|
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
|
Aquest és el pla docent de l'assignatura. Us servirà per planificar la matrícula (consulteu si l'assignatura s'ofereix aquest semestre a l'espai del Campus Més UOC / La Universitat / Plans d'estudis). Un cop comenci la docència, heu de consultar-lo a l'aula. (El pla docent pot estar subjecte a canvis.) |
Aquesta assignatura es focalitza en l'anàlisi estadística aplicada a la ciència de les dades. S'estudiaran 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.
|
Aquesta assignatura forma part del conjunt d'assignatures obligatòries del màster.
|
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.
|
Alguns dels continguts d'aquesta assignatura s'han d'estudiar a partir de materials i recursos escrits en anglès.
|
- 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.
|
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
|
|
|
|
Mostreig |
PDF |
Variables aleatòries |
PDF |
Regressió lineal múltiple |
PDF |
Ou aglutinador: Estadística bàsica |
Web |
Contrast de variàncies |
PDF |
Ou aglutinador: Regressió linial |
Web |
Ou aglutinador: Regressió logística |
Web |
Àlgebra lineal i càlcul amb R |
PDF |
Distribucions de probabilitat i inferència estadística amb R-Commander |
PDF |
Ou aglutinador: Estadística amb R |
Web |
Models de regressió i anàlisi multivariant amb R-Commander |
PDF |
Estadística. Mòdul introductori |
PDF |
Matemàtiques i estadística amb R: capítol introductori del conjunt de mòduls del curs d'R |
PDF |
Espai de recursos de ciència de dades |
Web |
Probabilitat i variables aleatòries |
PDF |
L'entorn estadístic R. Estructura, llenguatge i sintaxi |
PDF |
Anàlisi de dades i estadística descriptiva amb R |
PDF |
Contrast de dues mostres |
XML |
Contrast d'hipòtesis |
XML |
Estadística descriptiva. Introducció a l'anàlisi de dades |
XML |
Teorema del límit central |
XML |
Regressió lineal simple |
XML |
Intervals de confiança |
XML |
|
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.
|
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 realitzats. La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material o dispositius no autoritzats durant l'avaluació, entre d'altres, són conductes irregulars que poden tenir conseqüències acadèmiques i disciplinàries greus. D'una banda, si es detecta alguna d'aquestes conductes irregulars, pot comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent incloses les proves finals o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha practicat qualsevol altra conducta irregular. De l'altra, i d'acord amb les normatives acadèmiques, les conductes irregulars en l'avaluació, a més de comportar el suspens de l'assignatura, poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui.
|
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.
|
|