Datos Identificativos 2018/19
Asignatura (*) Métodos Estatísticos para Datos Medioambientales Código 610500006
Titulación
Mestrado Universitario en Ciencias. Tecnoloxías e Xestión Ambiental (plan 2012)
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 1º cuatrimestre
 Primero Optativa 3
Idioma
Castellano
Gallego
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Matemáticas
Química
Coordinador/a
Jacome Pumar, Maria Amalia
 Correo electrónico
maria.amalia.jacome@udc.es
Profesorado
Andrade Garda, Jose Manuel
Estevez Perez, Maria Graciela
Jacome Pumar, Maria Amalia
 Correo electrónico
jose.manuel.andrade@udc.es
graciela.estevez.perez@udc.es
maria.amalia.jacome@udc.es
Web
Descripción general Nos estudos medioambientais manéxanse xeralmente importantes cantidades de datos, cuio análise permitirá a extracción da información relevante contida neles. Nesta materia farase unha introdución ás técnicas estatísticas avanzadas necesarias para a análise multivariable de datos, que permiten a reducción da dimensionalidade e a construción de grupos dende un punto de vista descritivo. O desarrollo dos ordenadores facilita o procesamento de grandes bancos de datos, resultando polo tanto unha materia de moito interese práctico.

Competencias del título
Código Competencias del título
A1 Conocimiento de las realidades interdisciplinares de la Química y del Medio Ambiente, de los temas punteros en estas disciplinas y de las perspectivas de futuro.
A3 Capacitar al alumno para el desarrollo de un trabajo de investigación en un campo de la Química o del Medio Ambiente, incluyendo los procesos de caracterización de materiales, el estudio de sus propiedades fisicoquímicas y biológicas y de los procesos que pueden sufrir en el medio natural.
A12 Conocer las distintas estrategias para el tratamiento estadístico de series de datos relacionadas con datos medioambientales.
B3 Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
B5 Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
B6 Ser capaz de analizar datos y situaciones, gestionar la información disponible y sintetizarla, todo ello a un nivel especializado.
C1 Ser capaz de trabajar en equipos, especialmente en los interdisciplinares e internacionales.
C3 Ser capaz de adaptarse a situaciones nuevas, mostrando creatividad, iniciativa, espíritu emprendedor y capacidad de liderazgo.
C6 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.
C9 Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse.
C10 Asumir como profesional y ciudadano la importancia del aprendizaje a lo largo de la vida.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Diseñar experimentos, obtener información e interpretar los resultados AM3
AM12
 BM3
BM6
 CM1
CM6
CM9
CM10
Aplicar un pensamiento crítico, lógico y creativo para resolver problemas de forma efectiva. AM1
AM3
 BM5
 CM3

Contenidos
Tema Subtema
Introducción Repaso de los métodos básicos de Estadística Descriptiva Uni e Multivariante
Relación entre variables Medidas de dependencia: matriz de correlaciones, regresión lineal simple y múltiple
Análisis de la multicolinealidad
Análisis Multivariante Descripción de datos multivariantes
Análisis de Componentes Principales
Análisis Discriminante
Análisis Cluster

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Solución de problemas A1 A3 A12 B3 C3 C1 C6 C10 5 15 20
Aprendizaje colaborativo A3 A12 0 6 6
Sesión magistral A12 B5 B6 C6 C9 C10 16 32 48
 
Atención personalizada 1 0 1
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Solución de problemas Finalizada la exposición de todos los contenidos de la asignatura, se harán ejercicios prácticos en el aula, que podrán ser propuestos también para realizar como trabajo autónomo.
Aprendizaje colaborativo Realización de un trabajo en grupo, que consistirá en el tratamiento completo de un conjunto de datos, en la medida de lo posible del ámbito de estudios medioambientales, que podrá ser corregido en el aula.
Sesión magistral Clases magistrales presenciales en las que el profesor expondrá los puntos fundamentales del programa convenientemente ilustrados con ejemplos prácticos

Atención personalizada
Metodologías
Solución de problemas
Descripción
Los alumnos realizarán un trabajo en lo que tendrán que aplicar, a un archivo de datos, las técnicas explicadas en la asignatura que ellos consideren oportunas para responder a las preguntas planteadas. Dispondrán de atención personalizada de los profesores responsables de cada bloque, de manera que los alumnos podrán resolver todas las dudas que se les presenten de forma tanto presencial como no presencial.

La vía presencial se desarrollará mediante tutorías personalizadas en los despachos de los docentes para la resolución de dudas y corrección de errores. La vía no presencial se realizará mediante correo electrónico, plataforma virtual o medios semejantes.

Los estudantes con el reconocimiento de dedicación a tempo parcial y dispensa académica de exención de asistencia también deberán entregar el trabajo a los docentes y dispodrán de la misma atención personalizada de los profesores, tanto por la vía presencial como la no presencial.

Evaluación
Metodologías Competéncias Descripción Calificación
Sesión magistral A12 B5 B6 C6 C9 C10 Asistencia y participación en las clases de sesión magistral. 5
Solución de problemas A1 A3 A12 B3 C3 C1 C6 C10 Asistencia y participación en la resolución de problemas en clase. 5
Aprendizaje colaborativo A3 A12 Los alumnos analizarán los datos y expondrán las conclusiones en un trabajo, bien de forma individual o en grupo 90
 
Observaciones evaluación

Se valorará positivamente la asistencia a las clases, así como la actitud y la participación de los alumnos en las mismas (Solución de problemas) con un peso de hasta el 10% de la nota final. La asistencia mínima será no inferior al 80% de las horas presenciales (salvo ausencias debidamente justificadas). El restante 90% de la nota vendrá dada por la realización y posible exposición de trabajos tutelados (Aprendizaje colaborativo). En la corrección de los trabajos se tendrán en cuenta los aspectos formales para la resolución de los problemas planteados, la claridad en las exposiciones y la capacidad de defensa de los argumentos presentados en el trabajo escrito, así como de ser el caso presentación oral de los resultados conseguidos. Requisito sine quano para superar la asignatura es superar las distintas actividades (ejercicios, trabajos tutelados) propuestas por el profesorado. La nota final de la asignatura será la suma ponderada de las calificaciones de cada bloque temático.

Para los estudiantes con el reconocimiento de dedicación a tiempo parcial y dispensa académica de exención de asistencia el 100% de la nota en la asignatura vendrá de la realización de los trabajos tutelados aunque, obviamente, están liberados de la obligación de defenderlos oralmente.

Para obtener la calificación de NP (No Presentado), el alumno no podrá haber participado en las actividades de aprendizaje colaborativa.

Fuentes de información
Básica

Jobson, J.D. (1992). Applied Multivariate Analysis. Vol. II: Categorical and Multivariate Methods. Springer Texts in Statistics, Springer-Verlag: NewYork.

Miller, J.N. & Miller, J.C. (2002) Estadí­stica y Quimiometrí­a para Quí­mica Analí­tica. Edit. PrenticeHall.

Mongay Fernández, C. (2005) Quimiometría. Servicio Publicaciones Universidad de Valencia.

Morrison, D.F. (1990) Multivariate statistical method. 3rd Edition. McGraw-Hill Series in Probability and Statistics.

Peña, D. (2002). Análisis de Datos Multivariantes. McGraw-Hill.

Pérez López, C. (2004) Técnicas de análisis multivariante de datos. Aplicaciones con SPSS. Pearson Prentice Hall, Madrid.

Pérez López, C. (2005) Métodos Estadísticos Avanzados con SPSS. Thomson, Madrid.

Ramis Ramos, G. (2001) Quimiometría. Síntesis, Madrid.

Complementária

Millard, S.P. & Neerchal, N.J. (2001) Environmental Statistics with S-Plus. Springer. CRC Press LLC

Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios

Se recomienda la asistencia y participación a las clases tanto de índole teórico como práctico. Asimismo, se recomienda completar el material facilitado por el profesorado con la bibliografía por ellos recomendada y la realización de las tareas encomendadas. Un estudio continuo de la materia y el uso de las tutorías para resolver dudas es fundamental para superar con éxito la asignatura. Se recomienda el uso de las tutorías individuales para los alumnos con dificultades en superar la materia.


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías