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 la UOC para la asignatura   Información adicional sobre los recursos de aprendizaje y herramientas de apoyo   Informaciones sobre la evaluación en la UOC   Consulta del modelo de evaluación  
Este es el plan docente de la asignatura para el segundo semestre del curso 2022-2023. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios.

Esta asignatura se focaliza en el análisis estadístico aplicado a la ciencia de los datos. Se estudiarán en profundidad los modelos de la ciencia de datos y la estadística, así como las principales 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

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

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

El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.

Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente - incluidas las pruebas finales - o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.

Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.

La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente.

La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación.

Amunt

Esta asignatura solo 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