Estadística avanzada Código:  M2.854    :  6
Consulta de los datos generales   Descripción   La asignatura en el conjunto del plan de estudios   Conocimientos previos   Información previa a la matrícula   Objetivos y competencias   Contenidos   Consulta de los recursos de aprendizaje de los que dispone la asignatura   Recursos de aprendizaje y herramientas de apoyo   Consulta del modelo de evaluación  
ATENCIÓN: Esta información recoge los apartados del plan docente de la asignatura durante el último semestre con docencia. Al iniciar el periodo de matrícula, podrás consultar el calendario y modelo de evaluación para el siguiente semestre en Trámites / Matrícula / Horarios de las pruebas de evaluación final.
En esta asignatura se verá el análisis estadístico aplicado en la ciencia de los datos. Se verán en profundidad los modelos de la ciencia de datos y la estadística, así como técnicas de extracción de preprocesado de datos y modelos de regresión. Finalmente, se verán los conceptos relacionados con el diseño experimental y la comparación de distintos métodos.

Amunt

Esta asignatura forma parte del conjunto de asignaturas obligatorias del máster.

Amunt

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.

Amunt

Algunos de los contenidos de esta asignatura deben estudiarse a partir de materiales y recursos escritos en inglés.

Amunt

  • 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.

Amunt

Tema 1. Introducción a los modelos de Ciencia de Datos y a la Estadística 
 
Tema 2. Preprocesado de los datos
 
Tema 3. Modelización predictiva
 
Tema 4. Diseño Experimental y Comparación de métodos

Amunt

El entorno estadístico R PDF
Contraste de dos muestras PDF
Distribuciones de probabilidad e inferencia estadística con R-Commander PDF
Estadística descriptiva. Introducción al análisis de datos PDF
Contraste de varianzas PDF
Ou aglutinador: Regresión lineal Web
Intervalos de confianza PDF
Teorema del límite central PDF
Contraste de hipotesis PDF
Análisis de datos y estadística descriptiva con R y R-Commander PDF
Probabilidad PDF
Repositorio de recursos sobre ciencia de datos Web
Ou aglutinador: Estadística básica Web
Matemáticas y estadística con R: capítulo introductorio del conjunto de módulos del curso de R PDF
Variables aleatorias PDF
Estadística. Módulo introductorio PDF
Regresión lineal múltiple PDF
Modelos de regresión y análisis multivariante con R-Commander PDF
Álgebra lineal y cálculo con R PDF
Ou aglutinador: Estadística con R Web
Muestreo PDF
Regresión lineal simple PDF
Ou aglutinador: Regresión logística Web
El análisis de la varianza (ANOVA) PDF

Amunt

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:
    1. Introducción a la estadística
    2. Preproceso de los datos
    3. Modelización predictiva: introducción a los modelos lineales generalizados
    4. 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:
    1. Estadística básica:
      1. Módulo 0. Estadística
      2. Módulo 1. Estadística descriptiva
      3. Módulo 2. Muestreo
      4. Módulo 3. Probabilidad
      5. Módulo 4. Variables aleatorias
      6. Módulo 5. Teorema del límite central
      7. Módulo 6. Intervalos de confianza
      8. Módulo 7. Contraste de hipótesis
      9. Módulo 8. Contraste de dos muestras
      10. Módulo 9. Contraste de varianzas
    2. Modelización predictiva:
      1. Módulo 10. Regresión lineal simple
      2. Módulo 11. Regresión lineal múltiple
    3. Diseño experimental en analítica de datos:
      1. Módulo 12. Análisis de la varianza (ANOVA)
  • 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.

Amunt

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.

 

Amunt