Datos Identificativos 2019/20
Asignatura (*) Estatística Código 614G01008
Titulación
Grao en Enxeñaría Informática
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Primeiro Formación básica 6
Idioma
Castelán
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Lorenzo Freire, Silvia
Correo electrónico
silvia.lorenzo@udc.es
Profesorado
Aneiros Perez, German
Cao Abad, Ricardo
Carpente Rodriguez, Maria Luisa
Costa Bouzas, Julian
Francisco Fernandez, Mario
García Jurado, Ignacio
González Rueda, Ángel Manuel
Lombardía Cortiña, María José
Lorenzo Freire, Silvia
Meilán Vila, Andrea
Noceda Dávila, Diego
Presedo Quindimil, Manuel Antonio
Vilar Fernandez, Juan Manuel
Correo electrónico
german.aneiros@udc.es
ricardo.cao@udc.es
luisa.carpente@udc.es
julian.costa@udc.es
mario.francisco@udc.es
ignacio.garcia.jurado@udc.es
angel.manuel.rueda@udc.es
maria.jose.lombardia@udc.es
silvia.lorenzo@udc.es
andrea.meilan@udc.es
diego.noceda@udc.es
manuel.antonio.presedo.quindimil@udc.es
juan.vilar@udc.es
Web
Descrición xeral Estatística descritiva. Análise exploratoria de datos. Probabilidade. Modelos de probabilidade. Inferencia estatística.

Competencias do título
Código Competencias do título
A1 Capacidade para a resolución dos problemas matemáticos que se poden presentar na enxeñaría. Aptitude para aplicar os coñecementos sobre: álxebra linear; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estatística e optimización.
B3 Capacidade de análise e síntese
C2 Dominar a expresión e a comprensión de forma oral e escrita dun idioma estranxeiro.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Saber utilizar ferramentas informáticas auxiliares á Estatística: paquetes estatísticos e linguaxes de programación con orientación estatística; e saber interpretar de maneira crítica os resultados acadados. A1
B3
C2
Saber analizar datos mediante técnicas descritivas e realizar inferencia de características poblacionais a partires de información parcial, acadada con mostraxe aleatoria, mediante técnicas estatísticas. A1
B3
C2
Saber modelizar en contextos aleatorios sinxelos empregando ferramentas probabilistas. A1
B3
C2

Contidos
Temas Subtemas
Probabilidade Definición de probabilidade. Propiedades
Probabilidade condicionada. Teorema de Bayes
Variables aleatorias Variables aleatorias discretas
Variables aleatorias continuas
Teorema central do límite
Simulación
Estatística descritiva Distribucións de frecuencias
Representacións gráficas
Medidas de posición e de dispersión
Inferencia estatística Introdución
Estimación puntual
Intervalos de confianza
Contrastes de hipótesis paramétricos
Contrastes de hipótesis non paramétricos
Regresión simple Regresión linear simple
Regresión non linear

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A1 B3 C2 30 48 78
Prácticas de laboratorio A1 B3 C2 20 20 40
Seminario A1 B3 C2 10 10 20
Proba mixta A1 B3 C2 3 3 6
 
Atención personalizada 6 0 6
 
*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, exporá os contidos teórico-prácticos da asignatura. Fomentarase en todo momento a participación e o debate.
Prácticas de laboratorio As prácticas de laboratorio impartiranse nun laboratorio informático. Aprenderase a utilizar o programa de balde de orientación estatística e gráfica R, aprenderanse as súas estruturas de programación e realizaranse estudos estatísticos de datos, tanto reais como simulados.
Seminario Os seminarios reforzarán tanto o carácter aplicado da asignatura como a súa interactividade. Os alumnos poderán expoñer as súas dúbidas e inquedanzas referidas á materia, e terán a oportunidade de realizar, coa supervisión do profesor, problemas semellantes ós dos exames. Ademáis, cunha atención moi individualizada, poderán cumplimentar as prácticas de laboratorio.
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
Prácticas de laboratorio
Seminario
Descrición
Para a resolución de problemas será importante atender persoalmente ós alumnos ante as posibles dúbidas que poidan xurdir. Esta atención servirá tamén, dunha banda, ó profesor para detectar posibles problemas na metodoloxía empregada para impartir a asignatura e, por outra, ós alumnos para consolidar coñecementos teóricos e para expresar as súas inquedanzas acerca da asignatura.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A1 B3 C2 Para avaliar o grao de comprensión e aprendizaxe destas prácticas, programaranse 2 ou 3 probas de avaliación, que se realizarán durante as clases de laboratorio e que outorgarán o 20% da nota final.
Para os alumnos matriculados a tempo completo, a nota de prácticas non é recuperable mediante a realización doutra proba. Os alumnos matriculados a tempo parcial, que non teñan sido avaliados da parte de prácticas de laboratorio, poderán realizar unha proba específica para recuperar o 20% da nota correspondente a esta parte.
20
Seminario A1 B3 C2 Ó longo do curso, o alumno demostrará o seu interese pola materia e o seu dominio da mesma realizando dúas probas escritas (controis), cada unha cunha cualificación máxima do 10%. As dúas probas corresponderanse cos temas 1 e 2 da asignatura.
Aqueles alumnos que non acadaran o máximo do 20% da nota correspondente a esta parte, poderán recuperar a parte faltante ó realizar o exame final da asignatura.
20
Proba mixta A1 B3 C2 O exame final, cun valor entre o 60 e o 80% (dependendo da calificación obtida nos controis dos temas 1 e 2), consistirá en realizar unha proba escrita teórico-práctica. 60
 
Observacións avaliación

O alumno rematará o período de clases cun máximo dun 40% da cualificación, que acadará mediante dous controis escritos (10% cada un) e dúas ou tres probas de avaliación das prácticas de laboratorio (20%).

Na data que estableza a Facultade na súa programación anual, o alumno realizará, por escrito, o exame final da materia, no que terá que respostar a preguntas teóricas, resolver cuestións teórico-prácticas, e calcular a solución de diversos problemas; para esta proba o alumno só poderá levar consigo o material que se autorice de maneira expresa (do tipo de bolígrafo ou calculadora).

A nota acadada o día do exame final reescalarase de maneira que o alumno teña a oportunidade de recuperar o 20% da cualificación correspondente ós controis escritos (non poderá recuperarse o 20% da nota da parte de avaliación das prácticas de laboratorio). Desta maneira, dependendo da puntuación acadada polo alumno nos dous controis escritos, a nota máxima do exame final estará comprendida entre 6 e 8 puntos (sobre 10).

Así, suposto que P é a nota total de prácticas (entre 0 e 2 puntos), C é a nota final dos controis dos temas 1 e 2 (entre 0 e 2 puntos) e F é a nota do exame final (entre 0 e 10 puntos), a calificación final da asignatura é P+C+0'1*(8-C)*F.

O día do exame final, os alumnos a tempo parcial, que non teñan sido avaliados con anterioridade da parte de prácticas de laboratorio, poderán realizar unha proba específica para recuperar o 20% da nota correspondente a dita parte.


Fontes de información
Bibliografía básica Eguzkitza Arrizabalaga, J.M. (2014). Laboratorio de estadística y probabilidad con R. Gami Editorial
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

Bibliografía complementaria Gonick, L. y Smith, W. (2001). Á estatística ¡en caricaturas!. SGAPEIO
Quintela del Río, A. (2013). El estadístico accidental. El autor
R Development Core Team (2000). Introducción a R. http://www.r-project.org/
Blasco Lorenzo, A. y Pérez Díaz, S. (2015). Modelos aleatorios en ingeniería. Paraninfo
Montgomery, D.C. y Runger, G.C. (2004). Probabilidad y Estadística aplicadas a la Ingeniería. McGraw-Hill
Devore, J.L. (2005). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson
Hernández, V., Ramos, E. y Yáñez, I. (2007). Probabilidad y sus aplicaciones en Ingeniería Informática. Ediciones Académicas
Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2008). Probability and Statistics with R. Chapman and Hall/CRC
Horgan, J.M. (2009). Probability with R. An Introduction with Computer Science Applications. Wiley


Recomendacións
Materias que se recomenda ter cursado previamente
Cálculo/614G01003

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Métodos Estadísticos/614G01057

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