Descripción
ESTADÍSTICA DESCRIPTIVA E INFERENCIAL
Resumen del libro
Este manual está concebido como una guía completa para estudiantes de iniciación a la minería de datos en la modalidad de enseñanza a distancia. A lo largo de diez unidades didácticas, la obra combina los fundamentos teóricos de la estadística descriptiva e inferencial con una extensa parte práctica. Los lectores encontrarán ejemplos resueltos paso a paso y ejercicios propuestos con solución final, facilitando así el aprendizaje autónomo. El libro aborda desde los conceptos básicos de la minería de datos hasta el proceso completo de descubrimiento de conocimiento en bases de datos, ofreciendo una base sólida para aplicar estas técnicas en contextos reales.
¿De qué trata?
La obra se estructura en diez unidades didácticas que guían al lector desde los fundamentos hasta las aplicaciones prácticas de la estadística en la minería de datos. Comienza con una introducción a los conceptos básicos de la minería de datos, estableciendo el marco conceptual necesario. A continuación, se presenta el proceso de descubrimiento de conocimiento en bases de datos (KDD), detallando sus etapas iniciales. La parte central del libro se centra en las técnicas de estadística descriptiva e inferencial, explicando cómo aplicarlas para extraer información valiosa de conjuntos de datos. Cada unidad combina teoría con ejemplos prácticos resueltos de forma pormenorizada, lo que permite al estudiante comprender tanto los principios como su implementación. El enfoque pedagógico está diseñado específicamente para facilitar el estudio a distancia, con ejercicios propuestos que refuerzan el aprendizaje y soluciones finales para la autoevaluación.
Temas principales
- Conceptos fundamentales de minería de datos y su relación con la estadística
- Proceso de descubrimiento de conocimiento en bases de datos (KDD) y sus etapas
- Técnicas de estadística descriptiva para el análisis exploratorio de datos
- Fundamentos de estadística inferencial y su aplicación en la toma de decisiones
- Ejercicios prácticos y ejemplos resueltos para la comprensión de técnicas de minería de datos
¿Para quién está recomendado?
Este libro está dirigido a estudiantes universitarios que cursen asignaturas de iniciación a la minería de datos, especialmente en modalidades de enseñanza a distancia o semipresencial. También resulta útil para profesionales que deseen adquirir o reforzar sus conocimientos en estadística aplicada al análisis de datos, así como para autodidactas interesados en comprender los fundamentos teóricos y prácticos de la minería de datos con un enfoque estructurado.
Qué aporta este libro
- Un enfoque pedagógico adaptado al estudio a distancia, con teoría y práctica integradas en cada unidad didáctica
- Ejemplos resueltos paso a paso que facilitan la comprensión de técnicas complejas de minería de datos
- Ejercicios propuestos con soluciones finales para la autoevaluación y el refuerzo del aprendizaje
- Una base sólida en estadística descriptiva e inferencial aplicada al descubrimiento de conocimiento en bases de datos
- Material estructurado que permite avanzar de forma autónoma y progresiva en el dominio de la materia
Ficha técnica
- Autor: Romero Martínez, Sonia Janeth; Ordóñez Camacho, Xavier G.
- Editorial: UDIMA
- Idioma: Español
- Tema: Ciencia cognitiva
- Encuadernación: Bolsillo
- Fecha de edición: 2014
- Número de páginas: 256
- Dimensiones: 24.0 cm x 17.0 cm
- Peso: 400.0 gr
Valoración editorial
Este manual se presenta como una herramienta práctica y bien estructurada para quienes se inician en la minería de datos, especialmente en contextos de aprendizaje a distancia. Su combinación de teoría y ejercicios resueltos permite al lector avanzar de forma autónoma, mientras que el enfoque en estadística descriptiva e inferencial proporciona los fundamentos necesarios para abordar técnicas más avanzadas. La claridad expositiva y la organización en unidades didácticas facilitan la asimilación progresiva de los contenidos, convirtiéndolo en un recurso útil tanto para estudiantes como para profesionales que buscan una base sólida en el análisis de datos.