Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 172803 | Asignatura: MÉTODOS AVANZADOS DE TRATAMIENTO DE DATOS | ||||
| Créditos: 6 | Tipo: Optativa | Curso: 4 | Periodo: 1º S | ||
| Departamento: Estadística, Informática y Matemáticas | |||||
| Profesorado: | |||||
| GARCIA OLAVERRI, M. CARMEN (Resp) [Tutorías ] | |||||
Descripción/Contenidos
En este curso se hace una revisión de los principales métodos de análisis multivariante de datos como herramienta imprescindible para encontrar patrones de comportamiento en las grandes bases de datos del Big Data. El conocimiento de estas herramientas y técnicas estadísticas puede resultar esencial en la toma de decisiones en la empresa.
En la asignatura MÉTODOS AVANZADOS DE TRATAMIENTO DE DATOS se estudian varias técnicas multivariantes con distintos objetivos:
- Analizar posibles relaciones entre conjuntos de variables.
- Resumir datos, creando nuevas variables, con la mínima pérdida de información.
- Encontrar grupos o tipologías de datos.
- Clasificar nuevas observaciones en grupos definidos previamente.
Competencias genéricas
De las competencias asignadas al grado, principalmente:
- Usar habitualmente las tecnologías de información y comunicaciones
- Comunicarse con fluidez en su entorno y trabajar en equipo
De las competencias asignadas al módulo, todas:
- Identificar las fuentes de información económica relevante y su contenido
- Derivar de los datos información relevante imposible de reconocer por no profesionales
- Aplicar al análisis de los problemas criterios profesionales basados en el manejo de instrumentos técnicos
Competencias específicas
Competencias específicas de la asignatura:
Distinguir la diferente utilidad de cada técnica multivariante y el tipo de datos necesarios para su aplicación.
Conocer los fundamentos teóricos en los que se asienta
Interpretar correctamente los resultados
Realizar los análisis con ordenador mediante el software adecuado
Otras:
Desarrollar el razonamiento y la relación entre conceptos
Desarrollar la capacidad crítica y la toma de decisiones
Responsabilizarse de su formación desarrollando un trabajo continuado
Resultados aprendizaje
Se espera que, al finalizar la asignatura los estudiantes sean capaces de llevar a cabo análisis estadísticos en los que intervienen simultáneamente varias variables.
El alumno debe saber evaluar cuál es técnica más apropiada para cada situación; qué tipo de datos y qué requisitos son imprescindibles para la correcta aplicación de cada técnica.
Tras cursar la asignatura se debe tener soltura en el uso del software estadístico, así como en la presentación de resultados; no sólo en los aspectos técnicos-estadísticos sino en los términos propios del problema concreto que se esté abordando.
Se espera que los estudiantes sepan utilizar las técnicas multivariantes como herramienta en la toma de decisiones.
Metodología
En cada sesión de clase (2 horas) se procurará combinar actividades variadas:
- Recapitulación de lo anteriormente estudiado para situar en el contexto el contenido específico de cada sesión.
- Nuevos contenidos (Teóricos o de manejo de Software)
- Aplicaciones de lo aprendido al mundo real
- Cuestiones teórico-prácticas o Ejercicios numéricos
- Un pequeño debate sobre algún aspecto especialmente relevante del tema.
| Metodología - Actividad | Horas Presenciales | Horas no Presenciales |
| A-1 Clases teóricas | 30 | 18 |
| A-2 Prácticas | 24 | 10 |
| A-3 Pruebas evaluables | 06 | 10 |
| A-4 Tutorías | 12 | |
| A-5 Estudio Personal | 20 | |
| A-6 Examen | 20 | |
| Total | 60 | 90 |
Evaluación
| Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|---|
| Familiarizarse con los conceptos de la asignatura y presentación de resultados | Participación activa | 5% | NO RECUPERABLE | NO |
| Uso de técnicas estadísticas multivariantes en la resolución de problemas de Economía y Empresa |
Examen teórico-práctico (3 pruebas parciales, 25%,20%,25%) | 70% | RECUPERABLE* | NO |
| Manejo de software específico para datos multivariantes | Examen práctico de toda la asignatura vinculado al RETO conjunto con otras asignaturas en el mismo semestre 15% resolución global del reto 10% resolución de la parte específica de la asignatura |
25% | RECUPERABLE un 10% de la calificación (parte específica) |
NO |
*Examen global teórico-práctico de las 5 técnicas con un peso del 70%
Temario
Tema 1 Introducción Al Análisis Multivariante
1.1 Tipos de técnicas de Análisis Multivariante
1.2 Revisión de conceptos estadísticos básicos
1.3 Formulación matricial
1.4 Proximidades
Tema 2 Análisis de la Varianza
2.1 Introducción. Diseño de experimentos estadísticos
2.2 Análisis univariante con un factor: modelo teórico
2.3 Análisis univariante con dos factores. Interacción
2.4 Análisis multivariante de la Varianza
2.5 Aplicaciones. Tratamiento informático del tema
Tema 3 Análisis discriminante
3.1 Introducción. Relación con otras técnicas
3.2 Caso de dos grupos: aspectos teórico-prácticos, clasificación
3.3 Caso general: aspectos teóricos y prácticos
3.4 Aplicaciones. Tratamiento informático del tema
Tema 4 Análisis Cluster
4.1 Introducción. Tipos
4.2 Método jerárquico: descripción del proceso
4.3 Aspectos teórico - prácticos
4.4 Aplicaciones. Tratamiento informático del tema.
Tema 5 Análisis Factorial: Componentes Principales
5.1 Introducción al Análisis Factorial
5.2 Análisis de Componentes Principales: modelo teórico
5.3 Consecuencias y aspectos teórico- prácticos
5.4 Aplicaciones. Tratamiento informático del tema
Tema 6 Análisis Factorial de correspondencias.
6.1 Introducción. Análisis de Correspondencias simples y múltiples
6.2 Correspondencias simples: descripción del procedimiento factorial
6.3 Consecuencias y aspectos teórico-prácticos
6.4 Interpretación del análisis de correspondencias múltiples
6.5 Aplicaciones. Tratamiento informático del tema
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
DILLON-GOLDSTEIN (1984): "Multivariate Analysis" Ed. Wiley
HAIR-ANDERSON-TATHAM-BLACK (2012): "Análisis multivariante" 5ª edición Ed. Prentice Hall.
MATEOS-APARICIO, G. , HERNANDEZ-ESTRADA, A. (2021): Análisis multivariante de datos: Cómo buscar patrones de comportamiento en BIG DATA. Ed. Pirámide.
PEÑA, DANIEL (2002): "Análisis de datos multivariantes" Ed. McGraw Hill
URIEL, E.- ALDÁS, J. (2009): "Análisis Multivariante Aplicado" Ed. THOMSON