| Estadística avanzada | Código: M2.854 : 6 |
En esta asignatura se suponen adquiridos los contenidos propios de un curso de estadística básica: Estadística descriptiva, introducción al análisis de datos y muestreo, probabilidad y variables aleatorias, inferencia y modelización estadística, regresión lineal múltiple y análisis de la varianza.
- Comprender la extensión de los conceptos básicos de estadística para ciencia de datos y del diseño de una investigación mediante el método científico.
- Identificar los distintos tipos de problemas que surgen en el ámbito de la ciencia de datos y saber qué modelos y métodos se aplican en cada caso.
- Conocer los principios básicos de las técnicas de diseño en ciencia de datos.
- Saber cuándo utilizar el muestreo y cuándo particionar un juego de datos en conjunto de entrenamiento y de test.
- Familiarizarse con la importancia de la reproducibilidad, la evaluación y la validación de un experimento o modelo.
- Conocer las distintas técnicas de Regresión: lineal, no lineal y logística. Entender sus aplicaciones en ciencia de datos: predicción o clasificación de clases.
- Saber cuándo utilizar técnicas de extracción de características para reducir la dimensionalidad de un conjunto de datos y mejorar la eficacia de los algoritmos de minería de datos.
- Comprender la importancia de la resolución sistemática de ejercicios con feedback automático para la resolución de problemas complejos en los que debe plantearse una estrategia, deben conocerse las técnicas estadísticas más adecuadas y se deben aplicar de forma correcta.
- Ser capaz de llevar a cabo los análisis de datos requeridos, usando software estadístico apropiado como el lenguaje R.
| El entorno estadístico R | |
| Contraste de dos muestras | |
| Distribuciones de probabilidad e inferencia estadística con R-Commander | |
| Estadística descriptiva. Introducción al análisis de datos | |
| Contraste de varianzas | |
| Ou aglutinador: Regresión lineal | Web |
| Intervalos de confianza | |
| Teorema del límite central | |
| Contraste de hipotesis | |
| Análisis de datos y estadística descriptiva con R y R-Commander | |
| Probabilidad | |
| Ou aglutinador: Estadística básica | Web |
| Matemáticas y estadística con R: capítulo introductorio del conjunto de módulos del curso de R | |
| Variables aleatorias | |
| Estadística. Módulo introductorio | |
| Regresión lineal múltiple | |
| Modelos de regresión y análisis multivariante con R-Commander | |
| Álgebra lineal y cálculo con R | |
| Ou aglutinador: Estadística con R | Web |
| Muestreo | |
| Regresión lineal simple | |
| Ou aglutinador: Regresión logística | Web |
| El análisis de la varianza (ANOVA) |
El conjunto de materiales de que dispone la asignatura es el siguiente:
- Documentos de referencia de cada bloque del curso. Estos son cuatro documentos en formato PDF que sirven como introducción a la temática de cada bloque del curso:
- Introducción a la estadística
- Preproceso de los datos
- Modelización predictiva: introducción a los modelos lineales generalizados
- Diseño experimental en analítica de datos
- Curso de estadística básica: Estos materiales pertenecen a un curso de estadística básica y su conocimiento es esencial para poder desarrollar las actividades del curso. Los materiales disponibles para cada bloque del curso son:
- Estadística básica:
- Módulo 0. Estadística
- Módulo 1. Estadística descriptiva
- Módulo 2. Muestreo
- Módulo 3. Probabilidad
- Módulo 4. Variables aleatorias
- Módulo 5. Teorema del límite central
- Módulo 6. Intervalos de confianza
- Módulo 7. Contraste de hipótesis
- Módulo 8. Contraste de dos muestras
- Módulo 9. Contraste de varianzas
- Modelización predictiva:
- Módulo 10. Regresión lineal simple
- Módulo 11. Regresión lineal múltiple
- Diseño experimental en analítica de datos:
- Módulo 12. Análisis de la varianza (ANOVA)
- Estadística básica:
- Módulos de introducción al lenguaje y entorno R:
- Módulo 0. Matemáticas y estadística con R
- Módulo 1. El entorno estadístico R. Estructura, lenguaje y sintaxis
- Módulo 2. Álgebra lineal y cálculo con R.
- Módulo 3. Análisis de datos y estadística descriptiva con R y R-Commander
- Módulo 4. Distribuciones de probabilidad e inferencia estadística con R-Commander
- Módulo 5. Modelos de regresión y análisis multivariante con R-Commander
- Enlaces a páginas externas, con información complementaria: Esta información se suministrará para cada actividad específica.
La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.
La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves.
El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular.
La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente).
Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso.
Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda.
|
Esta asignatura sólo puede superarse a partir de la evaluación continua (EC). La nota final de evaluación continua se convierte en la nota final de la asignatura. La fórmula de acreditación de la asignatura es la siguiente: EC. |