DOCTORAT EN ESTADÍSTICA I INVESTIGACIÓ OPERATIVA (Pla 2007). Unitat optativa) ESTUDI DE MÀSTER EN ESTADÍSTICA I INVESTIGACIÓ OPERATIVA (Pla 2006). GRAU EN CIÈNCIES ESTADÍSTIQUES I ENGINYERIA (Pla 1999). Unitat optativa) ESTUDI DE MÀSTER EN ESTADÍSTICA I INVESTIGACIÓ OPERATIVA (Pla 2006).
Anàlisi Exploratòria de Dades Longitudinals: Univariant i Multivariant
Estimació i Inferència en el Model Marginal. Inferència per a Efectes Aleatoris
Model Lineal Generalitzat (GLM). Equacions Generalitzades d?Estimació (GEE)
Model Lineal Mixt Generalitzat (GLMM)
Model No Lineal Mixt
Introduccio a l'anàlisi amb Valors No Observats (Missing Data Analysis)
El curs d'Anàlisi de Supervivència cobreix una sèrie de procediments i tècniques per analitzar dades censurades i/o truncades i quan la hipòtesi de normalitat no és adequada. L'objectiu del curs és proporcionar eines per a l'anàlisi de dades que impliquen temps a diversos esdeveniments, desenvolupar un marc teòric per a l'anàlisi de supervivència i aplicar els coneixements adquirits mitjançant el paquet estadístic (R) a la pràctica.
Conceptes bàsics i models paramètrics
Tipus de censura i truncament
Inferència no paramètrica per a una mostra
Comparació de dues o més poblacions
Regressió paramètrica: El model de vida accelerada
Regressió semiparamètrica: El Model de Cox
Els processos es dissenyaran de manera que es garanteixin, dins del temps disponible per al desenvolupament de l'assignatura, uns criteris bàsics per a la verificació i validació dels models i dels resultats de la simulació. Finalment, i a partir del recorregut conceptual aplicat a diferents entorns socials, tecnològics o econòmics, es farà una àmplia perspectiva de les possibles aplicacions professionals de la simulació i la planificació i gestió de projectes de simulació.
Introducció
Descripció d'exemples
Paradigmes
Disseny dels experiments
Introducció als nous paradigmes de simulació i la seva aplicació en el context de la simulació de processos i serveis: simulació amb agents intel·ligents, autòmats mòbils.
Verificació, validació i acreditació
Sistemes de simulació
Nous paradigmes
Nous components
Casos pràctics
Capacitat per analitzar, sintetitzar i raonar críticament les conclusions d'un estudi estadístic i d'investigació operativa i, si es considera oportú, proposar alternatives. Capacitat per expressar i resoldre quantitativament les necessitats d'anàlisi d'informació i els problemes de presa de decisions de diverses organitzacions, identificant fonts d'incertesa i variabilitat i quantificant l'evidència aportada per les dades.
Bases dels assajos clínics
Determinació de la grandària mostral
El curs pretén abordar la metodologia dels assaigs clínics des de les seves fases inicials fins a aspectes avançats com les assignacions dinàmiques i els dissenys seqüencials, que permeten optimitzar el disseny i el nombre de casos utilitzats. Aquells alumnes que superin el 6,5 durant el curs podran optar per no rebre la nota final acumulada.
Estudis d'equivalència. del canvi i cross-over
Randomització
Assajos aleatoritzats en grup
Multiplicitat. Dissenys seqüencials
Meta-anàlisis
Distingeix entre magatzem de dades corporatiu (magatzem de dades), magatzem de dades departamental (data mart) i emmagatzematge de dades operatives (magatzem de dades operacional). Reconèixer els diferents tipus de dades contingudes en un magatzem de dades i enumerar-ne les característiques.
Introducció a les bases de dades relacionals
SQL i álgebra relacional
Transaccions Vistes i Indexos
Drivers, Java i la JDBC
Disseny conceptual i lògic
Hi ha un examen parcial d'assignatura no eliminatori, un examen final i alguns treballs (aproximadament 3 durant el curs).
Magatzems de dades
Anàlisi multidimensional i transformació de dades
Aconseguiu que els estudiants estiguin còmodes i confiats en el disseny i la implementació de programes orientats a objectes. Has de ser competent per dissenyar programes eficients i correctes basats en classes d'objectes per resoldre problemes del teu interès.
Repàs de conceptes bàsics
Classes i objectes senzills
Tipus primitius versus classes i objectes
Disseny de classes amb taules
Herència i enllaç dinàmic
Introdució a una biblioteca d'estructures de dades
Programació amb threads
Hi ha un examen parcial no eliminatori i un examen final a més de la pràctica. Aprendre a interactuar amb els clients en un nou entorn alhora que s'identifica el problema des del vessant científic, econòmic i comercial.
HABILITATS INFORMACIONALS
Capaç de comunicar verbalment els resultats d'un estudi estadístic d'una manera rigorosa però comprensible per als no estadístics.
ESCRIPTURA D'INFORMES
HABILITATS PERSONALS I CONSULTORIA ESTADÍSTICA
PRESENTACiÓ DE RESULTATS
Comprendre els conflictes entre els interessos legítims de les persones dins de l'organització i entre les organitzacions. Recerca d'informació rellevant per al tema i tractament de les dades obtingudes per fer una exposició a classe, si és necessari.
Problemes i objectius econòmics
Els agents econòmics: famílies, empreses i sector públic
Fonaments d'economia de l'empresa
Subsistemes de l'empresa
L'administració de l'empresa
La presa de decisions a l'empresa
Al final del curs, l'objectiu és que l'estudiant sigui capaç d'aplicar en epidemiologia eines apreses prèviament per proposar dissenys i anàlisis que aportin la millor informació i que siguin més fàcils d'adoptar per l'estudiant. Saber utilitzar les eines apreses prèviament en epidemiologia per proposar dissenys i anàlisis que aportin la millor informació i que siguin més fàcilment adoptades pels investigadors que els hauran d'interpretar.
Introducció a l'epidemiologia
Mesures epidemiològiques, les seves variàncies i intervals de confiança
Aspectes d'estudis epidemiològics
Anàlisi d'estudis epidemiològics
La nota final consistirà en la mitjana ponderada de les notes obtingudes en a) l'examen final (50%). L'objectiu fonamental és situar la utilitat de les tècniques estadístiques que l'estudiant ja coneix en el context empresarial i destacar els avantatges que pot aportar el seu ús.
Estadística pro activa
Identificar quina tècnica estadística és la més adequada en diferents contextos i situacions empresarials - Avaluar els beneficis que pot aportar el seu ús a l'organització. Convèncer els directius (vendes) dels avantatges i beneficis d'utilitzar la tècnica estadística en qüestió. Altres: GRIMA CINTAS, PEDRO.
L¿estadística en altres àrees: gestió de clients, serveis financers, gestió de processos
La venta de l¿estadística: interna i externa
CAT) ¿ La venta de la estadística: interna y externa
Capacitat per aplicar tècniques estadístiques, optimització i investigació operativa en entorns tecnològics i industrials per millorar la qualitat i la productivitat. L'estudiant serà capaç de manejar un projecte d'estadística industrial des de la seva concepció fins a la seva realització.
L'Estadística a la industria
L'estudiant serà capaç d'abordar projectes d'estadística industrial complexos, sovint mal definits o mal estructurats, que requereixen equips interdisciplinaris per al seu desenvolupament.
La literatura científica en Estadística Industrial
Analísi de dades vs. Disseny d'experiments
El problema de la mesura: calibratge i regressió inversa
Estudi de la Variabilitat
Estudis R&R de Reproducibilitat i Repetibilitat
Fiabilitat Industrial
Que l'estudiant conegui quins són els principals problemes de flux a les xarxes (camís mínims, cabal màxim, costos mínims, etc.) i la seva rellevància en l'àmbit dels models de decisió. Que l'estudiant sàpiga dissenyar i resoldre problemes de presa de decisions per ordinador, com ara problemes de flux en xarxes de diversos tipus.
Problemes de Camins Mínims
Problemes de Flux Màxim
Problemes de Flux de Cost Mínim
Arbres de Recobriment Mínims
Problemes Multiarticle
Problemes de Fluxos No Lineals
El 60% de la nota final procedirà de l'avaluació dels exercicis teòrics i computacionals i el 40% de l'avaluació de les exposicions orals i informes sobre els temes elaborats pels estudiants.
Problemes de Fluxos Generalitzats
Utilitzarà eines d'inferència (valor CI i P) per abordar els objectius d'aprenentatge de la ciència i tècniques de presa de decisions (per exemple, alfa i beta) per ajudar en la gestió. Reconeixeràs la necessitat de diferents metodologies per a la seva avaluació i l'existència de pautes específiques de publicació dels estudis de.
La estadística com a motor del progrès de la Medicina
Predicció (pronòstic) en front de intervenció
Diagnóstic i concordància
Inferència en front de decissió
Fiabilitat i validessa de la mesura
Inferència causal, disseny de experiments i estudis observacionals
- Model Bayesià
- Inferència Bayesiana
- Computació Bayesiana
- Models
- Elecció i Validació de models
- Estudi de casos pràctics
Distingeix els conceptes bàsics de l'estadística freqüentista i els fonaments de l'estadística bayesiana i presenta els avantatges i els inconvenients d'ambdós enfocaments. L'estudiant ha d'adquirir coneixements formals de les propietats dels estimadors i proves d'hipòtesis, que li permetin escollir la millor de les opcions inferencials en cada cas.
Mostreig d'una llei Normal
Famílies de distribucions: exponencial i de localització i escala
Estadístics suficients. Estimadors UMVUE
El mètode de la màxima versemblança
Estimació per intervals
Proves d'hipòtesis
Introducció a la inferència Bayesiana
Nocions d'estadística no paramètrica
Nocions de mètodes de remostreig: bootstrap i jacknife
El mètode dels moments
Les sessions presencials consisteixen en classes explicatives a càrrec del professor combinades amb sessions de problemes i de laboratori on els estudiants realitzaran una sèrie d'exercicis teòrics i computacionals de manera guiada. Les qualificacions de la part teòrica representaran el 60% de la nota final i la del treball pràctic el 40%.
Programació Lineal (PL)
L'avaluació combinarà les notes de dos exàmens que corresponen a la part teòrica de l'assignatura, la parcial i la final, i el treball pràctic realitzat al llarg del quadrimestre.
Programació Lineal Entera (PLE)
Programació No Lineal (PNL)
Saber abordar els problemes de planificació generacional a mig termini i conèixer les variables implicades i les limitacions a complir. Apreneu a modelar i optimitzar la planificació de la generació a curt termini per maximitzar els beneficis.
Característiques d'un sistema de potència elèctrica
Adquirir els conceptes de mercat elèctric liberalitzat basat en la subhasta de producció i demanda, mercat de reserva de filatura, altres tipus de mercat i contractes bilaterals. Saber modelar i optimitzar la planificació de la generació a mitjà termini per maximitzar els beneficis que pot obtenir del mercat una empresa participant concreta.
La xarxa elèctrica en temps real
La planificació de la generació a curt termini
La planificació de la generació a mig termini
Característiques dels mercats elèctrics liberalitzats
Modelització i optimització de la planificació a mig termini en un mercat
Modelització i optimització de la planificació a curt termini en un mercat
Conèixer els aspectes pràctics (numèrics i computacionals) i aplicar-los per resoldre problemes massius (a molt gran escala) amb mètodes puntuals interns. Aprendre i aplicar alguns mètodes d'inici en calent per resoldre conjunts de problemes puntuals interns en els quals s'introdueixen o es modifiquen restriccions.
Introducció als mètodes de punt interior
Mètodes de punt interior per a problemes massius (molt gran escala)
Mètodes de punt interior per a problemes no lineals
Mètodes de punt interior per a programació cònica
Aspectes addicionals
Comprendre els fonaments bàsics del mètode bootstrap i saber com aplicar-lo per resoldre diversos problemes estadístics. Comprendre els fonaments de les proves de permutació i adquirir les habilitats necessàries per aplicar aquests conceptes a diverses situacions d'interès pràctic.
Tema 1. El mètode de Montecarlo i l'Estadística
Tema 2. Introducció a la metodologia bootstrap
Tema 3. Intervals de confiança bootstrap
Tema 4. Tests de permutacions i d'aleatorització
Format de prova amb preguntes sobre els conceptes teòrics que es treballen durant el curs (50%) Sistema de qualificació. Per ser avaluats, els estudiants han d'assistir com a mínim al 80% de les classes.
Tema 5. Mètodes de Montecarlo basats en Cadenes de Markov (MCMC)
Saber definir els tests estadístics multivariants bàsics i aplicar-los per resoldre els problemes multivariants més freqüents. S'utilitzen principalment al tema 2 per fixar els conceptes teòrics dins de la classe de teoria.
Descripció d'una taula de dades
Inferència estadística multivariant
Anàlisi discriminant
L'avaluació consistirà en la realització de dos exàmens, un a la meitat del curs i l'altre al final, a més de la realització de les tres pràctiques de laboratori. Coneixements de tècniques estadístiques: l'estudiant coneixerà els aspectes bàsics d'anàlisi de variància i models lineals necessaris per comprendre correctament el funcionament de l'aplicació informàtica utilitzada per resoldre els problemes.
INTRODUCCIÓ AL DISSENY D'EXPERIMENTS
Anàlisi de la solució: L'estudiant ha de ser capaç d'interpretar correctament els resultats que ofereix una aplicació informàtica i analitzar la informació que proporciona el programa per tal d'arribar a conclusions útils. Anàlisi a nivell factorial: comparació de mitjanes amb contrastos ortogonals, anàlisi de tendències i comparacions múltiples.
MODEL D'EFECTES FIXES. DISSENY D'UN FACTOR
Disseny d'experiments i tipus de factors: l'estudiant reconeixerà dissenys creuats a partir de factors mixts i fixats a partir de factors aleatoris i, per a cada problema, avaluarà l'adequació del seu ús.
MODEL D'EFECTES FIXES. RESTRICCIONS A L'ALEATORITZACIÓ: BLOQUEIG
DISSENYS FACTORIALS
MODEL D'EFECTES ALEATORIS
S'utilitzarà l'avaluació contínua com a base, però els estudiants que no puguin seguir-la poden optar a un examen final.
DISSENYS JERARQUITZATS
DISSENY EN PARCEL·LES DIVIDIDES. L'ANÀLISI DE MESURES REPETIDES
ESTUDI DE CASOS
Es faran sessions específiques per als alumnes del programa de matemàtiques que no tinguin coneixements previs de sèries temporals. Ús de la formulació del filtre de Kalman per al filtratge i suavització de dades i per a l'estimació de paràmetres.
Dades atípiques, efectes calendari i anàlisi d'intervenció
Proporcioneu la formulació espacial dels models ARMA i ARIMA i l'estimació de la màxima probabilitat dels paràmetres de sèries univariants i multivariants.
Aplicacions a l'econometria: arrels unitàries i cointegració
Espai d'estat, filtre de Kalman i aplicacions Dedicació: 150h
Models estructurals en espai d'estat
Introducció als models amb volatilitat
This methodology requires specific study material for the course and for the practical tasks, with application to different types of optimization problems within transport, logistics and industry. Each student will propose a difficult optimization problem with a potential application that he will use to practice the various solution methods studied in the course.
Introducció: Mètodes heurístics i metaheurístics
Mètodes constructius: anàlisi de l'estructura del problema, procediments greedy
Mètodes de millora: k-intercanvis, cerca local
Anàlisi de heurístiques: comportament en el pitjor cas, comportament mitjà
Mètodes aleatoreitzats: GRASP
Com sortir dels òptims locals. Simulated Annealing, Tabu Search
Mètodes basats en poblacions
Cerca de profunditat variable: Variable Neighborhood Search
Mètodes reactius: autoadaptació dels valors del paràmetres
Aplicacions a problemes de Programació Matemàtica
Per realitzar aquestes tasques s'utilitza el programari MATLAB i la plataforma Atena per a l'avaluació contínua d'aquestes sessions. Utilitzar correctament diversos mètodes numèrics per resoldre sistemes d'equacions lineals amb el programari MATLAB.
Àlgebra lineal
Utilitzar correctament mètodes numèrics per al càlcul de valors i vectors propis amb el programari MATLAB.
Resolució numèrica de sistemes lineals
Càlcul de valors i vectors propis
Qualsevol intent de frau durant el curs comportarà l'aplicació de la normativa acadèmica general de la UPC i la incoació d'un expedient sancionador. L'anàlisi matemàtica juga un paper fonamental en el desenvolupament de la teoria bàsica subjacent a la metodologia estadística.
Integral impròpia
Integral de Riemann-Stieltjes
Introducció a la integració complexa
Transformada de Fourier
Adquirir uns coneixements bàsics dels conceptes matemàtics bàsics d'estadística i investigació operativa, que els permeti raonar en termes matemàtics i comprendre amb capacitat analítica els temes propis de la tesi. Capacitat de raonament en termes matemàtics, capacitat analítica per comprendre les matèries pròpies de la tesi.
Nocions de lògica
Nocions de teoria de conjunts
Combinatòria
Nocions mètriques
El concepte de funció
El concepte de límit
Les sumes amb infinits sumands
Nocions de càlcul numèric
Reconèixer i comprendre alguns dels exemples més importants de problemes de programació lineal, enter, no lineal i de flux en xarxes. Ser capaç d'implementar i obtenir la solució òptima als problemes de presa de decisions, escollint l'algorisme i el programari d'optimització més adequats per a cada cas.
Modelització de problemes de Programació Lineal (PL)
Quan s'enfronta a la descripció d'un nou problema de presa de decisions, ser capaç de formular correctament el problema d'optimització associat.
Modelització de problemes de Fluxos en Xarxes (FX)
Modelització de problemes de Programació Lineal Entera (PLE)
Modelització de problemes de Programació No Lineal (PNL)
Capacitat per dissenyar i implementar estudis d'investigació estadística i/o operativa, inclosos els procediments de recollida, processament i anàlisi d'informació, anàlisi de costos i execució adaptats als recursos disponibles i procediments estàndard existents. Identificar, estimar i validar models tant per a l'estimació de la mitjana com de la la variància heterocedàstica condicional (volatilitat) d'aquestes sèries.
Introducció i presentació de la funcions en R pel tractament de series financeres
Entendre i aplicar correctament la metodologia que permet calcular el valor en risc (VaR) d'un determinat indicador borsari.
Introducció als mercats financers
Models de volatilitat no lineals
Valor al risk (VaR)
Introducció a l'ànalisi de series temporals multivariants
La no realització dels treballs corresponents en el termini indicat suposarà una reducció del 50% de la nota rebuda. La nota final constarà d'un 65% de la part teòrica i un 35% del sistema de qualificació.
Modelització Estocastica
Propietats bàsiques
Mètodes de resolució
- Introducció als models estocàstics de la Investigació Operativa
- Models analítics i models de simulaci
- La simulació de models discrets
- La caracterització de l'aleatorietat de l'input de les dades de simulació
- Simulació i generació de mostres de variables aleatòries
- La generació de nombres pseudoaleatoris
- La simulació dels sistemes discrets
- L'anàlisi dels resultats de simulació
- Verificació i validació de models de simulació
- Estudi de casos d'aplicació de la simulació
L'estudiant coneix els indicadors estadístics de bondat d'ajust i la seva validesa per al diagnòstic i validació dels models lineals proposats. Conèixer i comprendre alguns dels models més importants de relacions lineals entre variables de la família exponencial.
Model de regressió múltiple
Anàlisi de la variança i de la covariança
Models de resposta binària
Models de resposta politòmica
Models per a resposta entera no-negativa
Tots els estudiants inscrits poden presentar-se a l'examen parcial i final, independentment dels resultats parcials. Models lineals generalitzats i models de supervivència: models de vida accelerada, models de perills proporcionals, models generals de taxa de perillositat.
Introducció als models de supervivència
Introducció als models d'efectes aleatoris
Sabreu com aplicar tècniques d'estimació de funcions no paramètriques a problemes comuns com ara la descripció de dades, l'anàlisi discriminant o el contrast del model paramètric. Aprendrà sobre models no paramètrics més complexos, com ara el model additiu generalitzat i els models de probabilitat local.
Proves no paramètriques clàssiques
Introducció als mètodes de suavització de corbes
Estimació no paramètrica de la densitat
Estimació de la funció de regressió
Estimació de la regressió per splines
Regressió multiple i model additiu generalitzat
Es realitzarà un examen final global de l'assignatura, dividit en dues parts: una de teoria i problemes habituals, i una altra que es realitzarà a l'aula d'informàtica. La nota de l'assignatura és: Nota = 0,4*NP + 0,6*NF, on el NP depèn dels exercicis i exercicis realitzats durant el curs, i el NF depèn de l'examen final.
Introducció a l'anàlisi de dades funcionals
Implementar mètodes de descomposició mitjançant llenguatges de programació matemàtica algebraica per a diversos models per resoldre'ls. Implementar versions senzilles de mètodes de punt interior amb llenguatges d'alt nivell (matlab), i conèixer les eines d'àlgebra lineal necessàries.
Dualitat
Realització de treballs pràctics en una part individual de l'assignatura (1. dualitat i descomposició; 2. mètodes de punts interns).
Mètodes de descomposició
Mètodes de punt interior
Presentar els fonaments teòrics dels principals algorismes d'optimització federats i les seves eines per resoldre problemes d'alta dimensió. Coneixement dels fonaments teòrics dels principals algorismes d'optimització federal sense i amb restriccions, així com procediments per resoldre problemes d'alta dimensió.
Conceptes bàsics
Pràctica en l'ús d'eines professionals d'optimització contínua, tant en l'àmbit públic com comercial.
Optimització sense constriccions
Problemes de mínims quadrats
L'avaluació destacada del LCTE consistirà en un únic examen de tot el curs amb una ponderació del 70% i pràctiques realitzades durant el curs un 30%.
Optimització amb constriccions lineals
Optimització amb constriccions qualssevol
Conèixer les funcions generadores de probabilitat i moments de les distribucions de probabilitat més habituals. Conèixer la funció característica de les lleis de probabilitat més habituals i la seva aplicació en el càlcul de moments.
DISTRIBUCIONS MULTIDIMENSIONALS DE PROBABILITAT
FUNCIONS GENERADORES DE PROBABILITAT I DE MOMENTS
APLICACIÓ: CREIXEMENT D'UNA POBLACIÓ I PROCESSOS DE RAMIFICACIÓ. ALTRES
FUNCIONS CARACTERÍSTIQUES I LA LLEI GAUSSIANA MULTIDIMENSIONAL
CONVERGÈNCIA DE SUCCESSIONS DE VARIABLES ALEATÒRIES
APLICACIÓ: ESTIMACIÓ. MÈTODES DE MONTECARLO
CADENES DE MARKOV
APLICACIÓ: PASSEJADES ALEATÒRIES I ALTRES
EL PROCÉS DE POISSON. PROCESSOS DE NAIXEMENT I MORT
APLICACIÓ: CUES I AVALUACIÓ DE SISTEMES
SIMULACIONS: GENERACIÓ DE NOMBRES ALEATORIS
Conèixer els resultats de la teoria de la dualitat i les seves implicacions en el cas de la programació discreta. Explorar les propietats de la dualitat i les característiques inherents a l'estructura del model matemàtic per a la resolució de problemes discrets.
Problemes d'optimització combinatòria
Ser capaç de formular un model adequat i dissenyar i implementar un prototip de mètode per resoldre un problema concret d'optimització combinatòria. Ser capaç d'identificar desigualtats vàlides per a problemes típics de programació de nombres enters, com ara el problema de la motxilla i el problema del venedor ambulant.
Característiques dels models de programació sencera
Mètodes enumeratius
Mètodes de plans de tall
Relaxació lagrangiana en programació entera
El problema de la motxilla
El problema del viatjant de comerç
Al final del curs, l'estudiant ha de conèixer i saber aplicar les principals tècniques de protecció de dades micro i tabulars, així com familiaritzar-se amb el programari que implementa aquests mètodes. Saber quin és l'abast del control de la divulgació estadística o la protecció de dades estadístiques.
Introducció al control de revelació estadística
Mètodes per a microdades
Mètodes per a dades tabulars Dedicació: 30h
La mineria de dades és la transformació de dades en coneixement per a la presa de decisions. Creeu tot el procés KDD utilitzant la combinació adequada de tècniques de preprocessament, mineria de dades i postprocessament.
Introducció a la mineria de dades
Genereu informes que siguin comprensibles per a un usuari final, amb el coneixement descobert i els resultats rellevants per a la presa de decisions posteriors.
Tècniques Descriptives
Tècniques d'associació entre variables
La tercera pràctica és gratuïta sobre un problema de predicció, escollit per l'alumne entre diverses alternatives. Aquesta darrera pràctica incorpora els elements de les anteriors i pretén resoldre un problema de predicció utilitzant diferents models i la seva comparació.
Models de predicció
L'avaluació de l'assignatura es farà en funció de la nota obtinguda en els tres exercicis realitzats durant el curs. Aquesta pràctica s'haurà de defensar públicament i l'estudiant haurà de respondre també les preguntes teòriques sobre els models i mètodes de l'assignatura, durant les quals s'organitzarà un examen final oral.
Validació i consolidació del coneixement descobert
La integració de tècniques en Mineria de Dades
Sistemes professionals de mineria de dades
Presentació de resultats
Entendre que el disseny del mostreig s'ha de tenir en compte en l'anàlisi posterior de les dades Responsable: BECUE BERTAUT, MONICA M. Corresponen a classes magistrals que segueixen el pla d'estudis d'acord amb l'horari donat a l'inici del curs.
Introducció i nocions bàsiques
Fonaments teòrics de la teoria de mostreig
Extraccio aleatòria simple
Disseny amb probabilitats desigiuals. Algorismes per escissió
Disseny estratificat
Extracció en varies etàpes. Extracció en conglomerats
Mètodes de recomposició
Correcció de no-respostes
Disseny i anàlisi de dades: effecte dels pesos i del mètode d'extracció
Les mostres utilitzades en algunes de les principals enquestes estadístiques públiques: enquesta de salut, epa, etc.
Estimació de la varianza en dissenys complexos
Mostreig indirect
Mostreig espacial
Familiarizarse con los datos complejos y la gran relevancia de la codificación de datos antes de cualquier análisis. El problema de la recopilación de datos se aborda y continuará en la siguiente sección Descripción:.
Estadística i Marketing
Introducció. Dades i codificació
Los métodos de escalamiento multidimensional (MDS) forman un grupo de métodos estadísticos dentro del campo del análisis multivariado. El método de rotación de Procrustes se utiliza para comparar configuraciones (mapas) de puntos obtenidos mediante diferentes métodos estadísticos.
Análisis estructural de dades d'enquestes
Se trata de obtener configuraciones de bajas dimensiones (mapas) que representen mejor una matriz de distancias o similitudes entre casos y/o variables. El curso cubre los conceptos básicos de MDS, el MDS métrico y el MDS no métrico, con ejemplos del campo del marketing.
Árbols de segmentació
La evaluación sensorial de los productos es un elemento estratégico en el desarrollo de las empresas del sector agroalimentario. Su objetivo es caracterizar productos tanto desde el punto de vista oragnoléptico como desde el punto de vista de las preferencias del consumidor.
Disseny de nous productes. Anàlisis conjunt (Conjoint anàlisis)
La estadística es la herramienta privilegiada para conceptualizar y analizar este tipo de datos.
Aportació dels mètodes de sensometria en marketing
Los datos recogidos en marketing conllevan la necesidad de procesar conjuntamente datos cuantitativos, cualitativos e incluso textuales (variables mixtas).
Mètodes estadistics para el anàlisi de tables múltiples hetegogéneas
Anàlisis de comentaris lliures en la industria alimentària: metodología i interpretació
En màrqueting, és habitual descriure els productes en funció de la seva puntuació de característiques. Es veurà com l'anàlisi de la variància és una eina útil per determinar els efectes de cadascun dels atributs.
Disseny de un estudi. Recollida de dades
El tema anterior tracta de la puntuació d'un conjunt de descriptors per part d'un conjunt d'experts o consumidors.
Caracterizació de una serie de productes. Efecte dels differents factors
Mètodes holistics de recollidad de dades
Napping i free-sorting task
Veureu una anàlisi jeràrquica de múltiples factors que pot gestionar taules de dades amb estructures jeràrquiques a les columnes.
Introducció a mètodes per tratar estructures complexe de dades
Avaluació
