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 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. 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
• Parámetros de distribución
• Comparar y ajustar distribuciones
• Ajustes no paramétricos
• Bootstrapping y simulación
• Generar números a partir de distribuciones estándar
• Generar números a partir de distribuciones arbitrarias
• Controlar la secuencia de números aleatorios

Día 2 de 2

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

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 (análisis de la varianza)
• ANOVA de N factores
• MANOVA (análisis multivariante de la varianza)
• 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. Simplifique los conjuntos de datos de dimensiones elevadas reduciendo la dimensionalidad.

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