You are on page 1of 2

Anlisis Estadstico Multivariado

Docente: Alejandra Clemente (alejandra.clemente@hotmail.com) Ayudante: Gustavo Vzquez

Programa
Preliminares

Objetivos y alcance del anlisis multivariado. Nociones tiles de lgebra matricial: dependencia lineal de vectores, operaciones matriciales, rango de una matriz, autovalores y autovectores de una matriz, diagonalizacin de matrices, matrices idempotentes.
Descripcin de datos multivariados

La matriz de datos, vector de medias, matriz de variancias y covariancias, medidas globales de variabilidad, medidas de distancia, matriz de precisin. Deteccin de outliers.
Componentes Principales

Enfoques descriptivo, estadstico y geomtrico del problema. Calculo de las componentes. Propiedades de los componentes. Anlisis a partir de la matriz de correlaciones. Interpretacin de los componentes. Criterios para la seleccin del nmero de componentes. Los componentes como predictores ptimos. Escalado multidimensional (componentes principales a partir de matrices de distancias
Inferencia con datos multivariados

Variables aleatorias vectoriales. Propiedades. Distribuciones de probabilidad multivariadas: la normal k dimensional, distribucin de Wishart, T2 de Hotelling. Estimacin mximo verosmil. Test de hiptesis para la media y la matriz de variancias de una poblacin normal. Contrastes de normalidad. Estimacin MV con datos faltantes
Anlisis Factorial

Hiptesis del modelo factorial. Propiedades. Unicidad del modelo. Estimacin de factores: mtodo del factor principal, mtodo mximo-verosmil. Rotacin de los factores: rotaciones ortogonales y oblicuas. Anlisis factorial confirmatorio.
Anlisis Discriminante

Clasificacin entre dos poblaciones. Poblaciones normales: funcin lineal discriminante para clasificar dos o ms poblaciones. Variables cannicas discriminantes: dos o mas grupos. Relacin entre el problema de discriminacin y el modelo de regresin. Discriminacin logstica (modelos de variable respuesta cualitativa)
Anlisis de Conglomerados

Mtodos clsicos de particin. Mtodos jerrquicos y no jerrquicos. Algoritmos de particin.

Dependencia entre conjuntos de variables: Correlaciones Cannicas

Construccin de variables cannicas. Propiedades. Estimacin a partir de informacin muestral. Tests de hiptesis para comprobar que los dos conjuntos de variables no estn correlacionados. Relacin de Correlaciones cannicas con otras tcnicas multivariadas.

Evaluacin de la materia
La evaluacin estar basada en la entrega de trabajos prcticos domiciliarios que se anunciarn durante el transcurso del curso.

Bibliografa

Anderson, T. W. (1968): An introduction to multivariate statistical analysis Hair, Joseph F., et al. (1995): Multivariate data analysis 4. ed. Rencher, A. (2002): Methods of multivariate statistical analysis 2 ed. Timm, N. (2002): Applied multivariate analysis.

You might also like