Datos Identificativos | 2024/25 | ||||||
Asignatura (*) | Métodos Estadísticos | Código | 614G01057 | ||||
Titulación | |||||||
Descriptores | Ciclo | Período | Curso | Tipo | Créditos | ||
Grao | 1º cuadrimestre |
Cuarto | Optativa | 6 | |||
Idioma |
|
||||||
Modalidade docente | Presencial | ||||||
Prerrequisitos | |||||||
Departamento | Matemáticas |
||||||
Coordinación |
|
Correo electrónico |
|
||||
Profesorado |
|
Correo electrónico |
|
||||
Web | http://estudos.udc.es/es/subject/614G01V01/614G01057/2019 | ||||||
Descrición xeral |
Preténdese que o alumno coñeza e aprenda a utiliza os modelos de deseño de experimentos e de regresión lineal. A docencia da materia terá un carácter eminentemente práctico, centrándose na presentación e interpretación dos distintos modelos (formulación matemática, hipóteses supostas, etc.) e na súa aplicación na práctica (estimación, análise crítica dos resultados obtidos e estudio dos problemas que se poden presentar); apoiándose no emprego dun paquete estatístico (principalmente Statgraphics e R). Sería especialmente recomendable ter superado a materia de Estatística I e sería convinte tamén ter cursado outras con contido matemático (como por exemplo Álxebra e Cálculo). Esta materia será de utilidade para outras da titulación, como por exemplo as relacionadas co tratamento do sinal (Medios de Transmisión, Tratamento Dixital do Sinal), Intelixencia Artificial, Linguaxes Naturais, Redes de Neuronas Artificiais, Técnicas de Simulación, as relacionadas co recoñecemento de imaxes, etc. |
|
Resultados de aprendizaxe |
Resultados de aprendizaxe | Competencias / Resultados do título | ||
Capacidade para a análise e a síntese na resolcución de problemas con contidos estatísticos | A1 A3 |
B3 |
C7 |
Resolver problemas estatísticos de forma efectiva. | A1 A29 |
B4 B6 B7 B8 B9 |
C1 C7 C8 |
Valorar criticamente o coñecemento e a tecnoloxía estatística para resolver os problemas cos que deben enfrontarse. | A50 |
C4 C6 C7 C8 |
|
Aprender de maneira autónoma novos coñecementos e técnicas estatísticas avanzadas axeitadas para a investigación e análisis de datos | A1 |
C7 C8 |
|
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. | A3 |
B3 |
C5 C7 C8 |
Aplicar un pensamento crítico, lóxico e creativo no plantexamento e resolución de problemas estatísticos. | A1 A3 |
B1 |
C5 C6 C8 |
Resolver problemas estatísticos de forma efectiva. | A1 |
B1 B3 |
|
Traballar en equipos de carácter interdisciplinar con necesidades estatísticas | A1 |
B1 B2 B8 |
|
Capacidade para a análise e a síntese na resolcución de problemas con contidos estatísticos | B1 B2 B3 B6 |
C4 |
|
Aplicar un pensamento crítico, lóxico e creativo no plantexamento e resolución de problemas estatísticos. | B3 B6 |
C5 C6 C7 |
|
Valorar criticamente o coñecemento e a tecnoloxía estatística para resolver os problemas cos que deben enfrontarse. | A1 |
B1 B6 |
C6 |
Aprender de maneira autónoma novos coñecementos e técnicas estatísticas avanzadas axeitadas para a investigación e análisis de datos | A1 A3 |
B1 B3 |
C5 |
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. | C3 C4 C5 C6 C7 C8 |
Contidos |
Temas | Subtemas |
Tema 1. Conceptos básicos de inferencia estatística Tema 2. Principios básicos do deseño de experimentos Tema 3. Deseños cunha fonte de variación Tema 4. Deseños con dous ou máis fontes de variación Tema 5. Regresión lineal simple Tema 6. Regresión lineal múltiple |
1.1. Inferencia estatística (repaso) 1.2. Tests de hipóteses paramétricos (repaso) 1.3. Tests de hipóteses non paramétricas: Tests de bondade de axuste e de aleatoriedad 2.1. Introdución. Resumo dos conceptos principais. Principios básicos do deseño de experimentos. 2.2. Clasificación dos deseños de experimentos. Algúns deseños experimentais clásicos. 3.1. Deseño cun factor completamente aleatorizado de efectos fixos. Diagnose do ANOVA I. Factor completamente aleatorizado. 4.1. Deseño en bloques completamente aleatorizado. 4.2. Deseño con dous factores completamente aleatorizados (ANOVA II con interacción). 4.3. Outros modelos clásicos de deseño de experimentos. 5.1. Introdución: Regresión e correlación 5.2. O modelo de regresión lineal simple 5.3. Estimación e propiedades dos estimadores dos parámetros. Bondade do axuste 5.4. Predición en regresión lineal simple. Diagnose do modelo 6.1. O modelo lineal xeneral de regresión. 6.2. Estimación e propiedades dos estimadores dos parámetros. Bondade do axuste. 6.3. Predición en regresión lineal múltiple. 6.4. Diagnose do modelo: multicolinealidad. 6.5. Métodos para a selección de variables explicativas. |
Planificación |
Metodoloxías / probas | Competencias / Resultados | Horas lectivas (presenciais e virtuais) | Horas traballo autónomo | Horas totais |
Sesión maxistral | A1 A3 B1 | 14 | 28 | 42 |
Solución de problemas | A1 A3 A29 A50 B1 B3 B4 B6 B9 C1 C3 | 14 | 21 | 35 |
Traballos tutelados | A1 A3 B1 B2 B3 B4 B6 B7 B8 B9 C1 C3 C4 C5 C6 C7 C8 | 8 | 16 | 24 |
Actividades iniciais | A1 A3 A29 | 4 | 12 | 16 |
Proba mixta | A1 B1 B3 B9 C1 | 2 | 20 | 22 |
Atención personalizada | 11 | 0 | 11 | |
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías | Descrición |
Sesión maxistral | Empregarase o proxector para a presentación dos distintos temas (moodle), incluíndo gráficos e simulacións para axudar a entender os distintos conceptos. Tamén se recorrerá á lousa para explicacións adicionais e mostraranse exemplos con algún paquete estatístico. |
Solución de problemas | Resolución de exercicios utilizando software estatístico. |
Traballos tutelados | Ou alumno proporá de forma VOLUNTARIA a resolución dun problema de Deseño de Experimentos ou de Regresión que constará dás seguintes etapas: Formulación e obxectivo do problema a estudar. Deseño do experimento e recollida de datos. Análise estatística dous datos. Axuste dun modelo. Validación e recoñecemento do modelo axustado. Conclusións. |
Actividades iniciais | Presentación da materia. Exposición dos recursos dispoñibles (páxina web, bibliografía de referencia), software. |
Proba mixta | A proba consta de dous partes. A primeira consiste na análise dunha mostra de datos á que se axusta un modelo de deseño de experimentos. Facilítase a formulación do problema e os datos e o alumno utilizando análises estatísticas responderá a diferentes cuestións e obterá conclusións. A segunda parte da proba consiste na resolución dun problema de regresión. Nuevamente proporciónase un conxunto de datos e utilizando un paquete estatístico o alumno axustará un modelo de regresión e responderá a diferentes cuestións aplicadas. |
Atención personalizada |
|
|
Avaliación |
Metodoloxías | Competencias / Resultados | Descrición | Cualificación |
Traballos tutelados | A1 A3 B1 B2 B3 B4 B6 B7 B8 B9 C1 C3 C4 C5 C6 C7 C8 | Cada alumno pode propoñer de forma VOLUNTARIA un exemplo real de aplicación dos modelos de Deseño de Experimentos o de Regresión. O alumno debe de facer unha introdución ao problema e motivalo. Indicaranse os obxectivos xerais e específicos que se perseguen. Indicar de forma detallada como se realizará a mostraxe e describir a mostra con todo detalle. Unha análise estatística preliminar dos datos proporcionará as primeiras conclusións. | 20 |
Sesión maxistral | A1 A3 B1 | Realizarase unha proba dos modelos de deseño de experimentos. Facilítaselle aos alumnos unha mostra de datos aos que axustar un modelo de deseño de experimentos (pode ser un dos traballos presentados) e a partir desa mostra realizarase un exercicio (exame) de carácter aplicado no que se propoñen preguntas de tipo aplicado e curtas que o alumno responderá coa axuda do material docente e software estatístico. |
40 |
Solución de problemas | A1 A3 A29 A50 B1 B3 B4 B6 B9 C1 C3 | Realizarase unha proba dos modelos de regresión. Facilitarase unha mostra de observacións multivariante e a partir deses datos realizarase un exercicio (exame) de carácter aplicado no que se propoñen preguntas de tipo aplicado e curtas que o alumno responderá coa axuda do material docente e software estatístico. As preguntas estarán relacionadas co axuste dun modelo de regresión múltiple aos datos e será similar aos realizados en clase. As dúas probas (a de deseño de experimentos e a de modelos de regresión) realizaranse nunha única sesión. |
40 |
Observacións avaliación | |||
Avaliación da materia. Consta de dous partes: unha práctica Para aprobar a materia a cualificación final Se o alumno non presenta a práctica Se o alumno presenta práctica VOLUNTARIA e a Se o alumno presenta práctica VOLUNTARIA e En calquera caso, para aprobar a materia hai Para os alumnos con matrícula a tempo PLAXIO En caso de plaxio, aplicarase o seguinte: Cualificación de suspenso na convocatoria en que se cometa a falta e respecto da materia en que se cometese: o/a estudante será cualificado/a con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario. REALIZACIÓN FRAUDULENTA DAS PROBAS OU ACTIVIDADES DE AVALIACIÓN A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a perda do dereito á oportunidade na que se cometa a falta e respecto da materia na que se tivese cometido. Nas actas figurará un non presentado nesta oportunidade. |
Fontes de información |
Bibliografía básica | |
-Montgomery, C., Diseño y Análisis de Experimentos, Grupo Editorial Iberoamerica, 1991, Libro, -Peña D. , Estadística, modelos y métodos. 2: Modelos lineales y series temporales. 2nd. ed, Alianza Universidad Textos., 1989, Libro, -Peña D. , Regresión y Diseño de Experimentos, Alianza Editorial, 2002, Libro, -Ricardo Cao, Mario Francisco, Salvador Naya, Manuel Presedo, Margarita Vázquez, José A. Vilar and , Introducción a la estadística y sus aplicaciones, Ediciones Pirámide, 2001, Libro, -Vilar Fernández, J.M., Modelos estadísticos aplicados, Universidade da Coruña, Servicio de publicacións., 2003, Libro, - Applied Muiltivariate Data Analysis, vol I, Regression and Experimental Design. J.D. Jobson. Springer-Verlag, 1991 - La web de la asignatura y el material docente que se dejará en el moodle de la asignatura (transparencias, prácticas, recomensaciones,....) |
|
Bibliografía complementaria | |
Bibliografía adicional está disponible en la web de la asignatura: http://www.udc.es/dep/mate/estadistica2/estadistica_2.htm |
Recomendacións |
Materias que se recomenda ter cursado previamente | |
|
Materias que se recomenda cursar simultaneamente | |
|
Materias que continúan o temario |
Observacións | |
É recomendable que os teñan aprobada a materia de Estatística e é conveniente que superasen outras materias con contido matemático: Algebra, Cálculo ou Matemática Discreta. Esta materia é de utilidade noutras materias da titulación. PROGRAMA GREEN CAMPUS Para axudar a conseguir unha contorna inmediata substentable os traballos documentais que se realicen nesta materia: a. Solicitaranse maioritariamente en formato virtual e soporte informático. b. De realizarse en papel: - Non se empregarán plásticos. - Realizaranse impresións a dobre cara. - Empregarase papel reciclado. - Evitarase a realización de borradores. POLÍTICAS DE XÉNERO Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (usarase linguaxe non sexista, utilizarase bibliografía de autores/as de ambos sexos, propiciarase a intervención en clase de alumnos e alumnas...). Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade. Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas. |