Datos Identificativos 2016/17
Asignatura (*) Ferramentas informáticas para a Análise I Código 615518022
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Segundo Obrigatoria 3
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Fernández Casal, Rubén
Correo electrónico
ruben.fcasal@udc.es
Profesorado
Costa Bouzas, Julian
Fernández Casal, Rubén
Correo electrónico
julian.costa@udc.es
ruben.fcasal@udc.es
Web
Descrición xeral

Competencias do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Dispor de ferramentas informáticas para a análise cuantitativa baseadas en software libre AM8
AM9
BM8
CM3
Coñecer o funcionamento de ferramentas informáticas baseadas en software libre para a análise cuantitativa, tanto descritiva coma predictiva, que demanda a investigación social e de mercados AM1
AM3
AM4
AM8
AM9
BM1
BM2
BM3
BM5
BM6
BM7
BM8
BM9
BM10
BM11
CM1
CM3
CM4
CM5
CM6
CM7
CM8

Contidos
Temas Subtemas
Introdución á linguaxe R Estruturas de datos e programación en R
Manipulación de datos con R
Análise exploratorio de datos con R Táboas, medidas de posición e dispersión
Gráficos
Inferencia Estatística con R Intervalos de confianza e contrastes de hipóteses
Análise da varianza
Regresión lineal simple

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Obradoiro A1 A3 A4 A8 A9 B1 B2 B3 B5 B6 B7 B8 B9 B10 B11 C1 C3 C4 C5 C6 C7 C8 24 24 48
Solución de problemas A1 A3 A4 A8 A9 B1 B2 B3 B5 B6 B7 B8 B9 B10 B11 C1 C3 C4 C5 C6 C7 C8 3 9 12
Proba mixta A1 B2 B6 C1 3 6 9
 
Atención personalizada 6 0 6
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Obradoiro Explorarase o emprego do software libre R para o análise estatístico de datos. Realizaranse estudos de casos de interese na investigación social e na análise de mercados.
Solución de problemas Mediante o traballo en equipo, e a partir dos coñecementos de R e dos métodos estatísticos adquiridos nas sesións de obradoiro, os alumnos resolverán situacións de interese plantexadas en forma de problemas.
Proba mixta Os alumnos deberán demostrar o seu dominio da materia e a súa capacidade para o análise estatístico de datos empregando R.

Atención personalizada
Metodoloxías
Proba mixta
Obradoiro
Solución de problemas
Descrición
A atención personalizada é unha actividade académica que ten como finalidade atender as necesidades e consultas do alumnado, de forma individual ou en pequeno grupo, relacionadas co estudo e temas vinculados coa materia. Esta atención servirá, dunha banda, ao profesor para detectar posibles problemas na metodoloxía empregada para impartir a materia e, por outra, aos alumnos para consolidar os coñecementos e para expresar as súas inquedanzas acerca da materia.

Esta actividade desenvolverase de forma presencial.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Proba mixta A1 B2 B6 C1 A proba mixta ten por obxeto valorar a correcta comprensión e aplicación dos contidos da materia. Realizarase de forma individual empregando o software R e os coñecementos adquiridos nas sesións de obradoiro e de solución de problemas. 40
Obradoiro A1 A3 A4 A8 A9 B1 B2 B3 B5 B6 B7 B8 B9 B10 B11 C1 C3 C4 C5 C6 C7 C8 Valorarase a asistencia e a participación na clase. 10
Solución de problemas A1 A3 A4 A8 A9 B1 B2 B3 B5 B6 B7 B8 B9 B10 B11 C1 C3 C4 C5 C6 C7 C8 Os alumnos, agrupados en equipos de traballo, presentarán no prazo establecido unha memoria en formato electrónico coa resolución dos casos prácticos que se lles plantexarán en forma de problemas. Para a resolución destes problemas empregarase o software R e os coñecementos adquiridos nas sesións de obradoiro. 50
 
Observacións avaliación

Os alumnos a tempo parcial
poden solicitar que o 10% da cualificación correspondente ao obradoiro se
incorpore á proba mixta, que neste caso pasaría a ter unha valoración do 50% da
nota final, sendo o outro 50% o correspondente á solución de problemas.


Fontes de información
Bibliografía básica Fox, J. y Weisberg, S. (2011). An R Companion to Applied Regression. Sage
Arriaza Gómez, A.J., Fernández Palacín, F., López Sánchez, M.A., Muñoz Márquez, M., Pérez Plaza, S. (2008). Estadística Básica con R y R-Commander. Universidad de Cádiz, Servicio de publicaciones. http://knuth.uca.es/ebrcmdr
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
Dalgaard, P. (2008). Introductory Statistics with R. Springer
Lander, J. (2013). R for Everyone: Advanced Analytics and Graphics. Addison-Wesley
Matloff, N. (2011). The Art of R Programming: A Tour of Statistical Software Design. No Starch Press

Bibliografía complementaria

Cichosz, P. (2015). Data Mining Algorithms: Explained Using R. Wiley

Faraway, J. (2006). Extending Linear Models with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC

James, G., Witten, D., Hastie, T. y Tibshirani, R. (2013). An Introduction to Statistical Learning: with Aplications in R. Springer

Ledolter, J. (2013). Data Mining and Business Analytics with R. Wiley

Williams, G. (2011). Data Mining with Rattle and R. Springer


Recomendacións
Materias que se recomenda ter cursado previamente
Taller de Análise Cuantitativa/615518012

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Ferramentas Informáticas para a Análise II/615518023

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías