Acerca del curso
Este curso está diseñado para que los alumnos adquieran conocimientos teóricos y aplicados del análisis multivariado. Para esto a lo largo del semestre se combinarán clases teóricas y prácticas utilizando el software estadístico R.
Temario
En este curso nos enfocaremos (principalmente) en los siguientes temas cuyo desglose se puede ver a detalle aquí.
- Análisis descriptivo de datos multivariados
- Distribuciones multivariadas
- Técnicas de reducción de dimensionalidad
- Métodos de clasificación
Calificación
La calificación final estará conformada por
-
5 tareas que equivalen al 40% de la calificación final e incluyen actividades a realizarse en DataCamp. Las actividades de DataCamp serán individuales y las tareas podrán realizarse en equipos de máximo 3 integrantes.
-
Proyecto final compuesto de un reporte escrito (30%) y la presentación del mismo (30%) que podrá realizarse en equipos de máximo 3 integrantes.
Es importante tener en cuenta los siguientes aspectos de la calificación.
-
En caso de entregar una de las tareas ya no habrá derecho a NP (salvo casos extraordinarios).
-
No se puede renunciar a una calificación aprobatoria.
-
La calificación aprobatoria mínima es de 6.
Bibliografía básica
- Anderson, T.W. (2003). An Introduction to Multivariate Statistical Analysis. Wiley.
- Everitt, B. & Dunn, G. (2001). Applied Multivariate Data Analysis. John Wiley & Sons, Ltd.
- Mardia, K.V., Kent, J.T. & Bibby, J.M. (1980). Multivariate Analysis. Academic Press.
- Seber, G. (2004). Multivariate Observations. Wiley.
Bibliografía complementaria
- Borg, I. & Groenen, P. (2005). Modern Multidimensional Scaling: Theory and Applications. Springer.
- Cachuelos, T. (1973) Editor. Discriminant Analysis and Applications. New York and London Academic Press.
- Fang, Kai-Tai, Kotz, S. & Ng Kai-Wang (1989). Symmetric Multivariate and Related Distributions. Springer-Science + Business Media, B.V..
- Greenacre M. (1984). Theory and Applications of Correspondence Analysis. London Academic Press.
- Jolliffe, I.T. (2002). Principal Component Analysis. Springer.
- Kaufman, L. & Rousseeuw, P. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley-Interscience.
- Kotz, S. & Nadarajah, S. (2004). Multivariate t Distributions and Their Applications. Cambridge University Press.
- Lee, John A. & Verleysen, Michel (2007). Nonlinear Dimensionality Reduction. Springer.
Códigos
Los códigos vistos en el curso se pueden ver de forma preliminar en este repositorio.