Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA

Precio especial 30,40 € Precio habitual 32,00 €
Disponible (en stock)
ISBN
9788436843989
Nombre del producto:
Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA
Peso:
0.582
Fecha de edición:
18 feb. 2021
Número de Edición:
1
Autor:
Mateos-aparicio Morales, Gregoria / Hernández Estrada, Adolfo
Idioma:
Español
Formato:
Libro
Páginas:
304
Lugar de edición:
MADRID
Colección:
ECONOMÍA Y ADMINISTRACIÓN DE EMPRESA
Encuadernación:
Rústica

En el mundo cada vez más complejo en el que vivimos, la revolución que está cambiando nuestra vida es la capacidad de utilizar grandes bases de datos, lo que permite prever en la sociedad reacciones a las acciones que políticos o empresarios pueden tomar. Esta revolución es la posibilidad de usar de manera inteligente millones de datos que permiten crear un radar para modelizar mercados y sociedades (para bien y para mal). Estos modelos pueden servir para ayudar a ciudadanos y consumidores o, por el contrario, para manipularlos. Es tan radical este cambio como lo fue la invención del radar, que se podía usar tanto para la paz como para la agresión.En esta obra se hace una revisión de los principales métodos de análisis multivariante de datos con el objeto de que estudiantes, investigadores y profesionales adquieran los conocimientos suficientes para utilizarlos adecuadamente en la predicción y la toma de decisiones en la empresa, y como herramienta estadística imprescindible para encontrar patrones de comportamiento en las grandes bases de datos del Big Data.

Estas herramientas son el análisis factorial, el análisis de componentes principales, el análisis clúster o de conglomerados, el análisis discriminante y el análisis de regresión logística. Se analizan las relaciones entre las variables de un conjunto de datos para resumir la información que recogen, mediante un pequeño conjunto de variables teóricas o latentes que faciliten la interpretación del comportamiento de la población de la que se han extraído los datos. También se estudian las similitudes entre los individuos o casos para formar grupos de clasificación con características similares. Por último, se aborda el estudio de grupos definidos en la población, con el fin de investigar su caracterización en función de las variables recogidas y la forma de hacer predicciones para asignar casos nuevos a los grupos.

Prólogo

Presentación. 

1.Introducción al análisis multivariante de datos.

2.Análisis factorial.

3.El análisis de componentes principales.

4.Análisis clúster o de conglomerados.

5.Análisis discriminante.

6.Análisis de regresión logística.

7.Bibliografia

Gregoria Mateos-Aparicio Morales es licenciada en Ciencias Matemáticas, especialidad de Estadística, y doctora en Ciencias Económicas y Empresariales por la Universidad Complutense de Madrid. Es además profesora titular de universidad del Área de Estadística e Investigación Operativa en la Facultad de Ciencias Económicas y Empresariales de la misma universidad, departamento de Economía Financiera y Actuarial y Estadística. Ha sido directora del departamento de Estadística e Investigación Operativa II (Métodos de Decisión) de la UCM (2010-2015) y directora del Grupo de Investigación UCM: "Métodos Estadísticos aplicados a la Economía y otras Ciencias Sociales". Diploma de Excelencia Docente por la docencia en Análisis Multivariante de Datos del máster de Ciencias Actuariales y Financieras.  

Adolfo Hernández Estrada es licenciado en Ciencias Matemáticas, especialidades de Estadística e Investigación Operativa, por la Universidad Complutense de Madrid y doctor en Matemáticas (Estadística) por la Universidad Carlos III de Madrid. Asimismo, es profesor titular de universidad del Área de Estadística e Investigación Operativa en la Facultad de Comercio y Turismo de la Universidad Complutense de Madrid, departamento de Economía Financiera y Actuarial y Estadística.

Escribir Su propia reseña
Estás revisando:Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA
Su valoración