Datos Identificativos 2020/21
Asignatura (*) Ferramentas informáticas para a Análise I Código 615518022
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Segundo Optativa 3
Idioma
Castelán
Modalidade docente Híbrida
Prerrequisitos
Departamento Matemáticas
Coordinación
Fernández Casal, Rubén
Correo electrónico
ruben.fcasal@udc.es
Profesorado
Fernández Casal, Rubén
Correo electrónico
ruben.fcasal@udc.es
Web
Descrición xeral O obxectivo xeral desta materia é que os estudantes adquiran as destrezas e competencias, a un nivel introdutorio, no uso do software libre R para a análise de datos de interese na investigación social e na análise de mercados.
Plan de continxencia Ao ser un Máster en extinción, esta materia só ten dereito a exame. Este será realizado de forma virtual se as circunstancias así o esixen.

Competencias do título
Código Competencias do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Dispor de ferramentas informáticas para a análise cuantitativa baseadas en software libre AM8
AM9
BM8
CM3
Coñecer o funcionamento de ferramentas informáticas baseadas en software libre para a análise cuantitativa, tanto descritiva coma predictiva, que demanda a investigación social e de mercados AM1
AM3
AM4
AM8
AM9
BM1
BM2
BM3
BM5
BM6
BM7
BM8
BM9
BM10
BM11
CM1
CM3
CM4
CM5
CM6
CM7
CM8

Contidos
Temas Subtemas
Introdución á linguaxe R Estruturas de datos e programación en R
Manipulación de datos con R
Análise exploratorio de datos con R Táboas, medidas de posición e dispersión
Gráficos
Inferencia Estatística con R Intervalos de confianza e contrastes de hipóteses
Análise da varianza
Regresión lineal simple

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Proba mixta A1 B2 B6 C1 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
Proba mixta Os alumnos deberán demostrar o seu dominio da materia e a súa capacidade para o análise estatístico de datos empregando R.

Atención personalizada
Metodoloxías
Descrición
A atención personalizada é unha actividade académica que ten como finalidade atender as necesidades e consultas do alumnado, de forma individual ou en pequeno grupo, relacionadas co estudo e temas vinculados coa materia. Esta atención servirá, dunha banda, ao profesor para detectar posibles problemas na metodoloxía empregada para impartir a materia e, por outra, aos alumnos para consolidar os coñecementos e para expresar as súas inquedanzas acerca da materia.

Esta actividade desenvolverase de forma presencial.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Proba mixta A1 B2 B6 C1 A proba mixta ten por obxeto valorar a correcta comprensión e aplicación dos contidos da materia. Realizarase de forma individual empregando o software R e os coñecementos adquiridos nas sesións de obradoiro e de solución de problemas. 100
 
Observacións avaliación

Fontes de información
Bibliografía básica Fox, J. y Weisberg, S. (2011). An R Companion to Applied Regression. Sage
Arriaza Gómez, A.J., Fernández Palacín, F., López Sánchez, M.A., Muñoz Márquez, M., Pérez Plaza, S. (2008). Estadística Básica con R y R-Commander. Universidad de Cádiz, Servicio de publicaciones. http://knuth.uca.es/ebrcmdr
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
Dalgaard, P. (2008). Introductory Statistics with R. Springer
Lander, J. (2013). R for Everyone: Advanced Analytics and Graphics. Addison-Wesley
Matloff, N. (2011). The Art of R Programming: A Tour of Statistical Software Design. No Starch Press

Bibliografía complementaria

Cichosz, P. (2015). Data Mining Algorithms: Explained Using R. Wiley

Faraway, J. (2006). Extending Linear Models with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC

James, G., Witten, D., Hastie, T. y Tibshirani, R. (2013). An Introduction to Statistical Learning: with Aplications in R. Springer

Ledolter, J. (2013). Data Mining and Business Analytics with R. Wiley

Williams, G. (2011). Data Mining with Rattle and R. Springer


Recomendacións
Materias que se recomenda ter cursado previamente
Taller de Análise Cuantitativa/615518012

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Ferramentas Informáticas para a Análise II/615518023

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías