| 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. |
| A3 | Coñecer as aplicacións dos modelos da estatística e a investigación operativa. |
| A4 | Coñecer algoritmos de resolución dos problemas e manexar o software axeitado. |
| A5 | Modelar a dependencia entre unha variable resposta (dependente) e varias variables explicativas (independentes). |
| A6 | Realizar inferencias respecto aos parámetros que aparecen no modelo. |
| A7 | Tratamento de datos e análise estatística dos resultados obtidos. |
| A8 | Capacidade de identificar e resolver problemas que requiran o uso de técnicas da análise de series de tempo. |
| A9 | Obter os coñecementos precisos para unha análise crítica e rigorosa dos resultados. |
| A10 | Complementar a aprendizaxe dos aspectos metodolóxicos con apoio de software. |
| A11 | Adquirir destrezas na formulación e resolución de problemas cuantitativos. |
| 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. |
| A13 | Ser capaz de manexar diverso software (en particular R) e interpretar os resultados que proporcionan estes nos correspondentes estudos prácticos. |
| 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. |
| B1 | Ser capaz de identificar un problema da vida real. |
| B2 | Dominar a terminoloxía científica-metodolóxica para comprender e interactuar con outros profesionais. |
| B4 | Habilidade para realizar a análise estatística con ordenador. |
| B5 | Escoller o deseño máis axeitado para responder á pregunta de investigación. |
| B6 | Utilizar as técnicas estatísticas máis axeitadas para analizar os datos dunha investigación. |
| B7 | Planificar, analizar e interpretar os resultados dunha investigación considerando tanto os aspectos teóricos coma os metodolóxicos. |
| B8 | Habilidade de xestión administrativa do proceso dunha investigación. |
| B9 | Comunicación e difusión dos resultados das investigacións. |
| B10 | Lectura con xuízo crítico de artigos científicos dende unha perspectiva metodolóxica. |
| 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. |
| C6 | Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse. |
| 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 | ||
| Capacidade para planificar un experimento seguindo unhas pautas axeitadas, identificar os problemas que poidan xurdir e formular un modelo matemático para a súa representación e posterior análise. | AM2 AM3 AM5 AM8 AM11 AM12 |
BM1 BM2 BM5 BM8 BM10 |
CM6 CM8 |
| Adquirir destreza no desenvolvemento de software. | AM4 AM10 AM13 |
BM2 BM8 BM9 BM10 |
CM3 |
| Capacidade para integrarse nun equipo multidisciplinar para a análise experimental | AM1 AM15 |
BM2 BM8 BM9 |
|
| Capacidade de análise crítica dos resultados | AM9 AM11 |
BM10 |
|
| Dominar os principios básicos do deseño de experimentos. | AM3 AM5 AM9 |
BM5 BM7 |
|
| Coñecer un amplo espectro de modelos para a descrición de datos procedentes da planificación experimental. | AM5 AM11 |
BM6 |
|
| Manexar técnicas estatísticas e algoritmos para o análise de datos procedentes de cada planificación experimental. Específicamente, coñecemento e soltura na aplicación de procedementos de inferencia sobre os parámetros dos modelos. | AM4 AM6 AM7 AM10 AM13 |
BM4 |
|
| Obter os coñecementos precisos para unha análise crítica e rigorosa dos resultados. | AM9 |
BM10 |
|
| Complementar a aprendizaxe dos aspectos metodolóxicos co apoio do ssoftware. | AM4 AM10 AM13 |
BM4 |
|
| Contidos |
| Temas | Subtemas |
| 1. Principios básicos do deseño de experimentos. | 1.1. Introducción: Ventaxas da planificación experimental. Fontes de variabilidade. 1.2. Principios básicos na planificación experimental. 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. 2.2. Aleatorización. 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 con dúas ou máis fontes de variación. | 3.1. Introducción 3.2. Aleatorización. Significado da interacción. Modelo factorial completo. Modelo de efectos principais. 3.3. Estimación, análise da varianza, inferencia de contrastes. 3.4. Tamaños muestrais. 3.5. Comprobación da idoneidade do modelo. |
| 4. Análise da covarianza. | 4.1. Introducción. 4.2. Modelos matemáticos. 4.3. Estimación, análise da varianza, inferencia de contrastes. 4.3. Comprobación da idoneidade do modelo. |
| 5. Modelos de efectos aleatorios e modelos mixtos. | 5.1. Efectos aleatorios: Compoñentes da varianza. Exemplos. 5.2. Modelos matemáticos para deseños con efectos aleatorios: Estimación e análise da varianza. 5.3. Tamaños muestrais. 5.4. Comprobación da idoneidade do modelo. 5.5. Modelos mixtos: Estimación e análise da varianza. |
| 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 en parcelas divididas. | 8.1 Introducción: Motivación e exemplos. 8.2. Modelos matemáticos. 8.3. Estimación e análise da varianza conbloques completos. |
| 9. Deseños con medidas repetidas. | 9.1. Introducción: Contexto experimental. 9.2. Estructuras de dependencia entre as medidas repetidas. 9.3. Pruoba de esfericidade de Mauchly. 9.4. Análise univariante e multivariante. |
| 10. Deseños factoriais a dous niveis. |
10.1. O deseño dous ao cadrado. 10.2. O deseño dous ao cubo. 10.3. O deseño xeral dous elevado a k. 10.4. Adición de puntos centrais ao deseño dous elevado a k. 10.5. Algoritmo de Yates. |
| Planificación | |||
| Metodoloxías / probas | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | 20 | 30 | 50 |
| Solución de problemas | 16 | 24 | 40 |
| Estudo de casos | 0 | 25 | 25 |
| Proba obxectiva | 3 | 0 | 3 |
| 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 | Sesións dirixidas á exposición dos conceptos teóricos e metodoloxicos, impartidas co apoio de diversos recursos didácticos, incluíndo presentacións e software específico (fundamentalmente R). |
| Solución de problemas | De forma complementaria á exposición dos conceptos teóricos e metodolóxico, plantearanse e resolveranse problemas e supostos prácticos coa participación activa dos estudantes, introduciendo así progresivamente ao estudante no uso do software. Como complemento ás referencias bibliográficas, proporcionarase material docente elaborado polo profesor incluindoos temas desenvoltos no programa, listados de problemas propostos de aplicación e cuestionarios para autoavaliación. |
| Estudo de casos | Cada estudante individualmente desenvolverá problemas concretos co apoio das técnicas estudadas. |
| Proba obxectiva | Examen escrito de coñecementos. |
| Atención personalizada |
|
|
| Avaliación | ||
| Metodoloxías | Descrición | Cualificación |
| Estudo de casos | Resolución axeitada das prácticas propostas polo docente ao longo do curso. |
30 |
| Proba obxectiva | Examen escrito que constará de dúas partes. Un test de coñecementos sobre conceptos chave na planificación e análise de experimentos (dunha hora de duración) e a resolución coa axuda do software empregado no desenvolvemento do curso de dous problemas específicos (de dúas horas de duración). |
70 |
| Observacións avaliación | ||
|
Será necesario superar as dúas probas (estudo de casos e proba obxectiva) para obter unha avaliación global positiva da 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) |
| Recomendacións | |||
| Materias que se recomenda ter cursado previamente | |
|
| Materias que se recomenda cursar simultaneamente | |||
|
| Materias que continúan o temario |
| Observacións | |
|
Para superar con éxito a materia é aconsellable a asistencia regular ás clases, sendo de grande importancia o seguemento do traballo proposto polo docente.
Esto último tomará especial énfase para aqueles estudantes que polas razóns que fosen non podan asistir regularmente as clases presenciais. |