| Competencias del título |
|
Código
|
Competencias de la titulación
|
| A1 |
La adquisición de los conocimientos de estadística e investigación operativa necesarios para la incorporación en equipos multidisciplinares pertenecientes a diferentes sectores profesionales. |
| A2 |
Capacidad para comprender, plantear, formular y resolver aquellos problemas susceptibles de ser abordados a través de modelos de la estadística y de la investigación operativa. |
| A9 |
Obtener los conocimientos precisos para un análisis crítico y riguroso de los resultados. |
| A10 |
Complementar el aprendizaje de los aspectos metodológicos con apoyo de software. |
| A12 |
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. |
| A15 |
Fomentar la sensibilidad hacia los principios del pensamiento científico, favoreciendo las actitudes asociadas al desarrollo de los métodos matemáticos, como: el cuestionamiento de las ideas intuitivas, el análisis crítico de las afirmaciones, la capacidad de análisis y síntesis o la toma de decisiones racionales. |
| B2 |
Dominar la terminología científica-metodológica para comprender e interactuar con otros profesionales. |
| Resultados de aprendizaje |
| Competencias de materia (Resultados de aprendizaje) |
Competencias de la titulación |
| Capacidad para iniciar la investigación y para participar en proyectos de investigación que pueden culminar en la elaboración de una tesis doctoral. |
AM1
|
|
|
| Capacidad de trabajo en equipo y de forma autónoma |
AM1
|
BM2
|
|
| Capacidad de identificar y resolver problemas |
AM2
|
|
|
| Realizar inferencias respecto a los parámetros que aparecen en el modelo |
AM12
|
|
|
| Obtener los conocimientos precisos para un análisis crítico y riguroso de los resultados |
AM9
|
|
|
| Complementar el aprendizaje de los aspectos metodológicos con apoyo de software. |
AM10
|
|
|
| Fomentar la sensibilidad hacia los principios del pensamiento científico, favoreciendo las actitudes asociadas al desarrollo de los métodos matemáticos, como: el cuestionamiento de las ideas intuitivas, el análisis crítico de las afirmaciones, la capacidad de análisis y síntesis o la toma de decisiones racionales |
AM15
|
|
|
| Contenidos |
| Tema |
Subtema |
| Conceptos previos |
Definiciones básicas de estadística. Variable aleatoria. Características básicas |
| 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. |
| Estimación puntual |
Introducción. Conceptos generales. Distribuciones relacionadas con la Normal. 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. Procedimientos para la construcción de estimadores. |
| Estimación por intervalos |
Introducción. Método pivotal. Intervalos de confianza para una muestra: media, varianza y proporción. Intervalos de confianza para dos muestras: diferencia de medias para muestras independientes y muestras apareadas, cociente de varianzas y diferencia de proporciones. Determinación del tamaño muestral. Métodos aproximados: desigualdad de Tchebychev. Método Bootstrap. |
| Introducción a los contrastes de hipótesis |
Introducción. Hipótesis estadística. Planteamiento. Tipos de error. Criterios de decisión. Etapas en la resolución de un contraste. Nivel crítico o p-valor. Potencia de un contraste. Contraste de razón de verosimilitud. |
| 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 proporción y contrastes para la diferencia de dos proporciones. Relación entre intervalos de confianza y contrastes de hipótesis. Contrastes de hipótesis paramétricos |
| Contastes no paramétricos |
Introducción. Contrastes de localización. 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 |
| Metodologías / pruebas |
Horas presenciales |
Horas no presenciales / trabajo autónomo |
Horas totales |
| Sesión magistral |
30 |
48 |
78 |
| Solución de problemas |
25 |
10 |
35 |
| Estudio de casos |
22 |
0 |
22 |
| Prueba mixta |
3 |
0 |
3 |
| |
| Atención personalizada |
12 |
0 |
12 |
| |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
| Metodologías |
|
Metodologías |
Descripción |
| Sesión magistral |
El alumno recibirá clases magistrales en las que el profesor, con la ayuda de los medios audiovisuales pertinentes, expondrá los contenidos teórico-prácticos de la asignatura. Se fomentará en todo momento la participación y el debate. |
| Solución de problemas |
Los problemas planteados reforzarán tanto el carácter aplicado de la asignatura como su interactividad. Los alumnos podrán exponer sus dudas e inquietudes referidas a la materia, y tendrán la oportunidad de realizar, con la guía del profesor, problemas similares a los de los exámenes. Además, con una atención muy individualizada, podrán complementar los casos prácticos. |
| Estudio de casos |
Se plantearán casos prácticos para aplicar las distintas técnicas estadísticas estudiadas. Para la obtención de resultados se utiliza como software estadístico R. |
| Prueba mixta |
El alumno deberá demostrar su dominio de los aspectos teóricos de la materia y su capacidad para la resolución de problemas del ámbito de la inferencia estadística. |
| Atención personalizada |
|
Metodologías
|
| Sesión magistral |
| Estudio de casos |
| Solución de problemas |
|
| Descripción |
| Para la resolución de problemas será importante atender personalmente a los alumnos ante las posibles dudas que puedan surgir. Esta atención servirá también, por una parte, al profesor para detectar posibles problemas en la metodología utilizada para impartir la asignatura y, por otra, a los alumnos para consolidar conocimientos teóricos y para expresar sus inquietudes acerca de la asignatura. |
|
| Evaluación |
|
Metodologías
|
Descripción
|
Calificación
|
| Estudio de casos |
La realización de trabajos podrá considerarse un procedimiento complementario de evaluación. En cuyo caso se puntuará con un peso del 20%. |
20 |
| Prueba mixta |
Prueba escrita al final de curso. La prueba escrita incluye preguntas de teoría, cuestiones y problemas de carácter práctico. |
80 |
| |
|
Observaciones evaluación |
-- |
| Fuentes de información |
|
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
Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2008). Probability and Statistics with R. Chapman and Hall/CRC
|
|
|
Complementária
|
Gonick, L. y Smith, W. (2001). Á estatística ¡en caricaturas!. SGAPEIO
Freund, J.E., Miller, I. y Miller (2000). Estadística matemática con aplicaciones. Prentice Hall
Navidi, W. (2006). Estadística para Ingenieros y Científicos. McGraw-Hill
Peña. D. (2000). Estadística. Modelos y métodos. 1 Fundamentos. Alianza Editorial
R Development Core Team (2000). Introducción a R. http://www.r-project.org/
Devore, J.L. (2005). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson
|
|
| Recomendaciones |
| Asignaturas que se recomienda haber cursado previamente |
|
| Asignaturas que se recomienda cursar simultáneamente |
| Modelos de Probabilidade/614493001 | | Análise Exploratoria de Datos/614493004 |
|
| Asignaturas que continúan el temario |
|
| Otros comentarios |
|
Para
superar con éxito la materia es aconsejable la asistencia a las clases, siendo
fundamental el seguimiento diario del trabajo realizado en el aula y la
realización de trabajos prácticos propuestos a lo largo del curso. También es
recomendable haber cursado al menos una materia de estadística básica en una
titulación de grado precedente |
|