| Competencias do título |
|
Código
|
Competencias da titulación
|
| A1 |
A adquisición dos coñecementos de estatística e investigación operativa necesarios para a incorporación en equipos multidisciplinares pertencentes a diferentes sectores profesionais. |
| A2 |
Capacidade para comprender, formular, formular e resolver aqueles problemas susceptibles de ser abordados a través de modelos da estatística e da investigación operativa. |
| A9 |
Obter os coñecementos precisos para unha análise crítica e rigorosa dos resultados. |
| A10 |
Complementar a aprendizaxe dos aspectos metodolóxicos con apoio de software. |
| A12 |
O estudante será capaz de comprender a importancia da Inferencia Estatística como ferramenta de obtención de información sobre a poboación en estudo, a partir do conxunto de datos observados dunha mostra representativa desta. Para iso deberá recoñecer a diferenza entre estatística paramétrica e non paramétrica. |
| A15 |
Fomentar a sensibilidade cara aos principios do pensamento científico, favorecendo as actitudes asociadas ao desenvolvemento dos métodos matemáticos, como: o cuestionamento das ideas intuitivas, a análise crítica das afirmacións, a capacidade de análise e síntese ou a toma de decisións racionais. |
| B2 |
Dominar a terminoloxía científica-metodolóxica para comprender e interactuar con outros profesionais. |
| Resultados de aprendizaxe |
| Competencias de materia (Resultados de aprendizaxe) |
Competencias da titulación |
| Capacidade para iniciar a investigación e para participar en proxectos de investigación que poden culminar na elaboración dunha tese doutoral. |
AM1
|
|
|
| Capacidade de traballo en equipo e de forma autónoma |
AM1
|
BM2
|
|
| Capacidade de identificar e resolver problemas |
AM2
|
|
|
| Realizar inferencias respecto aos parámetros que aparecen no modelo |
AM12
|
|
|
| Obter os coñecementos precisos para unha análise crítica e rigurosa dos resultados |
AM9
|
|
|
| Complementar a aprendizaxe dos aspectos metodolóxicos con apoio de software. |
AM10
|
|
|
| Fomentar a sensibilidade cara aos principios do pensamento científico, favorecendo as actitudes asociadas ao desenvolvemento dos métodos matemáticos, como: o cuestionamento das ideas intuitivas, a análise crítica das afirmacións, a capacidade de análise e síntese ou a toma de decisións racionais |
AM15
|
|
|
| Contidos |
| Temas |
Subtemas |
| Conceptos previos |
Definicións básicas de estatística. Variable aleatoria. Características básicas análise e síntese ou a toma de decisións racionais |
| Introducción á inferencia estatística |
Introdución. Clasificación dos métodos de inferencia estatística: paramétrica e non paramétrica, clásica e. Conceptos xerais. Mostraxe en poboacións finitas: mostraxe aleatoria simple, mostraxe sistemática, mostraxe estratificada, mostraxe por conglomerados, mostraxe polietápica e mostraxe non aleatoria. |
| Estimación puntual |
Introdución. Conceptos xerais. Distribucións relacionadas coa Normal. Propiedades desexables dos estimadores. Estimación da media dunha poboación. Estimación da varianza dunha poboación. Estimación dunha proporción para mostras grandes. Procedementos para a construción de estimadores. |
| Estimación por intervalos |
Introdución. Método pivotal. Intervalos de confianza para unha mostra: media, varianza e proporción. Intervalos de confianza para dúas mostras: diferenza de medias para mostras independentes e mostras apareadas, cociente de varianzas e diferenza de proporcións. Determinación do tamaño mostral. Métodos aproximados: desigualdade de Tchebychev. Método Bootstrap. |
| Introdución aos contrastes de hipótese |
Introdución. Hipótese estatística. Formulación. Tipos de erro. Criterios de decisión. Etapas na resolución dun contraste. Nivel crítico ou páx.-valor. Potencia dun contraste. Contraste de razón de verosimilitude. |
| Contrastes de hipótese paramétricos |
Contrastes paramétricos dunha poboación normal: contrastes para a media con varianza coñecida, contrastes para a media con varianza descoñecida e contrastes para a varianza. Contrastes paramétricos de dúas poboacións normais: contrastes para a diferenza de medias con mostras independentes, contrastes para a diferenza de medias con mostras apareadas e contrastes para o cociente de varianzas. Contrastes para poboacións non normais e mostras grandes: contrastes para unha proporción e contrastes para a diferenza de dúas proporcións. Relación entre intervalos de confianza e contrastes de hipótese. Contrastes de hipótese paramétricos |
| Contastes no paramétricos |
Introdución. Contrastes de localización. Contrastes de bondade de axuste: test Chi-cadrado, test Kolmogorov-Smirnov, test Shapiro-Wilk, test asimetría e curtoris. Contrastes de independencia: contrastes baseados en refachos, o contraste de Ljung-Box. Contrastes de homoxeneidade: test de valores atípicos, test Chi-Cuadrado para táboas de continxencia. |
| Planificación |
| Metodoloxías / probas |
Horas presenciais |
Horas non presenciais / traballo autónomo |
Horas totais |
| Sesión maxistral |
30 |
48 |
78 |
| Solución de problemas |
25 |
10 |
35 |
| Estudo de casos |
22 |
0 |
22 |
| Proba mixta |
3 |
0 |
3 |
| |
| Atención personalizada |
12 |
0 |
12 |
| |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
| Metodoloxías |
|
Metodoloxías |
Descrición |
| Sesión maxistral |
O alumno recibirá clases maxistrais nas que o profesor, coa axuda dos medios audiovisuais pertinentes, expoñerá os contidos teórico-prácticos da materia. Fomentarase en todo momento a participación e o debate. |
| Solución de problemas |
Os problemas formulados reforzarán tanto o carácter aplicado da materia coma a súa interactividade. Os alumnos poderán expoñer as súas dúbidas e inquietudes referidas á materia, e terán a oportunidade de realizar, coa guía do profesor, problemas similares aos dos exames. Ademais, cunha atención moi individualizada, poderán complementar os casos prácticos. |
| Estudo de casos |
Formularanse casos prácticos para aplicar as distintas técnicas estatísticas estudadas. Para a obtención de resultados utilízase como software estatístico R. |
| Proba mixta |
O alumno deberá demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para a resolución de problemas do ámbito da probabilidade e da estatística. |
| Atención personalizada |
|
Metodoloxías
|
| Sesión maxistral |
| Estudo de casos |
| Solución de problemas |
|
| Descrición |
| Para a resolución de problemas será importante atender persoalmente aos alumnos ante as posibles dúbidas que poidan xurdir. Esta atención servirá tamén, por unha parte, ao profesor para detectar posibles problemas na metodoloxía utilizada para impartir a materia e, por outra, aos alumnos para consolidar coñecementos teóricos e para expresar as súas inquietudes acerca da materia. |
|
| Avaliación |
|
Metodoloxías
|
Descrición
|
Cualificación
|
| Estudo de casos |
A realización de traballos poderá considerarse un procedemento complementario de evaluación. Nese caso se puntuará cun peso do 20%. |
20 |
| Proba mixta |
Proba escrita ao final de curso. A proba escrita inclúe preguntas de teoría, cuestións e problemas de carácter práctico. |
80 |
| |
|
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
Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2008). Probability and Statistics with R. Chapman and Hall/CRC
|
|
|
Bibliografía complementaria
|
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
|
|
| Recomendacións |
| Materias que se recomenda ter cursado previamente |
|
| Materias que se recomenda cursar simultaneamente |
| Modelos de Probabilidade/614493001 | | Análise Exploratoria de Datos/614493004 |
|
| Materias que continúan o temario |
|
| Observacións |
|
Para superar con éxito a materia é aconsellable a asistencia ás clases, sendo fundamental o seguimento diario do traballo realizado na aula e a realización de traballos prácticos propostos ao longo do curso. Tamén é recomendable ter cursado polo menos unha materia de estatística básica nunha titulación de grao precedente |
|