Datos Identificativos 2019/20
Asignatura (*) Estatística Aplicada Código 614493002
Titulación
Mestrado Universitario en Técnicas Estadísticas (Plan 2019)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Primeiro Obrigatoria 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Correo electrónico
Profesorado
,
Correo electrónico
Web
Descrición xeral Preténdese que os alumnos pertencentes a este curso saiban comprender os fundamentos da Inferencia Estatística, coñecendo as condicións de aplicación das diversas probas estatísticas, paramétricas e non paramétricas, comprobando, cos procedementos axeitados, o cumprimento de tales condicións en casos concretos. Tamén deberán aprender a enxuizar a correcta aplicación das probas estatísticas en situacións de investigación concreta. Para iso, á parte dos coñecementos teóricos fundamentais, saberán manexar o software axeitado (R) para sacar as conclusións prácticas necesarias.

Competencias do título
Código Competencias do título
A1 A adquisición dos coñecementos de estatística e investigación operativa necesarios para a incorporación en equipos multidisciplinares pertencentes a diferentes sectores profesionais.
A2 Capacidade para comprender, formular, formular e resolver aqueles problemas susceptibles de ser abordados a través de modelos da estatística e da investigación operativa.
A9 Obter os coñecementos precisos para unha análise crítica e rigorosa dos resultados.
A10 Complementar a aprendizaxe dos aspectos metodolóxicos con apoio de software.
A12 O estudante será capaz de comprender a importancia da Inferencia Estatística como ferramenta de obtención de información sobre a poboación en estudo, a partir do conxunto de datos observados dunha mostra representativa desta. Para iso deberá recoñecer a diferenza entre estatística paramétrica e non paramétrica.
A13 Ser capaz de manexar diverso software (en particular R) e interpretar os resultados que proporcionan estes nos correspondentes estudos prácticos.
A15 Fomentar a sensibilidade cara aos principios do pensamento científico, favorecendo as actitudes asociadas ao desenvolvemento dos métodos matemáticos, como: o cuestionamento das ideas intuitivas, a análise crítica das afirmacións, a capacidade de análise e síntese ou a toma de decisións racionais.
B6 Capacidade para iniciar a investigación e para participar en proxectos de investigación que poden culminar na elaboración dunha tese doutoral.
B8 Capacidade de traballo en equipo e de forma autónoma
B10 Capacidade de identificar e resolver problemas
C1 Ser capaz de identificar un problema da vida real.
C2 Dominar a terminoloxía científica-metodolóxica para comprender e interactuar con outros profesionais.
C3 Habilidade para traballar os aspectos metodolóxicos da investigación en colaboración con outros colegas a través do Campus Virtual co foro.
C4 Habilidade para realizar a análise estatística con ordenador.
C5 Escoller o deseño máis axeitado para responder á pregunta de investigación.
C6 Utilizar as técnicas estatísticas máis axeitadas para analizar os datos dunha investigación.
C7 Planificar, analizar e interpretar os resultados dunha investigación considerando tanto os aspectos teóricos coma os metodolóxicos.
C8 Habilidade de xestión administrativa do proceso dunha investigación.
C9 Comunicación e difusión dos resultados das investigacións.
C10 Lectura con xuízo crítico de artigos científicos dende unha perspectiva metodolóxica.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Capacidade de traballo en equipo e de forma autónoma AM1
Capacidade de identificar e resolver problemas AM2
Realizar inferencias respecto aos parámetros que aparecen no modelo AM12
Obter os coñecementos precisos para unha análise crítica e rigurosa dos resultados AM9
Complementar a aprendizaxe dos aspectos metodolóxicos con apoio de software. AM10
Fomentar a sensibilidade cara aos principios do pensamento científico, favorecendo as actitudes asociadas ao desenvolvemento dos métodos matemáticos, como: o cuestionamento das ideas intuitivas, a análise crítica das afirmacións, a capacidade de análise e síntese ou a toma de decisións racionais AM15
Manexar diverso software, en particular R, e interpretar os resultados que proporciona nos estudos prácticos AM13
Saber iniciar un estudo de investigación coa posibilidade de facer unha tese doutoral BP6
Capacidade para traballar en equipo BP8
Capacidade para identificar e resolver problemas BP10
Capacidade de traballar con outros profesionáis, identificar problemas e poder resolvelos coa metodoloxía estadística axeitada, planificando analizando e interpretando correctamente os resultados do estudo. Comunicación e difusión dos resultados. Xuízo crítico de artigos científicos. CP1
CP2
CP3
CP4
CP5
CP6
CP7
CP8
CP9
CP10

Contidos
Temas Subtemas
Conceptos previos Definicións básicas de estatística. Variable aleatoria. Características básicas análise e síntese ou a toma de decisións racionais
Introducción á inferencia estatística Introdución. Clasificación dos métodos de inferencia estatística: paramétrica e non paramétrica, clásica e. Conceptos xerais. Mostraxe en poboacións finitas: mostraxe aleatoria simple, mostraxe sistemática, mostraxe estratificada, mostraxe por conglomerados, mostraxe polietápica e mostraxe non aleatoria.
Estimación puntual Introdución. Conceptos xerais. Distribucións relacionadas coa Normal. Propiedades desexables dos estimadores. Estimación da media dunha poboación. Estimación da varianza dunha poboación. Estimación dunha proporción para mostras grandes. Procedementos para a construción de estimadores.
Estimación por intervalos Introdución. Método pivotal. Intervalos de confianza para unha mostra: media, varianza e proporción. Intervalos de confianza para dúas mostras: diferenza de medias para mostras independentes e mostras apareadas, cociente de varianzas e diferenza de proporcións. Determinación do tamaño mostral.
Introdución aos contrastes de hipótese Introdución. Hipótese estatística. Formulación. Tipos de erro. Criterios de decisión. Etapas na resolución dun contraste. Nivel crítico ou p-valor. Potencia dun contraste.
Contrastes de hipótese paramétricos Contrastes paramétricos dunha poboación normal: contrastes para a media con varianza coñecida, contrastes para a media con varianza descoñecida e contrastes para a varianza. Contrastes paramétricos de dúas poboacións normais: contrastes para a diferenza de medias con mostras independentes, contrastes para a diferenza de medias con mostras apareadas e contrastes para o cociente de varianzas. Contrastes para poboacións non normais e mostras grandes: contrastes para unha proporción e contrastes para a diferenza de dúas proporcións. Relación entre intervalos de confianza e contrastes de hipótese. Contrastes de hipótese paramétricos
Contastes no paramétricos Introdución. Contrastes de localización. Contrastes de bondade de axuste: test Chi-cadrado, test Kolmogorov-Smirnov, test Shapiro-Wilk, test asimetría e curtoris. Contrastes de independencia. Contrastes de homoxeneidade.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A1 A2 A9 A10 A12 A13 A15 B6 B8 B10 C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 24 44.4 68.4
Solución de problemas A2 A9 A10 A12 A13 A15 B8 B10 C1 C2 C4 C5 C6 C7 C8 C9 18 31.5 49.5
Traballos tutelados A2 A9 B10 C3 C6 C7 C10 14 2.1 16.1
Proba mixta A2 A9 A10 A12 A13 B10 C4 C5 C6 C7 4 0 4
 
Atención personalizada 12 0 12
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral O alumno recibirá clases maxistrais nas que o profesor, coa axuda dos medios audiovisuais pertinentes, expoñerá os contidos teórico-prácticos da materia. Fomentarase en todo momento a participación e o debate.

Tanto as clases como o material se darán en lingua española ou galega.
Solución de problemas Os problemas formulados reforzarán tanto o carácter aplicado da materia coma a súa interactividade. Os alumnos poderán expoñer as súas dúbidas e inquietudes referidas á materia, e terán a oportunidade de realizar, coa guía do profesor, problemas similares aos dos exames. Ademais, cunha atención moi individualizada, poderán complementar os casos prácticos.
Traballos tutelados O alumno terá que facer un estudo dun caso práctico onde amose os coñecementos adquiridos ao longo do curso.
Proba mixta O alumno deberá demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para a resolución de problemas do ámbito da probabilidade e da estatística.

Atención personalizada
Metodoloxías
Sesión maxistral
Solución de problemas
Traballos tutelados
Descrición
Para a resolución de problemas será importante atender persoalmente aos alumnos ante as posibles dúbidas que poidan xurdir. Esta atención servirá tamén, por unha parte, ao profesor para detectar posibles problemas na metodoloxía utilizada para impartir a materia e, por outra, aos alumnos para consolidar coñecementos teóricos e para expresar as súas inquietudes acerca da materia.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Proba mixta A2 A9 A10 A12 A13 B10 C4 C5 C6 C7 A avaliación realizarase por medio dunha proba escrita ao final de curso. A proba escrita inclúe preguntas de teoría, cuestións e problemas de carácter práctico. Poderán considerarse procedementos complementarios de avaliación, como a realización de traballos 100
 
Observacións avaliación

-


Fontes de información
Bibliografía básica 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
Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2016). Probability and Statistics with R. Chapman and Hall/CRC

Bibliografía complementaria Gonick, L. y Smith, W. (2001). Á estatística ¡en caricaturas!. SGAPEIO
Freund, J.E., Miller, I. y Miller (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). Introducción a R. http://www.r-project.org/
Vélez-Ibarrola, R. y García-Pérez (2012). Principios de Inferencia Estadística. . UNED
Devore, J.L. (2016). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente
Modelos de Probabilidade/614493001
Análise Exploratoria de Datos/614493004

Materias que continúan o temario

Observacións

Para superar con éxito a materia é aconsellable a asistencia ás clases, sendo fundamental o seguimento diario do traballo realizado na aula e a realización de traballos prácticos propostos ao longo do curso. Tamén é recomendable ter cursado polo menos unha materia de estatística básica nunha titulación de grao precedente



(*)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