| Study programme competencies |
| Code | Study programme competences |
| A1 | Dominar nun nivel de postgrado os coñecementos, as ferramentas e os procedementos da investigación social e de mercados aplicándoos á solución de problemas e necesidades |
| A3 | Ser quen de deseñar un proceso de investigación de carácter empírico demostrando dominio no uso de técnicas de investigación cuantitativas e/ou cualitativas |
| A4 | Ser quen de discriminar a técnica de investigación axeitada ao problema plantexado |
| A8 | Ter capacidade para traballar críticamente con fontes de datos, metodoloxías e técnicas de investigación científica e ferramentas informáticas proprias da investigación social e de mercados |
| A9 | Ter capacidade para integrar e aplicar as novas tendencias en investigación social e de mercados de xeito rentable e efectivo na empresa, as administracións ou outras organizacións |
| B1 | Posuer e comprender coñecementos que aporten unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a cotío nun contexto de investigación |
| B2 | Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornos novos ou pouco coñecidos dentro de contextos máis amplos (o multidisciplinares) relacionados coa súa área de estudo |
| B3 | Que os estudantes sexan quen de integrar coñecementos e enfrontarse á complexidade de formular xuizos a partires de unha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vencelladas á aplicación dos seus coñecementos e xuizos |
| B5 | Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que haberá de ser en gran medida autodirixido ou autónomo |
| B6 | Ser quen de buscar, xestionar, analizar e sintetizar a información, seleccionando aquela que resulta pertinente para a toma de decisións |
| B7 | Ter capacidade creativa, proactiva e emprendedora |
| B8 | Ser quen de integrar as NTICs (Novas Tecnoloxías da Información e as Comunicacións) na tarefa profesional e/ou investigadora |
| B9 | Ter capacidade de analizar críticamente tanto o traballo proprio como o dos compañeiros |
| B10 | Ser quen de traballar en equipo eficaz e eficientemente |
| B11 | Ser quen de asumir responsabilidades tanto individuais como colectivas na tarefa investigadora ou profesional |
| C1 | Expresarse correctamente, tanto de forma oral como escrita, nas linguas oficiais da Comunidade Autónoma de Galicia |
| C3 | Utilizar as ferramentas básicas das TIC necesarias para o exercicio da súa profesión e para o aprendizaxe ao longo da vida |
| C4 | Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común |
| C5 | Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras |
| C6 | Valorar críticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse |
| C7 | Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida |
| C8 | Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade |
| Learning aims | |||
| Learning outcomes | Study programme competences | ||
| Dispor de ferramentas informáticas para a análise cuantitativa baseadas en software libre | AC8 AC9 |
BC8 |
CC3 |
| Coñecer o funcionamento de ferramentas informáticas baseadas en software libre para a análise cuantitativa, tanto descritiva coma predictiva, que demanda a investigación social e de mercados | AC1 AC3 AC4 AC8 AC9 |
BC1 BC2 BC3 BC5 BC6 BC7 BC8 BC9 BC10 BC11 |
CC1 CC3 CC4 CC5 CC6 CC7 CC8 |
| Contents |
| Topic | Sub-topic |
| Introdución á linguaxe R | Estruturas de datos e programación en R Manipulación de datos con R |
| Análise exploratorio de datos con R | Táboas, medidas de posición e dispersión Gráficos |
| Inferencia Estatística con R | Intervalos de confianza e contrastes de hipóteses Análise da varianza Regresión lineal simple |
| Planning | ||||
| Methodologies / tests | Competencies | Ordinary class hours | Student’s personal work hours | Total hours |
| Mixed objective/subjective test | A1 B2 B6 C1 | 1 | 0 | 1 |
| Personalized attention | 0 | 0 | 0 | |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. | ||||
| Methodologies |
| Methodologies | Description |
| Mixed objective/subjective test | Os alumnos deberán demostrar o seu dominio da materia e a súa capacidade para o análise estatístico de datos empregando R. |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies | Description | Qualification |
| Mixed objective/subjective test | A1 B2 B6 C1 | A proba mixta ten por obxeto valorar a correcta comprensión e aplicación dos contidos da materia. Realizarase de forma individual empregando o software R e os coñecementos adquiridos nas sesións de obradoiro e de solución de problemas. | 100 |
| Assessment comments | |||
| Sources of information |
| Basic |
Fox, J. y Weisberg, S. (2011). An R Companion to Applied Regression. Sage
Arriaza Gómez, A.J., Fernández Palacín, F., López Sánchez, M.A., Muñoz Márquez, M., Pérez Plaza, S. (2008). Estadística Básica con R y R-Commander. Universidad de Cádiz, Servicio de publicaciones. http://knuth.uca.es/ebrcmdr
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
Dalgaard, P. (2008). Introductory Statistics with R. Springer
Lander, J. (2013). R for Everyone: Advanced Analytics and Graphics. Addison-Wesley
Matloff, N. (2011). The Art of R Programming: A Tour of Statistical Software Design. No Starch Press |
|
|
|
| Complementary | |
|
Cichosz, P. (2015). Data Mining Algorithms: Explained Using R. Wiley Faraway, J. (2006). Extending Linear Models with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC James, G., Witten, D., Hastie, T. y Tibshirani, R. (2013). An Introduction to Statistical Learning: with Aplications in R. Springer Ledolter, J. (2013). Data Mining and Business Analytics with R. Wiley Williams, G. (2011). Data Mining with Rattle and R. Springer |
| 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 | |