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   Informaciones sobre la evaluación en la UOC   Consulta del modelo de evaluación  
ATENCIÓN: Este es el plan docente de la asignatura para el primer semestre del curso 2020-2021. Os servirá para planificar la matrícula. Una vez empiece la docencia, tenéis que consultarlo en el aula. (El plan docente puede estar sujeto a cambios).
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

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

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

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.

La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo.

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