Tècniques d´anàlisi de dades
Públic
Aquest recurs:
https://materials.campus.uoc.edu/daisy/Materials/PID_00148550/html5/PID_00148550.html
em pot ser útil perquè m’ajudarà a triar el mètode d’investigació del TFM.
https://materials.campus.uoc.edu/daisy/Materials/PID_00258452/html5/PID_00258452.html
em pot ser útil, ja que em dona instruccions de com planificar la recerca.
em pot ser útil, pel fet que esmenta com investigar en temes educatius.
Algunes tècniques d’anàlisi més comunes (depenent de la metodologia quantitativa o qualitativa es fan servir unes o altres, només es poden fer servir totes a la mixta);
- Anàlisi Descriptiva: És la forma més bàsica d’anàlisi de dades. Aquesta tècnica descriu, resumeix i entén les dades.Estadística Descriptiva: mitjana, mediana, mode, rang, desviació estàndard, etc.
Gràfics: histograma, diagrama de barres, diagrama de línies, diagrama de pastís, etc. - Anàlisi Inferencial: Aquesta tècnica utilitza un conjunt de dades de mostra per inferir conclusions sobre la població a partir de la qual es va obtenir la mostra. Prova d’Hipòtesi: Prova Z, Prova T, Chi-Quadrat, etc.
Anàlisi de la Variància (ANOVA)
Regressió: Lineal, Logística, Polinòmica, etc. - Anàlisi Predictiva: Aquesta tècnica es fa servir per predir futures tendències a partir de dades històriques. Màquines de Vector Suport (SVM) Arbres de Decisió Boscos Aleatoris Xarxes Neuronals Algorismes de Boosting: AdaBoost, Gradient Boosting, XGBoost, etc.
- Anàlisi Prescriptiva: Aquesta tècnica es fa servir per recomanar accions que poden portar als millors resultats possibles. Programació Lineal
Optimització de Recursos. Simulació de Monte Carlo - Anàlisi Exploratòria de Dades (EDA): Aquesta tècnica s’utilitza per comprendre les principals característiques, estructures, relacions i patrons entre les variables. Gràfics de dispersió Gràfics de caixa Gràfics de correlació
- Anàlisi de Dades de Sèries Temporals: Aquesta tècnica es fa servir per analitzar les tendències, les estacionalitats i els patrons en les dades de sèries temporals. Model AR (Autoregressiu) Model MA (Mitjana Mòbil) Model ARIMA (Autoregressiu Integrat de Mitjana Mòbil)
- Anàlisi de Dades Categòriques: Aquesta tècnica s’utilitza per analitzar dades que es poden dividir en categories específiques. Anàlisi de la Contingència
Chi-Quadrat per la Independència Prova de Fisher - Aprenentatge No Supervisat: Aquestes tècniques es fan servir per descobrir patrons ocults en les dades. Clustering: K-Means, DBSCAN, Clustering Jeràrquic, etc.
Reducció de la Dimensionalitat: PCA (Principal Component Analysis), t-SNE, etc.