Análisis de datos multivariantes (VS)

1. Introducción. 2. Álgebra matricial. 3. Descripción de datos multivariantes. 4. Análisis gráfico y datos atípicos. 5. Componentes principales. 6. Escalado multidimensional. 7. Análisis de correspondencias. 8. Análisis de conglomerados. 9. Distribuciones multivariantes. 10. Inferencia con datos multivariantes. 11. Métodos de inferencia avanzada multivariante. 12. Análisis factorial. 13. Análisis discriminante. 14. Discriminación logística y otros métodos de clasificación. 15. Clasificación mediante mezcla de distribuciones. 16. Dependencia entre conjuntos de variables: correlación canónica y otros métodos. Apéndice. Referencias. Índice.

Este libro presenta las técnicas más utilizadas del análisis estadístico multivariante. Su contenido integra los métodos descriptivos multivariantes de minería de datos, y de reconocimiento de patrones, con los procedimientos de inferencia estadística para vectores de variables. La primera parte explica los métodos para describir conjuntos de datos, donde se observan muchas variables en cada elemento y puede servir de texto para un curso cuatrimestral orientado a las aplicaciones en Administración de empresas, Ingeniería y Ciencias de la computación o Biología y Ciencias del medio ambiente. La segunda parte explica los métodos de construcción de modelos estadísticos para datos multivariante y puede utilizarse en un curso más avanzado para formar a estadísticos, o expertos en investigación de mercados, métodos de calidad, investigadores sociales o del medio ambiente. En general, la presentación del material tiene siempre en cuenta las explicaciones, pero los temas se tratan rigurosamente de manera que el texto pueda ser útil para distintas audiencias. Los métodos expuestos se ilustran con ejemplos reales, y se han preparado varios bancos de datos que el lector puede descargar desde Internet. Además de los métodos multivariantes clásicos implantados en los programas estándar de ordenador, el libro contiene algunos métodos recientes de utilidad reconocida, que aparecen por primera vez en un texto. Entre ellos señalaremos nuevas medidas globales de variabilidad y dependencia multivariante, métodos de clasificación mediante proyecciones, algoritmos de estimación de mezclas de distribuciones con métodos clásicos y bayesianos, y nuevos procedimientos de detección de atípicos multivariantes.