Capacitat per identificar els mètodes d'investigació estadística i operativa més adequats per a l'anàlisi de la informació. Capacitat per identificar els mètodes d'investigació estadística i operativa més adequats per a l'anàlisi de la informació.
RESEARCH
Curriculum
Aspects of the curriculum vitae related to statistics and/or operations research in the professional, pedagogical or scientific sphere. This knowledge will be confirmed by attaching a scanned version of the highest obtained qualification or certificate to the candidate's CV.
INICI: SETEMBRE 2013
ASSIGNATURES OBLIGATÒRIES
ASSIGNATURES OPTATIVES
BIOESTADÍSTICA I BIOINFORMÀTICA
INICIO: SEPTIEMBRE 2013
ASIGNATURAS OBLIGATORIAS
ASIGNATURAS OPTATIVAS
COMPULSORY TRAINING 20 ECTS
COMMON COMPULSORY
TRAINING 10 ECTS
10 ECTS
10 ECTS
OPTIONAL TRAINING 40 ECTS
FUNDAMENTALS Common Training
INTENSIFICATIONS Business and Socials
MASTER THESIS 30 ECTS
200621 Quantitative marketing techniques 5 1 Business and social statistics 200622 Statistics for business management 5 1 Business and social statistics 200623 Simulation for business decision making 5 2 Business and social statistics. 200628 Advanced experimental design in clinical research 5 2 Biostatistics and bioinformatics 200629 Advanced topics in survival analysis 5 2 Biostatistics and bioinformatics 200630 Foundations of bioinformatics 5 1 Biostatistics and bioinformatics.
Màster Estadística i Investigació Operativa UPC -UB COMPLEMENTS de FORMACIÓ
Màster Universitari en Cadena de Subministrament, Transport i Mobilitat http://mltm.masters.upc.edu/info‐general?set_language=ca. Màster en Enginyeria de les Organitzacions http://mueo.etseib.masters.upc.edu/info‐general 240EO023 Models i eines per a la presa de decisions.
REQUISITOS PARA LA OBTENCIÓN DE UNA ESPECIALIDAD
2 Esta especialidad deberá ser aquella en la que el estudiante haya realizado los cursos más especializados. El supervisor del estudiante tratará los créditos obtenidos en los cursos de la escuela de verano como especialidades especiales previa solicitud por escrito.
REQUIREMENTS FOR OBTAINING A SPECIALTY
REQUIREMENTS FOR OBTAINING A PROFILE
Per a l'assignatura R Mitjà/Avançat, els estudiants han de tenir experiència treballant amb R. A cada apartat, els estudiants s'avaluen mitjançant dues proves presencials i un exercici final.
Introducció a R
Objectes d'R
Anàlisi descriptiva i exploratori amb R
Programació bàsica amb R
Estadística inferencial amb R: contrastos d'hipòtesis i models de regressió
Programació lineal amb R
Introducció a SAS
Procediments bàsics de SAS
Transformació i manipulació de dades
Introducció al llenguatge matricial amb el SAS
SAS/IML
Procediments avançats
Introducció a la programació lineal amb SAS
Al final d'aquest mòdul, els estudiants haurien de ser capaços de treballar amb fluïdesa amb un sistema de bases de dades relacionals client/servidor com PostgreSQL. En el segon mòdul es desenvolupen aspectes de programació web relacionats d'una banda amb les bases de dades treballades en el primer mòdul i d'altra banda amb l'aplicació del llenguatge R, l'eina estadística per excel·lència.
Introducció a bases de dades relacionals
SQL i algebra relacional
Transaccions
Database connectivity amb R i PHP
Llenguatges d'scripting per aplicacions web
Planes web dinàmiques
Habilitats informacionals
Escriptura d'informes
Presentació oral de resultats
Funcions Generadores i Funció Característica
Processos de Ramificació
La Llei Gaussiana Multidimensional
Successions de Variables Aleatòries
Processos Estocàstics: Conceptes Bàsics
Passeigs Aleatoris
Cadenes de Markov
El Procés de Poisson
Coneixements bàsics d'inferència estadística: ús de la funció de versemblança per al mostreig aleatori simple (dades distribuïdes de manera idèntica de manera independent), inferència en cas de normalitat, estimació de màxima versemblança per a models paramètrics d'un sol paràmetre i mostreig aleatori simple. Amb una setmana d'antelació, els temes que es tractaran en la propera sessió es penjaran a la intranet.
Introducció
Estimació puntual 1: Mètodes per trobar estimadors
Estimació puntual 2: Avaluació d'estimadors
Proves d'hipòtesis
Cada tema s'avalua mitjançant una presentació individual de problemes i un exercici amb R (PRA) i un qüestionari (Q) discutits en grups reduïts durant la classe.
Regions de confiança
A partir del llenguatge R, proporcionaran scripts que realitzen diverses anàlisis estadístiques i es proposaran als alumnes exercicis més extensos per resoldre mitjançant el programari · Sessions de teoria d'1,5 hores. Basats en el llenguatge R, proporcionen scripts que realitzen diverses anàlisis estadístiques i s'ofereixen als estudiants exercicis més extensos per resoldre amb el programari.
Introducció a la inferència
Mostratge
Estimació de paràmetres
Intervals de confiança
Contrast d'hipòtesi Dedicació: 12h Grup gran: 12h
El model lineal general Dedicació: 9h Grup gran: 9h
El model d'anàlisi de la variancia Dedicació: 10h 30m Grup gran: 10h 30m
Capacitat per seleccionar el mètode i/o tècnica d'investigació estadística o operativa més adequada per aplicar aquest model a cada situació o problema concret. Pràctiques: Implica utilitzar capacitats de programació matricial per realitzar anàlisis multivariants mitjançant conjunts de dades multivariants.
Estadística Descriptiva Multivariant
Inferència Estadística Multivariant
La ponderació de les diferents parts de l'avaluació és la següent: examen parcial (30%), examen final (30% si només la segona part, 60% si inclou la primera part), pràctiques i problemes de laboratori (20%), treball (20%). Els alumnes que hagin superat el primer examen no hauran de presentar l'assignatura de la primera part a l'examen final.
Classificació i obtenció de grups Dedicació: 32h Grup gran: 7h 30m
TREBALL EN EQUIP: Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com a membre més o realitzant tasques de gestió, per contribuir al desenvolupament de projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos amb el compliment dels recursos disponibles. Tot el treball personal és objecte de retroalimentació en forma de debat amb el professor.
Combinatòria
Àlgebra lineal
Nocions mètriques
El concepte de funció
El concepte de límit
Les sumes amb infinits sumands
La capacitat de dominar la terminologia pròpia d'un camp en el qual l'aplicació de models i mètodes estadístics o la investigació operativa és necessària per resoldre problemes reals. Introduir l'estudiant a la simulació com a tècnica d'Investigació Operativa per tractar amb models de sistemes quan els mètodes analítics no són aplicables perquè no existeixen o perquè no són computacionalment eficients.
Tema 1. Introducció a la simulació
Tema 2. Input Data Analysis
Tema 3. Generació de mostres
Tema 4. Introducció a la simulació de sistemes discrets
Tema 5. Anàlisi i disseny d'experiments de simulació
L'anàlisi de supervivència s'utilitza en molts camps per analitzar dades que representen el període de temps entre dos. També conegut com a anàlisi de l'historial d'esdeveniments, anàlisi de dades de vida útil, anàlisi de fiabilitat i anàlisi de temps fins a l'esdeveniment.
Conceptes bàsics i models paramètrics
Tipus de censura i truncament
Inferència no paramètrica per a una mostra
Comparació de dues poblacions
Regressió paramètrica
Regressió semiparamètrica: El Model de Cox
Anàlisi de supervivència per a temps discrets
Adquirir els fonaments teòrics i l'experiència en l'ús de la metodologia per construir models i obtenir prediccions de casos reals de sèries temporals en diversos àmbits, especialment en aplicacions economètriques i financeres. El professor utilitza l'ordinador per mostrar exemples pràctics de resolució de problemes de sèries temporals (tots els fitxers utilitzats pel professor són públics a la xarxa FME).
Anàlisi i modelització de sèries temporals
Dades atípiques, efectes calendari i anàlisi d'intervenció
Aplicacions a l'econometria: arrels unitàries i cointegració
Espai d'estat, filtre de Kalman i aplicacions
Models estructurals en espai d'estat
Introducció als models amb volatilitat
Les competències prèvies preferides són les derivades de la formació en estadística i probabilitat matemàtiques que normalment ofereix un títol de grau. Les dades longitudinals, que combinen informació sobre la variabilitat entre unitats i el desenvolupament i la variació dins de les unitats, són un repte tant per als estadístics professionals com per al desenvolupament teòric per la seva freqüència i importància.
Model Lineal (LM) i Model Lineal Generalitzat (GLM)
Model Lineal Mixt amb Efectes Aleatoris (LMM)
Equacions Generalitzades d'Estimació (GEE)
Model Lineal Mixt Generalitzat (GLMM)
En aquesta primera part de l'examen, l'estudiant pot NO disposar del material del curs; només papereria i calculadora. En aquesta segona part de l'examen, l'estudiant pot disposar de tot el material de l'assignatura (en format paper i/o digital).
Introducció a l'anàlisi amb Valors No Observats (Missing Data Analysis)
Una part de la nota prové de la pràctica realitzada durant el curs (50%) - L'examen final constarà d'una part teòrica (25%) i una part d'anàlisi de dades (25%) Sistema de qualificació. També a les sessions teòriques, durant el curs es tractaran entre quatre i cinc articles de recerca, amb els quals els estudiants han d'haver treballat prèviament.
Distribucions discretes clàsiques: gènesi i propietats principals
Tres problemes reals: impossibilitat d'observar el zero, zero-inflaxió i sobredispersió
Models amb covariants: regressió logística i models log-lineals
Taules de contingència
Comprendre els fonaments de la metodologia bootstrap i ser capaç d'utilitzar-la en la resolució de diversos problemes estadístics. L'entorn de treball bàsic de les hores pràctiques serà R, per a la qual s'assumeixen coneixements mitjans (ús de l'entorn i fonaments de programació).
Tema 1. Metodologia bootstrap
Tema 2. Tests de permutacions i d'aleatorització
Tema 3. Algorismes deterministes en estadística
Coneixer 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 dels problemes discrets.
Problemes d'optimització combinatòria
Mètodes de plans de tall
Característiques dels models de programació sencera
Mètodes enumeratius
Relaxació lagrangiana en programació entera
La qualificació final de la convocatòria extraordinària es calcula de la mateixa manera que la de la convocatòria ordinària. La nota de pràctica de la convocatòria ordinària es guarda si no és inferior a 7.
El problema de la motxilla
Teoria: un examen parcial que allibera material per a l'examen final a partir de 5 i un examen final. Per aprovar l'assignatura cal tenir un mínim de 4 tant en teoria com en pràctica.
El problema del viatjant de comerç
Conèixer alguns dels problemes d'optimització contínua més importants en l'àmbit de l'estadística i la investigació operativa i poder resoldre'ls amb l'algoritme d'optimització més eficient. Ser capaç de formular i resoldre numèricament casos reals de problemes d'optimització contínua en estadístiques i investigació operativa mitjançant programari d'optimització professional.
Modelització i resolució computacional de problemes d'optimització matemàtica
Optimització sense constriccions
Optimització amb constriccions
L'objectiu de l'assignatura és familiaritzar l'estudiant amb els problemes de modelització de sistemes en presència d'incertesa i familiaritzar-lo amb tècniques i algorismes per resoldre'ls. Aporta els fonaments de modelització i programació estocàstica i es pretén que al final del curs l'estudiant sigui capaç d'identificar, modelar, formular i resoldre problemes de decisió que involucren variables tant deterministes com aleatòries.
Modelització Estocastica
Propietats bàsiques
Mètodes de resolució
Implementar mètodes de descomposició utilitzant llenguatges de programació matemàtica algebraica per a diversos models per resoldre'l. Implementar versions senzilles de mètodes de punt interior amb llenguatge d'alt nivell (matlab) i conèixer les eines d'àlgebra lineal necessàries.
Dualitat
Mètodes de descomposició
Mètodes de punt interior
- Models multivariants de gestió de riscos
- Mesures de dependència i còpules
- Mesures de risc
- Teoria del valor extrem Dedicació: 9h Grup gran: 9h
Els conceptes relacionats amb la prova d'hipòtesis i la significació estadística seran útils, així com una bona comprensió de l'anàlisi de la variància. Veure el paper de les tècniques de gestió i explotació de dades en el procés de presa de decisions.
CAT) Tema 1: Anàlisi estructural de dades d'enquesta
CAT) Tema 2: Preguntes obertes i comentaris lliures: una eina per conèixer les preferències del
CAT) Tema 3: Disseny de nous productes. Anàlisi conjunt (Conjoint analysis)
CAT) Tema 4: Avaluació sensorial de productes
Planificació d'experiències i anàlisi de dades
CAT) Tema 5: Mètodes holístics per a la comparació de productes
CAT) Tema 6: Aportació de l'anàlisi sensorial en preconcepció de productes. Innovació i qualitat
CAT) Tema 7 Preparació i realització de sessions de cata
L'objectiu bàsic és situar l'aplicabilitat de les tècniques estadístiques que l'estudiant ja coneix en un context professional i destacar els avantatges que pot aportar el seu ús. Convèncer els responsables (vendedor) dels avantatges i beneficis d'utilitzar la tècnica estadística en qüestió Objectius d'aprenentatge de l'assignatura.
Estadística pro activa
L'estadística en altres àrees: gestió de clients, serveis financers, gestió de processos
La venta de l'estadística: interna i externa
RESOLUCIÓ D'EXERCICIS I PROBLEMES
PRESENTACIONS
RESOLUCIÓ DE CASOS PRÀCTICS
Consta de dos components: un 50% dels casos, presentacions i activitats desenvolupades durant el curs i un altre 50% de proves fetes a classe. L'avaluació es basarà en respondre qüestionaris sobre els casos, en la discussió a classe i, finalment, en la presentació d'informes.
EXAMEN FINAL
L'estudiant ha de conèixer els conceptes de prova d'hipòtesis, significació estadística i anàlisi de variància. Presentar l'anàlisi de problemes reals en el món de la producció, la logística, la millora de processos o el dimensionament i personalització de serveis.
Introducció
Descripció d'exemples
Paradigmes
Disseny dels experiments
Verificació, validació i acreditació
Sistemes de simulació
Nous paradigmes
Nous components
Casos pràctics
En aquest sentit, l'estadística oficial neix com a resposta a la necessitat de dades estadístiques coordinades i regulars sobre l'entorn demogràfic, social i econòmic de la realitat nacional. Paral·lelament, algunes metodologies derivades d'aquest procés es van generalitzar posteriorment a altres àrees de recerca quantitativa de les ciències socials, com ara el tractament de la no resposta, l'estimació de petites àrees, els mètodes d'agregació de dades o el control de divulgació estadística. tècniques.
Entorn institucional i legal de l'estadística oficial
Processos de la producció d'informació estadística
Marc conceptual de les fonts estadístiques
Els estudiants han d'estar familiaritzats amb els conceptes de prova d'hipòtesis i significació estadística en el context de models lineals. A les classes magistrals es presenta als estudiants el contingut teòric de la lliçó, complementat amb exercicis pràctics.
INTRODUCCIÓ
MODELS ECONOMÈTRICS PER SÈRIES TEMPORALS. ARRELS UNITÀRIES
MODELS ECONOMÈTRICS PER A DADES DE PANEL
MODELS ECONOMÈTRICS PER A VARIABLE DEPENDENT LIMITADA
MODELS ECONOMÈTRICS PER A DADES ESPACIALS
PILAR MUÑOZ GRACIA - AResponsable: PILAR MUÑOZ GRACIA
- Estructura temporal de tipus de interès
- Processos vectorials autoregressius
- Inmunització financera
Familiaritzar-se amb els diferents mètodes d'estimació de l'estructura temporal dels tipus d'interès - Conèixer les teories explicatives sobre l'estructura temporal dels tipus d'interès. Reducció de la dimensió dels problemes financers mitjançant l'anàlisi de components principals - Anàlisi crítica de treballs de recerca en l'àmbit de les finances.
CAT) 6. Análisis de series financieras
CAT) 7. Modelos de volatilidad univariantes
CAT) 8 Modelos de volatilidad multivariantes
Capacitat per formular i resoldre problemes reals de decisió en les diferents àrees d'aplicació, sabent triar el mètode estadístic i l'algoritme d'optimització que millor s'adapti a cada ocasió. Capacitat d'utilitzar el programari més adequat per realitzar els càlculs necessaris per resoldre un problema.
A1: Anàlisi de dissenys paralels
A2: Anàlisi de dissnys paralels amb valors incials
A3: Anàlisi de dissenys amb intercanvi
A4: Disseny, protocol i plà d'anàlisi estadístic
A5: Directrius pee registre i publicació
B1: Ètica i multiplicitat
B2: Equivalència. Dissenys pragmàtics
B3: base de la grandària mostral
B4: Aleatorització
B5: Assignació a l'atzar de grups
B6: Revisions sitemáticas i meta-anàlisi
El curs d'Anàlisi de Supervivència Avançada prepara l'estudiant per manejar situacions en què les dades presenten patrons de censura complexos, en què hi ha un seguiment longitudinal, on les variacions canvien amb el temps, així com l'anàlisi conjunta de dos o més a un esdeveniment. Bases teòriques de l'anàlisi de . La supervivència s'ensenya a partir de la teoria dels processos de recompte. dades i informació en l'àmbit de l'especialitat, i avaluar críticament els resultats d'aquesta gestió.
B1: Extensions del model de Cox
B2: Anàlisi multivariat de la supervivència
B3: Processos comptadors
B4: Censura en un interval
- Introducció a la Bioinformàtica
- Conceptes bàsics de Biologia Molecular
- Bases de dades biològiques: Conceptes, Tipus i Aplicacions
- Alineament de seqüències
- Models probabilístics de seqüències biològiques
- Predicció de gens i anotació de genomes
- Genòmica funcional i de sistemes
- Introducció a la biologia mol·lecular, les òmiques i les tecnologies de generació de dades
- Anàlisi de dades de microarrays
- Anàlisi d'altres dades d'alt rendiment
La informació es facilitarà amb molta antelació a la realització de cadascuna de les proves puntuables. L'objectiu d'aquest tema és cridar l'atenció sobre els problemes que sorgeixen a l'origen de l'aparició de tècniques per a la generació massiva de dades ("high throughput") i mostrar com l'estadística (i la bioinformàtica) s'utilitzen per abordar-los.
Introducció a l'epidemiologia
Mesures epidemiològiques: conceptes i estimació
Aspectes d'estudis epidemiològics
Anàlisi d'estudis epidemiològics Dedicació: 15h
Des de la perspectiva de l'optimització discreta, la finalitat de l'assignatura és conèixer els possibles mètodes de solució aplicables, avaluar les dificultats tècniques corresponents i poder aplicar un mètode de solució adequat en cada cas individual. El mètode d'ensenyament combina classes de teoria amb classes de resolució de problemes i estudis de casos, utilitzant diferents models i mètodes de solució.
Conceptes bàsics en models discrets en xarxes
Tipus de demanda en optimització en xarxes
Alternatives de modelització per als models discrets en xarxes
Aplicacions de models discrets en xarxes
Mètodes de solució
Introducció als models discrets en xarxes i a les seves aplicacions
La pràctica consistirà en: (i) Estudi d'alternatives de modelització al problema abordat i proposta raonada d'un model concret; (ii) disseny i implementació d'un algorisme de solució del problema; i (iii) presentació i anàlisi dels resultats obtinguts. Mètodes de descomposició (relaxació lagrangiana, generació de columnes,..) Mètodes de ramificació i tall: separació de desigualtats vàlides.
