Programa

UNIDAD 1

Relación entre Minería de Datos y Descubrimiento de Conocimiento en Base de Datos. Objetivos del proceso de Minería de Datos.  Metodología de Minería de Datos Técnicas de Minería de Datos. Minería de Datos Predictiva. Minería de Datos Causal. Minería de Datos con Modelos de Ecuaciones Estructurales

UNIDAD 2

Minería de Datos para descubrir Modelos Causales. Modelos de ecuaciones estructurales. Origen, Conjunción de aproximaciones metodológicas. Análisis de variables latentes o no observables, Modelos de ecuaciones simultáneas. Análisis de caminos (path analysis). Intuición, Serie de ecuaciones de regresión múltiple interdependientes. Variables latentes o constructos, Variables Manifiestas. Errores de medida. Aspecto Básico, Relación causal y justificación basada en la teoría, en la experiencia o en la práctica basada por la observación del mundo real. Relación causal. Tipos de relación causal. Causalidad simple. Causalidad circular. Causalidad compleja.

UNIDAD 3

Fases para el desarrollo de un modelo de ecuaciones estructurales. Desarrollo de un modelo basado en la teoría. Construcción de un path diagram. Estimación del modelo. Conversión del path diagram a ecuaciones estructurales. Identificación del modelo. Evaluar la identificación del modelo. Elección del tipo de matriz a analizar. Correlaciones. Covarianzas. Estimación del modelo. Estimación de los parámetros del modelo (elección del método de estimación). Evaluar la bondad de ajuste del modelo. Modificación del modelo. Reformulamos el modelo. Evaluación e interpretación del modelo. Interpretación del modelo final.

UNIDAD 4

Especificación del modelo. Desarrollo de un modelo basado en la teoría. Construcción de un diagrama de paso o de camino (path diagram). Conversión del path diagram a ecuaciones estructurales.Grupos de modelos causales: Recursivos. Saturados y No Saturados. No recursivos. Variables latentes exógenas o endógenas. De primer grado y de segundo grado. Errores de medida.