Datos Identificativos 2023/24
Asignatura (*) Estadística Código 614G03004
Titulación
Grao en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Grado 2º cuatrimestre
Primero Formación básica 6
Idioma
Castellano
Modalidad docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinador/a
Oviedo de la Fuente, Manuel
Correo electrónico
manuel.oviedo@udc.es
Profesorado
Fernández Casal, Rubén
Oviedo de la Fuente, Manuel
Correo electrónico
ruben.fcasal@udc.es
manuel.oviedo@udc.es
Web
Descripción general Se pretende que el alumno desarrolle las competencias necesarias para comprender y aplicar en la práctica los conocimientos y técnicas estadísticas básicas. En Inteligencia Artificial, al igual que en muchos otros campos, es habitual la toma de decisiones en contextos de incertidumbre, donde las herramientas que proporciona la estadística resultan de especial utilidad.

Competencias del título
Código Competencias del título
A1 Capacidad para utilizar los conceptos y métodos matemáticos y estadísticos para modelizar y resolver problemas de inteligencia artificial.
A2 Capacidad para resolver problemas de inteligencia artificial que precisen algoritmos, aplicando correctamente metodologías de desarrollo software y diseño centrado en usuario/a.
B2 Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
B3 Que el alumnado tenga la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
B5 Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
B7 Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad.
B9 Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial.
C3 Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocer los fundamentos probabilísticos básicos A1
A2
B2
B3
C3
Conocer los fundamentos de la inferencia estadística A1
A2
B2
B3
B5
B7
B9
C3
Conocer los fundamentos de los modelos de regresión A1
A2
B2
B5
B7
B9
C3
Saber construir modelos estadísticos avanzados para el análisis de datos A1
A2
B2
B5
B7
B9
C3
Justificar la pertinencia de un test estadístico o contraste de hipótesis en una aplicación concreta A1
B2
B9
Diseñar los criterios de elegibilidad de una muestra correctamente para responder a un problema real B2
B3
B5
B9
C3
Validar los modelos estadísticos adecuadamente y corregirlos en consecuencia A1
A2
B2
B3
B5
B7
B9
C3
Saber describir una o/y dos variables estadísticas eligiendo gráficos adecuados y haciendo uso de estadísticos apropiados para cada caso A1
B3
B9
C3

Contenidos
Tema Subtema
Estadística descriptiva y análisis exploratorio de datos Análisis descriptivo univariante: medidas descriptivas, tablas de frecuencias y gráficos
Análisis descriptivo multivariante
Fundamentos de probabilidad Definición de probabilidad y propiedades
Probabilidad condicionada
Teorema de Bayes
Variables aleatorias Variables aleatorias discretas
Variables aleatorias continuas
Introducción a la inferencia estadística Estimación puntual
Intervalos de confianza
Contrastes de hipótesis paramétricos
Contrastes de hipótesis no paramétricos
Introducción a los modelos de regresión Regresión lineal simple
Regresión lineal múltiple
Extensiones del modelo de regresión lineal

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Sesión magistral A1 A2 B2 B3 B5 B7 B9 C3 30 48 78
Prácticas a través de TIC A1 A2 B2 B3 B5 B7 B9 C3 20 20 40
Seminario A1 A2 B2 B3 B5 B7 B9 C3 10 10 20
Prueba mixta A1 A2 B2 B3 B5 B7 B9 C3 3 3 6
 
Atención personalizada 6 0 6
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Sesión magistral El alumno recibirá clases magistrales en las que el profesor, con la ayuda de los medios audiovisuales pertinentes, expondrá los contenidos teórico-prácticos de la asignatura. Se fomentará en todo momento la participación y el debate.
Prácticas a través de TIC Las prácticas se impartirán en un laboratorio informático empleando el lenguaje de programación y entorno estadístico R. Gracias a esta metodología el estudiante pondrá en práctica los conocimientos adquiridos, facilitando el aprendizaje y el desarrollo de las habilidades necesarias.
Seminario Los seminarios reforzarán tanto el carácter aplicado de la asignatura como su interactividad. Los alumnos podrán exponer sus dudas e inquietudes referidas a la materia, y tendrán la oportunidad de realizar, con la supervisión del profesor, problemas similares a los de los exámenes. Además, con una atención muy individualizada, podrán completar las prácticas a través de TIC.
Prueba mixta Esta prueba permitirá evaluar el grado de adquisición de conocimientos y la capacidad para la resolución de problemas del ámbito de la probabilidad y de la estadística.

Atención personalizada
Metodologías
Prueba mixta
Seminario
Sesión magistral
Prácticas a través de TIC
Descripción
Para la resolución de problemas será importante atender personalmente a los alumnos ante las posibles dudas que puedan surgir. Esta atención servirá también, por una parte, al profesor para detectar posibles problemas en la metodología empleada para impartir la asignatura y, por otra, a los alumnos para consolidar conocimientos teóricos y para expresar sus inquietudes acerca de la asignatura.

Evaluación
Metodologías Competéncias Descripción Calificación
Prueba mixta A1 A2 B2 B3 B5 B7 B9 C3 El examen final, con un valor entre el 50% y el 70% (dependiendo de la calificación obtenida en los controles parciales), consistirá en realizar una prueba escrita teórico-práctica. 50
Seminario A1 A2 B2 B3 B5 B7 B9 C3 Se realizarán pruebas escritas (controles parciales) a lo largo del cuatrimestre para comprobar si el alumno va alcanzando las competencias básicas de esta materia. 20
Prácticas a través de TIC A1 A2 B2 B3 B5 B7 B9 C3 Para evaluar el grado de comprensión y aprendizaje de las prácticas se realizarán pruebas de evaluación a lo largo del cuatrimestre en clases de laboratorio empleando el entorno estadístico R. 30
 
Observaciones evaluación

El alumno acabará el período de clases con un máximo de un 50% de la calificación, que obtendrá a través de los controles parciales (20%) y de las pruebas de evaluación de las prácticas a través de TIC (30%).

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. La nota de este examen se reescalará de forma que el alumno tenga la oportunidad de recuperar el 20% de la calificación correspondiente a los controles parciales. De esta manera, dependiendo de la puntuación obtenida por el alumno en los controles escritos, la calificación máxima del examen final estará comprendida entre 5 y 7 puntos.

Por tanto, si P es la puntuación de las prácticas (entre 0 y 10 puntos), C es la puntuación de los controles (entre 0 y 2 puntos) y F es la nota del examen final (entre 0 y 10 puntos), la calificación final de la asignatura será: 3*P/10 + C + (7 - C)*F/10. Además, para superar la asignatura también será necesario obtener una nota mínima de 3 puntos sobre 10 en el examen final (F >= 3) y en las prácticas a través de TIC (P >= 3).

En la primera oportunidad (de junio), los alumnos a tiempo parcial que no hayan sido evaluados con anterioridad de la parte de prácticas de laboratorio, podrán realizar el día del examen final una prueba específica para recuperar el 20% de la nota correspondiente a dicha parte (el resto de alumnos no podrán recuperar la nota de esta parte).

La segunda oportunidad (de julio) estará sometida a los mismos criterios que la primera oportunidad (de junio). 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.

La realización fraudulenta de pruebas o actividades de evaluación, una vez comprobada, supondrá directamente la calificación de suspenso (con calificación numérica 0) en la correspondiente convocatoria del curso académico, tanto si la infracción se comete en la primera oportunidad como en la segunda. Para ello, se modificará su calificación en el acta de la primera oportunidad, en caso de ser necesario.


Fuentes de información
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
Fernández-Casal, R., Roca-Pardiñas, J., Costa, J. y Oviedo, M. (2022). Introducción al Análisis de Datos con R. Libro online: https://rubenfcasal.github.io/intror
Eguzkitza Arrizabalaga, J.M. (2014). Laboratorio de estadística y probabilidad con R. Gami Editorial

Complementária Gonick, L. y Smith, W. (2001). Á estatística ¡en caricaturas!. SGAPEIO
James, G., Witten, D., Hastie, T. y Tibshirani, R. (2017). An Introduction to Statistical Learning: with Aplications in R. Springer
Blasco Lorenzo, A. y Pérez Díaz, S. (2015). Modelos aleatorios en ingeniería. Paraninfo
Montgomery, D.C. y Runger, G.C. (2004). Probabilidad y Estadística aplicadas a la Ingeniería. McGraw-Hill
Devore, J.L. (2005). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson
Milton, J.S. y Arnold, J.C (2004). Probabilidad y estadística, con aplicaciones para ingeniería y ciencias computacionales. McGraw-Hill
Hernández, V., Ramos, E. y Yáñez, I. (2007). Probabilidad y sus aplicaciones en Ingeniería Informática. Ediciones Académicas
Ugarte, M.D., Militino, A.F. y Arnholt, A.T. (2008). Probability and Statistics with R. Chapman and Hall/CRC
Horgan, J.M. (2009). Probability with R. An Introduction with Computer Science Applications. Wiley


Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Álgebra/614G03001

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios

-Se usará lenguaje no sexista, se utilizará bibliografía de autores/as de ambos sexos, se propiciará la intervención en clase de alumnos y alumnas.

-Se trabajará para identificar y modificar perjuicios y actitudes sexistas y se influirá en el entorno para modificarlos y fomentar valores de respeto e igualdad.

-Se tratará de detectar situaciones de discriminación por razón de género y se propondrán acciones y medidas para corregir

las.



(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías