|
Dades generals |
Nom de l'assignatura: Estadística Multivariant
Codi de l'assignatura: 366762
Curs acadèmic: 2025-2026
Coordinació: Francisco Javier Sierra Martinez
Departament: Departament d'Econometria, Estadística i Economia Aplicada
Crèdits: 6
Programa únic: S
|
Hores estimades de dedicació |
Hores totals 150 |
|
Activitats presencials i/o no presencials |
60 |
|
- Teoricopràctica |
Presencial |
15 |
|||
|
- Pràctiques d'ordinadors |
Presencial |
45 |
|||
|
Treball tutelat/dirigit |
40 |
|
Aprenentatge autònom |
50 |
|
Recomanacions |
|
És recomanable que l’estudiant hagi cursat les assignatures troncals de matemàtiques, d’estadística econòmica i Econometria I, la qual cosa és un factor positiu ja que, per comprendre correctament i assimilar els continguts de l’assignatura Estadística Multivariant, es requereixen coneixements tant de matemàtiques com d’estadística que es reben en aquestes assignatures. |
|
Competències / Resultats d'aprenentatge que es desenvolupen |
| - |
Compromís ètic: capacitat crítica i autocrítica, i capacitat de mostrar actituds coherents amb les concepcions ètiques i deontològiques. |
| - |
Capacitat per utilitzar les TIC en el desenvolupament professional. |
| - |
Capacitat per elaborar, analitzar i interpretar la informació econòmica. |
| - |
Capacitat crítica d'anàlisi de teories i models econòmics. |
| - |
Coneixement i valoració de la naturalesa, fonts i usos de la informació econòmica, així com dels recursos informàtics apropiats per al tractament i l'anàlisi. |
|
Objectius d'aprenentatge |
|
Referits a coneixements En l’assignatura s’explica la problemàtica de l’anàlisi de bases de dades de dimensions elevades. S’analitzen les relacions d’interdependència entre les variables que conformen la base de dades, i es fa una introducció als elements bàsics de l’anàlisi multivariant; aquest últim aspecte és necessari per al seguiment de l’assignatura Estadística Multivariant. |
|
Blocs temàtics |
1. Introducció: elements bàsics de l’anàlisi multivariant
1.2. Formulació i hipòtesis bàsiques de l’anàlisi multivariant
1.3. Descripció i síntesi d’una matriu de dades
1.4. Covariància i coeficient de correlació
1.5. Matriu de distàncies
2. Els components principals
2.1. Reducció de la dimensionalitat d’una matriu de dades
2.2. L’obtenció dels components
2.3. Interpretació dels resultats. Gràfics de posicionament
3. Anàlisi factorial de correlacions
3.1. Objectius de l’anàlisi factorial de correlacions
3.2. Formulació del model: hipòtesis bàsiques
3.3. Estimació del model
3.4. Interpretació dels factors
4. L’anàlisi de correspondències
4.1. Objectius de l’anàlisi de correspondències simple
4.2. Perfils marginals i condicionats
4.3. Biplots: interpretació dels resultats
4.4. Introducció a l’anàlisi de correspondències múltiple
5. L’anàlisi discriminant
5.1. Formulació i objectius de l’anàlisi
5.2. Elements de l’anàlisi
5.3. Contrastos de les diferències entre grups
5.4. Les variables i l’espai canònic
5.5. Les funcions de classificació
6. L’anàlisi de conglomerats (cluster analysis)
6.1. Objecte de l’anàlisi
6.2. Distàncies i dissimilituds
6.3. Mètodes jeràrquics
6.4. Mètodes d’optimització:AID i CHAID
|
Metodologia i activitats formatives |
|
Atès que la consecució dels objectius establerts fa que l’assignatura tingui un important vessant aplicat, la metodologia més adient ha de fer confluir l’aprenentatge dels conceptes teòrics necessaris amb la seva aplicabilitat pràctica. Per aconseguir-ho, la metodologia de l’assignatura es concreta en les activitats següents: |
|
Avaluació acreditativa dels aprenentatges |
|
L’estudiant pot triar entre dues formes d’avaluació, continuada i única. I per demostrar la suficiència dels coneixements adquirits ha d’obtenir una qualificació, com a mínim, d’aprovat.
Per poder computar les dues parts de l’avaluació continuada, l’estudiant ha de fer un mínim del 80 % de les activitats d’avaluació continuada i tenir, com a mínim, un 3 a l’examen final; en cas contrari, passa automàticament a l’avaluació única. La reavaluació de l’assignatura és igual al procediment d’avaluació única. No es fa cap examen fora de les convocatòries oficials.
Avaluació única Per superar l’avaluació de l’assignatura, l’estudiant ha de mostrar un grau d’assoliment suficient dels objectius plantejats. Aquesta suficiència queda provada i, en conseqüència, l’avaluació de l’assignatura és positiva, si aconsegueix la qualificació mínima d’aprovat en alguna de les proves finals escrites de les convocatòries oficials. Atès el caràcter tant teòric com empíric de l’assignatura, aquestes proves tenen en compte ambdós vessants. Més concretament, l’avaluació de l’estudiant es fa mitjançant un examen amb problemes que s’han de resoldre amb el programa R-Studio. |
|
Fonts d'informació bàsica |
Consulta de la disponibilitat al Cercabib
Llibre
ALUJA, Tomàs, et al. Aprender de los datos: el análisis de componentes principales: una aproximación desde el Data Mining. Barcelona: EUB, 1999
LUQUE MARTINEZ, T. Técnicas de análisis de datos en investigación de mercados. Madrid: Pirámide, 2012
PEÑA, D. Análisis de datos multivariantes. Madrid: McGraw-Hill, 2002
PÉREZ LÓPEZ, C. Métodos estadísticos avanzados con SPSS. Madrid: Thomson, 2005
PÉREZ LÓPEZ, C. Técnicas de análisis multivariante de datos: aplicaciones con SPSS. Madrid: Prentice Hall, 2011
URIEL JIMÉNEZ, E. Análisis de datos: series temporales y análisis multivariante. Madrid: AC, 1995
URIEL JIMÉNEZ, E. Análisis multivariante aplicado: aplicaciones al marketing, investigación de mercados, economía, dirección de empresas y turismo. Madrid: Thomson, 2005
JOAQUIM ALDÁS y EZEEQUIEL URIEL. Análisis Multivariante Aplicado con R, Editorial Paraninfo,2017