Guía docente de Estadística Computacional I (223112A)

Curso 2024/2025
Fecha de aprobación: 25/06/2024

Grado

Grado en Estadística

Rama

Ciencias

Módulo

Estadística Computacional

Materia

Estadística Computacional

Year of study

2

Semestre

1

ECTS Credits

6

Tipo

Obligatoria

Profesorado

Teórico

Yolanda Román Montoya. Grupo: A

Práctico

Yolanda Román Montoya Grupos: 1, 2 y 3

Tutorías

Yolanda Román Montoya

Email
No hay tutorías asignadas para el curso académico.

Prerrequisitos y/o Recomendaciones

Breve descripción de contenidos (Según memoria de verificación del Máster)

  • Metodología del análisis estadístico computacional
  • Programas de ordenador de uso general como soporte para la planificación, recogida, preparación y adaptación de datos
  • Programas de ordenador para análisis estadísticos
  • Entornos de análisis y programación estadísticos
  • Estructuras de datos para el análisis estadístico
  • Utilización de medios informáticos para el diseño y análisis de problemas estadísticos reales

Competencias

Competencias Generales

  • CG01. CG01. Poseer los conocimientos básicos de los distintos módulos que, partiendo de la base de la educación secundaria general, y apoyándose en libros de texto avanzados, se desarrollan en la propuesta de título de Grado en Estadística que se presenta. 
  • CG02. CG02. Saber aplicar los conocimientos básicos de cada módulo a su trabajo o vocación de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de la Estadística y ámbitos en que esta se aplica directamente.  
  • CG03. CG03. Saber reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.  
  • CG04. CG04. Poder transmitir información, ideas, problemas y sus soluciones, de forma escrita u oral, a un público tanto especializado como no especializado.  
  • CG06. CG06. Saber utilizar herramientas de búsqueda de recursos bibliográficos.  
  • CG08. CG08. Poseer habilidades y aptitudes que favorezcan el espíritu emprendedor en el ámbito de aplicación y desarrollo de su formación académica. 
  • CG09. CG09. Fomentar y garantizar el respeto a los Derechos Humanos, a los principios de accesibilidad universal, igualdad, y no discriminación; y los valores democráticos, de la cultura de la paz y de igualdad de género. 

Competencias Específicas

  • CE01. CE01. Conocer los fundamentos básicos del razonamiento estadístico, en el diseño de estudios, en la recogida de información, en el análisis de datos y en la extracción de conclusiones. 
  • CE02. CE02. Conocer, saber seleccionar y saber aplicar, técnicas de adquisición de datos para su tratamiento estadístico. 
  • CE03. CE03. Conocer los fundamentos teóricos y saber aplicar modelos y técnicas estadísticas en estudios y problemas reales en diversos ámbitos científicos y sociales. 
  • CE04. CE04. Saber seleccionar los modelos o técnicas estadísticas para su aplicación en estudios y problemas reales en diversos ámbitos científicos y sociales, así como conocer herramientas de validación de los mismos. 
  • CE06. CE06. Comprender y utilizar básicamente el lenguaje matemático. 
  • CE08. CE08. Conocer y saber utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, bases de datos, visualización gráfica y optimización, que sean útiles para la aplicación y desarrollo de las técnicas estadísticas. 
  • CE09. CE09. Conocer los conceptos básicos y habilidades propias de un ámbito científico o social en el que la Estadística o la Investigación operativa sean una herramienta fundamental. 

Resultados de aprendizaje (Objetivos)

  • Conocer y saber usar diferentes programas de ordenador adecuados a la resolución de problemas estadísticos.
  • Conocer las estructuras de datos y de programación más usuales en el tratamiento informático de problemas estadísticos.
  • Ser capaz de adaptarse a cambios en los lenguajes, estructuras y soporte de ordenadores.
  • Saber determinar a qué situaciones reales pueden aplicarse diferentes técnicas estadísticas y aplicarlas mediante programas de ordenador.
  • Ser capaz de desarrollar nuevos programas en un entorno de programación, tanto general como estadístico

Programa de contenidos Teóricos y Prácticos

Teórico

Tema 1. Introducción a la Estadística Computacional.

Introducción

Historia de la Estadística Computacional

Las sociedades estadísticas y la Estadística Computacional

Evolución de los programas de análisis estadístico

Tema 2. El entorno de programación y análisis R

El lenguaje de programación R

Estructuras de datos

Libros (packages) de R

Tema 3. Programación con R

Estructuras de programación. Algoritmos

Estructuras de programación en R

Creación de funciones propias

Aplicaciones

Tema 4. Metodología del análisis estadístico

Depuración de datos

Métodos gráficos.

Tema 5. Bases de datos. SQL

El lenguaje SQL.

Acceso a bases de datos desde R

SQL y NoSQL.

Gestión de grandes volúmenes de datos en R

Práctico

La asignatura dispone de una hora de prácticas a la semana en subgrupos pequeños que se desarrollará en las aulas de ordenadores de la facultad. En dicha sesión se realizarán ejercicios prácticos de programación.

Bibliografía

Bibliografía fundamental

1. The R Project for Statistical Computing. http://www.r-project.org

2. Crawley - The R Book, 2nd ed (2012)

3. Verzani, J. - Using R for Introductory Statistics. CRC Press. Taylor & Francis group (2014)

Bibliografía complementaria

  1. Albert, Rizzo - R by Example (2012)
  2. Bali - R Machine Learning By Example (2016)
  3. Bühlmann - Handbook of Big Data (2016)
  4. Gillespie, Lovelace - Efficient R Programming (2016)
  5. Heineman, Pollice, Selkow - Algorithms in a Nutshell, 2nd ed (2016)
  6. Lafaye de Micheaux et al. - The R Software. Fundamentals of Programming and Statistical Analysis (2014)
  7. Maxwell - R Bootcamp. Learn The Basics of R Programming (2016)
  8. Wickham - ggplot2. Elegant Graphics for Data Analysis, 2nd ed (2016)
  9. Williams - Data Science with R. Documenting with KnitR (2014)
  10. Xie - Dynamic Documents with R and knitr, 2nd ed (2015)
  11. Zumel, Mount - Practical Data Science with R (2014)

Enlaces recomendados

  1. The R Project for Statistical Computing. http://www.r-project.org
  2. R para profesionales de los datos: una introducción. Carlos J. Gil Bellosta (2018) https://www.datanalytics.com/libro%5Fr/
  3. R for Data Science. Garrett Grolemund and Hadley Wickham, 2017. https://r4ds.had.co.nz/

Metodología docente

  • MD01. MD1. Lección magistral/expositiva 
  • MD02. MD2. Sesiones de discusión y debate 
  • MD03. MD3. Resolución de problemas y estudio de casos prácticos 
  • MD04. MD4. Prácticas en sala de informática 
  • MD05. MD5. Seminarios 
  • MD06. MD6. Ejercicios de simulación 
  • MD07. MD7. Análisis de fuentes y documentos 
  • MD08. MD8. Realización de trabajos en grupo 
  • MD09. MD9. Realización de trabajos individuales 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final)

Evaluación Ordinaria

La evaluación se realizará a partir de la medición de las diversas actividades realizadas a lo largo del curso y que requerirán de un conocimiento uniforme y equilibrado de toda la materia.

Se tendrán en cuenta los siguientes procedimientos, aspectos y criterios, asignando a cada uno de ellos un porcentaje que se mantenga en el rango indicado y de tal manera que su suma constituya el total (100%) de la calificación.

  1. Pruebas específicas de conocimientos, orales y/o escritas, realizadas durante el curso 45%
  2. Trabajos y seminarios. Producciones de los alumnos individuales o de grupo 45%
  3. Participación, actitud y esfuerzo personal de los alumnos en las actividades formativas 10%

NOTA: Todas las pruebas se realizarán con soporte computacional

Evaluación Extraordinaria

Examen teórico-práctico en el que se valorará tanto la adquisición de conocimientos como la capacidad de aplicación de los mismos a situaciones prácticas para la resolución de problemas

Evaluación única final

La evaluación única final establecida en la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada consistirá en un examen escrito teórico-práctico en el que se valorará tanto la adquisición de conocimientos como la capacidad de aplicación de los mismos a situaciones prácticas para la resolución de problemas

Software Libre

Durante todo el curso se trabajará con el entorno de computación estadística R (https://www.r-project.org/)