Titulació | Tipus | Curs |
---|---|---|
Estadística Aplicada | OB | 3 |
Podeu consultar aquesta informació al final del document.
És imprescindible un curs previ d'àlgebra lineal, així com els cursos de probabilitats, dustrubucions multidimensionals i inferència estadística. També se suposa que sap utilitzar amb agilitat el llenguatge R.
La necessitat de processar gran quantitat de dades amb moltes variables de naturalesa diversa, tot i reduint la informació que no sigui rellevant i descobrint patrons d'associació entre variables i/o casos, han ocasionat el desenvolupament d'un gran nombre de procediments que se situen en l'escenari multivariant. En Aprenentatge No Supervisat es tracten els mètodes que són més apropiats per a descriure, explorar i modelitzar dades vectorials. L'assignatura es planteja com un primer contacte de l'estudiant amb el món de l' anomenat "aprenentatge estadístic" (“statistical learning”), per tal que comprengui la potència i aplicabilitat, i alhora les limitacions, dels mètodes, alguns dels quals es basen en idees heurístiques força intuïtives. La majoria dels mètodes treballats al curs són de tipus no-supervisat, és a dir, no es disposa d’un conjunt de casos amb respostes conegudes que permetin avaluar el mètode. L'enfocament de l'assignatura és eminentment aplicat pel que fa al treball amb dades usant el potencial del programari lliure R, acompanyat del rigor i generalitat adequats en la definició del models teòrics i els corresponents mètodes d'anàlisi i validació de resultats.
Aprenentatge estadístic (statistical learning) i reducció de la dimensió
Mètodes factorials I: Anàlisi de components principals (ACP)
Mètodes factorials II: Anàlisi factorial (AF)
Mètodes factorials III: Escalament multidimensional (EMD) i anàlisi de correspondències (AC)
Análisi de clústers (ACL)
Bàsics en inferència multivariant
Anàlisi discriminant (AD)
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Classes de pràctiques amb ordinador | 26 | 1,04 | |
Classes de teoria | 26 | 1,04 | |
Tipus: Autònomes | |||
Estudi i consultes | 42 | 1,68 | |
Resolució i lliurament d'exercicis | 44 | 1,76 |
Classes de teoria, on s'exposaran i es discutiran els continguts en base a exemples d'aplicació convenientment interpretats. Els resums dels apunts es penjaran al campus virtual. S'encoratjarà la revisió i ampliació de continguts amb la bibliografia bàsica i complemetària.
Classes pràctiques pensades per implementar amb el llenguatge estadístic R. Els guions de les pràctiques i d'altre material auxiliar es penjaran al Campus Virtual. A les classes pràctiques es proposaran exercicis d'ampliació que caldrà resoldre autònomament.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Lliurament de tasques (problemes i pràctiques resoltes) | 0,2 | 4 | 0,16 | CM11, CM12, KM16 |
Primer parcial (teoria i pràctiques) | 0,35 | 4 | 0,16 | KM16 |
Segon parcial (teoria i pràctiques) | 0,45 | 4 | 0,16 | KM16 |
Avaluació ordinària
La nota de curs (NC) es calcularà a partir de les entregues d'exercicis i pràctiques i de les notes dels exàmens parcials (P1 i P2) basats en questions de teoria i pràctiques al 50%, i de la nota dels lliuraments. Detall de la nota de curs:
NC = 0,35·P1 + 0,45·P2 + 0,20·Lli
on P1 és la nota del primer parcial, P2 del segon parcial i Lli és la nota dels lliuraments que es proposaran al llarg del curs. L'avaluació d'alguns d'aquests lliuraments es farà amb un test a la mateixa aula de pràctiques els dies indicats.
L'aprovat per curs requereix que NC sigui igual o més gran que 5 i que la mitjana ponderada dels dos parcials, tant de teoria com de pràctiques, sigui més gran que 3.5 (sobre 10).
L'examen final de recuperació (F) serà una prova de síntesi de les competències de tot el curs i tindrà una part teórica i una de computacional, que hauran de tenir una nora igual o superior a 3.5 cadascuna. El professorat es reserva el dret a decidir les matrícules d'honor, si n’hi ha, abans de l'examen de recuperació. La nota final serà:
NF=Max(NC , 0,80·F + 0,20·Lli)
Avaluació única
L'avaluació única será una prova de síntesi de les competències dels dos parcials, en base a: (1) Un examen amb qüestions de teoria i de practiques (pes: 50% i nota mínima 3.5). (2) Una prova de practiques davant de l’ordinador (pes: 50% i nota mínima 3.5).
Everitt, B., Hothorn, T. ; An introduction to Applied Multivariate Analysis with R. Springer, 2011.
Härdle, W., Simar, L.; Applied Multivariate Statistical Analysis. Springer,2007.
Peña, D.; Análisis de datos multivariantes. McGraw Hill, 2002.
Rencher, A., Christensen, W.; Methods of Multivariate Analysis. Wiley Series in Probability and Mathematical Statistics, 2012.
Wehrens, R. (2020). Chemometrics with R: Multivariate data analysis in the natural sciences and life sciences. Heidelberg: Springer. https://bibcercador.uab.cat/permalink/34CSUC_UAB/1gfv7p7/alma991010405083206709
Bibliografia complementària
Coghlan, A.; Little book of R for Multivariate Analysis.
https://little-book-of-r-for-multivariate-analysis.readthedocs.io/en/latest/
Cuadras, C.; Nuevos Métodos de Análisis Multivariante (web), 2014.
Greenacre, M.; La pràctica del análisis de correspondencias. Fundacion BBA, 2003.
James, G., Witten, D., Hastie, T., Tibshirani, R.; An Introduction to Statistical Learning. Springer, 2014.
Mardia, K.V, Kent, J.T., Bibby, J.M.; Multivariate Analysis. Academic Press, 2003.
Rencher, A.; Multivariate Statistical Inference and Applications. John Wiley &Sons, 1998.
Programari lliure R, en l'entorn de treball RStudio.
La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d’aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
Nom | Grup | Idioma | Semestre | Torn |
---|---|---|---|---|
(PLAB) Pràctiques de laboratori | 1 | Català | primer quadrimestre | matí-mixt |
(PLAB) Pràctiques de laboratori | 2 | Català | primer quadrimestre | matí-mixt |
(TE) Teoria | 1 | Català | primer quadrimestre | matí-mixt |