ANLISIS MULTIVARIANTE

3 GRADO EN ESTADSTICA
N DE CRDITOS: 6

CALENDARIO DE LA ASIGNATURA. CURSO 2016/2017

SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE

L M X J V S D L M X J V S D L M X J V S D L M X J V S D
1 2 1 2 3 4 5 6 1 2 3 4
3 4 5 6 7 8 9 7 8 9 10 11 12 13 5 6 7 8 9 10 11
10 11 12 13 14 15 16 14 15 16 17 18 19 20 12 13 14 15 16 17 18
19 20 21 22 23 24 25 17 18 19 20 21 22 23 21 22 23 24 25 26 27 19 20 21 22 23 24 25
26 27 28 29 30 24 25 26 27 28 29 30 28 29 30 26 27 28 29 30 31
31

ENERO
L M X J V S D
1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31

PROFESORES DE LA ASIGNATURA:

Prof. Dr. D. Francisco de Ass Torres Ruiz (Teora y Prcticas)

o Horario de tutoras: Lunes y martes de 9 a 11; mircoles de 10 a 12.

HORARIO (Aula A-11): Lunes de 12 a 14 y mircoles de 8 a 10.

EXAMENES: 23 de enero y 7 de julio.

PROGRAMA DE TEORA
Tema 1: Introduccin al Anlisis Multivariante.
Notas sobre la historia del Anlisis Multivariante. Objetivos del Anlisis
Multivariante.
Clasificacin de las tcnicas multivariantes.
La organizacin de los datos. Geometra de la muestra.
Algunos estadsticos descriptivos multivariantes y su interpretacin ge-
omtrica. Centroide de la muestra. Varianzas generalizadas.

Tema 2: Distribucin normal multivariante.

Definicin y caracterizacin.
Distribuciones marginales y condicionadas.
Caso bidimensional y tridimensional.
Distribuciones asociadas: formas cuadrticas normales.

Tema 3: Regresin y correlacin en poblaciones normales multivariantes. Modelos

tericos.
Regresin lineal mltiple normal.
Correlacin lineal mltiple y parcial
Estudio de los casos bidimensional y tridimensional.
Tema 4: Estimacin de parmetros en la distribucin normal multivariante.
Estimacin por mxima verosimilitud del vector media y la matriz de cova-
rianzas en la distribucin normal multivariante.
Teorema de Zehna y su aplicacin en la estimacin de los coeficientes de
de correlacin de Pearson, mltiples y parciales y a la de las superficies
de regresin lineal.

Tema 5: Distribucin de los estimadores de mxima verosimilitud del vector media

y la matriz de covarianzas.
Distribuciones exactas de los estimadores del vector de medias y de la ma-
triz de covarianzas.
Independencia de los estimadores (Teorema de Fisher multivarian-
te).Teoorema de Dykstra.
Distribuciones asintticas de los estimadores.

Tema 6: Distribucin de Wishart.

Definicin y principales propiedades.
La distribucin de Wishart inversa. La distribucin de Wishart descentra-
da.
Formas cuadrticas normales matriciales y la ley de Wishart.

Tema 7: T2 de Hotelling.
El estadstico T2 de Hotelling. Distribucin. Generalizacin.
Contrastes de hiptesis sobre la media de una poblacin normal multiva-
riante (problema de una muestra).
Contrastes de hiptesis sobre la diferencia de vectores media en dos po-
blaciones normales independientes con igual matriz de covarianzas (proble-
ma de dos muestras).
Problema de dos muestras apareadas.
Regiones de confianza para vectores media.
Inferencia simultnea: mtodos de Scheff y de Bonferroni.
El problema de Behrens-Fisher multivariante.
Otras aplicaciones de la metodologa T2: anlisis de perfiles.

Tema 8: Contrastes de hiptesis sobre matrices de covarianzas.

Contraste de igualdad a una matriz dada.
Contraste de esfericidad.
Test de Box de igualdad de matrices de covarianzas.

PROGRAMA DE PRCTICAS
El programa de prcticas de la asignatura se compone de relaciones de
ejercicios que sern desarrolladas en clase. Se desarrollarn diversas re-
laciones de ejercicios que comprendern tanto problemas tericos como
cuestiones numricas asociadas a los modelos considerados. Asimismo se de-
sarrollarn algunas cuestiones complementarias relacionadas con los conte-
nidos expuestos en las clases de teora.

SEMINARIOS

Derivacin matricial y su aplicacin en el Anlisis Multivariante.

Anlisis de diversas distribuciones multivariantes: clases esfrica y elpti-
ca.
El Modelo Lineal General desde el prisma del Anlisis Multivariante
Introduccin al Modelo Lineal General Multivariante
 BIBLIOGRAFA
BSICA

Gutirrez, R. y Gonzlez, A. (1992). Estadstica Multivariable. Introduc-

cin al Anlisis Multivariante. Servicio de Reprografa de la Facultad de
Ciencias. Universidad de Granada.
Hrdle, W. y Simar, L. (2007). Applied Multivariate Statistical Analysis.
(2 edicin). Springer.
Johnson, R.A. y Wichern, D.W. (1988). Applied Multivariate Analysis. Pren-
tice Hall International, Inc.
Pea, D. (2002). Anlisis de datos multivariantes. Mc Graw Hill.
Rencher, A.C. (2002). Methods of Multivariate Analysis. Wiley.
Tusell, F. (2005). Anlisis Multivariante.
http://www.et.bs.ehu.es/~etptupaf/nuevo/es/estad4.php

COMPLEMENTARIA

Anderson, T.W. (1984). An introduction to Multivariate Statistical Analy-

sis. John Wiley & Sons.
Baillo, A. y Gran, A. (2008). 100 problemas resueltos de Estadstica Mul-
tivariante. Delta Publicaciones.
Hrdle, W. K. y Hlvka, Z. (2015). Multivariate Statistics. Exercises and
solutions. (2 edicin). Springer.
Mardia, K.V.; Kent, J.T. y Bibby, J.M. (1982). Multivariate Analysis. Aca-
demic Press.
Timm, N. H. (2002). Applied Multivariate Analysis, Springer.
Zelterman, D. (2015). Applied Multivariate Statistics with R. Springer.

SISTEMA DE EVALUACIN
De acuerdo a lo establecido en la gua docente de la titulacin, se valorarn:
Pruebas especficas de conocimientos y resolucin de ejercicios orales y
escritos (50%).
Trabajos y seminarios tanto individuales como en grupo (40%).
Participacin, actitud y esfuerzo personal (10%).

La evaluacin nica final establecida en la Normativa de evaluacin y de califi-

cacin de los estudiantes de la Universidad de Granada consistir en un examen
escrito en el que se incluirn preguntas tericas y prcticas sobre el temario
que figura en esta gua docente.

REQUISITOS PREVIOS

Se recomienda tener cursadas las asignaturas Clculo de Probabilidades I y II,

Inferencia Estadstica I y II y Teora de la Probabilidad.

OBJETIVOS
La asignatura contiene los elementos que constituyen un curso bsico sobre
Anlisis Multivariante y, en particular, sobre los aspectos asociados a la ley
normal multidimensional. Por lo tanto tiene como objetivo disponer de los cono-
cimientos bsicos sobre esta ley de tal forma que, por un lado, ayuden a la for-
macin terica bsica de un graduado en Estadstica y, por otro, puedan ser usa-
das en el desarrollo de tcnicas concretas que se contemplan en posteriores
asignaturas de contenidos de Anlisis Multivariante.

* Para ms detalles, consultar la Gua Docente de la Asignatura