Facilita el análisis de datos, a través de herramientas de estadística descriptiva como el análisis exploratorio, análisis con tablas de frecuencia, gráficos y análisis numérico.
Permite realizar inferencia estadística de un conjunto de datos haciendo uso de pruebas de hipótesis paramétricas y no paramétricas para una, dos ó N muestras.
Cuenta con un conjunto de herramientas estadísticas y de aprendizaje computacional que analiza, descubre y aprende el comportamiento de las variables para pronosticar su comportamiento.
Cuenta con una herramienta única en el mercado que le permite modelar escenarios y te ayuda en la toma de decisiones.
Su objetivo es mostrar el comportamiento gráfico y numérico de un conjunto de datos, por ejemplo la distribución de datos cualitativos mediante una tabla de frecuencias o un diagrama de barras o un gráfico de pastel; el sesgo de datos cuantitativos utilizando el coeficiente de sesgo de Pearson o un diagrama de caja brazos o un histograma; la obtención de medidas de tendencia central como la media, mediana o moda; medidas de dispersión como desviación estándar, varianza, rango o coeficiente de variación; medidas de posición como los son los cuartiles y percentiles; medidas de sesgo y forma como el coeficiente de pearson y coeficiente de Kurtosis.
Se obtienen resúmenes gráficos que describen a un conjunto de datos cualitativos o cuantitativos, incluyendo gráficas de puntos, diagramas circulares, histogramas, gráficas de tallo y hojas, gráficos de pastel, diagramas de barras.
Permite deducir a partir de una muestra de datos si estos pertenecen a una determinada población, haciendo usos de pruebas de hipótesis de una, dos o más muestras, respecto a la media o varianza de la población.
Examina la relación entre dos variables obteniendo una función que ajuste su comportamiento, esta puede ser lineal, cuadrática o cúbica.
El principio del éxito de un estudio estadístico es el análisis inicial de los datos, el cual se realiza haciendo uso de las herramientas de estadística descriptiva.
Obtiene la estimación de valores futuros de una serie de tiempo,considerando sus características.
Obtiene la ecuación que permite estimar valores futuros de una variable a partir de la información de más de una variable.
Estima valores futuros de una variable determinada mediante árboles de regresión que aprenden de valores previos de la variable de interés y variables que le influyen.
Poderosa técnica para el análisis predictivo multivariante, que obtiene la función que maximiza el ajuste a un conjunto de datos de entrenamiento y minimiza el riesgo.
Permiten establecer una relación lineal o no lineal entre la variable dependiente y las variables independientes, procesando información en paralelo, con una gran capacidad de autoorganización y aprendizaje adaptativo, además pueden aprender y generalizar situaciones no incluidas en el proceso de entrenamiento.