Pla docent de l'assignatura

 

 

Catalā English Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Anālisi Multivariant

Codi de l'assignatura: 361232

Curs acadčmic: 2021-2022

Coordinaciķ: KARINA GIBERT OLIVERAS

Departament: Facultat d'Economia i Empresa

crčdits: 6

Programa únic: S

 

 

Hores estimades de dedicaciķ

Hores totals 150

 

Activitats presencials i/o no presencials

60

 

-  Teoricoprāctica

Presencial

 

30

 

-  Prāctiques d'ordinadors

Presencial

 

30

 

(Es fan a l’aula d’informātica, perō inclouen prāctica d’ordinadors i també desenvolupament d’un projecte llarg.)

Treball tutelat/dirigit

40

Aprenentatge autōnom

50

 

 

Recomanacions

 

Capacitats prèvies:

— Àlgebra lineal: espai vectorial real, mètriques, projeccions, diagonalització de matrius, etc.

— Coneixements bàsics de teoria de la probabilitat i d’estadística descriptiva i inferencial.

— Coneixements bàsics d’R i algorítmia per dissenyar scripts d’anàlisi automatitzada.


Altres recomanacions

— Seguir puntualment el desenvolupament del treball en equip cada setmana per evitar acumulaciķ de tasques pendents a final de curs.

— Aprofitar les hores de laboratori per resoldre els dubtes, amb la professora, d’aquest treball en equip i poder avanįar cada setmana en el treball d’acord amb el temari de l’assignatura.

— Fer atenciķ a les indicacions que es donen al llarg del curs sobre la coordinaciķ del treball en equip i consultar la documentaciķ relacionada que es distribueix des de la coordinaciķ de l’assignatura.

— Assegurar-se que els lliuraments s’ajusten a les instruccions de lliurament disponibles a la pāgina de l’assignatura.

— El bon desenvolupament del treball prāctic és una bona garantia d’haver adquirit tots els coneixements teōrics i prāctics necessaris per superar l’examen final.

 

 

Competčncies que es desenvolupen

 

   -

Capacitat d'aprenentatge i responsabilitat (capacitat d'anālisi, de síntesi, de visions globals i d'aplicaciķ dels coneixements a la prāctica / capacitat de prendre decisions i d'adaptaciķ a noves situacions).

   -

Capacitat creativa i emprenedora (capacitat de formular, dissenyar i gestionar projectes / capacitat de cercar i integrar nous coneixements i actituds).

   -

Capacitat de reunir i d'interpretar dades rellevants que permetin d'emetre informes raonats i obtenir conclusions en problemes científics o d'altres āmbits que requereixin eines matemātiques.

   -

Saber aplicar els coneixements adquirits i la capacitat d'anālisi a la resoluciķ de problemes en contextos acadčmics i professionals.

   -

Capacitat per usar, interpretar, documentar i adaptar eines informātiques per a l'anālisi estadística i la gestiķ de bases de dades, que permeti l'ajust de models i la resoluciķ de problemes.

   -

Capacitat d'ordenar, representar i resumir, amb criteris objectius, la informaciķ proporcionada per un conjunt de dades.

   -

Capacitat per utilitzar el raonament lōgic i els instruments matemātics en un context .

   -

Capacitat per seleccionar el mčtode més adequat en la realitzaciķ d'un estudi estadístic, d'avaluar les possibles alternatives i, si és procedent, incloure-hi l'anālisi de costos i de recursos disponibles.

   -

Capacitat de proposar, modelitzar, analitzar, validar i interpretar situacions i problemes reals, adaptant els models teōrics a les necessitats específiques de les diferents ārees d'aplicaciķ.

Objectius d'aprenentatge

 

Referits a coneixements

L’objectiu de l’assignatura és presentar tècniques estadístiques d’anàlisi de grans taules per tal d’extreure de manera ràpida la informació més rellevant continguda en les dades; els problemes abordats són de diversa tipologia: des de la definició d’eixos dominants a la caracterització estadística de subpoblacions. Aquest objectiu es particularitza presentant àmpliament el punt de vista de tres grans famílies de tècniques estadístiques multivariants:

1. Tècniques multivariants de classificació automàtica orientades a establir tipologies i a caracteritzar-les; es veuen diferents famílies de mètodes, des dels més clàssics als més recents: mètodes de particions, mètodes jeràrquics, mètodes basats en densitats; s’incideix especialment en eines d’interpretació de les classes; s’estudia l’adequació dels diferents mètodes a diferents casos, en funció de l’escalabilitat, el tipus de dades, etc.

2. Tècniques multivariants enfocades a sintetitzar i a resumir la informació, estudiar relacions multidimensionals entre variables i, eventualment, definir indicadors latents; es concreta en tres tècniques fonamentals: anàlisi en components principals, anàlisi de correspondències simples i anàlisi de correspondències múltiples; es planteja l’anàlisi factorial com a marc formal general del qual es deriven les tècniques esmentades com a cas particular; es dona particular importància a l’anàlisi de resultats gràfics; s’il·lustren algunes extensions addicionals, com ara l’anàlisi textual.

3. Tècniques d’anàlisi discriminant, es tracta de tècniques multivariants enfocades a obtenir regles d’assignació; s’incideix en la seva relació amb les tècniques vistes anteriorment.

4. Tècniques d’anàlisi textual, on es treballa amb textos lliures provinents de documents, pàgines web o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells.

L’objectiu de l’assignatura és doble des del punt de vista conceptual. D’una banda, es vol donar una base formal sòlida per a les tècniques multivariants que componen el programa. De l’altra, l’alumnat ha de desenvolupar una capacitat pràctica d’aplicació a dades reals d’aquestes tècniques. En aquest sentit, les sessions de pràctiques segueixen el temari de l’assignatura des de la perspectiva de l’aplicació, i es treballa amb dades reals. Amb aquest objectiu, cal introduir un pas previ de preprocessament de dades per preparar-les per a l’anàlisi.

Finalment, i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es poden tractar altres aspectes, es presenten diverses tècniques multivariants d’una manera més introductòria i enfocant-les menys algebraicament des d’un punt de vista més algorísmic.

 

Referits a habilitats, destreses

En aquesta assignatura es dona particular importància a l’entrenament en certes competències transversals importants en el desenvolupament professional d’un estadístic, com ara la capacitat d’anàlisi, síntesi, comunicació, integració de coneixements, redacció d’informes i sobretot el treball en equip, incloent-hi les capacitats de planificació a mitjà termini, repartiment de tasques i gestió d’incidències en el pla de treball al llarg del curs.

La pràctica s’estructura sota un esquema que permet entrenar aquestes capacitats amb els suports necessaris del professorat de l’assignatura.

 

 

Blocs temātics

 

1. Introducciķ

*  Mètriques, angles i projeccions. Nomenclatura multivariant. Matriu de variàncies i covariàncies i matriu de correlacions. Presentació de punts de vista, presentació de tècniques i presentació de sistemes informàtics estadístics. Exemples senzills de descripció multivariant, de caracterització de dades, de classificació i de discriminació

1.1. Introducciķ i preprocessament de dades

L’āmbit de l’anālisi multivariant. Principals elements rellevants en el preprocessament de dades

2. Classificaciķ automātica

*  Presentaciķ conceptual. Mčtodes de particions. Mčtodes jerārquics. Mčtodes basats en densitats. Relaciķ amb anālisi factorial. Interpretaciķ de les classes. Descripciķ de tipologies. Aplicaciķ a casos reals i implicacions prāctiques

3. Anālisi factorial

*  Formalitzaciķ general, resultats teōrics

4. Anālisi en components principals

*  Formalitzaciķ, resultats teōrics, interpretaciķ, aplicaciķ a casos reals, implicacions prāctiques

5. Anālisi en correspondčncies simples

*  Formalitzaciķ, resultats teōrics. Interpretaciķ. Aplicacions a casos reals. Implicacions prāctiques

6. Anālisi en correspondčncies múltiples

*  Formalització. Resultats teòrics. Interpretació. Aplicació a casos reals i implicacions pràctiques que evidenciïn avantatges en el tractament de dades d’enquesta

7. Anālisi discriminant

*  Formalitzaciķ, resultats teōrics. Relaciķ amb l’anālisi factorial. Interpretaciķ bāsicament en el cas de dos grups. Aplicacions a casos reals. Implicacions prāctiques

8. Altres mčtodes multivariants

*  Anālisi textual. Correlacions canōniques. Escalament multidimensional

9. Anālisi textual

*  Tčcniques d’anālisi textual de dades

 

 

Metodologia i activitats formatives

 

Teoria: s’hi presenten les diferents tècniques suficientment fonamentades i s’exemplifiquen amb exercicis de dimensió reduïda.

Pràctiques: s’hi fan exercicis de dimensió real amb sistemes informàtics estadístics que permetin aprofundir i consolidar els conceptes vistos a teoria; s’hi plantegen també treballs d’aplicació pràctica de més llarg termini on l’estudiant pugui entrenar la seva capacitat personal de dissenyar, planificar projectes on hagi d’aplicar les tècniques estudiades per analitzar un conjunt de dades real de certa envergadura, integrar els diferents coneixements adquirits en un informe ben argumentat, i mostrar les seves capacitats de síntesi i comunicació presentant el treball a l’aula.

El grup de teoria es desdobla en dos grups de pràctiques, que fan classe de pràctiques dues hores per setmana cadascun.

 

 

Avaluaciķ acreditativa dels aprenentatges

 

Avaluació continuada

La nota final (N) de l’assignatura s’obté a partir d’una nota de proves (NP) i una nota de pràctiques corresponent al treball en equip desenvolupat al llarg del curs (NTE) segons l’expressió:

N = NP *0,35 + NTE *0,65

La nota de proves (NP) consta d’una sèrie de qüestionaris de continguts teòrics que es fan al llarg del curs i que puntuen per igual (són entre 3 i 5, depenent de la marxa del curs).

Per aprovar l’assignatura amb avaluació continuada s’ha de treure un mínim de 5 a la nota de teoria i haver presentat tots els lliuraments parcials del treball en equip i la memòria final. Si no es lliuren les pràctiques, a l’avaluació continuada hi consta una qualificació de «no presentat».

L’alumnat que no assoleixi el mínim requerit per aprovar amb avaluació continuada ha de fer un examen final, que consta d’un exercici per fer a l’aula de laboratori sobre dades reals, en què cal demostrar coneixements teòrics i pràctics sobre el temari de l’assignatura. Hi ha preguntes teòriques i pràctiques. Per a qui no hagi tret un 5 a la nota de teoria, la nota de proves de l’avaluació final de l’assignatura correspon a la nota de l’examen final.

La nota de pràctiques (NTE) s’obté amb el desenvolupament d’un treball pràctic de llarga durada que s’ha de fer en grup i que ha d’integrar les diferents tècniques vistes al llarg del curs. Hi ha tres lliuraments parcials, amb una puntuació específica per a cadascun: 0,1, 0,45 i 0,45. La qualificació consta d’una nota global de la pràctica comuna a tot l’equip i de bonificacions o penalitzacions individuals segons com cada estudiant respongui a les preguntes el dia de la presentació de les pràctiques (0,8) i de la nota d’avaluació creuada atorgada pels companys d’equip (0,2).

 

Avaluaciķ única

L’avaluació única (sense continuïtat) consisteix en un examen final, que té una part teòrica i una part pràctica.

El Consell Docent fixa una data límit abans de la qual cada estudiant pot manifestar si s’acull al pla d’avaluació continuada o única.

L’alumnat que no superi l’assignatura té dret a una prova de reavaluació (amb les mateixes característiques que la prova d’avaluació única), que té lloc durant el mes de juliol en la data fixada pel Consell Docent. A aquesta prova s’hi pot presentar qualsevol estudiant, independentment del pla d’avaluació escollit durant el curs. La prova dona accés a la qualificació màxima.

 

 

Fonts d'informaciķ bāsica

Consulteu la disponibilitat a CERCABIB

Llibre

ALUJA, Tomàs, et al. Aprender de los datos: el análisis de componentes principales: una aproximación desde el Data Mining. Barcelona: EUB, 1999

  Bibliografia bāsica.

Catāleg UB  Enllaç

ESCOFIER, Brigitte, et al. Análisis factoriales simples y múltiples: objetivos, mé todos e interpretación. Bilbao: Servicio Editorial. Universidad del País Vasco, 1992

  Bibliografia bāsica.

Catāleg UB  Enllaç

GREENACRE, Michael J. Correspondence analysis in practice. Boca Raton (Fla.) [etc.]: Chapman & Hall/CRC, 2007

  Bibliografia bāsica.

Catāleg UB  Enllaç
Edciciķ en castellā de 2008  Enllaç

HUSSON, François, et al. Exploratory multivariate analysis by example using. R. Boca Raton: CRC Press, 2011

  Bibliografia bāsica.

Catāleg UB  Enllaç

JOHNSON, Richard Arnold, et al. Applied multivariate statistical analysis. 6th ed. Upper Saddle River, N.J.: Pearson Education, Prentice-Hall, 2007

  Bibliografia bāsica.

Catāleg UB  Enllaç

BOUROCHE, Jean-M et al. L’analyse des données. Paris: Presses Universitaire de France, 1980

  Bibliografia complementāria.

Catāleg UB  Enllaç

JOBSON, J.D. Applied multivariate data analysis. Vol. I y Vol. II. New York; Barcelona [etc.]: Springer, 1992

  Bibliografia complementāria.

Catāleg UB  Enllaç

LEBART, Ludovic, et al. Tratamiento estadístico de datos: métodos y programas. Barcelona [etc.]: Marcombo, 1985

  Bibliografia complementāria.

Catāleg UB  Enllaç

SAPORTA, Gilbert. Probabilités, analyse des données et statistique. 3e éd. rév. Paris: Technip, 2011.

  Bibliografia complementāria.

Catāleg UB  Enllaç

VOLLE, Michel. Analyse des données. 4e éd. Paris: Economica, 1985

  Bibliografia complementāria.

Catāleg UB  Enllaç