Anàlisi estadística Codi:  M2.990    :  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 la UOC per a l'assignatura   Informació addicional sobre els 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 per al segon semestre del curs 2023-2024. Podeu consultar 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.

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

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

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 multivariant amb R-Commander
  • Enllaços a pàgines externes, amb informació complementària: Aquesta informació se subministrarà per a cada activitat específica.

Amunt

A la UOC, l'avaluació generalment és virtual. S'estructura entorn de l'avaluació contínua, que inclou diferents activitats o reptes; l'avaluació final, que es porta a terme mitjançant proves o exàmens, i el treball final de la titulació.

Les activitats o proves d'avaluació poden ser escrites i/o audiovisuals, amb preguntes aleatòries, proves orals síncrones o asíncrones, etc., d'acord amb el que decideixi cada equip docent. Els treballs finals representen el tancament d'un procés formatiu que implica la realització d'un treball original i tutoritzat que té com a objectiu demostrar l'adquisició competencial feta al llarg del programa.

Per verificar la identitat de l'estudiant i l'autoria de les proves d'avaluació, la UOC es reserva la potestat d'aplicar diferents sistemes de reconeixement de la identitat i de detecció del plagi. Amb aquest objectiu, la UOC pot dur a terme enregistrament audiovisual o fer servir mètodes o tècniques de supervisió durant l'execució de qualsevol activitat acadèmica.

Així mateix, la UOC pot exigir a l'estudiant l'ús de dispositius electrònics (micròfons, càmeres o altres eines) o programari específic durant l'avaluació. És responsabilitat de l'estudiant assegurar que aquests dispositius funcionen correctament.

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat de les activitats acadèmiques. Al web sobre integritat acadèmica i plagi de la UOC hi ha més informació respecte d'aquesta qüestió.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; la suplantació d'identitat; l'acceptació o l'obtenció de qualsevol activitat acadèmica a canvi d'una contraprestació o no; la col·laboració, l'encobriment o l'afavoriment de la còpia, o l'ús de material, programari o dispositius no autoritzats en el pla docent o l'enunciat de l'activitat acadèmica, inclosa la intel·ligència artificial i la traducció automàtica, entre altres, són conductes irregulars en l'avaluació que poden tenir conseqüències acadèmiques i disciplinàries greus.

Aquestes conductes irregulars poden 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, programari o dispositius no autoritzats durant les proves (com l'ús d'intel·ligència artificial no permesa, 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, per la compravenda d'activitats acadèmiques, o perquè s'ha dut a terme qualsevol altra conducta irregular.

Així mateix, i d'acord amb la normativa acadèmica, les conductes irregulars en l'avaluació també poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui, de conformitat amb el que estableix la normativa de convivència de la UOC.

En el marc del procés d'avaluació, la UOC es reserva la potestat de:

  • Sol·licitar a l'estudiant que acrediti la seva identitat segons el que estableix la normativa acadèmica.
  • Sol·licitar a l'estudiant que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació, tant en l'avaluació contínua com en l'avaluació final, per mitjà d'una entrevista oral síncrona, que pot ser objecte d'enregistrament audiovisual, o pels mitjans que estableixi la Universitat. Aquests mitjans tenen l'objectiu de verificar els coneixements i les competències que garanteixin la identitat de l'estudiant. Si no és possible garantir que l'estudiant és l'autor de la prova, aquesta pot ser qualificada amb una D, en el cas de l'avaluació contínua, o amb un suspens, en el cas de l'avaluació final.

Intel·ligència artificial en el marc de l'avaluació

La UOC reconeix el valor i el potencial de la intel·ligència artificial (IA) en l'àmbit educatiu, alhora que posa de manifest els riscos que comporta si no s'utilitza de manera ètica, crítica i responsable. En aquest sentit, en cada activitat d'avaluació s'informarà l'estudiantat sobre les eines i els recursos d'IA que es poden utilitzar i en quines condicions. Per la seva banda, l'estudiantat es compromet a seguir les indicacions de la UOC a l'hora de dur a terme les activitats d'avaluació i de citar les eines utilitzades i, concretament, a identificar els textos o les imatges generats per sistemes d'IA, els quals no podrà presentar com si fossin propis.

Amb relació a fer servir o no la IA per resoldre una activitat, l'enunciat de les activitats d'avaluació indica les limitacions en l'ús d'aquestes eines. Cal tenir en compte que fer-les servir de manera inadequada, com ara en activitats en què no estan permeses o no citar-les en les activitats en què sí que ho estan, es pot considerar una conducta irregular en l'avaluació. En cas de dubte, es recomana que, abans de lliurar l'activitat, es faci arribar una consulta al professorat col·laborador de l'aula.

Amunt

L'assignatura només es pot aprovar amb el seguiment i la superació de l'avaluació contínua (AC). La qualificació final de l'assignatura és la nota obtinguda a l'AC.

 

Amunt