Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Cuando trabajas con datos que contienen muchas variables, a menudo te interesa estudiar la relación entre ellas usando estadística multivariante. En este curso, aprenderás distintas formas de analizar estos conjuntos de datos. También verás distribuciones de probabilidad multivariantes comunes, como la normal multivariante, la t multivariante y algunas distribuciones asimétricas multivariantes. Después, te presentaremos técnicas para representar datos de alta dimensionalidad en menos dimensiones, como el análisis de componentes principales (PCA) y el escalado multidimensional (MDS).
Requisitos previos
Programa de formación
Esquema del curso
1
Lectura y visualización de datos multivariantes
En esta introducción a los datos multivariantes, aprenderás a leerlos y resumirlos. Verás cómo resumir datos multivariantes con estadísticas descriptivas, como el vector de medias y las matrices de varianza-covarianza y de correlaciones. Luego explorarás técnicas de visualización que aportan información sobre datos multivariantes.
- Lectura de datos multivariantes50 XP
- Lectura de datos multivariantes con read.table100 XP
- Especificar tipos de datos para las columnas100 XP
- Vector de medias y matriz de varianzas-covarianzas50 XP
- Calcular el vector de medias100 XP
- Calcular la matriz de varianzas y covarianzas100 XP
- Calcular la matriz de correlación100 XP
- Representación gráfica de datos multivariantes50 XP
- Gráfico de pares con base graphics y lattice100 XP
- Técnicas de gráficos 3D100 XP
2
Distribución normal multivariante
Este capítulo te presentará la distribución de probabilidad multivariante más importante y utilizada: la normal multivariante. Aprenderás a generar muestras aleatorias de una distribución normal multivariante y a calcular y representar densidades y probabilidades bajo esta distribución. También aprenderás a comprobar si un conjunto de datos sigue la normalidad multivariante.
3
Otras distribuciones multivariantes
Este capítulo presenta varias distribuciones de probabilidad para modelar datos no normales. En particular, verás las distribuciones t multivariantes, que pueden modelar colas más pesadas y generalizan la distribución t de Student univariante. También se presentarán varias distribuciones asimétricas, diseñadas específicamente para modelar datos sesgados a la derecha o a la izquierda.
4
Análisis de Componentes Principales y Escalado Multidimensional
En el capítulo final, se presentarán técnicas para analizar datos de alta dimensionalidad, como el análisis de componentes principales (PCA) y el escalado multidimensional (MDS). También aprenderás a aplicar estas técnicas mediante el análisis de datos.
R
Distribuciones de probabilidad multivariantes en R
Curso
completado
