Fundamentos de estadística
Gracias a la estadística, se pueden reunir, organizar y analizar diversos datos que son muy útiles a la hora de plantear una base sobre la que tomar decisiones en múltiples ámbitos, la resolución de diversos tipos de problemática y realizar modelos predictivos.
En este módulo del Máster en Big Data y Business Analytics de la Universidad Complutense de Madrid, los alumnos serán formados para que, al finalizar el mismo, posean una base que les permita avanzar hacia la finalización del programa de forma exitosa.
Estadística descriptiva:
- Descripción de variables estadísticas univariantes. Centradas en una característica en particular del objeto de estudio, pueden ser numéricas o de otra índole (como por ejemplo sexo, nivel de estudios, sector profesional, etcétera).
- Se profundizará en diversos tipos de medidas estadísticas de centralización, dispersión, asimetría y curtosis.
- Descripción de variables bidimensionales. A diferencia de las univariantes, tienen en cuenta dos caracteres del mismo sujeto de estudio y las posibles relaciones entre dos objetos distintos.
- Análisis de la vinculación.
- Medidas de asociación.
- Regresión.
Inferencia:
Cuando hablamos de inferencia en el campo estadístico, nos estamos refiriendo a las diversas técnicas y metodologías por las cuales, en base a una información con la que previamente contamos, se realizan modelos de predicción sobre el comportamiento de un conjunto determinado de población, teniendo en cuenta además un posible margen de error medible.
Un ejemplo muy cotidiano al respecto son las encuestas electorales de intención de voto, donde con una base de encuestados que busca ser lo más heterogénea posible, se intenta determinar cuál será el reparto de votos entre los distintos partidos políticos que se presentan a unas elecciones.
Algunos de los puntos que se tratarán en este módulo en relación a la inferencia estadística serán:
- Variables aleatorias.
- Modelos de distribución de probabilidad.
- Estimulación puntual de parámetros.
- Estimulación por intervalos de confianza.
- Contrastes paramétricos.
- Contrastes no paramétricos.