analisis multivariante cuyo objetivo es desarrollar la habilidad

analisis multivariante

1. Módulo 9: Análisis Multivariante Willin Gabriel Álvarez Irausquin, PhD. Universidad Regional mazónica Ikiam

2. OBJETIVOS GENERAL : Formar profesionales con una visión global e integral de la gestión de sistema de la calidad en las organizaciones con la aplicación de métodos estadísticos multivariantes , que permitan el mejoramiento de las organizaciones, potenciando las competencias directivas y de liderazgo frente a los desafíos de la creciente competitividad utilizando R y R-Studio ESPECÍFICOS : Describir datos multivariantes Explicar en espacios de dimensión baja datos multivariantes Clasificar grupos datos multivariantes Realizar modelos estadísticos de datos gestión de sistema de la calidad en las organizaciones

3. Resultados de Aprendizaje del módulo Administra la información para la toma de decisiones con el uso adecuado de herramientas estadísticas para el control y mejora continua de la calidad. Utiliza la investigación para el análisis y solución de problemas en el ámbito empresarial o institucional a escala nacional o internacional.

4. METODOLOGÍA DE APRENDIZAJE BASADO EN LA INVESTIGACIÓN Gallagher, J. J. (1994): Teaching and learning: New Models. Annual Review Psychology, 45, 171-95.

5. UNIDADES DE LA ASIGNATURA UNIDAD II Dr. Willin Gabriel Álvarez Irausquin UNIDAD I

6. UNIDADES DE LA ASIGNATURA UNIDAD III UNIDAD IV

7. Análisis Multivariane Análisis Exploratorio de datos Técnicas de Reducción Análisis de Regresión Manova Correlación Canónica Análisis Discriminante Análisis Cluster EDA Datos Ausentes e Imputación Datos Atípicos Datos No Métricos Análisis Componentes P. Análisis Biplot Análisis Factorial Análisis de Correspondencia Simple y Múltiple Análisis gráfico Verificación de Supuestos Datos continuos Datos Centrados Datos Estandarizados Variables Ilustrativas Clasificación Modelación

8. UNIDAD CONTENIDO SEMANAS Unidad I. Técnicas del análisis multivariante Análisis exploratorio de datos multivariantes . Datos Ausentes. Imputación y Comprobación de supuestos SEMANAS 1 : 9,11,13 Unidad II. Regresión múltiple Regresión Lineal Simple. Regresión Lineal Múltiple. Regresión lineal Múltiple Multivariante (Una mirada). SEMANAS 2: 16,18,20 Unidad III. Análisis de factores Representación multivariante de datos en subespacios de dimensión baja : ACP y AB. Análisis de Factores SEMANAS 3: 23,25,27 Unidad IV. Análisis de Cluster y correspondencia Clúster Jerárquico. Clúster K-means SEMANAS 4: 30, 02, 04

9. PLAN DE EVALUACIÓN ACTIVIDAD PORCENTAJE PUNTAJE 1 Práctica por Unidad 40 % (Cada práctica es de 10%) 1 AL 10 1 Cuestionario por Unidad 30% (Cada cuestionario es de 7.50%) 1 AL 10 Actividades de participación 10% (Cada actividad semanal es de 2.50%) 1 AL 10 PROYECTO DE INVESTIGACIÓN (PRE-ENSAYO CIENTÍFICO Y EXPOSICIÓN) 2 0% 1 AL 10

10. PASOS SEMANALES PARA EL PRE-ENSAYO Gallagher, J. J. (1994): Teaching and learning: New Models. Annual Review Psychology, 45, 171-95. PRE-ENSAYO SEMANA 1 PRE-ENSAYO SEMANA 2 PRE-ENSAYO SEMANA 3 y4

11. BIBLIOGRAFÍA 1) Levy J. y Varela J(2003). Análisis Multivariante para las ciencias sociales. Editorial Pearson-Prentice Pearson 2) Peña D. (2002). Análisis de datos Multivariante . Editorial Mc Graw Hill 3) Jolliffe I.T. (2002).Principal component analysis. Second Edition Springer 4) Cuadras C. (2014).Nuevos métodos de análisis multivariante . CMC Editions Manacor 30 5) Rencher A. (2002). Methods of Multivariate Analysis. Second Edition. Brigham Young University 6) Tutoriales de PRÁCTICAS ESTADÍSTICAS CON R. Autor: Willin Álvarez. En desarrollo y revisión