Datos Identificativos 2019/20
Asignatura (*) Métodos Estadísticos Código 614G01057
Titulación
Grao en Enxeñaría Informática
Descriptores Ciclo Periodo Curso Tipo Créditos
Grado 1º cuatrimestre
 Cuarto Optativa 6
Idioma
Castellano
Modalidad docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinador/a
Vilar Fernandez, Juan Manuel
 Correo electrónico
juan.vilar@udc.es
Profesorado
Vilar Fernandez, Juan Manuel
 Correo electrónico
juan.vilar@udc.es
Web http://www.udc.es/dep/mate/estadistica2/estadistica_2.htm
Descripción general Preténdese que o alumno coñeza e aprenda a utiliza-los modelos de deseño de experimentos e análise de regresión lineal. A docencia da materia terá un carácter eminentemente práctico, centrándose na presentación e interpretación dos distintos modelos (formulación matemática, hipóteses supostas, etc.) e na súa aplicación na práctica (estimación, análise crítica dos resultados obtidos e estudio dos problemas que se poden presentar); apoiándose no emprego dun paquete estatístico (principalmente Statgraphics).
Sería especialmente recomendable ter superado a materia de Estatística I e sería convinte tamén ter cursado outras con contido matemático (como por exemplo Álxebra e Cálculo). Esta materia será de utilidade para outras da titulación, como por exemplo as relacionadas co tratamento do sinal (Medios de Transmisión, Tratamento Dixital do Sinal), Intelixencia Artificial, Linguaxes Naturais, Redes de Neuronas Artificiais, Técnicas de Simulación, as relacionadas co recoñecemento de imaxes, etc. Ademais doutras da mesma área como Métodos Estatísticos ou Simulación Estatística.

Competencias del título
Código Competencias del título
A1 Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar los conocimientos sobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estadística y optimización.
A3 Capacidad para comprender y dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas propios de la ingeniería.
A29 Capacidad de identificar, evaluar y gestionar los riesgos potenciales asociados que pudieran presentarse.
A50 Capacidad para comprender y aplicar los principios de la evaluación de riesgos y aplicarlos correctamente en la elaboración y ejecución de planes de actuación.
B1 Capacidad de resolución de problemas
B2 Trabajo en equipo
B3 Capacidad de análisis y síntesis
B4 Capacidad para organizar y planificar
B6 Toma de decisiones
B7 Preocupación por la calidad
B8 Capacidad de trabajar en un equipo interdisciplinar
B9 Capacidad para generar nuevas ideas (creatividad)
C1 Expresarse correctamente, tanto de forma oral como escrita, en las lenguas oficiales de la comunidad autónoma.
C3 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.
C4 Desarrollarse para el ejercicio de una ciudadanía abierta, culta, crítica, comprometida, democrática y solidaria, capaz de analizar la realidad, diagnosticar problemas, formular e implantar soluciones basadas en el conocimiento y orientadas al bien común.
C5 Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras.
C6 Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse.
C7 Asumir como profesional y ciudadano la importancia del aprendizaje a lo largo de la vida.
C8 Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Capacidade para a análise e a síntese na resolcución de problemas con contidos estatísticos A1
A3
 B3
 C7
Resolver problemas estatísticos de forma efectiva. A1
A29
 B4
B6
B7
B8
B9
 C1
C7
C8
Valorar criticamente o coñecemento e a tecnoloxía estatística para resolver os problemas cos que deben enfrontarse. A50
 C4
C6
C7
C8
Aprender de maneira autónoma novos coñecementos e técnicas estatísticas avanzadas axeitadas para a investigación e análisis de datos A1
 C7
C8
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. A3
 B3
 C5
C7
C8
Aplicar un pensamento crítico, lóxico e creativo no plantexamento e resolución de problemas estatísticos. A1
A3
 B1
 C5
C6
C8
Resolver problemas estatísticos de forma efectiva. A1
 B1
B3
Traballar en equipos de carácter interdisciplinar con necesidades estatísticas A1
 B1
B2
B8
Capacidade para a análise e a síntese na resolcución de problemas con contidos estatísticos B1
B2
B3
B6
 C4
Aplicar un pensamento crítico, lóxico e creativo no plantexamento e resolución de problemas estatísticos. B3
B6
 C5
C6
C7
Valorar criticamente o coñecemento e a tecnoloxía estatística para resolver os problemas cos que deben enfrontarse. A1
 B1
B6
 C6
Aprender de maneira autónoma novos coñecementos e técnicas estatísticas avanzadas axeitadas para a investigación e análisis de datos A1
A3
 B1
B3
 C5
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. C3
C4
C5
C6
C7
C8

Contenidos
Tema Subtema
Tema 1. Conceptos básicos de inferencia estatística
Tema 2. Principios básicos del diseño de experimentos
Tema 3. Diseños con una fuente de variación
Tema 4. Diseños con dos o más fuentes de variación
Tema 5. Regresión lineal simple
Tema 6. Regresión lineal múltiple
1.1. Inferencia estatística (repaso)
1.2. Tests de hipóteses paramétricos (repaso)
1.3. Tests de hipóteses non paramétricas: Tests de bondade de axuste e de aleatoriedad
2.1. Introdución. Resumo dos conceptos principais. Principios básicos do deseño de experimentos.
2.2. Clasificación dos deseños de experimentos. Algúns deseños experimentais clásicos.
3.1. Deseño cun factor completamente aleatorizado de efectos fixos. Diagnose do ANOVA I. Factor completamente aleatorizado.
4.1. Deseño en bloques completamente aleatorizados.
4.2. Deseño con dous factores completamente aleatorizados (ANOVA II con interacción).
4.3. Outros modelos clásicos de deseño de experimentos.
5.1. Introdución: Regresión e correlación
5.2. O modelo de regresión lineal simple
5.3. Estimación e propiedades dos estimadores dos parámetros. Bondade do axuste
5.4. Predición en regresión lineal simple. Diagnose do modelo
6.1. O modelo lineal xeneral de regresión.
6.2. Estimación e propiedades dos estimadores dos parámetros. Bondade do axuste.
6.3. Predición en regresión lineal múltiple.
6.4. Diagnose do modelo: multicolinealidad.
6.5. Métodos para a selección de variables explicativas.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Sesión magistral A1 A3 B1 14 28 42
Solución de problemas A1 A3 A29 A50 B1 B3 B4 B6 B9 C1 C3 14 21 35
Trabajos tutelados A1 A3 B1 B2 B3 B4 B6 B7 B8 B9 C1 C3 C4 C5 C6 C7 C8 8 16 24
Actividades iniciales A1 A3 A29 4 12 16
Prueba mixta A1 B1 B3 B9 C1 2 20 22
 
Atención personalizada 11 0 11
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Sesión magistral Se empleará el proyector para la presentación de los distintos temas (moodle), incluyendo gráficos y simulaciones para ayudar a entender los distintos conceptos. También se recurrirá a la pizarra para explicaciones adicionales y se mostrarán ejemplos con algún paquete estadístico.
Solución de problemas Resolución de ejercicios utilizando software estadístico.
Trabajos tutelados El alumno propondrá la resolución de un problema de Diseño de Experimentos que constará de las siguientes etapas:
Planteamiento y objetivo del problema a estudiar.
Diseño del experimento y recogida de datos.
Análisis estadístico de los datos. Ajuste de un modelo.
Validación y chequeo del modelo ajustado.
Conclusiones.
Actividades iniciales Presentación de la asignatura. Exposición de los recursos disponibles (página web, bibliografía de referencia), software.
Prueba mixta La prueba consta de dos partes. La primera consiste en el análisis de una muestra de datos a la que se ajusta un modelo de diseño de experimentos. Se facilita el planteamiento del problema y los datos y el alumno utilizando análisis estadísticos responderá a diferentes cuestiones y obtendrá conclusiones.
La segunda parte de la prueba consiste en la resolución de un problema de regresión. Nuevamente se proporciona un conjunto de datos y utilizando un paquete estadístico el alumno ajustará un modelo de regresión y responderá a diferentes cuestiones aplicadas.

Atención personalizada
Metodologías
Solución de problemas
Descripción
Proponse exercicios e problemas dos distintos temas.
O alumno ten que propor un problema de deseño de experimentos, obter os datos e facer unha análise estatístico dos mesmos e obter conclusións. O traballo será supervisado polo profesor.
Desenvolveranse en clases prácticas problemas de regresión lineal que serán resoltos con detalle para que o alumno estea capacitado en resolver problemas similares.

Evaluación
Metodologías Competéncias Descripción Calificación
Trabajos tutelados A1 A3 B1 B2 B3 B4 B6 B7 B8 B9 C1 C3 C4 C5 C6 C7 C8 Cada alumno debe proponer un ejemplo real de aplicación de los modelos de diseño de experimentos. El alumno debe de hacer una introducción al problema y motivarlo. Se indicarán los objetivos generales y específicos que se persiguen. Indicar de forma detallada como se realizará el muestreo y describir la muestra con todo detalle. Un análisis estadístico preliminar de los datos proporcionará las primeras conclusiones. 20
Sesión magistral A1 A3 B1 Se realizará una prueba de los modelos de diseño de experimentos.
Se le facilita a los alumnos una muestra de datos a los que ajustar un modelo de diseño de experimentos (puede ser uno de los trabajos presentados) y a partir de esa muestra se realizará un ejercicio (examen) de carácter aplicado en el que se proponen preguntas de tipo aplicado y cortas que el alumno responderá con la ayuda del material docente y software estadístico. 		40
Solución de problemas A1 A3 A29 A50 B1 B3 B4 B6 B9 C1 C3 Se realizará una prueba de los modelos de regresión. Se facilitará una muestra de observaciones multivariante y a partir de esos datos se realizará un ejercicio (examen) de carácter aplicado en el que se proponen preguntas de tipo aplicado y cortas que el alumno responderá con la ayuda del material docente y software estadístico. Las preguntas estarán relacionadas con el ajuste de un modelo de regresión múltiple a los datos y será similar a los realizados en clase.
Las dos pruebas (la de diseño de experimentos y la de modelos de regresión) se realizarán en una única sesión. 		40
 
Observaciones evaluación
Para alumnos con matrícula a tiempo parcial, debido al contenido muy práctico y aplicado de la materia, tienen la obligación de asistir a un número de clases no inferior a 30 horas, según le indique el profesor de la asignatura.

Fuentes de información
Básica

-Montgomery, C., Diseño y Análisis de Experimentos, Grupo Editorial Iberoamerica, 1991, Libro,

-Peña D. , Estadística, modelos y métodos. 2: Modelos lineales y series temporales. 2nd. ed, Alianza Universidad Textos., 1989, Libro,

-Peña D. , Regresión y Diseño de Experimentos, Alianza Editorial, 2002, Libro,

-Ricardo Cao, Mario Francisco, Salvador Naya, Manuel Presedo, Margarita Vázquez, José A. Vilar and , Introducción a la estadística y sus aplicaciones, Ediciones Pirámide, 2001, Libro,

-Vilar Fernández, J.M., Modelos estadísticos aplicados, Universidade da Coruña, Servicio de publicacións., 2003, Libro,

- Applied Muiltivariate Data Analysis, vol I, Regression and Experimental Design. J.D. Jobson. Springer-Verlag, 1991

- La web de la asignatura y el material docente que se dejará en el moodle de la asignatura (transparencias, prácticas, recomensaciones,....)
Complementária

Bibliografía adicional está disponible en la web de la asignatura:

http://www.udc.es/dep/mate/estadistica2/estadistica_2.htm

Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Estadística/614G01008

Asignaturas que se recomienda cursar simultáneamente
Métodos Numéricos para la Informática/614G01064

Asignaturas que continúan el temario

Otros comentarios
Es recomendable que los tengan aprobada la asignatura de Estadística y es conveniente que hayan superado otras asignaturas con contenido matemático: Algebra, Cálculo ó Matemática Discreta. Esta asignatura es de utilidad en otras materias de la titulación.


(*) 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