Universidad Pública de Navarra



Año Académico: 2016/2017 | Otros años:  2017/2018  |  2015/2016  |  2014/2015  |  2013/2014 
Máster Universitario en Tecnología y Calidad en las Industrias Agroalimentarias
Código: 71726 Asignatura: Aplicación de métodos estadísticos multivariantes en la industria agroalimentaria
Créditos: 3 Tipo: Optativa Curso: 1 Periodo: 1º S
Departamento: Estadística e Investigación Operativa
Profesores
GARCIA OLAVERRI, M. CARMEN (Resp)

Partes de este texto:

 

Descriptores

 

 

Análisis Multivariante

 

Tratamiento estadístico de datos experimentales.

Subir

Competencias genéricas

 

CG.3 Sepan comunicar sus conclusiones -y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades.

CG.4 Posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

CG5. Capacidad de análisis y síntesis

CG6. Capacidad de organización y planificación

CG7. Conocimientos de informática relativos al ámbito de estudio

CG8. Capacidad de gestión de la información

CG13. Motivación por la calidad

CG15. Comprensión científica en inglés

Subir

Competencias específicas

CE1.4 Conocer, seleccionar, aplicar e interpretar las técnicas estadísticas utilizadas para el análisis de datos en estudios de investigación del ámbito agroalimentario.

Subir

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 software estadístico, asi como en la presentación de resultados; no sólo en los aspectos técnicos-estádisticos sino en los propios términos del problema concreto que se esté abordando.

 Se espera que los estudiantes sepan utilzar las técnicas multivariantes como herramienta en sus trabajos con datos experimentales  y en sus trabajos de investigación.

Subir

Metodología

Metodología - Actividad

Horas Presenciales

Horas no presenciales

A-1 Clases teóricas

12

 

A-2 Prácticas

13

 

A-3 Debates, puestas en común, tutoría grupos

 

5

A-4 Elaboración de trabajo

 

15

A-5 Lecturas de material

 

8

A-6 Estudio individual

 

15

A-7 Exámenes, pruebas de evaluación

3

2

A-8 Tutorías individuales

2

 

Total

30

45

Total

75

Subir

Relación actividades formativas-competencias

Competencia

Actividad formativa

CG-3

A-4, A-7

CG-4

A-1, A-2, A-5, A-6

CG-5

A-2, A-4

CG-7

A-2, A-4, A-7

CG-8

A-2, A-4, A-7

CG-9

A-4

CG-11

A-4

CG-13

A-1, A-3, A-8

CG-15

A-5

CE1-4

A-1, A-2,A-3, A-4, A-6, A-7

Subir

Idiomas

 

ESPAÑOL (Parte de la bibliografía recomendada o el software utilizado puede estar en inglés)

Subir

Evaluación

 

 

Resultado de aprendizaje Sistema de evaluación Peso (%) Carácter recuperable

  Los estudiantes deben saber utilzar las

técnicas multivariantes como herramienta en sus

trabajos con datos experimentales  y en sus

trabajos de investigación.

 Exámenes parciales de cada una de las

técnicas estudiadas;

cada uno de ellos con ponderación ajustada

a la importancia que tienen en el

programa (entre un 10% y un 20%) 

 75%

 RECUPERABLE

(Examen Final)

 Tener soltura en el software estadístico,

asi como en la presentación de resultados

 Realización y exposición pública de un trabajo

con datos experimentales. Sólo los alumnos que hayan

demostrado un adecuado seguimiento de la

asignatura pueden hacer el trabajo.

 25%

 NO RECUPERABLE

(Examen Final)

 

 Para aquellos alumnos que no superen las pruebas

parciales se lleva a cabo un examen final

de toda la asignatura

 100%  NO RECUPERABLE
       

Subir

Contenidos

Para realizar tratamiento estadístico de datos experimentales, se estudian 6 técnicas multivariantes:

Análisis de Regresión

Análisis de la Varianza

Análisis Discriminante

Análisis Cluster

Análisis Factorial

Análisis de Correspondencias

Subir

Temario

  1. Tratamiento Estadístico de datos experimentales multivariantes: Herramientas, modelos y métodos.
  2. Análisis de la varianza: Modelo Univariante y Multivariante. Interacción de Factores.
  3. El Modelo lineal de Regresión.
  4. Ampliación de Modelos de dependencia: Modelos Logit, Modelos no lineales, Modelos de superficie de respuesta
  5. Análisis Discriminante.
  6. Análisis de Componentes Principales.
  7. Análisis de Correspondencias.
  8. Análisis Cluster.

 

Los análisis estadísticos se llevan a cabo con software adecuado al tratamiento de datos multivariantes.

 

 

 

Subir

Bibliografía

Acceda a la bibliografía que su profesor ha solicitado a la Biblioteca.


 

 

Afifi, A.; May, S. ; Clark, V.A.(2011): Practical Multivariate Analysis. Ed. Taylor & Francis

Hair J., Anderson R., Tatham R., Black W. (2005): Análisis Multivariante. Ed. Prentice Hall.

Hair J. Black W Babin, Anderson R. (2014): Multivariate Analysis 7 Edition. Prentice Hall.

Hawkins, D. M. (2008): Topics in Applied Multivariate Analysis. Ed. Cambridge University Press.

Peña, D. (2002): Análisis de Datos Multivariantes. Ed. McGraw-Hill

Raykov, T; Markoulides, G. A.  (2008) An Introduction to Applied Multivariate Analysis Ed. Routledge. Taylor and Francis.

Subir

Lugar de impartición

Sala de Informática del Departamento de Estadística e Investigación Operativa (Ed. Los Magnolios)

Subir