Grau en Business Intelligence i Data Analytics

Lidera la transformació de les empreses mitjançant l'ús i l'anàlisi de dades.

Descripció
El curs es dedica principalment a tècniques d’inferència que permeten la generalització de les conclusions derivades d'una mostra de la població en estudi, juntament amb una valoració de la incertesa i el grau de precisió derivat d'aquesta generalització. Es tracta principalment de procediments d'estimació de paràmetres, de manera específica o mitjançant intervals de confiança i procediments de proves d'hipòtesis, ambdues exemplificades per a alguns casos rellevants per a la gestió empresarial impulsada per dades. A l’estadística no es tracta de memoritzar fórmules o saber utilitzar una calculadora, més aviat identificar quin mètode s'adapta millor per trobar la solució al problema que estem enfrontant. El curs assumeix un sòlid coneixement de l'anàlisi matemàtica i la comprensió de les estadístiques descriptives bàsiques. Està estructurat perquè els estudiants apliquin conceptes teòrics en un conjunt de casos pràctics i un projecte, que s'ajusten tots els mètodes i tècniques apreses. L'objectiu d'aquest curs és proporcionar als estudiants les eines estadístiques necessàries per dur a terme una anàlisi descriptiva i inferència bàsica. Es posarà èmfasi en l'ús de 2 eines: Excel i SPSS (paquets estadístics per a les ciències socials). En finalitzar el curs, els estudiants podran entendre i dur a terme tècniques bàsiques d'estadístiques descriptives i inferencials.
Tipus assignatura
Primer - Obligatoria
Semestre
Segon
Curs
1
Crèdits
6.00
Coneixements previs
Objectius

Els resultats d'Aprenentatge d'aquesta assignatura són:
RA01 - Ús d'Excel i SPSS per a l'anàlisi de dades
RA02 - Buscar relacions entre les dades
RA03 - Conèixer distribucions discretes i contínues
RA04 - Plantejar una investigació amb intervals de confiança i prova d'hipòtesis
RA05 - ANOVA
RA06 - Realitzar un estudi de cas i elaborar una enquesta adequada per abordar un problema

Continguts

1. Probabilitat
- Combinatòria
- Probabilitat, probabilitat condicional i teorema de Bayes
- Variables aleatòries
- Distribució binomial i Bernoulli
- Distribució normal (i de Student)
2. Presentació d'eines estadístiques
- Excel
- SPSS (estadística descriptiva i taules de contingècia)
3. Mostreig
- Distribució mostral
- Estimació de la població
- Intervals de confiança
4. Correlació i regressió
- Correlació entre variables
- Anàlisi de regressió de mínims quadrats
5. Model ANOVA

Metodologia

Una sessió per setmana on es mostraran els conceptes bàsics i la seva aplicació en situacions pràctiques. Es resoldran exercicis a classe i també es proposaran problemes o pràctiques perquè els estudiants puguin aplicar els conceptes apresos. Alguns d'aquests exercicis s'analitzaran en la següent sessió.

Avaluació

Examen Teòric 20%
Treball en classe 20%
Pràctiques individuals 20%
Examen de meitat del semestre - Presentació del Projecte 15%
Projecte (en grups) 25%

Les notes dels exàmens de meitat del semestre i el projecte final han de ser més gran que 4 punts. És a dir, si obtens menys d'un 4 en algun d’aquests conceptes, suspens l'assignatura.
Important: L'assignatura serà aprovada si el còmput global de la nota és igual o superior a 5.
Prohibició d’eines de IA: L’ús d’eines d’IA està prohibit en aquesta assignatura. Així doncs, l’ús d’aquestes eines per part de l’alumnat es considerarà frau i comportarà l’aplicació de la normativa de còpies de La Salle Campus Barcelona (https://www.salleurl.edu/ca/normativa-de-copies).
RETAKE POLICY: El Retake consistirà en un examen que inclou tot el contingut de l'assignatura.
Abans del dia de l'examen s'hauran de lliurar les pràctiques individuals, en grup, i el projecte. En cas contrari no es podrà realitzar l'examen.
La nota final màxima possible serà de 6 punts.

Criteris avaluació
Bibliografia bàsica

El llibre de text recomanat és:
Fundamentals of Business Statistics, Sweeney, D. Williams, T. & Anderson, D. Cengage Learning; 6th edition 2011.
El curs en línia recomanat (gratuït) és:
https://www.coursera.org/learn/stanford-statistics

Material complementari