Métodos Estadísticos en MATLAB

Día 1 de 2

Importación y organización de datos

Objetivo: Importe datos en MATLAB y organícelos para su análisis. Realice tareas frecuentes, como la combinación de datos y el tratamiento de los datos incompletos.

• Importar datos
• Tipos de datos
• Tablas de datos
• Combinar datos
• Datos categóricos
• Datos incompletos

Exploración de datos

Objetivo: Realice estadísticas descriptivas de un conjunto de datos, incluida la visualización y el cálculo de estadísticas sumarias.

• Visualizar datos
• Calcular parámetros de ubicación, dispersión y forma
• Calcular coeficientes de correlación
• Realizar cálculos con datos agrupados

Distribuciones

Objetivo: Investigue diferentes distribuciones de probabilidad y ajuste las distribuciones a un conjunto de datos. Use números aleatorios para evaluar la incertidumbre o la sensibilidad de un modelo o realizar simulaciones. Genere números aleatorios a partir de varias distribuciones y gestione los algoritmos de generación de números aleatorios de MATLAB.

• Distribuciones de probabilidad y sus parámetros
• Comparar y ajustar distribuciones
• Ajustar distribuciones no paramétricas
• Bootstrapping y simulación
• Generar números aleatorios a partir de distribuciones arbitrarias
• Controlar la secuencia de números aleatorios

Día 2 de 2

Pruebas de hipótesis

Objetivo: Determine si un conjunto de datos respalda suficientemente una hipótesis concreta. Aplique pruebas de hipótesis para usos frecuentes, como comparar la ubicación y los parámetros de dispersión de dos distribuciones.

• Análisis confirmatorio de datos
• Pruebas de hipótesis para distribuciones normales
• Pruebas de hipótesis para distribuciones no normales

Análisis de varianza

Objetivo: Compare las medias de varios grupos de la muestra y encuentre diferencias estadísticamente significativas entre los grupos.

• Realizar análisis de varianza (ANOVA)
• Calcular correcciones de varias comparaciones
• Realizar análisis ANOVA de N factores y análisis multivariante de la varianza (MANOVA)
• ANOVA para datos no normales
• Pruebas de independencia para datos categóricos

Regresión

Objetivo: Realice un modelado de predicción ajustando modelos lineales y no lineales a un conjunto de datos. Explore técnicas para mejorar la calidad del modelo. Simplifique los conjuntos de datos de dimensiones elevadas reduciendo la dimensionalidad.

• Modelos de regresión lineal
• Ajustar modelos lineales a los datos
• Evaluar el ajuste y ajustar el modelo
• Regresión lineal generalizada y logística
• Regresión no lineal
• Selección y transformación de características