Competencias do título |
Código
|
Competencias da titulación
|
Resultados de aprendizaxe |
Competencias de materia (Resultados de aprendizaxe) |
Competencias da titulación |
El estudiante será capaz de comprender la importancia de la Inferencia Estadística como herramienta de obtención de información sobre la población en estudio, a partir del conjunto de datos observados de una muestra representativa de ésta. Para ello deberá reconocer la diferencia entre estadística paramétrica y no paramétrica. |
AM1 AM2 AM6 AM7 AM9 AM10 AM11 AM12 AM13 AM15
|
BM1 BM2 BM3 BM4 BM6 BM7 BM9 BM10
|
CM1 CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
Se deberá comprender la utilidad y manejar los métodos de estimación paramétricos, los contrastes de hipótesis parámetricos y no paramétricos. |
AM1 AM2 AM6 AM7 AM9 AM10 AM11 AM12 AM13 AM15
|
BM1 BM2 BM3 BM4 BM6 BM7 BM9 BM10
|
CM1 CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
El estudiante será capaz de manejar
diverso software comercial (paquetes estadísticos y hojas de cálculo) e interpretar los resultados que proporcionan éstos en los correspondientes estudios prácticos. |
AM1 AM2 AM3 AM6 AM7 AM9 AM10 AM11 AM12 AM13 AM15
|
BM3 BM4 BM6 BM7 BM9 BM10
|
CM1 CM2 CM3 CM4 CM5 CM6 CM7 CM8
|
Contidos |
Temas |
Subtemas |
0. Conceptos previos |
Definiciones básicas de estadística.
Variable aleatoria. Características básicas. |
1. Introducción a la inferencia estadística. |
Introducción.
Clasificación de los métodos de inferencia estadística: paramétrica y no paramétrica, clásica y bayesiana.
Conceptos generales.
Muestreo en poblaciones finitas: muestreo aleatorio simple, muestreo sistemático, muestreo estratificado, muestreo por conglomerados, muestreo polietápico y muestreo no aleatorio. |
2. Estimación puntual. |
Introducción.
Conceptos generales.
Distribuciones relacionadas con la Normal: Chi-Cuadrado, t-Student y Fisher-Snedecor.
Estimación puntual: Propiedades deseables de los estimadores, estimación de la media de una población, estimación de la varianza de una población, estimación de una proporción para muestras grandes y procedimientos para la construcción de estimadores. |
3. Intervalos de confianza. |
Introducción.
Obtención de intervalos de confianza usando estadísticos pivotales.
Intervalos de confianza para la media y la varianza basados en una muestra para poblaciones normales.
Intervalos de confianza para la diferencia de medias y cociente de varianzas basados en dos muestras para poblaciones normales.
Intervalos de confianza para muestras no normales y muestras grandes.
Determinación del tamaño muestral.
Métodos aproximados: desigualdad de Tchebychev. Método Bootstrap. |
4. Introducción a los contrastes de hipótesis. |
Introducción.
Tipos de hipótesis.
Tipos de error.
Metodología: regiones de aceptación-rechazo, potencia de un contraste, valor crítico o p-valor y probabilidad de ambos errores.
Etapas en la resolución de un contraste.
Contrastes no aleatorizados.
Contastes aleatorizados: Lema de Neyman-Pearson, Teorema de Karlin-Rubin y Teorema de Lehmann.
Test de razón de verosimilitudes.
|
5. Contrastes de hipótesis paramétricos. |
Contrastes paramétricos de una población normal: contrastes para la media con varianza conocida, contrastes para la media con varianza desconocida y contrastes para la varianza.
Contrastes paramétricos de dos poblaciones normales: contrastes para la diferencia de medias con muestras independientes, contrastes para la diferencia de medias con muestras apareadas y contrastes para el cociente de varianzas.
Contrastes para poblaciones no normales y muestras grandes: contrastes para una media, contrastes para una proporción y contrastes para la diferencia de dos proporciones para muestras independientes y muestras apareadas.
Relación entre intervalos de confianza y contrastes de hipótesis. |
6. Inferencia no paramétrica. |
Introducción.
Contrastes de localización: test de los signos y test de Wilcoxon de los rangos signados.
Contrastes de bondad de ajuste: test Chi-cuadrado, test Kolmogorov-Smirnov, test Shapiro-Wilk, test asimetría y curtoris.
Contrastes de independencia: contrastes basados en rachas, el contraste de Ljung-Box.
Contrastes de homogeneidad: test de valores atípicos, test Chi-Cuadrado para tablas de contingencia. |
Planificación |
Metodoloxías / probas |
Horas presenciais |
Horas non presenciais / traballo autónomo |
Horas totais |
Sesión maxistral |
20 |
40 |
60 |
Prácticas de laboratorio |
20 |
30 |
50 |
Solución de problemas |
10 |
20 |
30 |
Proba de resposta múltiple |
2 |
0 |
2 |
|
Atención personalizada |
8 |
0 |
8 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Se impartirán clases magistrales de forma presencial o por videoconferencia. Se harán presentaciones con ordenador. |
Prácticas de laboratorio |
Se realizarán prácticas con el software estadístico R. |
Solución de problemas |
Se plantearán problemas de cada bloque específico de contenido. |
Proba de resposta múltiple |
Se realizará una prueba final referidas a la parte teórica y práctica de la materia. |
Atención personalizada |
Metodoloxías
|
Solución de problemas |
|
Descrición |
Los problemas propuestos y las dudas que le puedan surgir al alumno acerca de los contenidos se atenderán de manera individual. |
|
Avaliación |
Metodoloxías
|
Descrición
|
Cualificación
|
Proba de resposta múltiple |
Se plantearán cuestiones teóricas y prácticas referidas a los contenidos del curso |
60 |
Prácticas de laboratorio |
Se deberá interpretar y saber solucionar cuestiones mediante el uso de un software estadístico. |
40 |
|
Observacións avaliación |
|
Fontes de información |
Bibliografía básica
|
Cao, R., Francisco, M., Naya, S., Presedo, M.A., Vázquez, M., Vilar, J.A. y Vilar, J.M. (2001). Introducción a la Estadística y sus aplicaciones. Ediciones Pirámide (Grupo Anaya)
Ugarte, M.D., Militino A.F. and Arnholt, A.T. (2008). Probability and statistics with R. CRC Press, Taylor&Francis Group |
|
Bibliografía complementaria
|
Freund, J.E., Miller, I. y Miller, M. (2000). Estadística matemática con aplicaciones. Prentice Hall. 6ª Edición
Navidi, W (2006). Estadística para Ingenieros y Científicos. McGraw-Hill
R Development Core Team (2000). Introduction to R. http://www.r-project.org/
Peña, D. (2000). Modelos y métodos. 1 Fundamentos. Alianza Editorial
Walpole, R.E. y Myers, R.H. (2005). Probabilidad y Estadística para Ingenieros. Prentice Hall
Canavos, G.C. (1989). Probabilidad y Estadística. Aplicaciones y métodos. McGraw-Hill |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Modelos de Regresión/614493003 | Estatística Non Paramétrica/614493007 | Mostraxe/614493008 | Series de Tempo/614493009 | Simulación Estatística/614493011 | Técnicas de Remostraxe/614493022 |
|
Materias que se recomenda cursar simultaneamente |
Modelos de Probabilidade/614427103 | Análise Exploratoria de Datos/614493004 |
|
Materias que continúan o temario |
|
|