1019 - Fundamentos de la investigación en ciencias de la salud: Análisis multivariante (UCAV) - Créditos: 4 ECTS - Horas:100 - PROMOCION ESPECIAL - Convocatoria: 001.ENERO-MARZO

OBJETIVOS ESPECÍFICOS:
BLOQUE I: I. El análisis multivariante
• Comprender en qué consiste el análisis multivariante y qué tipo de análisis de datos permite realizar
• Saber definir la distribución normal multivariante.
• Saber que son las distribuciones marginales y condicionadas
• Conocer las distribuciones de formas cuadráticas y las distribuciones aleatorias normales.
• Saber interpretar la función de verosimilitud.
• Comprender en qué consiste la estimación máximo verosímil.
• Saber desarrollar e interpretar los contrastes de la razón de verosimilitudes, contrastes de unión-intersección, contrastes de hipótesis acerca del valor de medias y acerca de la matriz de varianzas-covarianzas y los contrastes de hipótesis múltiples MANOVA.
• Saber qué son los intervalos de confianza múltiples y su interpretación.

BLOQUE II: Técnicas de Dependencia
• Comprender y desarrollar la ecuación de regresión múltiple, así como el error estándar múltiple de estimación.
• Saber medir la fuerza de la relación entre las variables independientes, utilizando los coeficientes múltiples de determinación
• Comprender como se realiza un análisis de discriminación entre dos grupos con distribuciones conocidas y entre dos grupos con distribuciones conocidas y parámetros desconocidos.
• Comprender cómo se realiza un análisis discriminante entre más de dos grupos.
• Comprender el fundamento del modelo de Regresión Logística.
• Comprender el concepto de “odd” (o “riesgo”).
• Saber interpretación los parámetros del modelo de Regresión Logística.
• Saber realizar una estimación del Modelo de Regresión Logística.
• Comprender el Modelo de Regresión Multinomial
• Comprender que nos permite obtener un análisis conjunto: explicar de forma cuantitativa las preferencias del consumidor “Partiendo de información no métrica (preferencias) nos proporciona información métrica (utilidades)”
• Aplicar la estimación por mínimos cuadrados para ser capaz de estimar la importancia relativa de cada atributo, así como del Valor o Utilidad Parcial de las distintas opciones o niveles dentro de cada uno de ellos.
• Interpretar los resultados, de este modo, comprenderá cómo se configura la estructura de preferencias de cada sujeto o grupo de sujeto.

BLOQUE III: Técnicas de Interdependencia
• Comprender la estructura del modelo factorial: qué son los factores comunes y los factores específicos.
• Indeterminación de las soluciones factoriales.
• Obtención de soluciones: el método del factor principal y el método de máxima verosimilitud.
• Rotación de las soluciones.
• Puntuaciones factoriales
• Conocer qué es el ACP y cuáles son las propiedades de las componentes principales.
• Aprender a obtener las componentes principales a partir de una muestra
• Conocer sus posibles aplicaciones.
• Aprender a construir nubes de puntos y el significado de las distancias.
• Comprender como se realiza un análisis de las nubes de puntos en Rp (la nube de los n puntos–fila, en un subespacio p–dimensional) y Rn (nube de p puntos–columna en un espacio n–dimensional) y las relaciones entre ellas.
• Aprender a reconstruir la tabla de frecuencias original.
• Interpretación: las relaciones de dependencia e independencia de un conjunto de variables categóricas a partir de los datos de una tabla de contingencia.
• Comprender los conceptos de Distancias y similaridades.
• Aprender los métodos de clasificación que ofrece el análisis de conglomerados: Clasificación jerárquica ascendente y descendente y Clasificación no jerárquica.
• Entender que los encuestados utilizan dimensiones a la hora de evaluar a los objetos.
• Saber cuántas dimensiones utilizan.
• Qué importancia relativa tiene cada dimensión y cómo se relacionan perceptualmente los objetos do es más adecuada la aplicación de cada uno de ellos.