Guía DocenteCurso Facultade de Informática |
Grao en Ciencia e Enxeñaría de Datos |
Asignaturas |
Análise Estatística de Datos Complexos |
Contidos |
|
|
|
Datos Identificativos | 2022/23 | |||||||||||||
Asignatura | Análise Estatística de Datos Complexos | Código | 614G02031 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
Grao | 1º cuadrimestre |
Cuarto | Optativa | 6 | ||||||||||
|
Temas | Subtemas |
Introdución ó problema de datos faltantes | Retos e problemas ante a falta de datos Mecanismos de falta de datos: missing at random (MAR) e missing completely at random (MCAR) Consecuencias do descarte de datos faltantes |
Técnicas de imputación | Imputación mediante a media Métodos de imputación simple Imputación basada en verosimilitude baixo MAR Algoritmo de Esperanza-Maximización (EM) Métodos de imputación múltiple baixo MAR |
Introdución ós datos funcionais | Exemplos e motivación O registro e a suavización de datos funcionais Métricas e semimétricas para datos funcionais Expresión dos datos funcionais en termos dunha base |
Análise de datos funcionais | Estimación da función media e do operador de covarianzas Concepto de profundidade: detección de datos funcionais atípicos Compoñentes principais funcionais Modelos lineais para datos funcionais |
Datos censurados | Información incompleta e censura Consecuencias de ignorar a censura Estimación paramétrica con datos censurados Estimación non paramétrica: o estimador de Kaplan-Meier O modelo de Cox para a supervivencia condicional |
Datos sesgados | Sesgo na selección dos datos: sesgo por lonxitude, por tempo e por tamaño Consecuencias de ignorar o sesgo Estimación da media e a varianza para datos sesgados O principio de verosimilitude para datos sesgados Situacións con función de sesgo non especificada |
|