Formación en MATLAB y Simulink

Métodos Estadísticos en MATLAB

Vea los horarios e inscríbase

Detalles del curso

Este curso 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, incluidas la importación y organización de los datos, el análisis exploratorio, 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

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.

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

Nivel: Intermedio

Prerrequisitos:

Duración: 2 días

Idiomas: Deutsch, English, 한국어

Vea los horarios e inscríbase