ANALISIS MULTIVARIANTE

1. Estudiantes Posgraduados en Estadística, Psicología o Data Science que necesiten técnicas multivariantes para sus tesis. Alumnos de máster en Investigación de Mercados o Bioestadística con proyectos que requieran análisis avanzado.

2. Profesionales Analistas de datos en salud, marketing o finanzas que usen métodos multivariantes para tomar decisiones. Consultores que busquen optimizar estrategias mediante análisis estadístico de variables complejas.

3. Público general Emprendedores que quieran analizar datos de clientes o mercados con herramientas estadísticas. Personas con nociones básicas de estadística interesadas en proyectos personales o comunitarios.

• Comprender los fundamentos del análisis multivariante Al finalizar el curso, los estudiantes podrán definir qué es el análisis multivariante, distinguir sus principales métodos (descriptivos, inferenciales, de dependencia, interdependencia) y reconocer las características de los datos multivariantes, incluyendo las distribuciones más comunes.

• Aplicar el análisis de la varianza (ANOVA) en contextos uni y multivariantes Los estudiantes serán capaces de identificar los objetivos y supuestos básicos del ANOVA, así como aplicar técnicas de ANOVA univariante (un factor y multifactor) y multivariante (MANOVA) para comparar grupos y evaluar el efecto de una o más variables independientes sobre una o varias dependientes.

• Utilizar el análisis discriminante para clasificar observaciones Al concluir el curso, los participantes podrán explicar los objetivos y supuestos del análisis discriminante, y aplicar tanto el análisis discriminante simple como el múltiple para clasificar observaciones en grupos predefinidos, interpretando correctamente las funciones discriminantes resultantes.

• Reducir la dimensionalidad de datos mediante componentes principales y análisis factorial Los estudiantes aprenderán a obtener e interpretar componentes principales, calcular comunalidades, y aplicar el análisis factorial para identificar estructuras latentes en conjuntos de datos complejos, reduciendo su dimensionalidad sin perder información relevante.

• Seleccionar y justificar el método multivariante adecuado según el problema de investigación Al final del curso, los alumnos podrán evaluar críticamente diferentes escenarios de investigación y seleccionar el método de análisis multivariante más apropiado (ANOVA, MANOVA, análisis discriminante, componentes principales, etc.), justificando su elección en función de los objetivos, supuestos y tipo de datos disponibles.

Plan de Estudios

1. Introducción al análisis multivariante

• Definición de análisis multivariante
• Clasificación de los métodos de análisis multivariante
• Distribuciones multivariantes. Datos multivariantes

2. Analisis de la varianza

• Objetivos y supuestos básicos
• Análisis univariante de la varianza con un solo factor
• Análisis univariante de la varianza con más de un factor (anova de dos vías o multifactorial)

3. Análisis multivariante de la varianza

• Objetivos y supuestos básicos
• Análisis multivariante de la varianza con un solo factor
• 1Análisis multivariante de la varianza con más de un factor

4. Análisis discriminante

• Objetivos y supuestos básicos
• Análisis discriminante simple
• Análisis discriminante múltiple

5. Análisis de componentes principales y análisis factorial

• Objetivos
• Obtención de las componentes principales
• Comunalidades
• Interpretación de las componentes
• Análisis factorial