Competencias do título |
Código
|
Competencias da titulación
|
A1 |
Capacidade para comprender, plantexar, formular e resolver aqueles problemas susceptibles de ser abordados a través de modelos da estatística e da investigación operativa. |
A2 |
Coñecer as aplicacións dos modelos da estatística e a investigación operativa. |
A3 |
Coñecer algoritmos de resolución dos problemas e manexar o software adecuado. |
B1 |
Capacidade para iniciar a investigación e para participar en proxectos de investigación que poidan culminar na elaboración dunha tese doutoral. |
B2 |
Capacidade de integración en grupos de traballo multidisciplinares nos que a estatística e a investigación operativa sexan ferramentas imprescindibles. |
B3 |
Capacidade de comunicación para a divulgación de resultados e aplicacións da estatística e a investigación operativa. |
C1 |
Expresarse correctamente, tanto de forma oral coma escrita, nas linguas oficiais da comunidade autónoma. |
C3 |
Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
C4 |
Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común. |
C5 |
Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras. |
C6 |
Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse. |
C7 |
Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida. |
C8 |
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
Resultados de aprendizaxe |
Competencias de materia (Resultados de aprendizaxe) |
Competencias da titulación |
Dominar os principios básicos para a axeitada planificación dun experimento. |
AM1 AM2
|
BM1 BM2
|
CM6
|
Coñecer un amplo espectro de modelos clásicos para describir os datos procedentes da planificación experimental, identificando as condicións axeitadas de aplicación. |
AM2 AM3
|
BM2 BM3
|
CM3 CM5 CM6
|
Manexar técnicas estatísticas para a análise de datos en cada deseño. |
AM2 AM3
|
|
|
Obter os coñecementos precisos para unha análise crítica e rigorosa dos resultados da experimentación e do posterior análise. |
AM1
|
BM3
|
CM1 CM4 CM6 CM7 CM8
|
Complementar a aprendizaxe dos aspectos metodolóxicos co apoio do software. |
AM3
|
BM1 BM2
|
CM3
|
Contidos |
Temas |
Subtemas |
1. Principios básicos do deseño de experimentos. |
1.1. Introducción: Ventaxes da planificación experimental; fontes de variabilidade.
1.2. Tres principios básicos.
1.3. Etapas na planificación dun experimento. Un exemplo real.
1.4. Algúns deseños experimentais estándar. |
2. Deseños cunha fonte de variación. |
2.1. Introducción: Aleatorización.
2.2. Modelo para un deseño completamente aleatorizado: Estimación dos parámetros, análise da varianza, inferencia de contrastes e medias.
2.3. Métodos de comparacións múltiples.
2.4. Comprobación da idoneidade do modelo.
2.5. Alternativas á análise da varianza. |
3. Deseños factoriais. |
3.1. Introducción: Aleatorización; Significado da interacción.
3.2. Modelos matemáticos para dous ou máis factores tratamento: Modelo factorial completo; modelo de efectos principais.
3.3. Estimación, análise da varianza, inferencia de contrastes.
3.4. Tamaños mostrais.
3.5. Comprobación da idoneidade do modelo. |
4. Deseños factoriais: Modelos aleatorios e mixtos. |
4.1. Efectos aleatorios: Compoñentes da varianza. Exemplos.
4.2. Modelos matemáticos para deseños con efectos aleatorios: Estimación e análise da varianza.
4.3. Tamaños mostrais.
4.4. Comprobación da idoneidade do modelo.
4.5. Modelos mixtos: Estimación e análise da varianza. |
5. Análise da covarianza. |
5.1. Introducción: Modelos matemáticos.
5.2. Estimación, análise da covarianza, inferencia de contrastes.
5.3. Comprobación da idoneidade do modelo. |
6. Deseños en bloques. |
6.1. Xeralidades.
6.2. Deseños en bloques completos. Modelos, estimación, análise da varianza, inferencia de contrastes.
6.3. Deseños en bloques incompletos: Deseños en bloques incompletos balanceados; deseños divisibles en grupos; deseños cíclicos. Modelos, estimación, análise da varianza, inferencia de contrastes.
6.4. Deseños fila-columna: Deseños en cadrado latino; deseños Youden; deseños cíclicos e outros deseños fila-columna. Modelos, estimación, análise da varianza, inferencia de contrastes.
6.5. Algunhas alternativas á análise da varianza. |
7. Deseños xerarquizados ou anidados. |
7.1. Introducción.
7.2. Deseño xerárquico en dúas etapas.
7.3. Deseño xerárquico en M etapas.
7.4. Deseños xerárquicos e factores tratamento cruzados. |
8. Deseños de medidas repetidas. |
8.1. Introducción: Contexto experimental.
8.2. Estructuras de dependencia entre as medidas repetidas.
8.3. Proba de esfericidade de Mauchly.
8.4. Análise univariante e multivariante. |
9. Deseños factoriais a dous niveis.
|
9.1. O deseño 2 ao cadrado.
9.2. O deseño 2 ao cubo.
9.3. O deseño xeral 2 elevado a k.
9.4. Adición de puntos centrais ao deseño 2 elevado a k.
9.5. Algoritmo de Yates. |
Planificación |
Metodoloxías / probas |
Horas presenciais |
Horas non presenciais / traballo autónomo |
Horas totais |
Sesión maxistral |
20 |
30 |
50 |
Estudo de casos |
0 |
15 |
15 |
Proba obxectiva |
3 |
0 |
3 |
Solución de problemas |
20 |
30 |
50 |
|
Atención personalizada |
7 |
0 |
7 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Sesiones dirigidas a la la exposición de los conceptos teóricos y metodológicos, impartidas con apoyo de diversos recursos didácticos, incluyendo presentaciones y software específico (fundamentalmente R). |
Estudo de casos |
Cada alumno individualmente desarrollara problemas concretos con apoyo de los métodos estudiados. |
Proba obxectiva |
Examen escrito de conocimientos. |
Solución de problemas |
Alumnos y profesor resolverán conjuntamente listados de problemas facilitados previamente con el objeto de familiarizarse con la aplicación práctica de conceptos, métodos y software expuestos en las sesiones magistrales. |
Atención personalizada |
Metodoloxías
|
Estudo de casos |
Solución de problemas |
|
Descrición |
a) Resolución de dudas en la resolución de problemas y casos de estudio en el transacurso de la actividad docente presencial.
b) Asesoramiento individualizado para el desarrollo de los trabajos prácticos que realizará cada estudiante a propuesta del profesor.
|
|
Avaliación |
Metodoloxías
|
Descrición
|
Cualificación
|
Estudo de casos |
Resolución apropiada de aquellos ejercicios prácticos propuestos por el profesor a lo largo del curso. |
30 |
Proba obxectiva |
Examen escrito que constará de dos partes. Un test de conocimientos sobre conceptos llave en la planificación y análisis de experimentos (de una hora de duración) y la resolución con ayuda del software empleado en el desarrollo del curso de dos problemas específicos (de dos horas de duración).
|
70 |
|
Observacións avaliación |
Será necesario superar las dos pruebas (estudio de casos y prueba objetiva) para obtener una evaluación global positiva de la materia.
|
Fontes de información |
Bibliografía básica
|
Dean, A. y Voss, D. (1999). Design and Analysis of Experiments. Springer Texts in Statistics, Springer-Verlag, New York
Montgomery, D.C. (2009). Design and Analysis of Experiments. 7a Ed.. J. Wiley and Sons.
Kuehl, R.O. (2001). Diseño de Experimentos. Principios estadísticos para el diseño y análisis de investigaciones. 2a Ed.. Thomson Learning. |
|
Bibliografía complementaria
|
Berger, P.D. y Maurier, R.E. (2002). Experimental Design With Applications in Management, Engineering, and the Sciences. Belmont, CA: Duxbury Press
Coob, G.W. (1998). Introduction to Design and Analysis of Experiments. Springer-Verlag
Prat, A., Tort-Martorell, X., Groma, P. y Pozueta, L. (1997). Métodos estadísticos. Control y mejora de la calidad. Edicions UPC (Universitat Politécnica de Catalunya)
Gibbons, J.D. y Chakraborti, S. (1992). Nonparametric Statistical Inference, 3a. Ed.. Marcel Dekker, New York
Box, G.E.P., Hunter, W.G. y Hunter, J.S. (2005). Statistics for Experimenters: Design, Innovation, and Discovery. 2a. Ed. Wiley, New York.
Cox, D. y Reid, N. (2000). The Theory of the Design of Experiments. Monographs on Statistics and Applied Probability. Chapman & Hall CRC Press |
Vikneswaran (2005) An R companion to "Experimental Design'' URL http://CRAN.R-project.org/doc/contrib/Vik-neswaran-ED-companion.pdf. |
Recomendacións |
Materias que se recomenda ter cursado previamente |
Estatística Aplicada/614427104 |
|
Materias que se recomenda cursar simultaneamente |
Modelos de Regresión/614427105 | Análise Multivariante/614427114 | Control Estatístico da Calidade/614427121 |
|
Materias que continúan o temario |
|
Observacións |
Para superar con éxito la materia es aconsejable la asistencia regular a las clases, siendo fundamental el seguimiento diario del trabajo realizado en el aula.
Conocimientos previos de los rudimentos de la inferencia estadística y del software estadístico R facilitarán considerablemente la labor de aprendizaje de la materia.
La resolución de los cuestionarios y los problemas propuestos así como el aprovechamiento de las tutorías inividualizadas serán de gran utilidad para una correcta comprensión del material estudiado |
|