Accesos directos a las distintas zonas del curso
Ir a los contenidos
Ir a menú navegación principal
Ir a menú pie de página
Subject's code : 31110018
Este tema tiene como objetivo introducir las técnicas estadísticas principales. Se contemplan aquellas en las que hay una variable respuesta y una variable explicativa (t-Student, ANOVA 1 factor, Ji-Cuadrado, Fisher, Mann-Whitney y Kruskal-Wallis).
El material de estudio de este tema se detalla en el Manual Didáctico de esta asignatura, que se encuentra en el espacio correspondiente, en la plataforma de cursos virtuales de la UNED.
Antes de comenzar dicho material de estudio es conveniente, repasar algunos conceptos estadísticos básicos propios de una asignatura de grado de Estadística (ver, por ejemplo las referencias de Peña (2014) y Ramos et al. (2019) de la bibliografía complementaria) y que básicamente son los siguientes:
Este tema explica las medidas básicas de riesgo en una tabla de contingencia (diferencia de riesgos, riesgo relativo y odds ratio). Los conceptos de este tema son básicos para poder interpretar la regresión logística del tema 8.
Antes de comenzar dicho material de estudio se recomienda refrescar los conceptos básicos de intervalos de confianza y contraste de hipótesis propios de una asignatura de grado de Estadística. Se puede consultar además de las referencias dadas en el tema 1, el glosario disponible en el curso virtual.
En el caso de que una variable explicativa se utilice para diagnosticar aparecen nuevos conceptos estadísticos como: sensibilidad y especificidad, valores predictivos, likelihood ratios y curvas ROC. Este tema es fundamental para entender el comportamiento del análisis discriminante lineal y de la regresión logística.
Se introducen los conceptos básicos del aprendizaje estadístico en general y del aprendizaje supervisado en particular.
Antes de comenzar dicho material de estudio se recomienda refrescar los conceptos básicos de esperanza y varianza propios de una asignatura de grado de Estadística. Se puede consultar además de las referencias dadas en el tema 1, el glosario disponible en el curso virtual.
En este tema se estudia el modelo básico de regresión lineal que modeliza una respuesta cuantitativa. Directamente se estudia el caso de varias variables explicativas, por lo que este tema requiere una especial concentración. Este tema es muy importante en el desarrollo del curso.
En este tema se utiliza álgebra matricial que se repasa en el curso virtual a través de pequeños ejercicios que se plantean en el foro.
En este tema se tratan algunas variantes de modelos de regresión lineal como: ridge regression, LASSO, PCR o PLS. Para entender este tema es fundamental haber entendido perfectamente el tema anterior.
En este tema se estudia el primero de los modelos básicos de clasificación que modeliza una respuesta cualitativa. Este tema es importante desde un punto de vista histórico para entender los modelos de clasificación.
En este tema se estudia el segundo de los modelos básicos de clasificación que modeliza una respuesta cualitativa. Este tema presenta uno de los modelos estadísticos más usados en la práctica. Además, se ponen en práctica todos los conceptos trabajados en temas anteriores que han servido de preparación a éste.
En este tema se describen los métodos principales de evaluación de modelos y cómo usar dichos métodos para elegir entre varios modelos.
En la estadística llamada clásica o frecuentista, los parámetros son constantes desconocidas que hay que estimar. Sin embargo, en la llamada estadística bayesiana, a los parámetros se les considera variables aleatorias. En este tema se dan los conceptos básicos de la inferencia bayesiana. Este tema es fundamental para los alumnos que cursen la asignatura optativa de modelos bayesianos jerárquicos.
