaz de Santos
Madrid
Mongay Fernández, C. 2005 Quimiometría Educación Materials 82. Publicaciones
Universidad de Valencia.
Hair et all 1999 Análisis Multivariante 5ª Ed. Prentice Hall Madrid
| 
No hay comentarios:
Publicar un comentario