Competencias do título |
Código
|
Competencias / Resultados do título
|
A16 |
CE1 - Coñecer, identificar, modelar, estudar e resolver problemas complexos de estatística e investigación operativa, nun contexto científico, tecnolóxico ou profesional, xurdidos en aplicacións reais. |
A17 |
CE2 – Desenvolver autonomía para a resolución práctica de problemas complexos surdidos en aplicación reais e para a interpretación dos resultados cara á axuda na toma de decisións. |
A19 |
CE4 - Adquirir as destrezas necesarias no manexo teórico-práctico da teoría de probabilidade e as variables aleatorias que permitan o seu desenvolvemento profesional no eido científico/académico, tecnolóxico ou profesional especializado e multidisciplinar. |
A21 |
CE6 - Adquirir coñecementos teórico-prácticos avanzados de distintas técnicas matemáticas, orientadas específicamente á axuda na toma de decisións, e desenvolver a capacidade de reflexión para avaliar e decidir entre distintas perspectivas en contextos complexos. |
A23 |
CE8 - Adquirir coñecementos teórico-prácticos avanzados das técnicas destinadas á realización de inferencias e contrastes relativos a variables e parámetros dun modelo estatístico, e saber aplicalos con autonomía suficiente nun contexto científico, tecnolóxico ou profesional. |
B1 |
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
B2 |
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo |
B3 |
CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos |
B4 |
CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun modo claro e sen ambigüidades |
B5 |
CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo. |
B17 |
CG1 - Coñecer, comprender e saber aplicar os principios, metodoloxías e novas tecnoloxías na estatística e a investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares, así como adquirir as destrezas e competencias descritas nos objectivos generales do título. |
B18 |
CG2 - Desenvolver autonomía para identificar, modelar e resolver problemas complexos da estatística e da investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares. |
B19 |
CG3 - Desenvolver a capacidade para realizar estudos e tarefas de investigación e transmitir os resultados a públicos especializados, académicos e xeneralistas. |
B20 |
CG4 - Integrar coñecementos avanzados e enfrontarse á toma de decisións a partir de información científica e técnica. |
B21 |
CG5 - Desenvolver a capacidade de aplicación de algoritmos e técnicas de resolución de problemas complexos no eido da estatística e a investigación operativa, manexando o software especializado axeitado. |
C11 |
CT1 - Desenvolver firmes capacidades de razoamento, análise crítica e autocrítica, así como de argumentación e de síntese, contextos especializados e multidisciplinais. |
C12 |
CT2 - Desenvolver destrezas avanzadas no manexo de Tecnoloxías da Información e a Comunicación (TIC), tanto para a obtención de información como para a difusión do coñecemento, nun ámbito científico/académico, tecnolóxico ou profesional especializado e multidisciplinar. |
C13 |
CT3 - Ser capaz de resolver problemas complexos en novos escenarios mediante a aplicación integrada dos coñecementos. |
C14 |
CT4 - Desenvolver unha sólida capacidade de organización e planificación do estudo, asumindo a responsabilidade do seu propio desenvovemento profesional, para a realización de traballos en equipo e de xeito autónomo. |
C15 |
CT5 - Desenvolver capacidades para o aprendizaxe e a integración no traballo en equipos multidisciplinais, nos ámbitos científico/académico, tecnolóxico e profesional. |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Saber utilizar os fundamentos da inferencia Estatística para a solución de problemas complexos, que requira do uso de técnicas de inferencia, en contextos científicos e profesionais. |
AM16 AM17 AM19 AM21 AM23
|
BP1 BP2 BP3 BP4 BP5 BP17 BP18 BP19 BP20 BP21
|
CP11 CP12 CP13
|
Coñecer os fundamentos da Inferencia Estatística e a súa aplicación á análise de datos en entornos multidisciplinares. |
AM16 AM17 AM19 AM21 AM23
|
BP1 BP2 BP4 BP5 BP17 BP18 BP19 BP20 BP21
|
CP11 CP13 CP15
|
Desenvolver autonomía na correcta aplicación das técnicas propias da Inferencia Estatística. |
AM16 AM17 AM19 AM21 AM23
|
BP1 BP2 BP4 BP5 BP17 BP18 BP19 BP20 BP21
|
CP11 CP13 CP14 CP15
|
Contidos |
Temas |
Subtemas |
1. Introdución á inferencia estatística. |
Introdución. Conceptos xerais. |
2. Estimación puntual. |
Introdución. Conceptos xerais. Distribucións relacionadas coa Normal. Consistencia dun estimador. Conceptos de sesgo e eficiencia. Erro cuadrático medio. Estimación da media dunha poboación. Estimación da varianza dunha poboación. Estimación dunha proporción para mostras grandes. |
3. Procedementos para a construción de estimadores. |
Método de momentos. Métodos de máxima verosimilitud. |
4. Estimación por intervalos de confianza. |
Introdución. Método pivotal. Intervalos de confianza para unha mostra: media, varianza e proporción. Determinación do tamaño da mostra. |
5. Introdución ás probas de hipóteses. |
Introducción. Hipótese estatística. Planteamento. Tipos de erro. Criterios de decisión. Etapas na resolución dun contraste. Nivel crítico ou p-valor. Potencia dun contraste. Probas paramétricas dunha poboación normal. |
6. Inferencia para dúas mostras. |
Mostras independentes: diferenza de medias, razón de varianzas e diferenza de proporcións. Datos pareados: diferenza de medias. Proba de razón de verosimilitude. |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A16 A17 A19 A21 A23 B1 B2 B3 B4 B5 B17 B18 B19 B20 B21 C11 C12 C13 C14 C15 |
25 |
62 |
87 |
Solución de problemas |
A16 A17 A19 A21 A23 B1 B2 B4 B5 B17 B18 B19 B20 B21 C11 C13 C14 C15 |
10 |
24 |
34 |
Proba mixta |
A16 A17 A21 A23 |
3 |
0 |
3 |
|
Atención personalizada |
|
1 |
0 |
1 |
|
*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 teóricos e prácticos da materia. A participación e o debate serán alentados en todo momento. |
Solución de problemas |
Aprenderase a usar o programa gratuíto de orientación estatística e gráfica R, coñecerase as súas estruturas de programación e estudos de inferencia estatística, tanto reais como simulados. Os estudantes poderán expoñer as súas dúbidas e inquietudes referidas á materia e terán a oportunidade de realizar, coa supervisión do profesor, problemas similares aos dos exames. |
Proba mixta |
O alumno debe demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para resolver problemas no campo da inferencia estatística. |
Atención personalizada |
Metodoloxías
|
Sesión maxistral |
Solución de problemas |
|
Descrición |
Para a comprensión dos aspectos teóricos e para a resolución dos problemas, será importante atender persoalmente aos alumnos ante as posibles dúbidas que poidan xurdir. Esta acción tutorial servirá tamén, por unha banda, ao profesor para detectar posibles problemas na metodoloxía empregada para ensinar a materia e, por outra banda, para que os alumnos consoliden os coñecementos teóricos e expresen as súas preocupacións sobre a materia.
|
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Solución de problemas |
A16 A17 A19 A21 A23 B1 B2 B4 B5 B17 B18 B19 B20 B21 C11 C13 C14 C15 |
Ao longo do curso, o alumno demostrará o seu interese polo tema e o seu dominio mediante a realización de probas escritas (controis). A cualificación obtida conservarase entre as dúas oportunidades da convocatoria de cada curso. Os alumnos que non obteñan o máximo do 30% da nota correspondente a esta parte, poderán recuperar a parte faltante ao realizar o exame final da materia. |
30 |
Proba mixta |
A16 A17 A21 A23 |
O exame final, cun valor entre o 70% e o 100%, consistirá nunha proba teórico-práctica escrita. |
70 |
|
Observacións avaliación |
Na data establecida pola Máster de Técnicas Estatísticas no seu programa anual, o alumno fará por escrito o exame final da materia (proba mixta), no que terá que responder a preguntas teóricas, resolver preguntas teórico-prácticas e calcular a solución de diversos problemas. Para esta proba o alumno só pode levar consigo o material autorizado expresamente. A oportunidade de xullo estará sometida aos mesmos criterios que a de xaneiro.
|
Fontes de información |
Bibliografía básica
|
Cao R, Francisco M, Naya S, Presedo MA, Vázquez M, Vilar JA, Vilar JM (2001). Introducción a la Estadística y sus aplicaciones. Ediciones Pirámide (Grupo Anaya)
Ugarte MD, Militino AF, Arnholt AT (2016). Probability and statistics with R. CRC Press, Taylor&Francis Group |
|
Bibliografía complementaria
|
Gornik L, Smith W (2001). Á estatística ¡en caricaturas!. SGAPEIO
Field A, Miles J, Field Z (2012). Discovering Statistics Using R. SAGE Publications Ltd
Freund JE, Miller I, Miller M (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 (2009). Introduction to R. www.r-project.org/
Dalgaard P (2008). Introductory Statistics with R. Springer
Bruce P, Bruce A (2017). Practical Statistics for Data Scientists: 50 Essential Concepts. O’Reilly Media
Vélez-Ibarrola R, García-Pérez A (2012). Principios de Inferencia Estadística. UNED
Devore JL (2016). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson
Teetor P (2011). R Cookbook. O’Reilly Media
Matloff N (2011). The art of R programming. No Starch Press |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
|
Materias que se recomenda cursar simultaneamente |
Análise Exploratoria de Datos /614493101 | Modelos de Probabilidade/614493103 |
|
Materias que continúan o temario |
Análise de Supervivencia/614493117 | Mostraxe/614493119 | Estatística Espacial/614493115 | Análise Multivariante/614493112 | Series de Tempo/614493123 | Control Estatístico da Calidade/614493114 |
|
Observacións |
- Aconséllase participar activamente no proceso de aprendizaxe da materia: asistencia e participación ás clases teóricas e prácticas, ademais da utilización de horas de titorías. - Para os casos de realización fraudulenta de exercicios ou
probas, será de aplicación o recolleito nas respectivas normativas das
universidades participantes no Máster en Técnicas Estatísticas.
- Esta guía e os criterios e metodoloxías nela descritos están
suxeitos ás modificacións que se deriven de normativas e directrices
das universidades participantes no Máster en Técnicas Estatísticas. |
|