Datos Identificativos 2019/20
Asignatura (*) Inferencia Estatística Código 614493102
Titulación
Mestrado Universitario en Técnicas Estadísticas (Plan 2019)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Primeiro Optativa 5
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Lombardía Cortiña, María José
Correo electrónico
maria.jose.lombardia@udc.es
Profesorado
Lombardía Cortiña, María José
Correo electrónico
maria.jose.lombardia@udc.es
Web
Descrición xeral Comprender os fundamentos da inferencia estatística, coñecer as condicións de aplicación das distintas probas estatísticas, paramétricas e non paramétricas, verificando, cos procedementos axeitados, o cumprimento de tales condicións en casos específicos.
Aprender a correcta aplicación das probas estatísticas aos casos reais. Para iso, empregarase o software R.
Plan de continxencia

Competencias do título
Código Competencias do título
A16 CE1 - Coñecer, identificar, modelar, estudar e resolver problemas complexos de estatística e investigación operativa, nun contexto científico, tecnolóxico ou profesional, xurdidos en aplicacións reais.
A17 CE2 – Desenvolver autonomía para a resolución práctica de problemas complexos surdidos en aplicación reais e para a interpretación dos resultados cara á axuda na toma de decisións.
A19 CE4 - Adquirir as destrezas necesarias no manexo teórico-práctico da teoría de probabilidade e as variables aleatorias que permitan o seu desenvolvemento profesional no eido científico/académico, tecnolóxico ou profesional especializado e multidisciplinar.
A21 CE6 - Adquirir coñecementos teórico-prácticos avanzados de distintas técnicas matemáticas, orientadas específicamente á axuda na toma de decisións, e desenvolver a capacidade de reflexión para avaliar e decidir entre distintas perspectivas en contextos complexos.
A23 CE8 - Adquirir coñecementos teórico-prácticos avanzados das técnicas destinadas á realización de inferencias e contrastes relativos a variables e parámetros dun modelo estatístico, e saber aplicalos con autonomía suficiente nun contexto científico, tecnolóxico ou profesional.
B1 CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B2 CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
B3 CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos
B4 CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun modo claro e sen ambigüidades
B5 CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo.
B17 CG1 - Coñecer, comprender e saber aplicar os principios, metodoloxías e novas tecnoloxías na estatística e a investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares, así como adquirir as destrezas e competencias descritas nos objectivos generales do título.
B18 CG2 - Desenvolver autonomía para identificar, modelar e resolver problemas complexos da estatística e da investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares.
B19 CG3 - Desenvolver a capacidade para realizar estudos e tarefas de investigación e transmitir os resultados a públicos especializados, académicos e xeneralistas.
B20 CG4 - Integrar coñecementos avanzados e enfrontarse á toma de decisións a partir de información científica e técnica.
B21 CG5 - Desenvolver a capacidade de aplicación de algoritmos e técnicas de resolución de problemas complexos no eido da estatística e a investigación operativa, manexando o software especializado axeitado.
C11 CT1 - Desenvolver firmes capacidades de razoamento, análise crítica e autocrítica, así como de argumentación e de síntese, contextos especializados e multidisciplinais.
C12 CT2 - Desenvolver destrezas avanzadas no manexo de Tecnoloxías da Información e a Comunicación (TIC), tanto para a obtención de información como para a difusión do coñecemento, nun ámbito científico/académico, tecnolóxico ou profesional especializado e multidisciplinar.
C13 CT3 - Ser capaz de resolver problemas complexos en novos escenarios mediante a aplicación integrada dos coñecementos.
C14 CT4 - Desenvolver unha sólida capacidade de organización e planificación do estudo, asumindo a responsabilidade do seu propio desenvovemento profesional, para a realización de traballos en equipo e de xeito autónomo.
C15 CT5 - Desenvolver capacidades para o aprendizaxe e a integración no traballo en equipos multidisciplinais, nos ámbitos científico/académico, tecnolóxico e profesional.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Saber utilizar os fundamentos da inferencia Estatística para a solución de problemas complexos, que requira do uso de técnicas de inferencia, en contextos científicos e profesionais. AM16
AM17
AM19
AM21
AM23
BP1
BP2
BP3
BP4
BP5
BP17
BP18
BP19
BP20
BP21
CP11
CP12
CP13
Coñecer os fundamentos da Inferencia Estatística e a súa aplicación á análise de datos en entornos multidisciplinares. AM16
AM17
AM19
AM21
AM23
BP1
BP2
BP4
BP5
BP17
BP18
BP19
BP20
BP21
CP11
CP13
CP15
Desenvolver autonomía na correcta aplicación das técnicas propias da Inferencia Estatística. AM16
AM17
AM19
AM21
AM23
BP1
BP2
BP4
BP5
BP17
BP18
BP19
BP20
BP21
CP11
CP13
CP14
CP15

Contidos
Temas Subtemas
1. Introdución á inferencia estatística. Introdución. Conceptos xerais.
2. Estimación puntual. Introdución. Conceptos xerais. Distribucións relacionadas coa Normal. Consistencia dun estimador. Conceptos de sesgo e eficiencia. Erro cuadrático medio. Estimación da media dunha poboación. Estimación da varianza dunha poboación. Estimación dunha proporción para mostras grandes.
3. Procedementos para a construción de estimadores. Método de momentos. Métodos de máxima verosimilitud.
4. Estimación por intervalos de confianza. Introdución. Método pivotal. Intervalos de confianza para unha mostra: media, varianza e proporción. Determinación do tamaño da mostra.
5. Introdución ás probas de hipóteses. Introducción. Hipótese estatística. Planteamento. Tipos de erro. Criterios de decisión. Etapas na resolución dun contraste. Nivel crítico ou p-valor. Potencia dun contraste. Probas paramétricas dunha poboación normal.
6. Inferencia para dúas mostras. Mostras independentes: diferenza de medias, razón de varianzas e diferenza de proporcións. Datos pareados: diferenza de medias. Proba de razón de verosimilitude.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A16 A17 A19 A21 A23 B1 B2 B3 B4 B5 B17 B18 B19 B20 B21 C11 C12 C13 C14 C15 25 62 87
Solución de problemas A16 A17 A19 A21 A23 B1 B2 B4 B5 B17 B18 B19 B20 B21 C11 C13 C14 C15 10 24 34
Proba mixta A16 A17 A21 A23 3 0 3
 
Atención personalizada 1 0 1
 
*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 teóricos e prácticos da materia. A participación e o debate serán alentados en todo momento.
Solución de problemas Aprenderase a usar o programa gratuíto de orientación estatística e gráfica R, coñecerase as súas estruturas de programación e estudos de inferencia estatística, tanto reais como simulados. 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.
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.

Atención personalizada
Metodoloxías
Sesión maxistral
Solución de problemas
Descrición
Para a comprensión dos aspectos teóricos e para a resolución dos problemas, será importante atender persoalmente aos alumnos ante as posibles dúbidas que poidan xurdir. Esta acción tutorial servirá tamén, por unha banda, ao profesor para detectar posibles problemas na metodoloxía empregada para ensinar a materia e, por outra banda, para que os alumnos consoliden os coñecementos teóricos e expresen as súas preocupacións sobre a materia.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Solución de problemas A16 A17 A19 A21 A23 B1 B2 B4 B5 B17 B18 B19 B20 B21 C11 C13 C14 C15 Ao longo do curso, o alumno demostrará o seu interese polo tema e o seu dominio mediante a realización de probas escritas (controis). A cualificación obtida conservarase entre as oportunidades (ordinarias e extraordinarias) dentro da convocatoria de cada curso. Os alumnos que non obteñan o máximo do 20% da nota correspondente a esta parte, poderán recuperar a parte faltante ao realizar o exame final da materia. 20
Proba mixta A16 A17 A21 A23 O exame final, cun valor entre o 80% e o 100%, consistirá nunha proba teórico-práctica escrita. 80
 
Observacións avaliación

Na data establecida pola Máster de Técnicas Estatísticas no seu programa 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 pode 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
Modelos de Probabilidade/614493001
Análise Exploratoria de Datos/614493004
Análise Exploratoria de Datos /614493101
Modelos de Probabilidade/614493103

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Modelos de Regresión/614493003
Mostraxe/614493008
Estatística Matemática/614493019
Contrastes de Especificación/614493023
Modelos de Regresión/614493105
Mostraxe/614493119
Estatística Matemática/614493107
Métodos Non Paramétricos/614493111
Contrastes de Especificación/614493124

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