1. Contexto donde surge Big Data
  2. Definición de Big Data

  1. Business Intelligence y la toma de decisiones
  2. Cuadros de mando
  3. Cuadros de mando: KPI

  1. Definición y relevancia de la selección de las fuentes de datos
  2. Naturaleza de las fuentes de datos Big Data

  1. Definición, Beneficios y Características
  2. Ejemplo de uso de Open Data

  1. Definición, Beneficios y Características
  2. Ejemplo de uso de Open Data

  1. Modelos ambientales: determinísticos y estocásticos
  2. Datos ambientales
  3. Concepto de variable aleatoria y su relevancia con respecto a los datos ambientales
  4. Estadística en la gestión ambiental
  5. Poblaciones y muestras
  6. Parámetros estadísticos

  1. Escalas de medición
  2. Descriptores estadísticos de datos ambientales
  3. Incertidumbre de la medición, exactitud, precisión y estimación del sesgo de los datos ambientales
  4. Variabilidad y errores en los datos de contaminación ambiental

  1. Aplicaciones de distribución de probabilidad
  2. Interpretación de estándares ambientales
  3. Análisis de frecuencia de inundaciones
  4. Datos de calidad del aire

  1. Necesidad y propósito del muestreo
  2. Métodos para seleccionar lugares y momentos de muestreo
  3. Monitoreo de variables hidrológicas e hidrogeológicas de cantidad y calidad de agua
  4. Monitoreo de la calidad del aire
  5. Muestreo de suelos

  1. Diseños de muestreo probabilísticos y no probabilísticos para el muestreo ambiental
  2. Distribuciones muestrales
  3. Estimación de parámetros ambientales (puntuales y de intervalo)
  4. Estimación del intervalo de confianza y determinación del tamaño de la muestra

  1. Análisis de correlación: análisis gráfico, covarianza, coeficiente de correlación, distribución del coeficiente de correlación y su significancia estadística
  2. Construcción de modelos empíricos y análisis de regresión
  3. Procesos no lineales en el medio ambiente y uso de transformadas
  4. Introducción a la regresión lineal múltiple
  5. Análisis de series temporales