| Competencias do título |
| Código | Competencias do título |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Coñecer as técnicas de inferencia en poboacións finitas para estudar características poboacionais a partir da información suministrada pola mostra. | A17 A18 A20 |
B1 B5 B6 |
C1 |
| Coñecer as técnicas estatísticas para realizar estimacións de características poboacionais a partir de información obtida con mostraxe aleatoria. | A17 A18 A20 |
B1 B5 B6 |
C1 |
| Interpretar os resultados das probas de hipóteses como ferramenta para a toma de decisións. | A17 A18 A20 |
B1 B5 B6 |
C1 |
| Coñecer as técnicas básicas da estatística bayesiana e recoñecer os contextos adecuados para a súa aplicación. | A17 A18 A20 |
B1 B5 B6 |
C1 |
| Saber manexar con soltura programas informáticos avanzados de análise estatística. | A17 A18 A20 |
B1 B5 B6 |
C1 |
| Contidos |
| Temas | Subtemas |
| 1. Introdución á inferencia estatística | 1.1 Clasificación dos métodos de inferencia estatística 1.2 Poboación e mostra 1.3 Mostraxe de poboacións finitas |
| 2. Estimación puntual | 2.1 Conceptos xerais 2.2 Propiedades desexables dos estimadores 2.3 Estimación de parámetros de interese 2.4 Procedementos para a construción de estimadores |
| 3. Intervalos de confianza | 3.1 Método pivotal 3.2 Intervalos de confianza de parámetros de interese para unha mostra 3.3 Intervalos de confianza de parámetros de interese para dúas mostras |
| 4. Probas de hipótese | 4.1 Hipótese estatística 4.2 Tipos de erros 4.3 Nivel crítico (p-valor) e potencia dun contraste 4.4 Probas paramétricas dunha e dúas mostras 4.5 Análise da varianza |
| 5. Probas non paramétricas | 5.1 Probas de bondade de axuste 5.2 Probas de independencia e homoxeneidade para datos categóricos |
| 6. Introdución á estatística bayesianas | 6.1 Principios básicos. Distribucións a Priori e Posteriori 6.2 Distribucións conxugadas 6.3. Aplicacións á inferencia paramétrica e probas de hipótese |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Prácticas de laboratorio | A17 A18 A20 B1 B5 B6 C1 | 20 | 24 | 44 |
| Seminario | A17 A18 A20 B1 B5 B6 C1 | 10 | 14 | 24 |
| Proba mixta | A17 A18 A20 B1 B5 B6 C1 | 3 | 3 | 6 |
| Sesión maxistral | A17 A18 A20 B1 B5 B6 C1 | 30 | 40 | 70 |
| 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 |
| Prácticas de laboratorio | Aprenderase a usar o programa gratuíto de orientación estatística e gráfica R, coñeceranse as súas estruturas de programación e se realizarán estudos de datos estatísticos, tanto reais como simulados. |
| Seminario | Os seminarios reforzarán tanto o carácter aplicado da materia como a súa interactividade. Os estudantes poderán expoñer as súas dúbidas e inquietudes referidas á materia e terán a oportunidade de realizar, coa supervisión do profesor, problemas similares aos dos exames. Ademais, cunha atención moi individualizada, poderán completar as prácticas de laboratorio. |
| Proba mixta | O alumno debe demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para resolver problemas no campo da inferencia estatística. |
| Sesión maxistral | O alumno recibirá clases maxistrais nas que o profesor, coa axuda dos medios audiovisuais pertinentes, expoñerá os contidos teóricos e prácticos da materia. A participación e o debate serán alentados en todo momento. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Seminario | A17 A18 A20 B1 B5 B6 C1 | Ao longo do curso, o alumno demostrará o seu interese polo tema e o seu dominio mediante a realización de probas escritas (controis) no que se avaliará o traballo práctico da materia. Os alumnos que non obteñan o máximo do 20% da nota correspondente a esta parte, poderán recuperar a parte faltante na realización do exame final da materia. |
20 |
| Proba mixta | A17 A18 A20 B1 B5 B6 C1 | O exame final, cun valor entre o 80% e o 100%, consistirá nunha proba teórico-práctica escrita. | 80 |
| Observacións avaliación | |||
|
Na data establecida pola Facultade na súa planificación anual, o alumno fará por escrito o exame final da materia (proba mixta), no que terá que responder a preguntas teóricas, resolver preguntas teórico-prácticas e calcular a solución de diversos problemas. Para esta proba o alumno só poderá levar consigo o material autorizado expresamente. |
|||
| Fontes de información |
| Bibliografía 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 |
|
|
|
| Bibliografía complementaria |
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
R Development Core Team (2009). Introduction to R. www.r-project.org/
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 |
|
|
| Recomendacións | |||||
| Materias que se recomenda ter cursado previamente | |||
|
| Materias que se recomenda cursar simultaneamente | |
|
| Materias que continúan o temario | |||||
|
| Observacións | |