Grao en Ciencia e Enxeñaría de Datos |
Asignaturas |
Análisis Estadístico de Datos Complejos |
Contenidos |
|
|
|
Datos Identificativos | 2022/23 | |||||||||||||
Asignatura | Análisis Estadístico de Datos Complejos | Código | 614G02031 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
Grado | 1º cuatrimestre |
Cuarto | Optativa | 6 | ||||||||||
|
Tema | Subtema |
Introducción al problema de datos faltantes | Retos y problemas ante la falta de datos Mecanismos de falta de datos: missing at random (MAR) y missing completely at random (MCAR) Consecuencias del descarte de los datos faltantes |
Técnicas de imputación | Imputación mediante la media Métodos de imputación simple Imputación basada en verosimilitud bajo MAR Algoritmo de Esperanza-Maximización (EM) Métodos de imputación múltiple bajo MAR |
Introducción a los datos funcionales | Ejemplos y motivación El registro y la suavización de datos funcionales Métricas y semimétricas para datos funcionales Expresión de los datos funcionales en términos de una base |
Análisis de datos funcionales | Estimación de la función media y del operador de covarianzas Concepto de profundidad: detección de datos funcionales atípicos Componentes principales funcionales Modelos lineales para datos funcionales |
Datos censurados | Información incompleta y censura Consecuencias de ignorar la censura Estimación paramétrica con datos censurados Estimación no paramétrica: el estimador de Kaplan-Meier El modelo de Cox para la supervivencia condicional |
Datos sesgados | Sesgo en la selección de los datos: sesgo por longitud, por tiempo y por tamaño Consecuencias de ignorar el sesgo Estimación de la media y la varianza para datos sesgados El principio de verosimilitud para datos sesgados Situaciones con función de sesgo no especificada |
|