Datanalytics

Estadística

Nuestra experiencia en el campo de la estadística se extiende tanto al área académica como a la empresarial. De hecho, una de sus motivaciones ha sido la de aplicar técnicas, resultados y software estadístico avanzado que se usa en la primera al campo de los negocios, servir de puente entre dos mundos que no siempre se comunican adecuadamente.

Áreas de experiencia

Dentro del área de la estadística, hemos trabajado en distintos tipos de proyectos:

  • Series temporales
  • Diseño de experimentos: que, en nuestra experiencia, suele ser la parte más descuidada de un estudio estadístico y la que, a la postre, plantea el mayor número de problemas en cuanto a la duración del proyecto, la calidad de los resultados, el esfuerzo empleado y, en última instancia, el dinero invertido.
  • Simulación y generación de escenarios económicos
  • Clasificación y clústering
  • Bioestadística: análisis de microarrays, detección de genes diferencialmente expresados, métodos automáticos de clasificación y diagnóstico.

Código y algoritmos

Hemos desarrollado algoritmos específicos para el análisis de datos en diversos ámbitos:

  • MinVarMedian: un algoritmo para la identificación de housekeeping detectors para la normalización de datos al aplicar la tecnología PCR en proyectos de investigación en biomedicina. Para obtener información adicional sobre el mismo, incluyendo una implementación en R, pónganse en contacto con nosotros.

Recursos

Queremos recoger en la siguiente lista de enlaces una serie de recursos que nos han resultado útiles en el desempeño de nuestras actividades. Algunos son de producción propia; otros, enlaces externos.

  • Libros
    • Venables William N., Ripley Brian D. "Modern Applied Statistics with S". Un libro altamente recomendado para realizar análisis estadístico con R o S-Plus. Los primeros capítulos son una introducción al lenguaje R para después realizar un amplio recorrido a través de diversos procedimientos estadísticos, incluyendo modelos lineales y lineales generalizados, regresión no lineal y smooth, árboles, efectos aleatorios y cruzados, análisis multivariante exploratorio, clasificación, análisis de la supervivencia, series temporales, estadística espacial y optimización.
    • T. Hastie, R. Tibshirani, J. Friedman "The elements of Statistical Learning: Data Mining, Inference, and Prediction". Durante la última década ha habido un desarrollo sin precedentes en el campo de la estadística, la minería de datos, el aprendizaje automático y la bioinformática. Muchos de ellos están construidos sobre bases conceptuales similares, pero expresadas con una terminología heterogénea. Este libro describe las ideas más importantes en dichas áreas dentro de un mismo marco conceptual de una gran coherencia y elegancia.
  • Software
    • R: R es un lenguaje y entorno de programación para análisis estadístico y gráfico. Se trata de un software libre, distribuido bajo licencia GPL, muy extendido en la comunidad universitaria y que está llamado a cobrar un papel cada vez más relevante en el mundo de las aplicaciones profesionales y de la empresa.
  • Otros enlaces