Guía docente de Inferencia Estadística I (2231121)

Curso 2025/2026
Fecha de aprobación: 25/06/2025

Grado

Grado en Estadística

Rama

Ciencias

Módulo

Estadística

Materia

Inferencia Estadística y Análisis Multivariante

Curso

2

Semestre

1

Créditos

6

Tipo

Obligatoria

Profesorado

Teórico

Nuria Rico Castro. Grupo: A

Práctico

  • Rocío Raya Miranda Grupo: 3
  • Úrsula Torres Parejo Grupos: 1 y 2

Tutorías

Nuria Rico Castro

Email
  • Primer semestre
    • Martes de 09:00 a 13:00 (Dpcho. 22, Departamento de Estadística e I.o.)
    • Jueves de 12:00 a 14:00 (Dpcho. 22, Departamento de Estadística e I.o.)
  • Segundo semestre
    • Miércoles de 10:00 a 13:00 (Dpcho. 16 de la 3ª Planta de la Etsiit)
    • Jueves de 10:00 a 13:00 (Dpcho. 16 de la 3ª Planta de la Etsiit)

Rocío Raya Miranda

Email
  • Miércoles de 08:00 a 11:00 (Dpcho. 27, Dpto. de Estadística e I.O, Facultad Ciencias)
  • Jueves de 08:00 a 11:00 (Dpcho. 27, Dpto. de Estadística e I.O, Facultad Ciencias)

Úrsula Torres Parejo

Email
  • Primer semestre
    • Lunes de 10:00 a 14:00
    • Miércoles de 10:00 a 14:00
  • Segundo semestre
    • Martes de 12:00 a 14:00 (Dpcho. 11, Dpto. de Estadística e I.o. Facultad Ciencias)
    • Miércoles de 11:00 a 14:00 (Dpcho. 11, Dpto. de Estadística e I.o. Facultad Ciencias)
    • Jueves de 13:00 a 14:00 (Dpcho. 11, Dpto. de Estadística e I.o. Facultad Ciencias)

Prerrequisitos y/o Recomendaciones

  • Tener cursadas las asignaturas Cálculo de probabilidades I y II y Estadística descriptiva del módulo Formación básica.
  • 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

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

  • Estimación puntual.
  • Estimación por intervalos.
  • Contrastes de hipótesis paramétricos. Cociente de verosimilitudes.

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.  
  • CG05. CG05. Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.  
  • 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. 

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. 
  • CE07. CE07. Conocer los conceptos y herramientas matemáticas necesarias para el estudio de los aspectos teóricos y prácticos de la Probabilidad, la Estadística y la Investigación Operativa. 
  • 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. 
  • CE10. CE10. Tomar conciencia de la necesidad de asumir las normas de ética profesional y las relativas a la protección de datos y del secreto estadístico, como premisas que deben guiar la actividad profesional como profesionales de la Estadística. 

Resultados de aprendizaje (Objetivos)

  • Conocer los métodos de inferencia estadística: estimación y contraste de hipótesis.
  • Elegir y utilizar el método de estimación más adecuado en una investigación en función de los objetivos de la misma.
  • Manejar el software estadístico necesario para la resolución de problemas de inferencia estadística.
  • Aplicar el “pensamiento estadístico” y tener capacidad para enfrentarse a las distintas etapas de un estudio estadístico (desde el planteamiento del problema hasta la exposición de resultados).

Programa de contenidos teóricos y prácticos

Teórico

  • Tema 1: Introducción a la inferencia estadística.
  • Tema 2: Muestras aleatorias y estadísticos muestrales. Distribuciones muestrales.
  • Tema 3: Propiedades de los estadísticos: suficiencia y completitud.
  • Tema 4: Estimación puntual de parámetros. Estimadores insesgados de mínima varianza y estimadores eficientes.
  • Tema 5: Métodos de obtención de estimadores.
  • Tema 6: Estimación por regiones de confianza.
  • Tema 7: Contrastes de hipótesis paramétricos. Metodología Neyman-Pearson. Test de la razón de verosimilitudes.

Práctico

  • Práctica 1: Obtención de estimaciones de los parámetros de la distribución. Intervalos de confianza.
  • Práctica 2: Contrastes de hipótesis paramétricos.

Bibliografía

Bibliografía fundamental

  • Canavos, G. (2003). Probabilidad y Estadística: Aplicaciones y Métodos. McGraw-Hill Interamericana, México.
  • Cristóbal Cristóbal, J.A. (2003). Lecciones de Inferencia Estadística. Servicio de Publicaciones, Universidad de Zaragoza.
  • DeGroot, M.H., Schervish, M.J. (2002). Probability and Statistics. Addison-Wesley, Boston.
  • Del Moral, M.J. (2006). Estadística Matemática. Grupo Editorial Universitario. Granada.
  • Espejo Miranda, I. y otros. (2002). Inferencia Estadística. Servicio de publicaciones de la Universidad de Cádiz. Cádiz.
  • Garthwaite, P.H., Jolliffe, I.T., Jones, B. (2002). Statistical Inference. Oxford University Press.
  • Peña, D. (2001). Fundamentos de Estadística. Alianza Editorial S.A., Madrid.
  • Quesada, V., Isidoro, A., López, L.A. (1989). Curso y Ejercicios de Estadística. Alhambra, Madrid.
  • Rohatgi, V.K., Saleh, A.K. (2008). An Introduction to Probability and Statistics. John Wiley and Sons, New York.
  • Ross, S. (2007). Introducción a la Estadística. Reverté S.A., Barcelona.
  • Vélez, R. y García, A. (1993). Principios de Inferencia Estadística. UNED, Madrid.

Bibliografía complementaria

  • Cuadras, C.M. (2000). Problemas de Probabilidades y Estadística. Vol. 2: Inferencia Estadística. EUB, Barcelona.
  • Del Moral, M.J. y Tapia, J.M. (2006). Técnicas Estadísticas Aplicadas. Grupo Editorial Universitario. Granada.
  • Horgan, J.M. (2009). Probability with R. Wiley.
  • Ivchenko, G.I., Medvedev, Y.I., Chistyakov, A.V. (1991) Problems in Mathematical Statistics. Mir Publishers, Moscú.
  • Lehmann, E.L., Casella, G. (1998). Theory of Point Estimation. Springer-Verlag,New York.
  • Lehmann, E.L., Romano, J.P. (2008). Testing Statistical Hypothesis. Springer-Verlag, New York.
  • Peña, D. (2000). Estadística. Modelos y Métodos. Vol. 2: Modelos Lineales y Series Temporales. Alianza Editorial, Madrid.
  • Shao, J. (2005). Mathematical Statistics: Exercices and Solutions. Springer-Verlag, New York.
  • Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2008). Probability and Statistics with R. CRC/Chapman and Hall.
  • Verdoy, P.J., Mahiques, J.M., Porcu, E. (2008). Introducción a la Estadística y Probabilidad: Manual de Ejercicios Resueltos. Tilde, Valencia.

Enlaces recomendados

  • Plataforma PRADO: prado.ugr.es

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

Se valorarán:

  • Examen Final: Prueba específica de conocimiento y resolución de ejercicios, oral y escrita, sobre el contenido incluido en esta guía docente (50%).
  • Cuestionarios en PRADO: Se realizarán cuestionarios, de cada tema o bloque de temas, en un escenario asíncrono, que contendrán preguntas tanto de la parte teórica como de la práctica que sean de razonamiento más que puramente memorísticos (40%).
  • Participación, actitud y esfuerzo personal: Se valorará la participación e interés del alumnado en tutorías, clases presenciales y resolución/entrega de tareas en las clases de prácticas (10%).

Si en el examen final no se alcanzan al menos 5 puntos sobre 10 la calificación del mismo será de 0 puntos. En caso de alcanzarse 5 puntos de 10, la calificación coincidirá con el número de puntos alcanzados.

La calificación final será la suma ponderada de las valoraciones obtenidas como resultado del examen final, los trabajos y seminarios y la participación, según los porcentajes antes especificados. El estudiante que no se presente al examen final tendrá la calificación de “No presentado”.

Evaluación extraordinaria

  • Se realizará un examen escrito teórico-práctico sobre el temario que figura en esta guía docente.

La calificación final será la obtenida en dicho examen. El estudiante que no se presente a este examen tendrá la calificación de “No presentado”.

Evaluación única final

  • Se realizará un examen escrito teórico-práctico sobre el temario que figura en esta guía docente.

La calificación final será la obtenida en dicho examen. El estudiante que no se presente a este examen tendrá la calificación de “No presentado”.

Información adicional

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).

Software Libre

Paquete estadístico R