Guía docente de la asignatura
(6591) ANÁLISIS ESTADÍSTICO MULTIVARIANTE

Curso académico 2024/2025

  1. Identificación

    1. De la asignatura

      2. Curso Académico
      2024/2025
      Titulación
      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura
      ANÁLISIS ESTADÍSTICO MULTIVARIANTE
      Código
      6591
      Curso
      SEGUNDO
      Carácter
      OBLIGATORIA
      Número de grupos
      1
      Créditos ECTS
      6.0
      Estimación del volumen de trabajo
      150.0
      Organización temporal
      2º Cuatrimestre
      Idiomas en que se imparte
      Español
      Curso Académico 2024/2025
      Titulación

      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura ANÁLISIS ESTADÍSTICO MULTIVARIANTE
      Código 6591
      Curso SEGUNDO
      Carácter OBLIGATORIA
      Número de grupos 1
      Créditos ECTS 6.0
      Estimación del volumen de trabajo 150.0
      Organización temporal 2º Cuatrimestre
      Idiomas en que se imparte Español

    2. Del profesorado: Equipo docente

      • NAVARRO CAMACHO, JORGE LUIS Docente: GRUPO 1 Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        CATEDRATICOS DE UNIVERSIDAD

        Área

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Departamento

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Correo electrónico / Página web / Tutoría electrónica

        jorgenav@um.es https://webs.um.es/jorgenav/miwiki/doku.php?id=inicio Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        A         		Día:
        Miércoles         		Horario:
        08:00-09:00         		Lugar:
        868883509, Facultad de Matemáticas y Aulario General B1.2.017
        Observaciones:
        Jorge Navarro Despacho 2.13. Concertar cita.
        Duración:
        A         		Día:
        Jueves         		Horario:
        08:00-09:00         		Lugar:
        868883509, Facultad de Matemáticas y Aulario General B1.2.017 (DESPACHO PROF. JORGE NAVARRO CAMACHO)
        Observaciones:
        Se recomienda pedir cita
        Duración:
        A         		Día:
        Viernes         		Horario:
        08:00-09:00         		Lugar:
        868883509, Facultad de Matemáticas y Aulario General B1.2.017 (DESPACHO PROF. JORGE NAVARRO CAMACHO)
        Observaciones:
        Se recomienda pedir cita
      • LUCAS MARIN, EDUARDO Docente: GRUPO 1 Coordinación de los grupos:

        Categoría

        PROFESOR AYUDANTE DOCTOR

        Área

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Departamento

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Correo electrónico / Página web / Tutoría electrónica

        eduardo.lucas@um.es Tutoría electrónica: No

        Teléfono, horario y lugar de atención al alumnado

  2. Presentación

    3. En esta asignatura se estudian las principales técnicas de análisis de datos multivariantes como Regresión Lineal, Regresión Logística, Análisis de Componentes Principales, Análisis Discriminate y Análisis Cluster.

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      2. No constan

    2. Requisitos

      3. No constan

    3. Recomendaciones

      4. Es recomendable haber cursado la asignatura ''Fundamentos de Probabilidad y Análisis exploratorio de datos''

  4. Competencias

    1. Competencias básicas

      • CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
      • CB3: Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
      • CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
      • CB5: Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

    2. Competencias de la titulación

      • CG1: Conocer y aplicar la analítica de datos y técnicas estadísticas apropiadas para descubrir nuevas relaciones en los datos y realizar aportaciones a procesos de las organizaciones, así como apoyar en la toma de decisiones.
      • CG4: Capacidad para aplicar los métodos generales de la ciencia e ingeniería de datos en los tipos de datos de dominios específicos, así como en la presentación de los datos, el modelado de datos y procesos, los roles organizacionales y las relaciones entre estos.
      • CE29: Capacidad para el análisis de un conjunto de datos y la selección y aplicación de las técnicas de inferencia estadística univariante y multivariante más adecuadas para la adquisición de conocimiento para la toma de decisiones.
      • CE30: Capacidad para comprender, formular y resolver problemas mediante la construcción, validación y aplicación de modelos matemáticos o estocásticos de un sistema real a partir de los datos observados (presenten dependencia o no) y el análisis crítico de los resultados obtenidos.
      • CE31: Conocimiento de herramientas informáticas en el campo del análisis de los datos y modelización estadística, y capacidad para seleccionar las más adecuadas para la resolución de los diferentes problemas.

    3. Competencias transversales y de materia

      No constan

  5. Contenidos

    1. Teoría

      2. Tema 1: Vectores Aleatorios

      Función de densidad conjunta, marginal y condicionada Matriz de covarianzas y matriz de correlaciones de un vector aleatorio Distribución normal multivariante y distribución multinomial

      Tema 2: Regresión Lineal Simple y Múltiple

      Introducción al modelo de regresión lineal Regresión lineal simple Regresión lineal múltiple Multicolinealidad y selección de variables regresoras Validación del modelo y predicción

      Tema 3: Regresión Logística y Multinomial

      Modelo teórico Modelo lineal y modelo cuadrático Inferencia y predicción

      Tema 4: Análisis de Componentes Principales

      Obtención de las componentes principales Propiedades Determinación del número de componentes

      Tema 5: Clasificación supervisada: Análisis Discriminante

      Discriminante lineal y cuadrático Validación cruzada

      Tema 6: Clasificación no supervisada: Análisis Clúster

      Medidas de distancia y similitud Métodos jerárquicos: el dendograma y tipos de enlace Métodos no jerárquicos: algoritmo de las k-medias

    2. Prácticas

      • Práctica 1: Análisis inicial de datos multivariantes

        Relacionado con:
        • Tema 1: Vectores Aleatorios

      • Práctica 2: Regresión Lineal Múltiple

        Relacionado con:
        • Tema 2: Regresión Lineal Simple y Múltiple

      • Práctica 3: Regresión Logística y Multinomial

        Relacionado con:
        • Tema 3: Regresión Logística y Multinomial

      • Práctica 4: Análisis de Componentes Principales

        Relacionado con:
        • Tema 4: Análisis de Componentes Principales

      • Práctica 5: Análisis Discriminante

        Relacionado con:
        • Tema 5: Clasificación supervisada: Análisis Discriminante

      • Práctica 6: Análisis Clúster

        Relacionado con:
        • Tema 6: Clasificación no supervisada: Análisis Clúster

  6. Actividades Formativas

    7. Actividad Formativa Metodología Horas Presencialidad
    AF1: Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas. 28.0 100.0
    AF2: Seminarios y actividades de aula: Exposición, análisis y debate dentro del contexto de aplicaciones específicas de contenidos teóricos, así como planteamiento y resolución de ejercicios y casos prácticos en el aula, tanto al grupo completo como en grupos reducidos. También se contemplan conferencias, debates y seminarios temáticos. 8.0 100.0
    AF3: Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos. 18.0 100.0
    AF4: Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades. 90.0 0.0
    AF5: Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor. 2.0 100.0
    AF6: Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia. 4.0 100.0
    Totales 150,00

  7. Horario de la asignatura

    8. https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2024-25#horarios

  8. Sistemas de Evaluación

    9. Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    SE1 Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

    Examen de teoría y problemas.

    La prueba constará de preguntas sobre los contenidos teóricos de la asignatura y la resolución de problemas. Esta actividad supondrá un 50% de la nota final. Será necesario obtener al menos 4 puntos sobre 10 en esta prueba para poder aprobar la asignatura.

    Para las convocatorias extraordinarias, los estudiantes podrán conservar la nota obtenida en esta actividad de evaluación siempre que sea superior a 4.

    Exámenes/controles de prácticas

    Durante el cuatrimestre se propondrá al alumno la resolución de problemas prácticos con ordenador, mediante el uso del software estadístico empleado en las sesiones prácticas. La entrega por parte del alumno se realizará de forma individual. Esta actividad supondrá un 30% de la nota final.

    Los estudiantes que, por circunstancias sobrevenidas debidamente justificadas, no puedan realizar esta actividad deberán realizar un examen final de prácticas.

    Para las convocatorias extraordinarias, los estudiantes podrán conservar la nota obtenida en esta actividad de evaluación siempre que sea superior a 4 o bien realizar un examen adicional de prácticas con el mismo peso (30%).

    		 80.0
    SE4 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    Informes escritos, trabajos y proyectos.

    Se propondrá la realización de un trabajo individual y con carácter voluntario, donde habrá que presentar un informe escrito antes de la realización del examen de la asignatura en la fecha que se indique. Cada trabajo consistirá en analizar un conjunto de datos reales aplicando las técnicas estadísticas descritas en la asignatura con el software de prácticas. Esta parte supondrá un 20% de la nota final y no requerirá nota mínima para poder aprobar la asignatura. Aquellos alumnos que no hagan este trabajo, tendrán una ponderación del 50% en los controles de prácticas.

    Para las convocatorias extraordinarias, los estudiantes podrán conservar la nota obtenida en esta actividad de evaluación siempre que sea superior a 4.

    		 20.0

  9. Fechas de exámenes

    10. https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2024-25#examenes

  10. Resultados del Aprendizaje

    • Elegir y utilizar las herramientas existentes de analítica de datos y analítica predictiva
    • Elegir y ejecutar métodos estándar de las bibliotecas estadísticas existentes para proporcionar una descripción general
    • Definir los elementos de datos necesarios para desarrollar análisis de datos específicos
    • Utilizar herramientas para el manejo de datos complejos Elegir y realizar visualizaciones estándar

  11. Bibliografía

    12. Grupo: GRUPO 1

    Bibliografía básica

    No constan

  12. Observaciones

    13. Por incompatibilidad de horarios, los temas se podrán dar en distinto orden.

    Se podrá suspender la asignatura a los alumnos que copien en algún examen o trabajo.

    No se podrá usar ChatGPT ni otras herramientas similares sin mencionarlo de forma explícita.

    Será necesario obtener al menos 4 puntos sobre 10 en prácticas para poder aprobar la asignatura.

    Los estudiantes que no superen el mínimo exigido en la parte práctica durante el cuatrimestre, deberán realizar un examen de prácticas el mismo día del examen final de la asignatura. Dicho examen supondrá un 50% de la nota final y será necesario obtener al menos 4 puntos sobre 10 para poder aprobar la asignatura.

    _

    ODS: Esta asignatura se encuentra vinculada de forma directa con el Objetivo de Desarrollo Sostenible17"Alianzas para Lograr los Objetivos" (Meta 1718 Creación de capacidad estadística)

    NECESIDADES EDUCATIVAS ESPECIALES

    Aquellos estudiantes con discapacidad o necesidades educativas especiales podrán dirigirse al Servicio de Atención a la Diversidad y Voluntariado (ADYV - https://www.um.es/adyv) para recibir orientación sobre un mejor aprovechamiento de su proceso formativo y, en su caso, la adopción de medidas de equiparación y de mejora para la inclusión, en virtud de la Resolución Rectoral R-358/2016. El tratamiento de la información sobre este alumnado, en cumplimiento con la LOPD, es de estricta confidencialidad.

    REGLAMENTO DE EVALUACIÓN DE ESTUDIANTES

    El artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) prevé que "salvo en el caso de actividades definidas como obligatorias en la guía docente, si el o la estudiante no puede seguir el proceso de evaluación continua por circunstancias sobrevenidas debidamente justificadas, tendrá derecho a realizar una prueba global".

    Se recuerda asimismo que el artículo 22.1 del Reglamento de Evaluación de Estudiantes (REVA) estipula que "el o la estudiante que se valga de conductas fraudulentas, incluida la indebida atribución de identidad o autoría, o esté en posesión de medios o instrumentos que faciliten dichas conductas, obtendrá la calificación de cero en el procedimiento de evaluación y, en su caso, podrá ser objeto de sanción, previa apertura de expediente disciplinario".