Competencias do título |
Código
|
Competencias / Resultados do título
|
A3 |
CE3 - Capacidade para a análise de datos e a comprensión, modelado e resolución de problemas en contextos de aleatoriedade. |
A17 |
CE17 - Capacidade para a construción, validación e aplicación dun modelo estocástico dun sistema real a partir dos datos observados e a análise crítica dos resultados obtidos. |
A20 |
CE20 - Coñecemento das ferramentas informáticas no campo da análise dos datos e modelización estatística, e capacidade para seleccionar as máis adecuadas para a resolución de problemas. |
B2 |
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
B3 |
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
B4 |
CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado |
B7 |
CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
B8 |
CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
B9 |
CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
B10 |
CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
C1 |
CT1 - 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. |
C4 |
CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Conocer las principales técnicas de simulación estadística |
A3 A17 A20
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Conocer los principios del método de remuestreo bootstrap |
A3 A17 A20
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Saber aplicar las técnicas bootstrap en problemas de regresión y con datos dependientes |
A3 A17 A20
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Ser capaz de aplicar las principales técnicas de simulación para obtener datos simulados, así como aplicar las principales técnicas de remuestreo a conjuntos de datos reales o simulados |
A3 A17 A20
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Contidos |
Temas |
Subtemas |
1. Introducción a la simulación |
1.1 Conceptos básicos
1.2 Ventajas e inconvenientes de la simulación
1.3 Tipos de números aleatorios
1.4 Números aleatorios en R |
2. Generación de números pseudoaleatorios |
2.1 Generadores congruenciales y extensiones
2.2 Análisis de la calidad de un generador
2.3 Análisis de resultados de simulación |
3. Métodos de simulación de distribuciones |
3.1 Simulación de variables aleatorias continuas
3.2 Simulación de variables aleatorias discretas
3.3 Simulación de distribuciones multivariantes |
4. Aplicaciones de la simulación |
4.1 Estudios de simulación
4.2 Integración y optimización Monte Carlo
4.3 Aplicaciones en inferencia estadística |
5. Métodos de remuestreo |
5.1 Introducción al remuestreo
5.2 Bootstrap uniforme
5.3 Modificaciones del bootstrap uniforme
5.4 Herramientas disponibles en R |
6. Aplicaciones del remuestreo |
6.1 Estimación del sesgo y la precisión de un estimador
6.2 Intervalos de confianza bootstrap
6.3 Contrastes de hipótesis bootstrap
6.4 Inferencia en modelos de regresión
6.5 Bootstrap con datos dependientes |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A17 A20 A3 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
21 |
21 |
42 |
Prácticas a través de TIC |
A17 A20 A3 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
21 |
77 |
98 |
Proba mixta |
A17 A20 A3 B2 B3 B4 B7 B8 B9 C1 |
4 |
0 |
4 |
|
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 |
Sesión maxistral |
Presentación de los aspectos teóricos relevantes de la materia, de modo que el alumnado pueda abordar la realización de las prácticas a través de TIC. Se fomentará en todo momento la participación y el debate |
Prácticas a través de TIC |
Aplicación práctica de las metodologías explicadas en las sesiones magistrales. Se hará uso de herramientas de software libre, principalmente R, y también de recursos web |
Proba mixta |
El alumnado deberá demostrar su dominio de los aspectos teóricos de la materia y su capacidad para la resolución de problemas |
Atención personalizada |
Metodoloxías
|
Sesión maxistral |
Prácticas a través de TIC |
|
Descrición |
Tanto en las sesiones magistrales como en las prácticas, será importante atender personalmente a los alumnos ante cualquier duda que pueda surgir. Esta atención servirá al profesor para detectar posibles problemas en la metodología utilizada para impartir la materia y, además, a los alumnos para consolidar los conocimientos y expresar sus inquietudes sobre la materia |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas a través de TIC |
A17 A20 A3 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
A lo largo del curso, el alumno demostrará su interés y dominio de la materia, y su capacidad de trabajo en equipo, mediante la realización de trabajos, individuales o en grupo. La calificación obtenida se mantendrá entre las dos oportunidades de la convocatoria de cada curso |
40 |
Proba mixta |
A17 A20 A3 B2 B3 B4 B7 B8 B9 C1 |
El examen final consistirá en una prueba escrita teórico-práctica |
60 |
|
Observacións avaliación |
En la fecha establecida por la Facultad de Informática en su programación anual, el alumno realizará, por escrito, el examen final de la materia (prueba mixta), en el que deberá responder preguntas teóricas, resolver cuestiones teórico-prácticas, y calcular la solución de diversos problemas. Para esta prueba el alumno sólo podrá llevar consigo el material que se autorice de forma expresa. Para aprobar la materia será necesario superar las dos partes (prácticas a través de TIC y prueba mixta). La oportunidad de julio (segunda oportunidad) estará sometida a los mismos criterios que la oportunidad de enero (primera oportunidad). Los alumnos que se presenten a la segunda oportunidad podrán optar entre mantener la nota de prácticas a través de TIC o volver a examinarse también de esta parte. No se considera necesario realizar ninguna adaptación para los alumnos a tiempo parcial o con dispensa académica. La realización fraudulenta de las pruebas o actividades de evaluación implicará directamente la calificación de suspenso en la convocatoria en la que se cometa: el estudiante será calificado con “suspenso” (nota numérica 0) en la convocatoria correspondente del curso académico, tanto si la comisión de la falta se produce en la primera oportunidad como en la segunda. Para esto, se procederá a modificar su calificación en el acta de la primera oportunidad, si fuese necesario.
|
Fontes de información |
Bibliografía básica
|
Chernick, M.R. y LaBudde, R.A. (2014). An introduction to bootstrap methods with applications to R. John Wiley & Sons
Davison, A.C. y Hinkley, D.V. (1997). Bootstrap Methods and their Application. Cambridge University Press
Cao, R. (2002). Introducción a la simulación y a la teoría de colas. NetBiblo
Robert, C.P. y Casella, G. (2010). Introducing Monte Carlo Methods with R. Springer
Jones, O. et al. (2009). Introduction to Scientific Programming and Simulation Using R. CRC
Fernández-Casal, R. y Cao, R. (2022). Simulación Estadística. Libro online: https://rubenfcasal.github.io/simbook
Cao R. y Fernández-Casal R. (2021). Técnicas de Remuestreo. Libro online: https://rubenfcasal.github.io/book_remuestreo |
|
Bibliografía complementaria
|
Efron, B. y Tibshirani, R.J. (1993). An Introduction to the Bootstrap. Chapman and Hall
Fox, J. y Weisberg, S. (2018). An R companion to applied regression. Sage
Suess, E.A. y Trumbo, B.E. (2010). Introduction to probability simulation and Gibbs sampling with R. Springer
Gentle, J.E. (2003). Random number generation and Monte Carlo methods. Springer?Verlag
Ross, S.M. (1999). Simulation. Prentice Hall
Ripley, B.D. (1987). Stochastic Simulation. John Wiley & Sons
Shao, J. y Tu, D. (1995). The Jackknife and Bootstrap. Springer-Verlag |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Modelos de Regresión/614G02012 | Inferencia Estatística/614G02007 | Probabilidade e Estatística Básica/614G02003 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
|