Universidad Pública de Navarra



Año Académico: 2023/2024 | Otros años:  2022/2023  |  2021/2022  |  2020/2021 
Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra
Código: 505311 Asignatura: ANÁLISIS MULTIVARIANTE Y VISUALIZACIÓN DE DATOS
Créditos: 6 Tipo: Obligatoria Curso: 3 Periodo: 2º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
GASTON ROMEO, MARTÍN (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

  • Materia Nivel 1: Minería de Datos
  • Materia Nivel 2: Minería de Datos

Subir

Descripción/Contenidos

Estadi¿stica multivariante. Distancia multivariante y distribuciones de probabilidad. Ana¿lisis discriminante. Ana¿lisis factorial. Ana¿lisis de correspondencias. Correlacio¿n cano¿nica. Escalamiento multidimensional. Ana¿lisis cluster.

Subir

Competencias genéricas

  • CG4 - Saber utilizar los procesos teóricos y aplicados que permiten extraer información a partir de conjuntos de datos de naturaleza homogénea u heterogénea, en particular cuando se trata de grandes volúmenes de datos.
  • CG5 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
  • 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.
  • 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.
  • CT2 - Capacidad para la comunicación eficaz oral y escrita.
  • CT3 - Capacidad para la búsqueda y utilización de la información, normativa y reglamentación relativa a su ámbito de actuación.
  • CT4 - Capacidad para el trabajo en equipos multidisciplinares y multiculturales.

Subir

Competencias específicas

  • CE4 - Conocer las principales técnicas que permitan realizar un análisis exploratorio preliminar de los datos.
  • CE14 - Manejar, organizar información estadística e interpretar las técnicas de visualización y pre procesamiento de datos.

Subir

Resultados aprendizaje

  • RA13. Distinguir la utilidad de cada técnica multivariante y los requisitos que deben tener los datos para su correcta utilización.
  • RA14. Utilizar el análisis multivariante en la toma de decisiones.

Subir

Metodología

Metodología-Actividad Horas presenciales Horas no presenciales
A1-Clases expositivas/participativa 29  
A2- Prácticas 28.5  
A3- Realización de trabajos/proyectos en grupo   10
A4- Estudio y trabajo autónomo del estudiante   78.5
A5- Tutorías   1.5
A6- Pruebas de evaluación 2.5  
Total 60 60

 

Subir

Idiomas

Castellano

Subir

Evaluación

 

Resultados de
aprendizaje		 Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
RA13, RA14 Pruebas escritas. Prueba escrita de carácter individual mediante la que el estudiante demuestra que ha comprendido y asimilado los conocimientos propios de la materia, y que es capaz de aplicarlos a la resolución de ejercicios y problemas.  60 Sí 5
RA13, RA14 Presentaciones orales. Exposición ante un público formado por el profesor y resto de estudiantes de un resumen de los logros alcanzados a lo largo del desarrollo de un trabajo o proyecto. 10 Sí    5
RA13, RA14 Trabajos e informes: memoria escrita en la que el estudiante recoge de forma ordenada las distintas fases del desarrollo de un trabajo o proyecto realizado de forma individual o en pequeños grupos.  30 Sí 5

Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).

Subir

Temario

  • Datos multivariantes
    • Introducción.
    • Preparación de los datos.
    • Distancias multivariantes
    • Distribuciones de probabilidad.
    • Visualización de datos.
    • Tipos de gráficos.
    • Herramientas de visualización.
  • Métodos de Interdependencia.
    • Introducción.
    • Análisis de componentes principales.
    • Análisis factorial.
    • Análisis de correspondencias.
    • Escalamiento Multidimensional.
    • Análisis clúster.
  • Métodos de dependencia.
    • Introducción
    • Análisis discriminante.
    • Correlación Canónica.
    • Análisis de regresión.
    • Análisis de supervivencia.

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


La bibliografía básica de la asignatura es la siguiente:

  • D. Pen¿a. Análisis de Datos Multivariantes. McGraw-Hill, 2002.
  • C. M. Cuadras. Nuevos Métodos de Análisis Multivariante. CMC Editions. Barcelona, 2014
  • D. E. Johnson. Métodos Multivariados Aplicados Al Análisis de Datos. Thomson, 1998.
  • H. Wikham. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O¿Reilly, 2017.

La bibliografía complementara de la asignatura es la siguiente:

  • W.R. Dillon and M. Goldstein. Multivariate Analysis: Methods and Applications. Wiley, New York, 1984.
  • L. Kaufman and P. J. Rousseeuw. Finding Groups in Data : an Introduction to Cluster Analysis. Wiley, 1990.
  • P. A. Lachenbruch. Discriminant Analysis. Hafner Press, New York, 1975.
  • Tom Soukup and Ian Davidson. Visual Data Mining: Techniques and Tools for Data Visualization and Mining. Wiley, 2002.
  • R. Martinez Arias. El Análisis Multivariante en la Investigación Científica.¿Cuadernos de Estadística. Editorial La Muralla, 2000.
  • D. Sarkar. Lattice: Multivariate Data Visualization with R. Springer, 2008.
  • A. Kassambara. ggplot2: The Elements for Elegant Data Visualization in R. STHDA

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir