Formación en MATLAB y Simulink

Métodos Estadísticos en MATLAB

Detalles del curso

Este curso de dos días ofrece experiencia práctica para realizar análisis de datos estadísticos con MATLAB® y Statistics and Machine Learning Toolbox™. Los ejemplos y ejercicios muestran el uso de las funciones relevantes de MATLAB y Statistics and Machine Learning Toolbox a lo largo del proceso de análisis, desde la importación y organización de los datos, pasando por el análisis exploratorio, hasta el análisis confirmatorio y la simulación.

Temas incluidos:

  • Gestionar datos
  • Calcular estadísticas sumarias
  • Visualizar datos
  • Ajustar distribuciones
  • Realizar pruebas de significancia
  • Realizar análisis de varianza
  • Ajustar modelos de regresión
  • Reducir conjuntos de datos
  • Generar números aleatorios y realizar simulaciones

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 ausentes.

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

Explorar datos

Objetivo: Realice una investigación estadística básica de un conjunto de datos, incluida la visualización y el cálculo de estadísticas sumarias.

  • Representación
  • Tendencia central
  • Extensión
  • Forma
  • Correlaciones
  • Datos agrupados

Distribuciones

Objetivo: Investigue diferentes distribuciones de probabilidad y ajuste las distribuciones a un conjunto de datos.

  • Distribuciones de probabilidad
  • Parámetros de distribución
  • Comparar y ajustar distribuciones
  • Ajustes no paramétricos

Pruebas de hipótesis

Objetivo: Determine la probabilidad de una afirmación sobre un conjunto de datos. Aplique pruebas de hipótesis para usos frecuentes, como la comparación de dos distribuciones y la determinación de intervalos de confianza para la media de una muestra.

  • Pruebas de hipótesis
  • Pruebas para distribuciones normales
  • Pruebas para distribuciones no normales

Día 2 de 2


Análisis de varianza

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

  • Comparaciones múltiples
  • ANOVA de un factor
  • ANOVA de N factores
  • MANOVA
  • ANOVA no normal
  • Correlaciones categóricas

Regresión

Objetivo: Realice un modelado predictivo ajustando modelos lineales y no lineales a un conjunto de datos. Explore técnicas para mejorar la calidad del modelo.

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

Trabajar con varias dimensiones

Objetivo: Simplifique los conjuntos de datos de dimensiones elevadas reduciendo la dimensionalidad.

  • Transformación de características
  • Selección de características

Números aleatorios y simulación

Objetivo: 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.

  • Bootstrapping y simulación
  • Generar números a partir de distribuciones estándar
  • Generar números a partir de distribuciones arbitrarias
  • Controlar la secuencia de números aleatorios

Nivel: Intermedio

Prerrequisitos:

Este programa ha sido aprobado por GARP y otorga 14 horas de créditos GARP CPD. Si tiene la certificación FRM o ERP, puede añadir esta actividad a su perfil en https://www.garp.org/cpd

Duración: 2 días

Idiomas: Deutsch, English, Français, 日本語, 한국어