Este curso brinda herramientas de análisis estadístico para relacionar y aplicar en casos específicos del medio ambiente. El alumno podrá construir modelos estadísticos que le permitan comprender los conceptos matemáticos y estadísticos adquiridos en cursos previos.   

Para ilustrar cómo la teoría de la probabilidad y la estadística multivariante se aplican al campo del medio ambiente es necesario la construcción de modelos que le permitan aplicar los conocimientos y el manejo de un lenguaje propio de la estadística para el entendimiento de fenómenos ambientales obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.

Al finalizar el curso el alumno será capaz de i) Asistir al analista (investigador) en el manejo de bases de datos para la toma de decisiones. Aplicar las técnicas estadísticas vistas en el curso según requerimientos de análisis. Utilizar los conceptos fundamentales del análisis multivariado.  ii) Obtener conclusiones mediante pruebas de hipótesis. iv) Diferenciar entre varios grupos con varias medidas. v) Calcular el grado de asociación entre un conjunto de variables, formular modelos de regresión lineal múltiple y logística binaria.

Analizar y aplicar los conceptos matemáticos en la aplicación de diversas técnicas de estadí­stica multivariante con un enfoque teórico-práctico.

1. Conceptos básicos
2. El modelo de Regresión Lineal
3. Regresión Logí­stica Binaria
4. Análisis Factorial
5. Anova de un solo factor

1. Conceptos básicos en el análisis multivariante (10 hrs.)

Objetivo: Reconocer el carácter multidimensional de la información estadí­stica y las variables observables en una investigación

• Los datos y las escalas
• Tipos de variables
• Transformación de los datos
• Covarianza y correlaciones
• Clasificación de las técnicas multivariantes
• Métodos de dependencia y de interdependencia

2. El modelo Lineal múltiple (20 hrs.)

Objetivo. Distinguir variables y construir modelos acorde a elementos teóricos y/o la evidencia empí­rica.

• Modelo de regresión Múltiple
• Estimación de parámetros de regresión
• Pruebas de Hipótesis
• Inferencia en regresión

3. Análisis discriminante logí­stico (20 hrs.)

Objetivo: estimar la probabilidad de un suceso que depende de los valores de ciertas covariables.

• Modelo de regresión logí­stica
• Estimación del Odd Ratio
• Distribución Chi-cuadrada, residuos tipificados
• Estimación de parámetros
• Test de Wald
• El ajuste del modelo

4. Análisis Factorial  (20 hrs.)

Objetivo: Proponer soluciones a problemas previamente identificados, al explicar un conjunto extenso de variables observables mediante una reducción de variables hipotéticas llamadas factores.

• Tipos de análisis factorial
• Análisis de componentes principales
• Elección del número de componentes
• Validación de los resultados
• El ajuste del modelo
• Puntuaciones factoriales

5. Anova de un factor (10 hrs.)

Objetivo: Analizar los resultados del Análisis de Componentes principales a partir del contraste de los factores individuales para identificar sus diferencias.

• El modelo ANOVA de un factor
• El estadí­stico de Levene
• Contraste de Factores

La mecánica del curso se basa en sesiones teóricas por parte del profesor, así­ como de actividades prácticas con el manejo de bases de datos para ser analizadas en Excel o algún software estadí­stico. Como actividad integradora se realizará un trabajo, donde el estudiante ponga en práctica lo aprendido durante el transcurso del curso.

La asignatura se llevará a cabo mediante sesiones teórico-prácticas, en las cuales se presentan los conceptos y resultados más importantes asociados a cada una de los temas contemplados como obligatorios. Cada una de las sesiones se apoya de recursos didácticos como artí­culos cientí­ficos, libros, y el uso de software estadí­stico: STATA, Excel, entre otros. Algunas de las actividades consisten en la elaboración de un ejercicio con datos de actualidad en el ámbito del medio ambiente, ejercicios de simulación, discusión y debates relacionados con los temas del curso. 

Se sugiere realizar por lo menos dos exámenes parciales que correspondan al 50% de la calificación, y el 50% restante correspondiente a tareas y al proyecto final de clase, la calidad en la presentación de trabajos y participación.

El perfil de profesor es preferentemente con estudios de posgrado en área afí­n  a las Ciencias Económico Administrativas, que maneje por lo menos un paquete econométrico, contar por lo menos tres años de experiencia laboral dentro o fuera de la Universidad, que haya publicado artí­culos  bajo la perspectiva de Econometrí­a y con capacidad de análisis y sí­ntesis.

Zapopan, Jalisco a 8 de marzo de 2019.

Academia de Economí­a Matemática y Econometrí­a

Colegio Departamental de Métodos Cuantitativos