Tapa blanda

Español

Alhambra

Bubok Publishing

Cesar Perez Lopez

Createspace INDEPENDENT Publishing Platform

Ediciones Mundi-Prensa

Ediciones Paraninfo, S.a

Editorial Pearson

Garceta Grupo Editorial

Ibergarceta Publicaciones S.l.

Instituto De Estudios Fiscales

Ra-Ma S.a. Editorial Y Publicaciones

Ra-Ma, Editorial

Scientific Books

Este libro profundiza en las técnicas estadísticas que utilizan variables categóricas, tanto descriptivas como predictivas. Es habitual tratar más asiduamente las técnicas que involucran variables cuantitativas, de modo que las técnicas con variables cualitativas o categóricas tienen una menor frecuencia de uso. No obstante, la importancia de estas últimas y su utilidad práctica suele incluso superar a las anteriores.  El texto comienza tratando las distribuciones de variables categóricas a través de las tablas de continencia, contrastes de independencia y medidas de asociación. A continuación, se presentan las técnicas de reducción de la dimensión con variables cualitativas entre las que destacan las técnicas de escalamiento óptimo que incluyen componentes principales con variables categóricas, análisis no lineal de correlación canónica y regresión categórica. En los capítulos siguientes se aborda el análisis de correspondencias simples y múltiples y los modelos logaritmo lineales. También se dedica una parte importante del contenido al análisis conjunto y a las técnicas de escalamiento multidimensional no métrico. Finalmente se profundiza en los árboles de decisión.  Las técnicas se ilustran con ejemplos prácticos resueltos con el software IBM SPSS. Al final de cada capítulo se presentan una serie de ejercicios secuenciados en orden de dificultad que permiten afianzar los conocimientos adquiridos.

Tecnicas estadisticas con variables categoricas. Ibm spss

Tecnicas de mineria de datos e inteligencia de negocios. Ibm spss modeler

Investigación operativa: Tecnicas y herramientas. Técnicas y herramientas

Analisis multivariante de datos. Aplicaciones con ibm spss, sas y statgraphics

Diseño de experimentos. Tecnicas y herramientas

La finalidad de este texto es presentar un contenido estadístico de nivel inicial-medio, pero a la vez amplio, que sirva de apoyo tanto a estudiantes universitarios como a profesionales que necesitan asentar sus conocimientos en estadística, independientemente de su área de formación (ciencias o letras). El libro puede ser un buen complemento a la formación que reciben los estudiantes en las distintas Facultades en las que se cursa la materia. Asimismo, los conceptos y ejemplos más sencillos también podrían ser útiles en la Enseñanza Secundaria (concretamente en los dos últimos cursos de Bachillerato). Se comienza tratando los temas más sencillos, como pueden ser la estadística descriptiva, variables aleatorias discretas y continuas, tablas de frecuencias para variables unidimensionales y bidimensionales, independencia y relación entre variables, regresión y correlación, variables cualitativas, tablas de contingencia y números índices. Más adelante, y a medida que se avanza en contenido, se tratan temas como las distribuciones de frecuencias, leyes de probabilidad, funciones de densidad, funciones de distribución, valores críticos y otras características. Por último, se abordan temas estadísticos ya más especializados, como intervalos de confianza, contrastes de hipótesis, estimación no paramétrica, modelos del análisis de la varianza, modelos de regresión múltiple, modelos de series temporales y programación lineal y optimización. En cuanto a la metodología, dentro de cada tema se comienza con una breve descripción teórica de los conceptos a utilizar indicando sus posibles aplicaciones prácticas y resolviendo, con el apoyo de la hoja de cálculo Microsoft Excel, un número elevado de problemas secuenciados en contenido y grado de dificultad.

Estadistica aplicada. Conceptos y ejercicios a través de excel

El objetivo de este libro es la presentación de las técnicas econométricas básicas y su tratamiento con las herramientas más adecuadas de cálculo automatizado. Se utilizan los paquetes de software EVIEWS, STATA, SAS y SPSS para abordar de modo sencillo el trabajo econométrico.  El primer bloque de contenido se ocupa del modelo lineal de regresión múltiple y de toda su problemática, incluyendo herramientas para la detección y tratamiento de la autocorrelación, heteroscedasticidad, multicolinealidad, normalidad residual, linealidad, observaciones influyentes, errores de especificación, exogeneidad y regresores estocásticos.  Un segundo bloque trata los modelos de elección discreta, recuento, censurados, truncados y de selección muestral, haciendo hincapié en los modelos Logit, Probit, Tobit, Poisson, binomial negativa y corrección del sesgo de selección mediante la estimación de Heckman.  El tercer bloque aborda el análisis univariante de series temporales a través de la metodología Box Jenkins para modelos ARIMA, el tratamiento de los modelos de intervención y los modelos univariantes de la función de transferencia.  El último bloque se ocupa de los modelos del análisis de la varianza y la covarianza, el modelo lineal general y los modelos mixtos.  Los capítulos se inician con la exposición de los conceptos y notas teóricas adecuadas, para resolver a continuación una variedad de ejercicios que cubran los conceptos expuestos. Se trata de recopilar la mayor parte de los conceptos econométricos e ilustrarlos con la práctica a través de las herramientas de software adecuadas.

Econometría básica. Aplicaciones con eviews, stata, sas y spss

El Deep Learning (aprendizaje profundo) es un tipo del aprendizaje automático basado en redes neuronales artificiales. El proceso de este aprendizaje se llama profundo porque estas estructuras de redes consisten en tener múltiples entradas, salidas y capas ocultas. Cada capa contiene unidades que transforman los datos de entrada en información, y de esta forma, la siguiente capa puede utilizarlos para una determinada tarea predictiva. De esta forma, una máquina puede aprender mediante su propio procesamiento de datos. MATLAB cuenta con la herramienta Neural Network Toolbox (Deep Leraning Toolbox a partir de la versión 18) que proporciona algoritmos, funciones y aplicaciones para crear, entrenar, visualizar y simular redes neuronales. Puede realizar clasificación, regresión, agrupamiento, reducción de dimensionalidad, pronóstico de series de tiempo y modelado y control de sistemas dinámicos. La caja de herramientas incluye redes neuronales convolucionales y algoritmos de aprendizaje profundo con codificador automático para clasificación de imágenes y tareas de aprendizaje de características. Para acelerar el

Herramientas de deep learning. Arquitecturas de redes neuronales. Ejemplos con matlab

Machine Learning utiliza dos tipos de técnicas: aprendizaje supervisado, que entrena modelos sobre datos de entrada y salida conocidos para poder predecir resultados futuros, y aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. El objetivo del aprendizaje automático supervisado es construir un modelo que haga predicciones basadas en evidencias en presencia de incertidumbre. Entre las técnicas de aprendizaje supervisado destacan los modelos no lineales, que no asumen una relación lineal entre las variables de entrada y la variable de salida. En este libro se desarrollan técnicas de Machine Learning de aprendizaje supervisado relativas a modelos no lineales. El contenido comienza profundizando en los modelos no lineales de regresión múltiple con toda su problemática de identificación, estimación y diagnosis. Se hace hincapié en los modelos de ecuaciones simultáneas no lineales. También se tratan los modelos de regresión particionada y segmentada. A continuación, se aborda la familia de los modelos lineales generalizados y todas las tipologías de model

Machine learning. Tecnicas de aprendizaje supervisado. Modelos no lineales. Ejercicios resueltos con r, sas, stata, eviews, spss y statgraphics

El Sistema SAS(Statistical Analisys System) es un paquete de software que abarca múltiples áreas de trabajo del campo científico, centrándose especialmente en todas las ramas de la Estadística aplicada, por lo que la utilidad de este software puede extenderse a la mayoría de las ciencias experimentales y sociales. El sistema SAS consta de una serie de módulos, cada uno de ellos orientado a una tarea específica. Entre los más importantes tratados en profundidad en este libro están: #SAS/BASE, módulo imprescindible sin el cual no funcionan los restantes y que permite el manejo de ficheros y datos, la programación básica y los procedimientos más sencillos correspondientes a Estadística descriptiva y análisis exploratorio de datos. #SAS/GRAPH, módulo para la realización de gráficos que habilita representaciones gráficas de calidad para todos los módulos restantes. #SAS/STAT, módulo que incluye procedimientos estadísticos complejos relativos a la econometría y el análisis multivariante de datos. #SAS/ ETS; módulo que implementa todo tipo de procedimientos referentes a series temporales y modelos avanzados lineales y no lineales. El estudio de SAS comienza por su módulo básico, que es en un lenguaje de programación para manejar los datos, procedimientos sencillos para el análisis de datos, macros para automatizar procesos y programar a medida, y un entorno interactivo de ventanas que posibilita editar los programas, analizarlos, corregirlos y ver su salida, tanto numérica como gráfica.

El sistema estadístico sas

Matlab a través de ejemplos. Más de un millar de ejemplos

Utilizando técnicas modernas, como la minería de datos, el modelado estadístico y el aprendizaje automático, los modelos predictivos ayudan a los analistas a realizar previsiones futuras sobre variables de interés como suelen ser ventas, ingresos, gastos, etc. También suelen utilizarse para pronosticar probabilidades de fraude, riesgo, devolución de créditos y siniestro en el seguro. Entre los modelos predictivos más interesantes se encuentran las redes neuronales. MATLAB implementa la herramienta Neural Network Toolbox (Deep Learning Toolbox a partir de la versión 18) especializada en las técnicas de analítica basadas en redes neuronales. Esta caja de herramientas proporciona algoritmos, funciones y aplicaciones para crear, entrenar, visualizar y simular redes neuronales. Puede realizar tareas de clasificación, regresión, agrupación, reducción dimensional, previsión de series temporales y modelado y control de sistemas dinámicos. La caja de herramientas incluye algoritmos de aprendizaje profundo de redes neuronales convolucionales y autocodificadores para tareas de clasificación de imágenes y reconocimient

Redes neuronales y aplicaciones. Ajuste de funciones, clúster, patrones y series temporales. Ejemplos con matlab

Big data

Programacion de inteligencia artificial

Econometria de datos de panel. Teoría y práctica

Econometría avanzada: Técnicas y herramientas

Se describen los conceptos de minería de datos de la forma más sencilla posible, de modo que sean inteligibles a lectores con formación diversa. Los capítulos comienzan describiendo las técnicas en lenguaje asequible y presentando a continuación la forma de tratarlas mediante aplicaciones prácticas. Una parte importante de cada capítulo son los casos prácticos totalmente resueltos, incluyendo la interpretación de los resultados. Los entornos de trabajo automatizados específicos de minería de datos que se utilizan son SAS Enterprise Miner y SPSS Clementine. Adicionalmente se utilizan determinados procedimientos de SPSS y SAS que realizan tareas de minería de datos de modo sencillo. El libro va acompañado de un CD-ROM que contiene los archivos de datos, tanto de todos los ejemplos que ilustran la parte teórica, como de los ejercicios resueltos.

Minería de datos. Técnicas y herramientas

En este libro se recoge una colección de problemas de econometría, de modo que sean inteligibles por lectores con formación básica en la materia. No obstante, los últimos problemas de cada capítulo presentan un contenido más avanzado. Los capítulos comienzan describiendo las técnicas econométricas en lenguaje asequible y presentando a continuación la forma de tratarlas mediante ejemplos prácticos resueltos con el programa EVIEWS. La parte más extensa de cada capítulo son los problemas totalmente resueltos, incluyendo la interpretación de los resultados, faceta esencial en econometría.

Problemas resueltos de econometría

El objetivo de este libro es que el lector descubra las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de data mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD.

Ifcd012po data mining: Principios y aplicaciones

Estadística aplicada a través de excel

El objetivo de este libro es que el lector adquiera las habilidades básicas necesarias para comprender y adquirir los conceptos fundamentales de las bases de datos relacionales; políticas de seguridad en bases de datos; manipulación y almacenamiento de datos; y administración básica de bases de datos Microsoft SQL Server (queries, herramientas gráficas, scripts, etc.). Con ello, el estudiante adquirirá los conocimientos fundamentales para la realización de tareas técnicas en la administración de bases de datos relacionales a través de la tecnología Microsoft SQL Server.

Ifct27 introduccion a las bases de datos microsoft sql serve

Windows vista guia de usuario

En este libro se presenta un análisis profundo de la base de datos MySQL para los sistemas operativos Windows y Linux. Se comienza analizando la instalación del programa en los diferentes sistemas operativos y la introducción del trabajo en los distintos entornos de MySQL haciendo hincapié en las diferencias esenciales entre entornos Windows y entornos Linux. A continuación, se trata detalladamente el desarrollo amplio del modelo entidad-relación a través de SQL. Se incide especialmente en el diseño de bases de datos y en el uso de MySQL para definición, consulta, creación, control y modificación de bases de datos relacionales. Posteriormente, se abordan de forma exhaustiva todas las tareas relativas a la administración de la base de datos, incluyendo la administración de servidores, la administración de la seguridad, la duplicación y la importación de datos. Por último, se trata el acceso a bases de datos MySQL mediante funciones PHP que permitirán conexiones, consultas y procesamiento de resultados. También se dedica una parcela a la utilización de MySQL para el diseño de páginas Web dinámicas a través de PHP. En cuanto a la metodología, los capítulos comienzan con la exposición de las tareas en orden secuencial de dificultad y se completan con un número importante de ejercicios prácticos que complementan los conceptos teóricos. Tanto la exposición de los conceptos como los problemas hacen referencia a bases de datos ejemplo que son construidas completamente en el propio libro, por lo que no es necesario acudir a ficheros externos ni a otro tipo de información adicional.

Mysql para windows y linux. 2 edición.

En este libro se presenta un análisis profundo de la base de datos Oracle 10g en su versión más extensa (Oracle 10g Enterprise Edition). Se comienza con la instalación del programa en Windows Vista y en Windows XP, la introducción al trabajo en los entornos SQL*Plus e i-SQL*Plus y el desarrollo amplio del modelo entidad-relación a través de Oracle 10g SQL, que se tratará de forma extensa a lo largo del libro. Así mismo, se desarrollan de forma exhaustiva todas las tareas relativas a la administración de la base de datos, incluyendo la administración de la seguridad, el ajuste de las bases de datos, las tareas de auditoría y la migración de datos. Cada capítulo se ilustra con un número importante de ejercicios prácticos que completan los conceptos teóricos. Estos ejercicios hacen referencia a bases de datos ejemplo que son construidas en el propio libro y a la base de datos que instala por defecto Oracle 10g, la cual siempre está disponible para los usuarios. De esta forma, todos los ejercicios prácticos del libro y los ejemplos incluidos en la parte teórica de los capítulos pueden realizarse completamente con la información que se presenta en el propio texto, sin necesidad de acudir a ficheros externos ni a otro tipo de información adicional. El desarrollo del libro se realiza con la versión 10g 2.0 de Oracle en castellano, tanto para Windows Vista como para Windows XP. Hay que tener presente que en Windows Vista se utiliza la release Oracle 10g 2.0.3 y en Windows XP, la release Oracle 10g 2.0.2.

Tecnicas estadisticas con variables categoricas. Ibm spss (2014)

Tecnicas de mineria de datos e inteligencia de negocios. Ibm spss modeler (2014)

Investigación operativa: Tecnicas y herramientas. Técnicas y herramientas (2013)

Analisis multivariante de datos. Aplicaciones con ibm spss, sas y statgraphics (2013)

Diseño de experimentos. Tecnicas y herramientas (2013)

Estadistica aplicada. Conceptos y ejercicios a través de excel (2012)

Econometría básica. Aplicaciones con eviews, stata, sas y spss (2012)

Herramientas de deep learning. Arquitecturas de redes neuronales. Ejemplos con matlab (2025)

Machine learning. Tecnicas de aprendizaje supervisado. Modelos no lineales. Ejercicios resueltos con r, sas, stata, eviews, spss y statgraphics (2025)

El sistema estadístico sas

Matlab a través de ejemplos. Más de un millar de ejemplos (2011)

Redes neuronales y aplicaciones. Ajuste de funciones, clúster, patrones y series temporales. Ejemplos con matlab (2024)

Big data (2022)

Programacion de inteligencia artificial (2022)

Econometria de datos de panel. Teoría y práctica (2019)

Econometría avanzada: Técnicas y herramientas (2011)

Minería de datos. Técnicas y herramientas

Problemas resueltos de econometría (2006)

Ifcd012po data mining: Principios y aplicaciones (2021)

Estadística aplicada a través de excel

Ifct27 introduccion a las bases de datos microsoft sql serve (2022)

Windows vista guia de usuario

Mysql para windows y linux. 2 edición.

Oracle 10g. Administración y análisis de bases de datos. 2 edición