En esta asignatura se estudian, en un bloque, los elementos esenciales de la Estadística Básica, para poder desarrollar, en otro bloque, un estudio de algunos métodos de Estadística Multivariante. El paquete estadístico R tiene un papel muy importante para poder aplicar estos métodos por lo que se incluye en la enseñanza de la asignatura.

Tener conocimientos y soltura de aplicación en Análisis Matemático y Álgebra.

La forma habitual de comunicación entre los alumnos y el Equipo Docente será a través del Curso Virtual.

En él podrán formular los alumnos consultas a cualquier hora y en cualquier día, las cuales serán atendidas en un tiempo muy breve, consultas que pueden servir a otros alumnos del curso.

Profesor Alfonso García:

Si algún alumno/a quiere tratar algún tema más privado, como por ejemplo la revisión de su examen, puede utilizar el e-mail

agar-per@ccia.uned.es

Si quiere utilizar el teléfono (913987251), el horario oficial de guardia es Miércoles lectivos, de 9:30 a 13:30 horas.

Profesor Hilario Navarro:

Además de los medios de comunicación disponibles en la plataforma de virtualización, se habilitará el siguiente horario para consultas telefónicas y presenciales:

Martes lectivos, de 10 a 14 horas.

COMPETENCIAS BÁSICAS

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. 
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CB9 - Que los estudiantes 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.
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

COMPETENCIAS GENERALES

CG1 - Adquirir conocimientos generales avanzados en tres de las principales áreas de las matemáticas.
CG2 - Conocer algunas de las líneas de investigación dentro de las áreas cubiertas por el Máster.
CG4 - Aprender a redactar resultados matemáticos.

• Conocimientos: Estudio de los Métodos Estadísticos que se puedan aplicar en la interpretación de datos.

• Destrezas y habilidades:

• • Saber aplicar los Métodos Estadísticos antes mencionados a datos concretos con el paquete estadístico R.
  • Capacidad crítica, basada en fundamentos teóricos, ante la modelización estadística de datos.

El alumno debe estudiar los temas que componen el programa a través de los textos base propuestos. El equipo docente dirigirá y apoyará el estudio a través del curso virtual de la asignatura. En la plataforma destinada a este fin, se proporcionará un plan de trabajo que relacionará los temas del programa con los capítulos y secciones de los textos base. Para el aprendizaje de la materia contenida en el programa de esta asignatura, el alumno deberá combinar adecuadamente el estudio de la teoría con la experimentación y el análisis de casos prácticos.

El texto base para los Bloques I y II de la asignatura (El Paquete Estadístico R / Métodos Elementales de Estadística) es el citado en la referencia:

Título: ESTADÍSTICA BÁSICA CON R
Autor/es: Alfonso García Pérez ;
Editorial: UNED

El texto base para el Bloque III de la asignatura (Estadística Multivariante) es el citado en la referencia:

Título: APPLIED MULTIVARIATE STATISTICAL ANALYSIS (International Edition, 6/E)
Autor/es: Johnson, Richard A. ; Wichern, Dean W. ;
Editorial: PEARSON HIGHER EDUCATION LONGMAN

Bloque III: Estadística Multivariante

General

1. Anderson, T.W. (2003) An Introduction to Multivariate Statistical Analysis. 3^th  Ed.. New York: Wiley. 

2. Flury, B. (1997) A First Course in Multivariate Statistics. New York: Springer-Verlag.

3. Krzanowski, W.J. (2000) Principles of Multivariate Analysis. Revised Ed.. Oxford: Oxford University Press.

4. Mardia, K.V.,  Kent, J.T. and Bibby J.M. (1979) Multivariate Analysis. London: Academic Press.

5. Muirhead, R.J. (1982) Aspects of Multivariate Statistical Theory. New York: Wiley.

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

7. Rencher, A.C. (1992) “Interpretation of canonical discriminant functions, canonical variates and principal components.” The American Statistician, 46, 217-225.

8. Rencher, A.C. (1995) Methods of Multivariate Analysis. New York: Wiley.

9. Rencher, A.C. (1998) Multivariate Statistical Inference and Applications. New York: Wiley.

10. Schervish, M.J. (1987) “A review of multivariate analysis.” Statist. Sci., 2, 396-433.
     

Aspectos Computacionales y Aplicaciones

1. Afifi, A.A. and Clark, V. (2004) Computer-aided Multivariate Analysis, 4/ed.. London: Chapman and Hall/CRC.

2. Everitt, B. (2005) An R and S-PLUS® Companion to Multivariate Analysis. Springer-Verlag.
    

Nuevas Perspectivas

1. Hastie, T., Tibshirani, R. and Friedman, J. (2009) The Elements of Statistical Learning: Data Mining, Inference and Prediction. 2^th  Ed.. New York: Springer.

2. Izenman, A.J. (2008) Modern multivariate statistical techniques: regression, classification, and manifold learning. New York: Springer.

3. James, G., Witten, D., Hastie, T., Tibshirani, R. (2013) An Introduction to Statistical Learning with Applications in R.  New York: Springer.

Internet es una fuente de materiales multimedia que pueden ser útiles para el aprendizaje de esta materia. Dado el carácter dinámico de esta información, se comunicará al alumno al comienzo del curso.