Estructura de los datos multivariados y objetivos de su análisis. Conceptos geométricos en el espacio multidimensional: distancia entre puntos, variación total, dimensionalidad del espacio, subespacios óptimos. Tipo de datos. Transformaciones y estandarizaciones. Matrices de varianzas- covarianzas y de correlaciones.
Análisis de Componentes Principales (PCA). Combinación lineal de variables. Criterio de optimalidad. Procedimiento. Ejemplos. Interpretación de resultados.
Análisis de conglomerados (Cluster Analysis). Obtención de grupos mediante métodos aglomerativos jerárquicos. Medidas de asociación y distancia Criterios de fusión. Evaluación de los grupos.
Escalamiento multidimensional y Análisis de Correspondencia. Enfoque. Procedimiento. Interpretación de resultados. Ejemplos. Efecto de arco. Análisis de Correspondencia Canónica. Interpretación de resultados. Ejemplos.
Análisis que parten de grupos a priori: Análisis Discriminante y Procedimiento de permutación multirespuesta (MRPP).
