Competencias / Resultados do título |
Código
|
Competencias / Resultados do título
|
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Coñecemento das técnicas de inferencia básicas e adquisición de habilidades para a estimación e interpretación de intervalos de confianza e contraste de hipótese dunha e dúas poboacións. |
A8 A13 A21
|
B1 B8 B9
|
|
Coñecer os principais tipos de mostraxe e as ferramentas básicas para o deseño de enquisas. |
A1 A13 A20 A21
|
B2 B3 B4 B5 B9
|
|
Capacidade para comparar dúas ou máis poboacións a partir de bases de datos de diferente grao de complexidade. |
A1 A21
|
B1 B2 B3 B4 B5
|
|
Coñecemento das diferentes técnicas de análises de datos multivariantes para a descrición e obtención de información relevante a partir de bases de datos complexas. |
A1 A20 A21
|
B1 B2 B3 B4 B5
|
|
Habilidade para utilizar as ferramentas computacionales de análises de datos multivariantes. |
A22
|
B11
|
C2 C6 C8
|
Integrar os coñecementos estatísticos teóricos e prácticos como vía para do coñecemento e pensamento reflexivo e totalizador. |
A1 A13
|
B2 B3 B4 B5 B6 B7 B10
|
C4 C7 C8
|
Capacidade de análise e de síntese aplicada á xestión e organización da información. |
|
B2 B3 B4 B5 B6 B7 B8 B9
|
C1 C3 C5
|
Adquisición de habilidades para a toma de decisións a partir da análise estatística bases de datos complexas. |
A21
|
B2 B3 B8 B9
|
C8
|
Contidos |
Temas |
Subtemas |
Os temas seguintes desenvolven os contidos establecidos na ficha da Memoria de Verificación, sendo: |
Introdución e conceptos estatísticos principais relativos a mostraxe e deseño de enquisas. Introdución á inferencia estatística e estimación puntual. Intervalos de confianza. Contraste de hipótese. Análise da varianza ( ANOVA). Modelos de regresión. Outras técnicas de análises multivariante. Ferramentas computacionales para a xeración de informes estatísticos. |
1. Mostraxe e enquisas: introdución e conceptos principais. |
Conceptos xerais de mostraxe estatística e deseño de enquisas. |
2. Introdución á inferencia estatística e estimación puntual. |
Conceptos xerais. Mostraxe. Estimación de parámetros. Propiedades dos estimadores. Estimación puntual: estimación puntual da media, a varianza e dunha proporción. |
3. Intervalos de confianza. |
Concepto de Intervalo de confianza. Intervalo de confianza para unha media, para unha varianza, para unha proporción e para a diferenza de dúas medias. |
4. Contraste de hipótese. |
Conceptos xerais. Contrastes de hipóteses para a media, a proporción e para a diferenza de dúas medias. Contrastes de independencia. |
5. Análise da varianza (ANOVA). |
ANOVA gráfico. ANOVA dun factor. ANOVA de máis dun factor. |
6. Modelos de regresión. |
Modelo de regresión lineal simple e múltiple. Outros modelos de regresión. |
7. Outras técnicas de análise multivariante: análise de compoñentes principais, análise factorial, análise de correspondencias, escalado multidimensional. |
Introdución ás técnicas multivariantes máis usadas. |
8. Ferramentas computacionales para a xeración de informes estatísticos. |
Introdución a distintas ferramentas do software estatístico R para a xeración de informes: Rstudio, Rmarkdown, Gráficos con R, Htmlwidgets. |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A1 A8 A20 A21 B1 B3 B7 C4 C7 |
21 |
0 |
21 |
Prácticas a través de TIC |
A13 A22 B11 C2 |
12 |
0 |
12 |
Estudo de casos |
A1 A8 A21 B2 B3 B4 B5 B6 B7 B8 B9 C1 C8 |
7 |
7 |
14 |
Traballos tutelados |
B2 B4 B5 B6 B8 B9 B10 C1 C3 C5 C6 C8 |
1.02 |
100.98 |
102 |
Proba obxectiva |
A21 B1 B2 |
1 |
0 |
1 |
|
Atención personalizada |
|
0 |
0 |
0 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Serán sesións expositivas nas que se introducirán e describirán os diversos temas da materia, mediante presentacións (usando os adecuados medios audiovisuais) que incluirán teoría e exemplos.
|
Prácticas a través de TIC |
Desenvolveranse clases prácticas mediante software estatístico, nas que se introducirá a súa programación e aplicación a partir de casos reais e simulados. |
Estudo de casos |
Aplicaranse as técnicas estatísticas impartidas na materia para a resolución de exercicios e casos de estudo reais e simulados no ámbito da xestión dixital da información. |
Traballos tutelados |
Realizaranse traballos individuais e/ou en grupo, tutelados polos docentes da materia, nos que se abordará a resolución, mediante a aplicación de técnicas estatísticas e o software R, de exercicios prácticos ou de casos de estudo particulares relacionados co ámbito da comunicación e das ciencias da información. Tamén se poderá realizar un estudo de revisión acerca dun tema concreto da materia ou do software utilizado. Os traballos poderán ser propostos polos docentes ou polos propios alumnos (as propostas teranse en conta ou non sempre segundo o criterio do docente). |
Proba obxectiva |
Consistirá nunha proba tipo test sobre os contidos impartidos na materia. |
Atención personalizada |
Metodoloxías
|
Sesión maxistral |
Prácticas a través de TIC |
|
Descrición |
A atención personalizada farase, globalmente, mediante titorías personalizadas directas e virtuais, individuais e grupais |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas a través de TIC |
A13 A22 B11 C2 |
Valorarase a asistencia e/ou o desempeño dos alumnos nas clases prácticas co software estatístico. |
20 |
Proba obxectiva |
A21 B1 B2 |
Proba tipo test consistente nun número de preguntas entre 10 e 20 con 3 respostas posibles. |
40 |
Traballos tutelados |
B2 B4 B5 B6 B8 B9 B10 C1 C3 C5 C6 C8 |
Realizaranse traballos individuais e/ou en grupo, tutelados polos docentes da materia, nos que se abordará a resolución, mediante a aplicación de técnicas estatísticas e o software R, de exercicios prácticos ou de casos de estudo particulares relacionados co ámbito da comunicación e das ciencias da información. Tamén se poderá realizar un estudo de revisión acerca dun tema concreto da materia ou do software utilizado. Os traballos poderán ser propostos polos docentes ou polos propios alumnos (as propostas serán tidas en conta ou non sempre segundo o criterio do docente).
|
40 |
|
Observacións avaliación |
Primeira oportunidade Realizarase unha proba de resposta múltiple de 10 a 20 preguntas que representa o 40% da nota. Por outra banda, a avaliación continua constará da asistencia e/ou entrega de prácticas relacionadas coa aprendizaxe e aplicación do software estatístico R para a resolución de problemas no campo da xestión dixital da información (20% da nota global), ademais da entrega dun e/ou varios traballos de aplicación da estatística para a resolución de casos de estudo en documentación dixital (alternativamente poderán ser traballos de revisión ou ampliación da materia) que representa o 40% da nota total. Segunda oportunidade Na avaliación da segunda oportunidade se seguirá o mesmo criterio que na primeira. Convocatoria adiantada Todas as observación previas son aplicables aos estudantes que soliciten a convocatoria adiantada do exame. Calificación de non presentado En calquera das dúas oportunidades anuais figurará un NON PRESENTADO naqueles casos nos que o alumnado non acuda ó exame oficial da materia. Estudiante con recoñecemento de dedicación a tempo parcial e dispensa académica de exención de asistencia No caso do alumnado con recoñecemento de dedicación a tempo parcial e dispensa académica de exención de asistencia que decida non asistir a clases, leste será avaliado nas dúas oportunidades como o resto do alumnado que se atopa nunha situación similar. A realización fraudulenta das probas ou actividades de avaliación implicará directamente a calificación de suspenso "0" na materia na convocatoria correspondente, invalidando así calquera calificación obtida en todas as actividades de avaliación de cara á convocatoria extraordinaria.
|
Fontes de información |
Bibliografía básica
|
Everitt, B. y Hothorn, T. (2011). An Introduction to Applied Multivariate Analysis with R. Springer-Verlag New York
Daniel Peña (2002). Análisis de datos multivariantes. S.A. MCGRAW-HILL / INTERAMERICANA DE ESPAÑA
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. Pirámide
Egghe, L. y Rousseau, R. (1990). Introduction to Infometrics. Quantitative Methods in Library, Documentation and Information Science. Amsterdam: Elsevier |
|
Bibliografía complementaria
|
Daniel Zelterman (2015). Applied Multivariate Statistics with R. Springer International Publishing
Cástor Guisande, Antonio Vaamonde (2012). Gráficos estadísticos y mapas con R. Díaz de Santos
Vélez, R. & García, A. (1993). Principios de Inferencia Estadística. UNED |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Fundamentos Estatísticos/710G04040 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
Minaría de Datos/710G04030 |
|
Observacións |
Para axudar a conseguir unha contorna inmediata sostida e cumprir co obxectivo da acción número 5: “Docencia e investigación saudable e sustentable ambiental e social” do "Plan de Acción Green Campus Ferrol: A entrega dos traballos documentais que se realicen nesta materia: • Solicitaranse en formato virtual e/ou soporte informático. • Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos. • En caso de ser necesario realizalos en papel: - Non se empregarán plásticos. - Realizaranse impresións a dobre cara. - Empregarase papel reciclado. - Evitarase a impresión de borradores. • Débese de facer un uso sustentable  dos recursos e a prevención de impactos negativos sobre o medio natural. • 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 e propoñeranse accións e medidas para corrixilas. |
|