Tema Subtema
PART I: INTRODUCCIÓ. ANÀLISI UNIVARIANT I BIVARIANT DE LA INFORMACIÓ TEMA 1. INTRODUCCIÓ
1. Anàlisi multivariant en investigació social.
2. Tipus de tècniques multivariant. Algunes classificacions.
3. Consulta de fonts estadístiques laborals
4. La matriu de dades.
5. Anàlisi exploradora de les dades. Depuració de les dades.
6. Introducció al tractament informàtic de les dades: Enfocament univariant de la informació.

TEMA 2. ANÀLISI BIVARIANT
1. Introducció a l'anàlisi bivariant
2. Taula de contingència (CROSSTAB).
3. Concepte d'associació i independència entre variables.
4. Mesura del grau d'associació en l'anàlisi bivariant.
5. Matriu de covariànces, matriu de correlacions.
PART II: ANÀLISI MULTIVARIANT TEMA 3. ANÀLISI DE LA VARIÀNCIA
1. Introducció. Disseny d'experiments estadístics.
2. Model factorial simple.
3. Model factorial amb dos factors. Interacció.
4. Aplicacions. Tractament informàtic del tema.

TEMA 4. ANÀLISI DE COMPONENTS PRINCIPALS
1. Introducció. Plantejament i objectius del model.
2. Supòsits d'inici.
3. Procediment d'extracció de les components principals.
4. Elecció del número de components a retenir. Criteris.
5. Interpretació de les components.
6. Anàlisi de components principals amb suport informàtic. Casos pràctics.

TEMA 5. ANÀLISI FACTORIAL
1. Introducció. Diferències amb l'anàlisi de components principals.
2. Model bàsic d'anàlisi factorial: Formulació i hipòtesis prèvies.
3. Mètodes d'extracció de factors.
4. Determinació del número de factors.
5. Rotació de factors: objectiu. Rotació ortogonal i obllicua.
6. Puntuació dels factors.
7. Anàlisi factorial amb suport informàtic. Casos pràctics.

TEMA 6. ANÀLISI DE CONGLOMERATS
1. Introducció. Plantejament i objectius del model.
2. Mesures de distància i proximitat
3. Elecció del mètode per a la formació dels conglomerats.
4. Anàlisi cluster jeràrquic
5. Anàlisi cluster no jeràrquic
6. Anàlisi de conglomerats amb suport informàtic. Casos pràctics.

TEMA 7. ANÀLISI DE PROXIMITATS (MDS)
1. Introducció. Plantejament i objectius del model.
2. L'escalament multidimensional clàssic
3. Anàlisi de proximitats i anàlisi de preferències
4. Mapes de posicionament
5. Mesura de la bondat de la representació
6. Eixos o dimensions rellevants
7. Anàlisi de proximitats amb suport informàtic. Casos pràctics.