1. Introducció a les dades multivariants / Introduction to multivariate data
1.1. Matrius de dades i tipus de variables / Data matrices and types of variables
1.2. Mesures de centralitat, variabilitat i associació / Measures of centrality, variability and association
1.3. Reducció de la dimensionalitat: anàlisi de components principals i anàlisi de correspondències / Dimensionality reduction: principal components analysis and analysis of correspondences
2. Probabilitat i inferència estadística / Probability and statistical inference
2.1. Principals models de probabilitat / Main probability models
2.2. Mètodes d'estimació / Estimation methods
2.3. Mètodes de remostreig i validació creuada / Resampling and cross-validation methods
3. Modelització estadística / Statistical modelling
3.1. Regressió lineal i lineal generalitzada / Linear and generalised linear regression
3.2. Regressió logística per a resposta binària / Logistic regression for binary response
3.3. Regressió de Poisson per a comptatges / Poisson regression for counts
3.4. Models additius basats en splines / Additive models based on splines
3.5. Validació i simplificació de models / Model validation and simplification
El professorat avaluarà cada una de les tasques proposades durant el desenvolupament de l'assignatura. També es tindrà en compte la participació de l'alumnat en les diferents activitats.
Criteris específics de la nota «No Presentat»:
No lliurar les tasques i els treballs d'avaluació continuada.
Avaluació única:
L'avaluació única de l'assignatura s'acordarà amb el professorat a principi de curs i pot consistir en un examen o pràctica final que inclourà els diferents blocs de l'assignatura.
Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0.