| Study programme competencies |
| Code | Study programme competences |
| 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. |
| Learning aims | |||
| Learning outcomes | Study programme competences | ||
| 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. | AC16 AC17 AC19 AC21 AC23 |
BJ1 BJ2 BJ3 BJ4 BJ5 BJ17 BJ18 BJ19 BJ20 BJ21 |
CJ11 CJ12 CJ13 |
| Coñecer os fundamentos da Inferencia Estatística e a súa aplicación á análise de datos en entornos multidisciplinares. | AC16 AC17 AC19 AC21 AC23 |
BJ1 BJ2 BJ4 BJ5 BJ17 BJ18 BJ19 BJ20 BJ21 |
CJ11 CJ13 CJ15 |
| Desenvolver autonomía na correcta aplicación das técnicas propias da Inferencia Estatística. | AC16 AC17 AC19 AC21 AC23 |
BJ1 BJ2 BJ4 BJ5 BJ17 BJ18 BJ19 BJ20 BJ21 |
CJ11 CJ13 CJ14 CJ15 |
| Contents |
| Topic | Sub-topic |
| 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. |
| Planning | ||||
| Methodologies / tests | Competencies | Ordinary class hours | Student’s personal work hours | Total hours |
| Guest lecture / keynote speech | A16 A17 A19 A21 A23 B1 B2 B3 B4 B5 B17 B18 B19 B20 B21 C11 C12 C13 C14 C15 | 25 | 62 | 87 |
| Problem solving | A16 A17 A19 A21 A23 B1 B2 B4 B5 B17 B18 B19 B20 B21 C11 C13 C14 C15 | 10 | 24 | 34 |
| Mixed objective/subjective test | A16 A17 A21 A23 | 3 | 0 | 3 |
| Personalized attention | 1 | 0 | 1 | |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. | ||||
| Methodologies |
| Methodologies | Description |
| Guest lecture / keynote speech | 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. |
| Problem solving | 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. |
| Mixed objective/subjective test | O alumno debe demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para resolver problemas no campo da inferencia estatística. |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies | Description | Qualification |
| Problem solving | 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 dúas oportunidades da convocatoria de cada curso. Os alumnos que non obteñan o máximo do 30% da nota correspondente a esta parte, poderán recuperar a parte faltante ao realizar o exame final da materia. | 30 |
| Mixed objective/subjective test | A16 A17 A21 A23 | O exame final, cun valor entre o 70% e o 100%, consistirá nunha proba teórico-práctica escrita. | 70 |
| Assessment comments | |||
|
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. A oportunidade de xullo estará sometida aos mesmos criterios que a de xaneiro. |
|||
| Sources of information |
| Basic |
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 |
|
|
|
| Complementary |
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 |
|
|
| Recommendations | ||||||
| Subjects that it is recommended to have taken before |
| Subjects that are recommended to be taken simultaneously | ||
|
| Subjects that continue the syllabus | ||||||
|
| Other comments | |
|
- Aconséllase participar activamente no proceso de aprendizaxe da materia: asistencia e participación ás clases teóricas e prácticas, ademais da utilización de horas de titorías. - Para os casos de realización fraudulenta de exercicios ou probas, será de aplicación o recolleito nas respectivas normativas das universidades participantes no Máster en Técnicas Estatísticas. - Esta guía e os criterios e metodoloxías nela descritos están suxeitos ás modificacións que se deriven de normativas e directrices das universidades participantes no Máster en Técnicas Estatísticas. |