Análisis Multivariante para la construcción de índices

Análisis Multivariante para la construcción de índices

Capacitador

Andrés Alejandro Galvis Correa, MSc

Ingeniero Financiero – Universidad de Medellín, M.Sc. Estadística Aplicada – Escuela Politécnica Nacional (Cum Laude) y PhD(c) Modelación Matemática y Computación Científica – Universidad de Medellín. Es miembro del directorio y coordinador académico de la Sociedad Ecuatoriana de Estadística (SEE) desde al año 2013.

Cuenta con más de 15 años de experiencia en docencia universitaria en pregrado y posgrado, es docente e investigador a tiempo completo en la Universidad de las Fuerzas Armadas – ESPE y a medio tiempo en la Universidad de las Américas – UDLA; también se desempeña como Gerente Financiero de la compañía Emind Cia Ltda.

Tanto a nivel de pregrado y posgrado a dictado las siguientes materias: Teoría de la Probabilidad, Teoría de la Estimación, Procesos Estocásticos, Análisis y Diseño de Experimentos, Econometría Financiera, Finanzas Corporativas, Valoración de Empresas, Mercado Bursátil, y Mercado de Futuros y Opciones.

Ha desarrollado programas y mallas académicas para pregrado y posgrado, además de elaborar instrumentos de evaluación del aprendizaje y evaluación integral docente. Ha dirigido tesis de pregrado y posgrado tanto para universidades en Ecuador como en Colombia, lo cual le ha permitido realizar publicaciones indexadas a Scopus y Latindex en los campos de Medicina, Odontología, Economía, Ingeniería y Finanzas.

En la parte privada, es consultor en el campo de investigación por muestreo, diseño y análisis de experimentos, medición del riesgo financiero, valoración de empresas, y validación de instrumentos de medición y metodologías para el levantamiento de datos.

Categorías: ,

Este primer módulo de Análisis Multivariante proporciona las herramientas algebraicas, estadísticas y computacionales para describir el comportamiento de una población objeto de estudio a través de p-variables independientes, de tal manera que un análisis conjunto de ellas, permita la obtención de nuevas variables o la determinación de nuevos grupos que resuma el conjunto de datos con la mínima pérdida de información en el proceso.

El estudiante podrá interpretar una realidad latente objeto de estudio mediante un conjunto de características cualitativas y cuantitativas medidas sobre un conjunto de objetos; podrá determinar la técnica más adecuada para la reducción de dimensionalidad y construcción de grupos con la mínima pérdida de información; y representar gráficamente e interpretar los resultados de la aplicación de las técnicas multivariantes enfocadas a la construcción de índices.

Contenido

  • Preliminares y Análisis Previo de los Datos
    • Introducción al análisis de datos multivariantes
    • Caracterización de objetos, medidas y escalas
    • Elementos de álgebra matricial
    • Variables aleatorias multidimensionales
    • Descripción de vectores aleatorios, valores perdidos, outliers y supuestos
  • Análisis de Componentes Principales
    • Introducción
    • Determinación y generación de componentes
    • Sección óptima de componentes
    • Interpretación de resultados
  • Escalado Multidimensional
    •  Introducción
    • Tipos de escalamiento
    • Concepto de proximidad o similaridad
    • Relación entre escalamiento y componentes principales
  • Análisis Factorial
    • Especificación
    • Estimación
    • Validación
    • Predicción
  • Análisis de Conglomerados
    • Introducción
    • Medidas de similaridad
    • Métodos de agrupamiento
    • Determinación de los conglomerados
  • Análisis de Correspondencia
    • Introducción
    • Tabla de contingencia y distancia ji-cuadrado
    • Asignación de puntuaciones.
    • Interpretación

Productos relacionados