Treballs Finals del Grau d'Economia i Estadística. Doble titulació interuniversitària, Universitat de Barcelona i Universitat Politècnica de Catalunya. Curs: 2017-2018. Tutors: Xavier Puig Oriol; Salvador Torra Porras(eng) The main purpose of this thesis is to disclose the potential of exploiting the synergies between Statistical Science and Machine Learning. In particular, we propose a specific feed-forward Bayesian Neural Network (BNN) as a parametric statistical model able to both yield better punctual predictions than linear models and handle uncertainty through more grounded intervals than the ones offered by bootstrapping conventional Neural Networks. On top of proposing a complete methodology (based on DoE for architecture selection and MCMC to conduct inference) to apply BNNs in real cases, we analyze, using theoretical arguments from Microeconomics, the positive effect on society that it would have to use BNNs as pricing model for peer-to-peer online marketplaces and, moreover, we implement them for the case of Airbnb in Barcelona.(cat) El principal objectiu d’aquest treball consisteix en demostrar el potencial de combinar el coneixement de l’estadística i de l’aprenentatge automàtic (Machine Learning) per tal de proporcionar noves eines que permetin aprofitar les oportunitats que les Tecnologies de la Informació i Comunicació han generat en els darrers anys. Aquestes oportunitats es basen en la creació de tot un univers de dades que està esperant a ser analitzat i convertit en informació útil. En particular, aquest projecte es centra en les plataformes online de transaccions entre iguals (P2P OM) com ara Airbnb, Uber o Blablacar, ja que estant tenint un gran impacte en la nostra societat al modificar el procés mitjançant el qual adquirim béns i serveis. En aquest projecte, s’argumenta que, construint un model de predicció de preus mitjançant totes les transaccions realitzades en la plataforma, es podria proporcionar als usuaris oferents una eina de recomanació de preus per tal de determinar el preu de mercat del bé o servei que ofereixen, de forma ràpida i objectiva. L’objectiu és aconseguir que els oferents prenguin decisions més acurades sobre els preus, apropant-los, així, a les preferències de la demanda i incrementant el nombre de transaccions realitzades. Per tal de construir el model de predicció de preus es proposa treballar amb Xarxes Neuronals Bayesianes (BNN), amb l’objectiu d’oferir millors prediccions puntuals que el model lineal i, sobretot, intervals pel preu de mercat que realment capturin el comportament del mercat, cosa que les Xarxes Neuronals Artificials convencionals (ANN) tenen serioses dificultats per aconseguir-ho. Ara bé, i aquí és on es fan paleses les sinergies entre l’estadística i l’aprenentatge automàtic, en aquest projecte, a diferència del treball d’autors previs, es proposa les BNN com un model estadístic paramètric i, com a conseqüència, es desenvolupa tota una metodologia per tal de poder implementar-les en problemes aplicats, com ara el cas de les P2P OM. Aquesta metodologia es fonamenta en tres pilars principals que són: La manera d’implementar els mètodes MCMC per tal de capturar la multimodalitat inherent en BNN i com determinar que s’estan obtenint mostres de la a posteriori, l’ús de Disseny d’experiments en comptes de validació creuada per tal de determinar una arquitectura adient per la BNN i, finalment, el desenvolupament de tècniques pròpies i adaptació de aportacions d’altres autors per tal d’entendre com està funcionant la BNN. Finalment, s’implementa la BNN proposada d’acord amb la metodologia dissenyada pel cas de Airbnb a Barcelona, amb l’objectiu de demostrar tant el major rendiment i capacitats de la BNN respecte al model lineal i les ANN, com la utilitat que tindria un model de predicció de preus a l’hora d’ajudar els usuaris de les P2P OM a decidir un preu. A més a més, i fent ús de les tècniques d’interpretació de la BNN també s’observa com es poden extreure conclusions sobre el nivell de competència en cadascun dels barris de Barcelona i, a més a més, es pot explorar els efectes de canviar algunes característiques de l’apartament sobre el preu de mercat, cosa que pot ajudar als usuaris a decidir canvis i inversions.