Guía docente de Estadística (2461117)
Grado
Rama
Módulo
Materia
Year of study
Semestre
ECTS Credits
Tipo
Profesorado
Teórico
- Fernando Jesús Navas Gómez. Grupo: C
- María Jesús Rosales Moreno. Grupos: A y B
Práctico
- María del Carmen Martínez Álvarez Grupo: 4
- Fernando Jesús Navas Gómez Grupos: 3, 4, 5 y 6
- María Jesús Rosales Moreno Grupos: 1 y 2
Tutorías
Fernando Jesús Navas Gómez
EmailMaría Jesús Rosales Moreno
Email- Primer semestre
- Lunes de 10:30 a 13:30 (Dpcho. 17, Dpto. de Estadística e I.o. Facultad Ciencias)
- Martes de 10:30 a 13:30 (Dpcho. 17, Dpto. de Estadística e I.o. Facultad Ciencias)
- Segundo semestre
- Martes de 12:30 a 14:30 (Dpcho. 17, Dpto. de Estadística e I.o. Facultad Ciencias)
- Jueves de 12:30 a 14:30 (Dpcho. 17, Dpto. de Estadística e I.o. Facultad Ciencias)
María del Carmen Martínez Álvarez
Email- Primer semestre
- Miércoles de 10:00 a 13:00 (Despacho 4 Facultad Ciencias)
- Viernes de 10:00 a 13:00 (Despacho 4 Facultad Ciencias)
- Segundo semestre
- Martes de 11:00 a 14:00 (Despacho 4 Facultad Ciencias)
- Jueves de 11:00 a 14:00 (Dedespacho 4 Facultad Ciencias)
Prerrequisitos y/o Recomendaciones
Se recomienda tener cursada la asignatura Cálculo.
Breve descripción de contenidos (Según memoria de verificación del Máster)
Estadística descriptiva. Distribuciones de probabilidad. Inferencia estadística. Optimización en la Investigación Operativa.
Resultados de aprendizaje (Objetivos)
- Conocer y manejar con soltura conceptos y técnicas básicas de la Estadística descriptiva unidimensional.
- Conocer y utilizar con destreza conceptos y métodos básicos de la Estadística descriptiva bidimensional como distribuciones marginales y condicionadas, regresión y correlación lineal, otros ajustes no lineales...
- Establecer y manejar hábilmente conceptos y resultados básicos relativos a la Teoría de probabilidad: concepción axiomática, probabilidad condicionada, teorema de Bayes, independencia de sucesos.
- Establecer, justificar y manejar en la práctica conceptos básicos de Cálculo de probabilidades: variable aleatoria, función de distribución y características de una distribución de probabilidad.
- Reconocer y manejar con soltura los principales modelos de distribuciones unidimensionales discretas y continuas, en especial Binomial, Poisson, Normal y las distribuciones básicas para la Inferencia estadística.
- Conocer y emplear adecuadamente conceptos básicos de muestreo aleatorio, estadístico muestral y su distribución en el muestreo. Estudio en poblaciones normales.
- Comprender y usar con destreza los resultados básicos sobre Estimación puntual y por intervalos de confianza; aplicarlos correctamente a problemas relativos a una y dos poblaciones normales independientes.
- Conocer y manejar con soltura las nociones básicas de Contrastes de hipótesis. Saber plantear y resolver correctamente problemas de contrastes paramétricos para una y dos poblaciones normales independientes. Aplicar a datos reales.
- Conocer y saber utilizar software estadístico para la resolución de problemas reales y en relación con determinados objetivos formativos antes mencionados.
- Explicar los conceptos generales de la Optimización especialmente dirigida a la resolución de problemas propios del ámbito de la Investigación operativa. Conocer métodos de la Programación lineal.
Programa de contenidos Teóricos y Prácticos
Teórico
- BLOQUE I: Temas 1 y 2
- BLOQUE II: Temas 3, 4 y 5
- BLOQUE III: Temas 6, 7 y 8
Tema 1. ESTADÍSTICA UNIDIMENSIONAL
- Introducción. Conceptos básicos
- Distribución de frecuencias unidimensional
- Características de posición
- Características de dispersión
- Características de forma
Tema 2. ESTADÍSTICA BIDIMENSIONAL
- Distribución de frecuencias bidimensional
- Distribuciones marginales y condicionadas. Características
- Covarianza
- Independencia y dependencia estadística
- Regresión lineal simple mínimo cuadrática. Ajuste de las rectas de regresión
- Ajuste de modelos no lineales
- Análisis de la correlación
Tema 3. PROBABILIDAD
- Introducción. Fenómenos aleatorios
- Nociones y resultados básicos
- Concepción axiomática de probabilidad. Asignación de probabilidades
- Probabilidad condicionada
- Teoremas básicos
- Independencia de sucesos
Tema 4. VARIABLE ALEATORIA
- Noción de variable aleatoria. Función de distribución
- Variables aleatorias discretas y continuas
- Esperanza Matemática. Otras características
- Vectores aleatorios. Independencia estocástica
Tema 5. MODELOS DE DISTRIBUCIONES DE PROBABILIDAD
- Modelos de probabilidad discretos: distribución de Bernoulli, Binomial, Poisson
- Modelos de probabilidad continuos: distribución Normal. Otras distribuciones
- Distribuciones univariantes relacionadas con la Normal
Tema 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. ESTIMACIÓN
- Introducción a la Inferencia estadística. Nociones básicas
- Estadísticos muestrales y distribuciones en el muestreo. Muestreo en poblaciones Normales
- Estimación Puntual. Conceptos y resultados básicos
- Estimación por intervalos de confianza. Conceptos y resultados básicos
- Intervalos de confianza en poblaciones Normales
Tema 7. CONTRASTE DE HIPÓTESIS
- Conceptos básicos
- Resolución de contrastes de hipótesis paramétricos
- Contrastes de hipótesis clásicos para los parámetros de una y dos poblaciones Normales independientes
Tema 8. INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL
- Introducción. Optimización en la Investigación operativa
- Planteamiento de un problema de Programación lineal
- Resolución de un problema de Programación lineal. El método gráfico
- El método Simplex
Práctico
- Problemas en pizarra
Se realizarán sesiones de problemas en pizarra sobre los contenidos formativos del temario.
- Prácticas en ordenador
Se realizarán prácticas en ordenador sobre sobre los contenidos formativos del temario utilizando software estadístico.
Bibliografía
Bibliografía fundamental
- Cánavos, G.C. (2003). Probabilidad y Estadística. McGraw-Hill.
- Mendenhall, W. y Sincich, T. (2007). Probabilidad y Estadística para Ingeniería y Ciencias. Prentice Hall.
- Milton, J.S. y Arnold, J.C. (2004). Probabilidad y Estadística (con aplicaciones para Ingeniería y Ciencias computacionales). McGraw-Hill Interamericana.
- Montgomery, D.C. and Runger G.C. (2006) Applied Statistics and Probability engineers. Wiley and Sons.
- Peña Sánchez-Rivera, D. (2001). Estadística. Modelos y Métodos, Vol. 1. Alianza Editorial.
- Pérez C. (2001). Técnicas estadísticas con SPSS. Prentice-Hall.
- Rosales Moreno, M.J. (2016). Estadística básica. Introducción a la Programación lineal. Editorial Técnica Avicam.
- Ross, S.M. (2007). Introducción a la Estadística. McGraw-Hill.
- Spiegel, M.R., Schiller, J. Srinivasan, R.V. (2002). Probability and Statistics. McGraw-Hill, New York.
- Walpole, R., Myers, R., Myers S.L. (2012). Probabilidad y Estadística para Ingenieros. Prentice Hall.
Bibliografía complementaria
- Arreola Risa, J.S. y Arreola Risa, A. (2003). Programación lineal: una introducción a la toma de decisiones. International Thomson.
- Balbás de la Corte, A.; Gil, J.A. (2005). Programación matemática. Editorial AC.
- DeGroot, M.H. (2002). Probabilidad y Estadística. Adisson-Wesley.
- Fernández-Abascal, H., Guijarro, M., Rojo, J.L. y Sanz, J.A. (1994). Cálculo de probabilidades y Estadística. Ariel Economía S.A.
- González Manteiga, M.T. y Pérez de Vargas Luque, A, (2009). Estadística aplicada. Una visión instrumental. Ediciones Díaz de Santos.
- Peña Sánchez-Rivera, D. (2008). Fundamentos de Estadística. Alianza Editorial.
- Ríos-Insua, S., Mateos, A., Bielza, M. C. y Jiménez, A. Investigación Operativa. Modelos determinísticos y estocásticos. Centro de Estudios Ramón Areces, 2004.
Enlaces recomendados
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final)
Evaluación Ordinaria
La calificación global responderá a la puntuación ponderada de diferentes aspectos y actividades que integran el sistema de evaluación de la asignatura que a continuación se detalla.
- Examen final de teoría y problemas relativo a los 3 bloques temáticos de la asignatura: 66%
- Pruebas de evaluación continua relativas a los bloques temáticos de la asignatura, (cuestiones teóricas y problemas que serán resueltos y entregados en el aula): 24%
- Evaluación de las prácticas en ordenador, (resolución de ejercicios de entrega en las sesiones prácticas, y prueba/s de prácticas): 10%
Para superar la asignatura el alumno debe obtener en el examen final una puntuación mínima de 4,4 sobre 10. En este caso, la calificación final será la suma ponderada, según el sistema de evaluación expuesto, de la nota obtenida en el examen final y las notas obtenidas en las pruebas de evaluación continua y de prácticas en ordenador. En caso contrario, la calificación final será la menor entre la suma ponderada de las notas obtenidas, según el sistema de evaluación expuesto, y 4,4 (suspenso).
El alumno que decida no presentarse al examen final, tendrá la calificación “No presentado”.
El alumno que en la Convocatoria Ordinaria no supere la asignatura, pero haya obtenido una calificación total en prácticas en ordenador mínima del 70%, habiendo aprobado las pruebas de prácticas de ordenador realizadas/los bloques temáticos de la prueba realizada, tendrá la posibilidad de conservar su nota para la Convocatoria Extraordinaria.
Evaluación Extraordinaria
La evaluación en las convocatorias extraordinarias consistirá en:
- Examen de teoría y problemas: 90%
- Examen de prácticas en ordenador: 10%
El alumno que decida no presentarse al examen de teoría y problemas obtendrá la calificación “No presentado”.
Evaluación única final
La evaluación única final, a la que el alumno se puede acoger en los casos indicados en la “Normativa de Evaluación y de Calificación de los Estudiantes de la Universidad de Granada (art. 8)” consistirá en:
- Examen de teoría y problemas: 90%
- Examen de prácticas en ordenador: 10%
El alumno que decida no presentarse al examen de teoría y problemas obtendrá la calificación “No presentado”.
Información adicional
PREREQUISITOS Y/O RECOMENDACIONES
- En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0
- Durante el desarrollo de las pruebas de evaluación continua y de los exámenes finales en todas sus convocatorias, solo está permitido el uso de calculadoras no programables, no gráficas, y sin capacidad para almacenar o transmitir datos.