Analisis Avanzados de datos Multivariantes.pdf

7/25/2019 Analisis Avanzados de datos Multivariantes.pdf

1/39

!"#$ $&$'()*&$

+,-./0 12*3/0-*.$0*4 /25

62,7*-*- 63$28$'4 '/

9$.4- +"7.*3$0*$2./-


2/39

:"#$- $&$'()*&$- ;?;


3/39


4/39


5/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

3

TTULOMSTER UNIVERSITARIO EN: ANLISIS AVANZADO

DE DATOS MULTIVARIANTES

Pgina web: http://biplot.usal.es/master/

CURSO 2014 2015

RGANO ACADMICO RESPONSABLE

Departamento de EstadsticaFacultad de Medicinac/ Alfonso X el Sabio s/n37007 [email protected]@usal.eshttp://biplot.usal.es/master/Tfno.: 923294500 Ext. 1921 - 1852

INSTITUCIONES COLABORADORAS

Universidad de Salamanca (USAL)

COORDINADOR Y RESPONSABLE ACADMICO

M Purificacin Galindo VillardnDepartamento de Estadsticac/ Alfonso X el Sabio s/n

Facultad de Medicina37007 SalamancaTel: 34 923 294500 Ext. 1852Fax: 34 923 294619Universidad de [email protected]


6/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

4

CENTRO RESPONSABLE ADMINISTRATIVO

UNIVERSIDAD: Universidad de SalamancaCENTRO: Facultad de Medicina

DIRECCIN: C/ Alfonso X el Sabio s/n 37007 SalamancaTel: +34 923 294 500 Ext. 4541CORREO ELECTRNICO: [email protected]

TIPO DE FORMACIN CAMPOS CIENTIFICOS DEL MASTER

AcadmicaProfesionalInvestigadora

X

X

Ciencias ExperimentalesCiencias de la SaludCiencias Sociales y Jurdicas

X Enseanzas TcnicasHumanidades


7/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

5

DESCRIPCIN Y OBJETIVOS

El Master Universitario en Anlisis Avanzado de Datos Multivariantes tiene un perfil

Acadmico/Investigador, diseado para proporcionar una formacin en investigacin orientada al Anlisis Avanzado

de Datos Multivariantes, y a la exploracin de algunas de las reas fundamentales de aplicacin de los mtodos sinnecesidad de estudiar en profundidad los fundamentos matemticos de todos ellos. Trata de proporcionar a los

graduados una oferta de temas de investigacin en una gran variedad de reas de aplicacin (demandadas por

organismos oficiales, institutos de investigacin, empresas, hospitales, industrias, etc ).

El Master tiene carcter semipresencial en dos aspectos, por una parte, la mayor parte de las clases se concentran en

el primero de los semestres mientras que el segundo se dedica a la elaboracin del trabajo fin de master que puede

realizarse a distancia; por otra parte, los dos cursos iniciales pueden realizarse on-line como se describe ms

adelante.

A quin va dirigido el programa?

El Master en Anlisis Avanzado de Datos est dirigido a alumnos y/o profesionales con orientacin en mtodos

cuantitativos, procedentes de diversos grados como Matemticas, Estadstica, Informtica, Agronoma, Biologa,

Fsica, Economa, Direccin de Empresas, Ingeniera, Ciencias Ambientales, Biotecnologa, Medicina, Ciencias

Sociales, Ciencias del Comportamiento, etc..., que vayan a dirigir su futuro profesional hacia el mbito acadmico o

investigacin en Estadstica Multivariante.

El programa puede ser til tambin para aquellos graduados en Estadstica o materias relacionadas que van a

desarrollar su actividad profesional en mbitos relacionados con la El Anlisis de Datos Multivariantes Aplicado a

diversos campos.

ompetencias

Que el alumnado sepa aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco

conocidos dentro de contextos o multidisciplinares relacionados con el Anlisis de Datos Multivariantes.

Que el alumnado posea las habilidades de aprendizaje que les permitan continuar estudiando de un modo

que habr de ser en gran medida autodirigido o autnomo.

Que el alumnado sea capaz de integrar conocimientos y enfrentarse a la complejidad de formular juicios, a

partir de una informacin que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades

sociales y ticas vinculadas a la aplicacin de sus conocimientos y juicios.


8/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

6

Desarrollar la capacidad de elaboracin y construccin de modelos y su validacin.

Que el alumnado sepa comunicar sus conclusiones -y los conocimientos y razones ltimas que los

sustentan- a pblicos especializados y no especializados de un modo claro y sin ambigedades.

Potenciar los hbitos y las habilidades de autoaprendizaje que fomenten el estudio y la actualizacin

autnoma de los conocimientos.

Disear, realizar y analizar experimentos y/o aplicaciones mediante la aplicacin del mtodo cientfico para laresolucin de problemas.

Desarrollar habilidades de gestin de la informacin mediante la bsqueda de bibliografa cientfica, la

consulta de bases de datos y la utilizacin de los soportes y herramientas informticas apropiadas en cada

caso.

Mejorar su capacidad para manejar informacin en lengua inglesa como herramienta fundamental de

desarrollo personal y profesional.

Desarrollar la capacidad para integrar conocimientos tericos y prcticos ofrecidos en cada asignatura y en

relacin con los ofrecidos en las dems asignaturas, fomentando la integracin multidisciplinar.

Educar, desarrollar y potenciar sus habilidades para trabajar en equipo.

Desarrollar la capacidad de anlisis y sntesis sobre la informacin transmitida por el profesorado y sobre la

adquirida de manera personal.

Aprender estrategias para desarrollar su capacidad de comunicacin oral en pblico haciendo uso de las

nuevas tecnologas de la informacin y comunicacin y para defender sus propuestas en discusiones

cientficas.

Llevar a cabo una evaluacin crtica de la literatura cientfica relacionada con el tema objeto de estudio en

cada caso y adquirir criterios objetivos de seleccin de bibliografa relevante.

Fomentar el espritu crtico en relacin con los hallazgos cientficos generados personalmente y con aquellos

generados por la comunidad cientfica, valorando su importancia, trascendencia y repercusiones.

Desarrollar su capacidad para tomar decisiones ante situaciones prcticas que requieren la aplicacin de

procedimientos dados para resolver situaciones reales.

Potenciar su capacidad para comparar y poner en relacin conceptos y metodologas diferentes con un

objetivo comn.

PERFIL/ES DE INGRESO Y REQUISITOS DE FORMACIN PREVIA

No se plantean condiciones o pruebas de acceso especiales si bien se realizan las siguientes recomendaciones en lo

que se refiere a la titulacin de base y al manejo del ingls cientfico.

Titulacin


9/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

7

o Estadstico, Matemtico o Ingeniero.

o Cualquier grado en el que se hayan cursado previamente asignaturas de Estadstica que garanticen

que el alumno posee unos conocimientos bsicos (Medicina, Biologa, CC. Sociales, Psicologa, etc

).

Inglsa nivel de lectura y compresin de textos cientficos como el que puede conseguirse mediante los

estudios de bachiller y de grado.

El Master est diseado para ser til a cualquier investigador que necesite un anlisis avanzado de datos en sus

trabajos. Por tanto, podremos encontrarnos:

Con alumnos que simplemente necesiten un alto conocimiento de los mtodos ms modernos para el anlisis de sus

datos.(les llamaremos alumnos Tipo I).

Con alumnos que desean centrar su investigacin en el desarrollo de nuevas tcnicas de Anlisis de Datos, o en la

adaptacin a otros campos de las ya existentes; por ejemplo, profesores de estadstica en Facultades de Biologa,

Ciencias Ambientales, Medicina, Odontologa, Psicologa, Ciencias Sociales, Ciencia Poltica, Traduccin y

Documentacin, etc , o estadsticos que trabajan en institutos de investigacin, centros del cncer, etc. (les

llamaremos alumnos Tipo II).

Teniendo esto en cuenta, el Mster est estructurado de la siguiente forma:

Consta de cinco asignaturas que constituyen la parte central de la formacin, en los mtodos estadsticos ms

avanzados y/o diseo de una investigacin que se utilizan en todos los campos de la Ciencia, y tiene carcter

obligatorio para todos los alumnos. El resto del programa tiene carcter optativo y est estructurado en tres perfiles

diferentes, dentro de dos ramas:

Perfil 1: Si su investigacin se va a desarrollar sobre mtodos tpicamente usados en Biologa, Medio Ambiente,

Agronoma etc, se recomienda la rama Biosanitaria y dentro de ella se recomienda elegir 9 crditos de entre los que

contemplan esa especializacin; concretamente las asignaturas optativas 2,3,5 y 6.

Perfil 2: Si trabaja con Facultades de Medicina, centros de investigacin del cncer, psicologa, etc, se recomienda la

opcin Biosanitaria, y dentro de ella se recomienda elegir 9 crditos de entre los que contemplan esa especializacin;

concretamente las materias optativas 3, 4, 5, 6 y 7.

Si trabaja en CC Sociales o CC del Comportamiento, se recomienda la rama de CC SS; es decir, la que se

corresponde con las asignaturas 4, 6 y 7.


10/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

8

No obstante, cada alumno puede matricularse de las asignaturas que crea conveniente en funcin de sus intereses

particulares y las recomendaciones de su tutor.

Para acceder a titulaciones de master es necesario:

1. Estar en posesin del ttulo de Grado u otro expresamente declarado equivalente.

2. Estar en posesin de un ttulo universitario oficial obtenido conforme a anteriores sistemas de educacin

universitaria, segn lo establecido en la Disposicin Transitoria Tercera del R. D. 56/2005, de 21 de enero: Los

poseedores de ttulos universitarios oficiales obtenidos conforme a anteriores sistemas de educacin universitaria

podrn ser admitidos a los programas oficiales de Posgrado previstos por este real decreto, sin perjuicio de lo que se

pudiera disponer al efecto en los correspondientes reales decretos por los que se establezcan los ttulos universitarios

de Posgrado a los que se refiere el artculo 8.3.

3. Los estudiantes podrn acceder a cualquier programa oficial de Posgrado relacionado o no cientficamente con su

currculo universitario, previa admisin efectuada por el rgano responsable del indicado programa, conforme a los

requisitos de admisin especficos y criterios de valoracin de mritos que, en su caso, establezca la Universidad de

Salamanca.

Los estudiantes que tengan un ttulo de educacin superior extranjero podrn acceder a estos estudios:

1. Previa homologacin del ttulo conforme a la normativa vigente.

2. Previa autorizacin de la Universidad habiendo comprobado que sus estudios acreditan un nivel de formacin

equivalente a los correspondientes ttulos espaoles de Grado y que facultan en el pas expedidor del ttulo para el

acceso a estudios de Posgrado.

CRITERIOS DE ADMISIN Y SELECCIN

En el caso de que el nmero de solicitudes supere el nmero de plazas ofertadas, se ponderar la formacin bsica y

experiencia en Estadstica, as como los mritos acadmicos, para la seleccin de candidatos. La seleccin de

candidatos ser realizada por la Comisin Acadmica del Master.

FECHAS, CENTRO Y AULAS DONDE SE IMPARTIR


11/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

9

Se impartir entre los meses de Octubre y Julio (segn propuesta de calendario acadmico de la Universidad de

Salamanca), en las aulas y seminarios de la Facultad de Medicina.

CARACTERSTICAS GENERALES

CRDITOS: 60

DURACIN EN CURSOS ACADMICOS: 1NMERO DE PLAZAS: 40

LISTA DE PROFESORES

P r o f e s o r e s d e l D e p a r t a m e n t o d e E s t a d s t i c a d e la U n i v e r s i d a d d e S a l a m a n c a

Prof. Dra. Da. M Purificacin Galindo Villardn.

Prof. Dr. D. Jos Luis Vicente Villardn.

Prof. Dra. Da. Inmaculada Barrera Mellado.

Prof. Dra. Da. Ana Martn Casado

Prof. Dra. Da. M Jos Fernndez Gmez.Prof. Dr. D. Javier Martn Vallejo.

Prof. Dr. D. Carmelo vila zarza.

Prof. Dr. D. Santiago Vicente Tavera.

Prof. Dr. D. Antonio Blzquez Zaballos.

Prof. Dra. Da. Purificacin Vicente Galindo.

Prof. Dra. Da. Rosa Seplveda Correa.

Prof. Dr. D. Jess Martn Rodrguez

Prof. Dra. Da. Mercedes Snchez Barba.

Prof. Dra. Da. Carmen Patino Alonso

P r o f e s o r e s d e o t r o s D e p a r t a m e n t o s d e l a U n i v e r s i d a d d e S a l a m a n c a

Prof. Dr. D. Flix Lorente Toledano (Dpto. de Obstetricia, Ginecologa y Pediatra).

Prof. Dr. D. Jos Alberto Orfao de Matos (Dpto. de Medicina)

Prof. Dr. D. Rogelio Gonzlez (Dpto. de Medicina).

Prof. Dr. D. Jos Antonio Fras Montoya. (Dpto. de Biblioteconoma y Documentacin)

P r o f e s o r e s d e o t r a s U n i v e r s i d a d e s

Prof. Dr. D. Jos Miguel Casas Snchez (Dpto. de Estadstica, Estructura y Organizacin Econmica, Univ. de Alcal).


12/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

10

Prof. Dr. D. Florencio Vicente Castro (Dpto. de Psicologa, Univ. de Extremadura).

Prof. Dr. D. Eduardo Garca Cueto. (Dpto. de Psicologa, Univ. de Oviedo).

Prof. Dr. D. Miguel ngel Fajardo Caldera (Dpto. de Economa, Univ. de Extremadura).

CRITERIOS DE EVALUACIN

La evaluacin se realizar de forma independiente en las distintas asignaturas que componen el Mster Universitario.Habr que superar todas las asignaturas para superar el Mster Universitario. El sistema de calificaciones se

expresar mediante calificacin numrica de acuerdo con lo establecido en el art. 5 del Real Decreto 1125/2003 de 5

de septiembre (BOE 18 de septiembre), por el que se establece el sistema europeo de crditos y el sistema de

calificaciones en las titulaciones universitarias de carcter oficial y validez en todo el territorio nacional.

Los resultados obtenidos por los estudiantes de la Universidad de Salamanca en cada una de las asignaturas de los

planes de estudio se calificarn en una escala cuantitativa de 0 a 10, aadiendo su correspondiente calificacin

cualitativa:

0,0-4,9: Suspenso (SS) 5,0-6,9: Aprobado (AP) 7,0-8,9: Notable (NT) 9,0-10: Sobresaliente (SB)

A los estudiantes que hayan obtenido una calificacin cuantitativa igual o superior a nueve se le podr otorgar en su

calificacin cualitativa la mencin Matrcula de Honor.


13/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

11

PRCTICAS EXTERNAS Y ACTIVIDADES FORMATIVAS A DESARROLLAR EN ORGANISMOS COLABORADORES

BREVE DESCRIPCIN DE LOS CONTENIDOS

MSTER EN TTULO !!CRS. ECTS

Asignaturas obligatorias () N Crditos Semestre

DISEO Y ANALISIS DE UNA INVESTIGACIN

BSICA9 1

INSPECCIN DE MATRICES DE DATOS

MULTIVARIANTES: MTODOS CLSICOS9 1

MTODOS BIPLOT 6 1

ANLISIS EXPLORATORIO DE TABLAS DE TRES ENTRADAS. 6 1

MODELOS CON VARIABLE RESPUESTA 6 2

TOTAL CRDITOS ECTS OBLIGATORIOS 36


14/39

"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6

748, /9,2:;*9, ?@A

12

Asignatura Optativas () N Crditos Semestre

1.- MODELOS PARA DESCRIBIR ESTRUCTURAS EN TABLAS DE TRESENTRADAS

3 2

2.- ANLISIS DE DATOS ECOLGICOS, AGRONMICOS Y AMBIENTALES 3 2

3.- TCNICAS PARA EL ANLISIS DE DATOS DE MICROARRAYS YMARCADORES MOLECULARES

3 2

4.- TCNICAS DE ANLISIS ESTADSTICO APLICADO A LA VALORACION DERECURSOS EN LA PSICOLOGA DE LA SALUD Y DEL DEPORTE.

6 2

5.- ANLISIS DE SUPERVIVENCIA Y TESTS SECUENCIALES 3 2

6.- META-ANLISIS 3 2

7.- MODELOS DE VARIABLES LATENTES 3 2

TOTAL CRDITOS ECTS OPTATIVOS 24

N Crditos Semestre

Trabajo Fin de Mster (Obligatorio) 15 2


15/39

"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/

13

PROGRAMACIN ACADMICA

ASIGNATURA: DISEO Y ANLISIS DE UNA INVESTIGACIN BSICA

Cdigo:

Horas de aprendizajeTipo1: O Crditos ECTS: 9

Teora: 31,5 Prcticas: 31,5 Trabajo Personal y otrasactividades: 162

Profesor/es: Segn plan docente del Dpto. de Estadstica

Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h

Objetivos:El alumno aprender#las bases del m:todo estad8stico y de la recolecciMn de datos y su relaciMn con los problemas :ticos dediversos campos de trabajo.El alumno conocer#el lenguaje estad8stico b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en

las que se utilizan m:todos estad8sticos.

El alumno conocer#la forma de realizar el diseNo estudios b#sicos.El alumno conocer#la forma de realizar el An#lisis estudios b#sicos.

El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza metodolog8a estad8stica.

El alumno distinguir#y conocer#las t:cnicas estad8sticas m#s usuales y su lenguaje para poder comprender los conceptos

m#s avanzados de los cursos obligatorios del programa.

El alumno aprender#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.

Contenido de la materia:1. LEGISLACION ESTADPSTICA, SECRETO ESTADPSTICO Y PROBLEMAS QTICOS EN ENSAYOS CLPNICOS.

2. DISERO DE UNA INVESTIGACION

Anatom8a de la InvestigaciMn.

Fisiolog8a de la InvestigaciMn.

CMmo formular la pregunta que recoge el objetivo.

3. RECOGIDA DE DATOSBases bibliogr#ficas.Bases de Datos.Estad8sticas Oficiales.

Datos por encuesta/cuestionario.Datos para un Meta-an#lisis.

4. MUESTREOS Y TAMARO DE MUESTRA


16/39


14

Muestreos probabil8sticos y no probabil8sticos.

Factores que influyen en el tamaNo de muestra y fMrmulas de c#lculo.

5. ANSLISIS DE DATOS CUANTITATIVOSModelo Lineal GeneralRegresiMn MTltiple: Colinealidad

RegresiMn Log8sticaModelos Multinivel

6. ANSLISIS DE DATOS CATEGORICOSTablas de Contingencia, bi, tri y multifactorialesM:todos de DetecciMn autom#tica de la InteracciMn: CHAIDDatos binarios

7. INTRODUCCION AL DISERO DE EXPERIMENTOS ANOVA

DiseNos completamente al azar

DiseNos en Bloques

DiseNos Factoriales

DiseNo en Cuadrados Latinos

8. REDACCION Y PUBLICACION DE LOS RESULTADOS DE UNA INVESTIGACION

9. TALLER DE APLICACION (3 C ECTS).

Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la

pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.

Actividades de recuperacin:

El alumno deber#recuperar las partes de la materia no superadas con :xito.


17/39


15

ASIGNATURA: INSPECCION DE MATRICES DE DATOS MULTIVARIANTES: MTODOS CLSICOS

Cdigo:


Teora: 31,5 Prcticas: 31,5 Trabajo Personal y otras actividades:162

Profesor/es: Segn plan docente del Dpto. de EstadsticaLugar de imparticin: Fac. Medivcina Fecha: Semestre 1 Horario: 17-20h

Objetivos:

El alumno aprender#las bases teMricas de los m:todos estad8sticos multivariantes cl#sicos.

El alumno aprender#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno ser#capaz de reconocer la informaciMn relevante para resolver un problema y la t:cnica m#s adecuada.

El alumno aprender#a manejar el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en

las que se utilizan m:todos estad8sticos multivariantes.

El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza metodolog8a estad8sticamultivariante.

El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.

Contenido de la materia:

TQCNICAS MULTIVARIANTES CLSSICAS (6 ECTS)

An#lisis de Componentes y Coordenadas Principales.

An#lisis Factorial.

An#lisis Factorial de Correspondencias simples y mTltiples.

An#lisis Discriminante.

An#lisis de CorrelaciMn CanMnica y An#lisis CanMnico de Poblaciones.

Multidimensional Scaling y An#lisis Unfolding.

An#lisis de Cluster.

An#lisis Multivariante no Lineal: HOMALS, PRINCALS, OVERALS.

TALLERES DE APLICACION A DISTINTOS CAMPOS DE LA CIENCIA (3 ECTS).



18/39


16



El alumno deber#recuperar las partes de la materia no superadas con


19/39


17

ASIGNATURA: MTODOS BIPLOT

Cdigo:


Teora: 21 Prcticas: 21 Trabajo Personal y otras actividades: 108


Lugar de imparticin: Fac. De Medicina Fecha: Semestre 1 Horario: 17-20h

Objetivos:El alumno aprender#las bases teMricas de los m:todos biplot y su relaciMn con las t:cnicas cl#sicas.

El alumno conocer#los m:todos biplot avanzados.

El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno ser#capaz de interpretar los resultados de los an#lisis biplot.

El alumno conocer#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se

utilizan m:todos biplot.

El alumno ser#

capaz de realizar un an#

lisis cr8tico de los art

8culos cient

8ficos en los que se utiliza la metodolog

8a biplot.El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos

procedentes de investigaciones reales.


1. METODOS BIPLOT (3 ECTS).Biplot cl#sicos de Gabriel: GH y JK.HJ-Biplot.InterpretaciMn Biplot de las t:cnicas cl#sicas.

InterpretaciMn Biplot del An#lisis de Componentes Principales y del An#lisis de Correspondencias.

MANOVA Biplot. Biplot canMnico.

Criterio de Inercia: Biplot y An#lisis de Cluster.

Biplots de interpolaciMn y predicciMn (Geometr8a de los M:todos Biplot).

IntroducciMn de la informaciMn de las variables en el MDS.

2. ULTIMOS AVANCES EN MQTODOS BIPLOT (1 ECTS).

3. TALLERES DE APLICACION A DATOS DE INVESTIGACION (2 ECTS)

Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnica

prueba a final del periodo lectivo.


20/39


18

6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la



El alumno deber#recuperar las partes de la materia no superadas con :xito.


21/39


19

ASIGNATURA: ANLISIS EXPLORATORIO DE TABLAS DE 3 ENTRADAS

Cdigo:


Teora :21 Prcticas: 21 Trabajo Personal y otras actividades: 108



Objetivos:El alumno aprender#las bases de los m:todos tablas mTltiples.

El alumno aprender#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno conocer#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se

utilizan m:todos de tablas mTltiples.

El alumno aprender# a realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a de tablas

mTltiples.

El alumno conocer#

el procedimiento de elaboraciM

n y redacciM

n de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.


1. MQTODOS DE LA ESCUELA FRANCESA (2.5 ECTS)

M:todos STATISSATIS CANONICOAn#lisis FACTORIAL MULTIPLE

An#lisis TRIADICOBIPLOT TRIADICO

2. METODOS DE LA ESCUELA ANGLOSAJONA. (1.5 ECTS)Meta-Componentes y Meta-Biplots.

ComparaciM

n de configuraciones: An#

lisis Procrustes.An#lisis de Componentes Principales Comunes.


Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso


22/39


20

(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la


Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.


23/39


21

ASIGNATURA: MODELOS CON VARIABLE RESPUESTA

Cdigo:





Objetivos:El alumno aprender#las bases de los modelos con variable respuesta.

El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se

utilizan m:todos con variable respuesta.

El alumno ser#capaz de un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.

El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos


Contenido de la materia:1. MODELOS CON VARIABLE RESPUESTA (4 ECTS)An#lisis de Correspondencias Asim:tricas

An#lisis de la redundancia y M8nimos Cuadrados Parciales

An#lisis CanMnico de Correspondencias

An#lisis de Componentes principales restringido

Modelos logit y Modelos de regresiMn log8stica

M:todos de detecciMn autom#tica de la interacciMn y #rboles de regresiMn

Problem#tica asociada al algoritmo CHAID

Algoritmos basados en contrastes de hipMtesis de independencia condicionada

Algoritmos alternativos basados en criterios de entrop8a



pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8a


24/39


22

consultada.



25/39


23

ASIGNATURA: MODELOS PARA DESCRIBIR ESTRUCTURAS EN TABLAS DE TRES ENTRADAS

Cdigo:

Horas de aprendizajeTipo1: Op Crditos ECTS: 3

Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55Profesor/es: Segn plan docente del Dpto. de Estadstica


Objetivos:

El alumno aprender#las bases de los modelos de 3-v8as.

El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se utilizan

m:todos de tres v8as.

El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.



1. MODELOS PARA TABLAS DE TRES VPAS (2 ECTS)

Componentes Principales de tres V8as.Modelo TUCKALS 2.Modelo TUCKALS 3.CANDECOM/PARAFAC.An#lisis Factorial Simult#neo.

2. TALLERES DE APLICACION A DATOS DE INVESTIGACION. (1 ECTS)




26/39


24



27/39


25

ASIGNATURA: ANLISIS DE DATOS ECOLGICOS, AGRONMICOS Y AMBIENTALES

Cdigo:





Objetivos:El alumno aprender#la problem#tica del an#lisis de datos ecolMgicos, agronMmicos y ambientales.


utilizan los m:todos estudiados.




1. ANSLISIS DE DATOS ECOLOGICOS AGRONOMICOS Y AMBIENTALES (2 ECTS)

Problem#tica de la obtenciMn de datos ecolMgicos, agronMmicos y ambientales.

M:todos de ordenaciMn y clasificaciMn en datos biolMgicos.

An#lisis Directo e Indirecto del Gradiente.Modelos vectoriales y BIPLOTs externos.An#lisis CanMnico de Correspondencias.

UNFOLDING para datos ecolMgicos.

An#lisis CanMnico de Correspondencias no Sim:trico.

Otras t:cnicas de An#lisis de datos EcolMgicos

Estudio de la InteracciMn genotipo-ambiente: modelos de dos y tres v8as.

An#lisis de experimentos multivariantes en agronom8a.

2. TALLERES DE APLICACION A DATOS DE INVESTIGACION (1 ECTS).

Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso


28/39


26

(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la




29/39


27

ASIGNATURA: TCNICAS PARA EL ANLISIS DE DATOS DE MICROARRAYS Y MARCADORES MOLECULARES

Cdigo:





Objetivos:El alumno aprender#la problem#tica del an#lisis de datos de microarrays y marcadores moleculares.







1. ANSLISIS DE DATOS DE MICROARRAYS Y MARCADORES MOLECULARES (2 ECTS).

ObtenciMn de datos de expresiMn de genes mediante microarrays y problemas estad8sticos asociados.

BTsqueda de genes diferencialmente expresados: El problema de las comparaciones mTltiples.

M:todos de visualizaciMn de datos aplicados a la expresiMn de genes.

M:todos supervisados para la detecciMn de diferencias entre grupos.

M:todos no supervisados para la bTsqueda de grupos con caracter8sticas diferenciales.

An#lisis de datos para marcadores moleculares.

2. TALLERES DE APLICACION A DIVERSOS CONJUNTOS DE DATOS. (1 ECTS).




30/39


28



31/39


29

ASIGNATURA: TCNICAS DE ANLISIS ESTADSTICO APLICADO A LA VALORACIN DE RECURSOS EN LA PSICOLOGA DE LA SALUDU DEL DEPORTE





Objetivos:

El alumno aprender#la problem#tica del an#lisis de datos en la valoraciMn de recursos en la psicolog8a de la salud y deldeporte.El alumno conocer#la interpretaciMn de los resultados de los m:todos.

El alumno aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se



El alumno conocer#

el procedimiento de elaboraciM

n y redacciM

n de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.

Contenido de la materia:1.TQCNICAS DE ANSLISIS ESTADPSTICO APLICADO A LA VALORACION DE RECURSOS EN LA PSICOLOGPA DE LA

SALUS Y DEL DEPORTE (4 ECTS)Conceptos b#sicos

VQu:se entiende por Calidad de Vida?Calidad de Vida relacionada con la SaludCambio en Calidad de VidaMedida de la Calidad de Vida relacionada con la SaludVQu:se entiende por medida en Calidad de Vida Relacionada con la Salud?

VCMmo expresar la Medida de CVRS?Formas de abordar la Medida de CVRSV

Qui:

n debe medir y sobre qui:

n deben tomarse las medidas?Modos de administraciMn de los cuestionariosConstructos y Variables LatentesInstrumentos para medir CVRSInstrumentos gen:ricos y espec8ficos

AdaptaciMn cultural de los cuestionarios

Modelos para usar medidas gen:ricas y espec8ficas

Instrumentos de predicciMn, evaluaciMn y discriminaciMn

Propiedades psicom:tricas de los instrumentos para medir CVRS

Propiedades de los instrumentos: validez, fiabilidad y sensibilidad al cambio de las escalas.


32/39


30

Propiedades psicom:tricas de algunos de los cuestionarios m#s utilizados: SF36, EUROQOL, QUALEFFO

M:todos estad8sticos para contrastar validez, fiabilidad y sensibilidad al cambio.

M:todos estad8sticos para contrastar validez: An#lisis factorial

M:todos estad8sticos para contrastar fiabilidad: Alfa de Cronbach

M:todos estad8sticos para contrastar la sensibilidad al cambioVariables indicadoras y variables causalesVariables indicadoras y variables causalesImplicaciones de los 8tems causales en el an#lisis de la consistencia interna del constructo

An#lisis Factorial, Indicadores causales y Calidad de VidaIdentificaciMn de variables causales

Pndices de FAYERS

.RESPONSE SHIFT5en calidad de vida relacionada con la saludTipos de cambio en estudios de calidad de vida relacionada con la salud.RESPONSE SHIFT5en estudios de calidad de vida relacionada con la salud

Modelos teMricos que explican el .RESPONSE SHIFT5

Modelo SCHWARTZ & SPRANGERSModelos de LEPORE & ETONModelo de WILSON & CLEARYM:todos estad8sticos para detectar .RESPONSE SHIFT5en datos longitudinales

M:todos para detectar Cambio Gamma

M:todos para detectar Cambio Beta

Cambio en valores: RepriorizaciMn.

2. TALLERES DE APLICACION A DISTINTOS CONJUNTOS DE DATOS. (4 ECTS)


pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8a

consultada.



33/39


31

ASIGNATURA: ANLISIS DE SUPERVIVENCIA Y TESTS SECUENCIALES

Cdigo:





Objetivos:El alumno aprender#la problem#tica del an#lisis de supervivencia y el an#lisis secuencial.

El alumno conocer#la interpretaciMn de los resultados de los m:todos.





Contenido de la materia:1.- ANSLISIS DE DATOS DE SUPERVIVENCIA EN MEDICINA Y OTRAS CIENCIAS. (1.5 ECTS)EstimaciMn no param:trica de la supervivencia:Estimador de Kaplan-Meier.M:todo actuarial de estimaciMnOtros estimadores.ComparaciMn no param:trica de curvas de supervivencia:?Test Log-rank.Test de Mantel-Haenszel.Test de Wilcoxon .Otros tests.Modelos param:tricos de supervivencia:?

DescripciMn de los modelos: exponencial, Weibull, log-normal, Gamma etc.

FormulaciMn log-lineal.

M:todos de selecciMn: representaciones gr#ficas y bondad de ajuste.Estimadores de los par#metros. Intervalos de confianza. Contrastes de hipMtesis.

Comparaciones entre m:todos par#metricos y no param:tricos.

Modelo de regresiMn de COX:

El modelo de Cox: DescripciMn e interpretaciMn. Verosimilitud parcial. Estimadores, Tests e Intervalos de confianza.Extensiones del modelo de Cox: variables explicativas dependientes del tiempo y modelo estratificado.SelecciMn y diagnMstico de modelos

Otros modelos de regresiMn univariantes.Modelos de supervivencia para datos multivariantes.


34/39


32

2.- ANSLISIS SECUENCIAL (0.5 ECTS)

Tests secuenciales de hipMtesis y sus propiedades

HipMtesis compuestas y derivaciMn del test t secuencial.

DiseNo de experimentos secuenciales.

3.- TALLERES DE APLICACION A DATOS DE INVESTIGACION (1 ECTS).





35/39


33

ASIGNATURA: META-ANLISIS

Cdigo:





Objetivos:

El alumno habr#aprendido cMmo realizar un meta-an#lisis.

El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidosEl alumno conocer#lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se


El alumno sabr#cMmo realizar an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.

El alumno habr#aprendido el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos



1.- META-ANSLISIS (2 ECTS)

VQu:es un meta-an#lisis?

Objetivos del meta-an#lisis

Etapas de un meta-an#lisis

FormulaciMn del problema

BTsqueda de la literatura

CodificaciMn de los estudiosMedida de los resultadosAn#lisis de los resultados.

Limitaciones del meta-an#lisis

Sesgo de publicaciMn

2.-TALLERES DE APLICACION A DATOS DE INVESTIGACION (1 ECTS).

Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).


36/39


34

6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la



ASIGNATURA: MODELOS DE VARIABLES LATENTES

Cdigo:



Profesor/es: Segn plan docente del Dpto. de EstadsticaLugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h

Objetivos:El alumno conocer#y aplicar#los modelos de variables latentes para distintos tipos de variables.

El alumno aprender#manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#ctica de

los resultados obtenidos.



El alumno sabr#cMmo realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.




1. MODELOS DE VARIABLES LATENTES (2 ECTS)ClasificaciMn de los modelos de variables latentes.

Teor8a cl#sica de los tests y An#lisis Factorial.

An#lisis factorial para datos binarios y politMmicos: FactorizaciMn de las matrices de correlaciones tetracMricas y policMricas.

Teor8a de la Respuesta al Ptem para datos binarios.

Teor8a de la Respuesta al Ptem para datos politMmicos y ordinales.

Modelos de ecuaciones estructurales.


37/39


35

An#lisis Factorial confirmatorio.

2. TALLERES DE APLICACION A DATOS DE INVESTIGACION. (1 ECTS)

Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.

6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la




38/39


36

ASIGNATURA: TRABAJO DE FIN DE MASTER

Cdigo:


Teora: Prcticas: Trabajo Personal y otras actividades: 345



Objetivos:

El alumno aprender#a llevar a cabo una investigaciMn.

El alumno aprender#a consultar fuentes bibliogr#ficas relevantes para su investigaciMn.

El alumno ser#capaz de realizar la redacciMn y presentaciMn de un informe cient8fico.

El alumno aprender#a realizar un estudio cr8tico de la literatura disponible.

El alumno conocer#el lenguaje cient8fico, relacionado con el tema de investigaciMn, en lengua inglesa.

El aluno habr#aprendido a fomentar su capacidad de aprendizaje autMnomo y toma de decisiones.

Contenido de la materia:Cada curso acad:mico se ofertar#un cat#logo de temas sobre los que realizar el Trabajo Fin de Master. Cada uno de ellos

tendr#un tutor asignado. La asignaciMn de los temas se har#teniendo en cuenta el perfil m#s adecuado del estudiante acada uno de los temas de trabajo.

Excepcionalmente podr#n aceptarse temas de investigaciMn propuestos por los alumnos siempre que est:n cercanos a las

l8neas de investigaciMn de los profesores del Master.

La oferta de los trabajos de investigaciMn de los tutores aparece cada aNo en la plataforma Studium con la suficiente

antelaciMn.

Sistema de evaluacin:

Memoria del trabajo de Investigacin. Exposicin oral de la memoria. Se valorar la capacidad del alumno para llevar a cabo una

investigacin as como la calidad de la misma.


39/39


37

Analisis Avanzados de datos Multivariantes.pdf

Documents

Transcript of Analisis Avanzados de datos Multivariantes.pdf