Competencias / Resultados del título |
Código
|
Competencias / Resultados del título
|
A17 |
CE17 - Capacidad para la construcción, validación y aplicación de un modelo estocástico de un sistema real a partir de los datos observados y el análisis crítico de los resultados obtenidos. |
A18 |
CE18 - Capacidad para el análisis de un conjunto de datos y la selección y aplicación de las técnicas de inferencia estadística y de regresión más adecuadas para la adquisición de conocimiento para la toma de decisiones. |
A20 |
CE20 - Conocimiento de las herramientas informáticas en el campo del análisis de los datos y modelización estadística, y capacidad para seleccionar las más adecuadas para la resolución de problemas. |
B1 |
CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio |
B5 |
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
B6 |
CG1 - Ser capaz de buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo. |
C1 |
CT1 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida. |
Resultados de aprendizaje |
Resultados de aprendizaje |
Competencias / Resultados del título |
Conocer las técnicas de inferencia en poblaciones finitas para estudiar características poblacionales a partir de la información suministrada por la muestra. |
A17 A18 A20
|
B1 B5 B6
|
C1
|
Conocer las técnicas estadísticas para realizar estimaciones de características poblacionales a partir de información obtenida con muestreo aleatorio. |
A17 A18 A20
|
B1 B5 B6
|
C1
|
Interpretar los resultados de contrastes de hipótesis como herramienta para la toma de decisiones. |
A17 A18 A20
|
B1 B5 B6
|
C1
|
Conocer las técnicas básicas de la estadística bayesiana y reconocer los contextos adecuados para su aplicación. |
A17 A18 A20
|
B1 B5 B6
|
C1
|
Saber manejar con soltura programas informáticos avanzados de análisis estadístico. |
A17 A18 A20
|
B1 B5 B6
|
C1
|
Contenidos |
Tema |
Subtema |
1. Introducción a la inferencia estadística |
1.1 Clasificación de los métodos de inferencia estadística
1.2 Población y muestra
1.3 Muestreo en poblaciones finitas
|
2. Estimación puntual |
2.1 Conceptos generales
2.2 Propiedades deseables de los estimadores
2.3 Estimación de parámetros de interés
2.4 Procedimientos para la construcción de estimadores
|
3. Intervalos de confianza |
3.1 Método pivotal
3.2 Intervalos de confianza de parámetros de interés para una muestra
3.3 Intervalos de confianza de parámetros de interés para dos muestras
|
4. Contrastes de hipótesis
|
4.1 Hipótesis estadística
4.2 Tipos de error
4.3 Nivel crítico (p-valor) y potencia de un contraste
4.4 Contrastes paramétricos para una y dos muestras
4.5 Análisis de la varianza
|
5. Contrastes no paramétricos |
5.1 Contrastes de bondad de ajuste
5.2 Contrastes de independencia y homogeneidad para datos categóricos
|
Planificación |
Metodologías / pruebas |
Competencias / Resultados |
Horas lectivas (presenciales y virtuales) |
Horas trabajo autónomo |
Horas totales |
Prácticas de laboratorio |
A17 A18 A20 B1 B5 B6 C1 |
20 |
24 |
44 |
Seminario |
A17 A18 A20 B1 B5 B6 C1 |
10 |
14 |
24 |
Prueba mixta |
A17 A18 A20 B1 B5 B6 C1 |
3 |
3 |
6 |
Sesión magistral |
A17 A18 A20 B1 B5 B6 C1 |
30 |
40 |
70 |
|
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 |
Prácticas de laboratorio |
Se aprenderá a utilizar el programa gratuito de orientación estadística y gráfica R, se aprenderán sus estructuras de programación y se realizarán estudios estadísticos de datos, tanto reales como simulados. |
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 de laboratorio. |
Prueba mixta |
El alumno deberá demostrar su dominio de los aspectos teóricos de la materia y su capacidad para la resolución de problemas en el ámbito de la inferencia estadística. |
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. |
Atención personalizada |
Metodologías
|
Sesión magistral |
Prácticas de laboratorio |
Seminario |
|
Descripción |
Para la comprensión de los aspectos teóricos y la resolución de los problemas será importante atender personalmente a los alumnos ante las posibles dudas que puedan surgir. Esta acción tutorial 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
|
Competencias / Resultados |
Descripción
|
Calificación
|
Prácticas de laboratorio |
A17 A18 A20 B1 B5 B6 C1 |
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 en grupo.
Los alumnos que no obtengan el máximo del 20% de la nota correspondiente a esta parte, podrán recuperar la parte faltante en la realización del examen final de la materia. |
20 |
Seminario |
A17 A18 A20 B1 B5 B6 C1 |
A lo largo del curso, el alumno demostrará su interés por la materia y su dominio de la misma realizando pruebas escritas (controles) en el que se evaluará el trabajo práctico de la materia.
Aquellos alumnos que no obtuvieran el máximo del 20% de la nota correspondiente a esta parte, podrán recuperar la parte faltante al realizar el examen final de la asignatura. |
20 |
Prueba mixta |
A17 A18 A20 B1 B5 B6 C1 |
El examen final, con un valor entre el 60% y el 100%, consistirá en realizar una prueba escrita teórico-práctica. |
60 |
|
Observaciones evaluación |
En la fecha que establezca la Facultad en su programación anual, el alumno realizará, por escrito, el examen final de la materia (prueba mixta), en el que tendrá que responder a 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 oportunidad de julio estará sometida a los mismos criterios que la de junio. No se considera necesario realizar ninguna adaptación para los alumnos a tiempo parcial o con dispensa académica, al disponer todos los alumnos de la posibilidad de obtener la máxima calificación en la materia en el examen final. La realización fraudulenta de las pruebas o actividades de evaluación implicará directamente la calificación de suspenso (0) en la materia en la oportunidad correspondiente. Todos los aspectos relacionados con “dispensa académica”, “dedicación al estudio”, “permanencia” y “fraude académica” se regirán de acuerdo con la normativa académica vigente de la UDC.”
|
Fuentes de información |
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 |
|
Complementária
|
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
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 |
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
Álgebra Lineal/614G02001 | Matemática Discreta/614G02002 | Probabilidad y Estadística Básica/614G02003 |
|
Asignaturas que se recomienda cursar simultáneamente |
Cálculo Multivariable/614G02006 |
|
Asignaturas que continúan el temario |
Técnicas de Simulación y Remuestreo/614G02036 | Análisis Estadístico de Datos Complejos/614G02031 | Análisis Estadístico de Datos con Dependencia/614G02022 | Modelos de Regresión/614G02012 | Modelización Estadística de Datos de Alta Dimensión/614G02013 |
|
|