Este portafolio se actualizará constantemente para la presentación de los trabajos realizados en el curso de TÉCNICAS ESTADÍSTICAS MULTIVARIADAS ofrecido por la “Facultad de Ingeniería Estadística e Información” - FINESI en la Universidad Nacional del Altiplano (UNAP). El curso se enfoca en aplicar técnicas estadísticas avanzadas para analizar datos multivariados.
Fecha de inicio: 12/04/2024 21:20
Fecha de cierre: 18/04/2024 08:54
Enunciado:
1) Limpie la data utilizando la moda para variables cualitativas y al
menos dos técnicas para variables cuantitativas.
2) Suba dos archivos.
Descripción:
Este proyecto se centra en la limpieza de datos, una etapa crucial en el
análisis de datos multivariados. La moda se utilizará para tratar las
variables cualitativas, mientras que se aplicarán al menos dos técnicas
diferentes (como imputación por media, mediana, eliminación de valores
atípicos, etc.) para manejar las variables cuantitativas.
URL: Limpieza de Datos
Fecha de inicio: 17/04/2024 15:24
Fecha de cierre: 22/04/2024 08:54
Enunciado: Subir aquí la tarea.
Descripción:
El Análisis de Componentes Principales (PCA) es una técnica de reducción
de dimensionalidad que se utiliza para simplificar un conjunto de datos
complejos. En este proyecto, aplicaremos PCA para identificar los
componentes principales que explican la mayor parte de la variabilidad
en los datos.
Fecha de inicio: 23/04/2024 21:25
Fecha de cierre: 29/04/2024 08:31
Enunciado: Data factorial.
Descripción:
El análisis factorial es una técnica utilizada para describir la
variabilidad entre variables observadas en términos de factores
latentes. Este proyecto abordará cómo realizar un análisis factorial,
interpretar los factores y validar el modelo factorial.
URL: Análisis Factorial
Fecha de inicio: 12/05/2024 20:24
Fecha de cierre: 16/05/2024 20:24
Enunciado: Tarea de correspondencia múltiple.
Descripción:
El análisis de correspondencia múltiple es una técnica que permite
analizar relaciones entre varias variables categóricas. Este proyecto
implicará la aplicación de esta técnica para identificar patrones y
asociaciones en los datos categóricos.
Fecha de inicio: 13/05/2024 09:13
Fecha de cierre: 16/05/2024 09:13
Enunciado: Subir aquí la tarea de correspondencia simple.
Descripción:
El análisis de correspondencia simple se utiliza para explorar las
relaciones entre dos variables categóricas. En este proyecto, se llevará
a cabo este análisis para identificar correspondencias y asociaciones
significativas.
Fecha de inicio: 16/05/2024 06:05
Fecha de cierre: 20/05/2024 06:05
Enunciado: Busque su tema.
Descripción:
El análisis de clúster es una técnica de agrupamiento que busca dividir
un conjunto de datos en grupos (clústeres) de objetos similares. Este
proyecto implicará la selección de un tema, la aplicación de métodos de
clúster como K-means o jerárquico, y la interpretación de los
resultados.
URL: Análisis de Clúster
Fecha de inicio: 10/06/2024 05:30
Fecha de cierre: 11/06/2024 21:30
Enunciado: Subir aquí la tarea de análisis discriminante.
Descripción:
El análisis discriminante es una técnica utilizada para clasificar un
conjunto de observaciones en categorías predefinidas. En este proyecto,
se aplicará el análisis discriminante para predecir la pertenencia a
grupos y evaluar la precisión del modelo.
Fecha de inicio: 11/06/2024 07:49
Fecha de cierre: 13/06/2024 08:49
Enunciado: Subir aquí la tarea de regresión logística simple.
Descripción:
La regresión logística simple se utiliza para modelar la relación entre
una variable dependiente binaria y una variable independiente. Este
proyecto involucrará la aplicación de regresión logística simple para
predecir probabilidades y evaluar el modelo.
Fecha de inicio: 17/06/2024 05:05
Fecha de cierre: 17/06/2024 10:57
Enunciado: Subir tarea.
Descripción:
La regresión logística múltiple es una extensión de la regresión
logística simple que incluye múltiples variables independientes. En este
proyecto, se aplicará la regresión logística múltiple para analizar la
influencia de varias variables predictoras sobre una variable de
resultado binaria.