Estadística avançada Codi:  M2.954    :  6
Consulta de les dades generals   Descripció   L'assignatura en el conjunt del pla d'estudis   Coneixements previs   Informació prèvia a la matrícula   Objectius i competències   Continguts   Consulta dels recursos d'aprenentatge de què disposa l'assignatura   Recursos d'aprenentatge i eines de suport   Informacions sobre l'avaluació a la UOC   Consulta del model d'avaluació  
ATENCIÓ: Aquest és el pla docent de l'assignatura per al primer semestre del curs 2020-2021. Us servirà per planificar la matrícula. Un cop comenci la docència, heu de consultar-lo a l'aula. (El pla docent pot estar subjecte a canvis.)

En aquesta assignatura es veurà l'anàlisi estadística aplicada a la ciència de les dades. Es veuran en profunditat els models de la ciència de dades i l'estadística, des de l'estadística descriptiva a l'estadística inferencial, així com tècniques de preprocessament de dades i models de regressió. Finalment, es veuran els conceptes relacionats amb el disseny experimental en ciència de dades i la comparació de diferents mètodes d'extracció d'informació mitjançant l'anàlisi de variància.

Amunt

Aquesta assignatura forma part del conjunt d'assignatures obligatòries del màster.

Amunt

En aquesta assignatura es suposen adquirits els continguts propis d'un curs d'estadística bàsica: Estadística descriptiva, introducció a l'anàlisi de dades i mostreig, probabilitat i variables aleatòries, inferència i modelització estadística, regressió lineal múltiple i anàlisi de la variància.

Amunt

Alguns dels continguts d'aquesta assignatura s'han d'estudiar a partir de materials i recursos escrits en anglès.

Amunt

  • Comprendre l'extensió dels conceptes bàsics d'estadística per a ciència de dades i del disseny d'una investigació mitjançant el mètode científic.
  • Distingir entre estadística descriptiva i inferencial.
  • Aplicar els mètodes d'estadística descriptiva per a definir el valor central i dispersió de les dades d'una mostra, així com aplicar adequadament els tipus de gràfics més habituals.
  • Conèixer la importància del preprocessament de dades en un procés d'anàlisi de dades i saber aplicar els mètodes adequats de preprocessament.
  • Conèixer i aplicar els mètodes adequats d'estadística inferencial per descriure les característiques d'una població o comparar diverses poblacions.
  • Identificar els diferents tipus de problemes que sorgeixen en l'àmbit de la ciència de dades i saber quins models i mètodes s'apliquen en cada cas.
  • Conèixer els principis bàsics de les tècniques de disseny en ciència de dades.
  • Saber quan utilitzar el mostreig i quan particionar un joc de dades en conjunt d'entrenament i de test.
  • Familiaritzar-se amb la importància de la reproductibilitat, l'avaluació i la validació d'un experiment o model.
  • Conèixer les diferents tècniques de regressió: lineal, no lineal i logística. Entendre les seves aplicacions en ciència de dades: predicció o classificació de classes.
  • Ser capaç de dur a terme les anàlisis de dades requerides, utilitzant programari estadístic apropiat com el llenguatge R.

Amunt

Tema 1. Introducció als models de Data Science i a l'estadística 
 
Tema 2. Preprocessament de dades 
 
Tema 3. Estadística descriptiva i introducció a l'estadística inferencial
 
Tema 4. Modelització predictiva
 
Tema 5 - Anàlisi de variància i disseny experimental en ciència de dades

Amunt

Teorema del límit central PDF
Models de regressió i anàlisi multivariant amb R-Commander PDF
Espai de recursos de ciència de dades Web
L'entorn estadístic R PDF
Distribucions de probabilitat i inferència estadística amb R-Commander PDF
L'anàlisi de la variància (ANOVA) PDF
Contrast de dues mostres PDF
Àlgebra lineal i càlcul amb R PDF
Contrast d'hipòtesis PDF
Matemàtiques i estadística amb R: capítol introductori del conjunt de mòduls del curs d'R PDF
Estadística descriptiva. Introducció a l'anàlisi de dades PDF
Ou aglutinador: Regressió logística Web
Regressió lineal múltiple PDF
Contrast de variàncies PDF
Variables aleatòries PDF
Probabilitat PDF
Anàlisi de dades i estadística descriptiva amb R i R-Commander PDF
Ou aglutinador: Estadística amb R Web
Ou aglutinador: Estadística bàsica Web
Intervals de confiança PDF
Regressió lineal simple PDF
Mostreig PDF
Ou aglutinador: Regressió linial Web
Estadística. Mòdul introductori PDF

Amunt

El conjunt de materials que disposa l'assignatura és el següent:

  • Documents de referència de cada bloc del curs. Aquests són quatre documents en format PDF que serveixen com a introducció a la temàtica de cada bloc del curs:
    • Introducció a l'estadística
    • Preprocés de les dades
    • Modelització predictiva: introducció als models lineals generalitzats
    • Disseny experimental en analítica de dades
  • Curs d'estadística bàsica: Aquests materials pertanyen a un curs d'estadística bàsica i el seu coneixement és essencial per poder desenvolupar les activitats del curs. Els materials disponibles per a cada bloc del curs són:
    • Estadística bàsica:
      • Mòdul 0. Estadística
      • Mòdul 1. Estadística descriptiva
      • Mòdul 2. Mostreig
      • Mòdul 3. Probabilitat
      • Mòdul 4. Variables aleatòries
      • Mòdul 5. Teorema del límit central
      • Mòdul 6. Intervals de confiança
      • Mòdul 7. Contrast d'hipòtesi
      • Mòdul 8. Contrast de dues mostres
      • Mòdul 9. Contrast de variàncies
    • Modelització predictiva:
      • Mòdul 10. Regressió lineal simple
      • Mòdul 11. Regressió lineal múltiple
    • Disseny experimental en analítica de dades:
      • Mòdul 12. Anàlisi de la variància (ANOVA)
    • Mòduls d'introducció al llenguatge i entorn R:
      • Mòdul 0. Matemàtiques i estadística amb R
      • Mòdul 1. L'entorn estadístic R. Estructura, llenguatge i sintaxi
      • Mòdul 2. Àlgebra lineal i càlcul amb R.
      • Mòdul 3. Anàlisi de dades i estadística descriptiva amb R i R-Commander
      • Mòdul 4. Distribucions de probabilitat i inferència estadística amb R-Commander
      • Mòdul 5. Models de regressió i anàlisi multivariante amb R-Commander
  • Enllaços a pàgines externes, amb informació complementària: Aquesta informació se subministrarà per a cada activitat específica.

Amunt

La Normativa acadèmica de la UOC disposa que el procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis fets.

La manca d'originalitat en l'autoria o el mal ús de les condicions en què es fa l'avaluació de l'assignatura és una infracció que pot tenir conseqüències acadèmiques greus.

L'estudiant serà qualificat amb un suspens (D/0) si es detecta manca d'originalitat en l'autoria d'alguna activitat avaluable (pràctica, prova d'avaluació contínua (PAC) o final (PAF), o la que es defineixi al pla docent), sigui perquè ha utilitzat material o dispositius no autoritzats, sigui perquè ha copiat textualment d'internet, o ha copiat d'apunts, de materials, de manuals o d'articles (sense la citació corresponent), d'altres estudiants, o per qualsevol altra conducta irregular.

La qualificació de suspens (D/0) en les qualificacions finals d'avaluació contínua pot comportar l'obligació de fer l'examen presencial per a superar l'assignatura (si hi ha examen i si superar-lo és suficient per a superar l'assignatura segons indiqui el pla docent).

Quan aquesta mala conducta es produeixi durant la realització de les proves d'avaluació finals presencials, l'estudiant pot ser expulsat de l'aula, i l'examinador farà constar tots els elements i la informació relatius al cas.

D'altra banda, aquesta conducta pot donar lloc a la incoació d'un procediment disciplinari i l'aplicació, si escau, de la sanció que correspongui.

La UOC habilitarà els mecanismes que consideri oportuns per a vetllar per la qualitat de les seves titulacions i garantir l'excel·lència i la qualitat del seu model educatiu.

Amunt

Aquesta assignatura només es pot superar a partir de l'avaluació contínua (AC). La nota final d'avaluació contínua esdevé la nota final de l'assignatura. La fórmula d'acreditació de l'assignatura és la següent: AC.

 

Amunt