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.

https://discovery.biblioteca.uoc.edu/discovery/fulldisplay?context=PC&vid=34CSUC_UOC:VU1&search_scope=MyInst_and_CI&tab=Everything&docid=cdi_proquest_ebookcentral_EBC5308902

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);

  1. 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.
  2. 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.
  3. 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.
  4. 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
  5. 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
  6. 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)
  7. 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
  8. 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.