The paper presents the building of several statistical indicators from different Open Data sources, all of them using a common methodological approach to estimate changes across time. The purpose is to show the problems that must be addressed when using these data and to learn about the different ways to cope with them, according to the type of information, the data available and the aim of the specific indicator. The raw data come from diverse secondary sources that make it publicly accessible: traffic sensors, multichannel citizen attention services, Twitter messages and scraped data from a digital newspapers’ library website. The built indicators may be used as proxies or lead indicators for economic activities or social sentiments.

Esta no es una opinión sobre la profesión, es un relato breve de la historia de un grupo de amigos al que les gustaba la Investigación Operativa e hicieron lo posible, y a veces más, para dedicarse a ella. El relato no pretende ser nada más.

La educación estadística de maestros en formación implica explorar desafíos y oportunidades en la interpretación de prácticas matemáticas sobre el juego justo

En este artículo, se presenta el Grupo de Trabajo de Estadística No Paramétrica, describiendo sus objetivos, principales líneas de investigación y las actividades que se llevan a cabo en el grupo.

Gonzalo Vicente Facultad de Ciencias Económicas. Universidad Nacional. 0000-0003-3575-7399 gonzalo.vicente@fce.uncu.edu.ar Tomás Goicoa Departamento de Estadística, Informática y Matemáticas. INAMAT^2 Universidad Pública de Navarra. 0000-0002-0588-0137 tomas.goicoa@unavarra.es Paloma Fernández-Rasines Departamento de Estadística, Informática y Matemáticas. INAMAT^2 Universidad Pública de Navarra. 0000-0002-1555-217X paloma.fernandez@unavarra.es María Dolores Ugarte Departamento de Sociología y Trabajo Social. Universidad Pública de Navarra. 0000-0002-3505-8400 lola@unavarra.es […]

El fenotipado de plantas es esencial para el desarrollo de variedades de cultivos más resistentes y sostenibles. Este estudio se centra en la necesidad de estimar con precisión los efectos genéticos en datos de plataformas de fenotipado de alto rendimiento (HTP, por sus siglas en inglés). En los datos HTP que abordamos en esta tesis, se miden rasgos fenotípicos a lo largo del tiempo en presencia de ruido espacial y temporal, y una organización jerárquica en tres niveles (poblaciones, genotipos dentro de poblaciones y plantas dentro de genotipos). Proponemos dos estrategias de modelización. La primera divide el problema en dos etapas, corrigiendo la variación espacial (y de factores de diseño) en la primera etapa y modelando la evolución genética en la segunda. La segunda estrategia aborda el problema de manera simultánea, considerando efectos temporales y espaciales. Ambos enfoques utilizan modelos basados en P-splines y aprovechan la estructura dispersa de las matrices para reducir la complejidad computacional. Evaluamos el desempeño de nuestras aproximaciones con datos simulados y de dos plataformas HTP reales. La tesis proporciona herramientas accesibles y códigos públicos para análisis estadísticos y apunta a mejorar las prácticas de fitomejoramiento y beneficiar a otras disciplinas como medicina y genética.

La tesis de Cristina Molero-Río presenta un enfoque de optimización no lineal para la construcción de árboles de clasificación y regresión, incluyendo propiedades del aprendizaje automático explicable y justo.