template-browser-not-supported

Doble Grado en Ingeniería Informática en Tecnologías de la Información / Grado en Ciencia e Ingeniería de Datos

Back Back

Inferencia Estadística

Código asignatura
2GITICID-2-003
Curso
Segundo
Temporalidad
Primer Semestre
Carácter
Formación Básica
Créditos
6
Pertenece al itinerario Bilingüe
No
Actividades
  • Clases Expositivas (16 Hours)
  • Docencia On Line (30 Hours)
  • Prácticas de Laboratorio (14 Hours)
Guía docente

Inferencia Estadística es una asignatura obligatoria de 6 créditos ECTS que se imparte en el segundo año del grado en Ciencias e Ingeniería de Datos y forma parte de la materia “Formación Transversal”.

La Inferencia Estadística es el conjunto de procedimientos mediante los cuales se extraen conclusiones acerca de una población a partir de la información contenida en un subconjunto de ella, llamada muestra. Por lo tanto, en esta asignatura se pretenden estudiar los principales procedimientos para hacer inferencia estadística mostrando sus fundamentos teóricos y su aplicación en la resolución de problemas.

La asignatura se apoya en los contenidos impartidos en la asignatura de Probabilidad. También son deseables unos buenos conocimientos de los contenidos de las asignaturas Cálculo I y Cálculo II.

Competencias básicas:

CB01 – Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.

CB02 – Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.

CB03 – Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.

CB04 – Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

CB05 – Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

Competencias generales:

CG01 – Elegir y aplicar los métodos y técnicas más adecuados para analizar y resolver problemas definidos por datos que representen un reto por su volumen, velocidad, variedad o heterogeneidad, incluidos métodos informáticos, matemáticos, estadísticos y de procesado de la señal.

CG02 – Tener las habilidades experimentales y analíticas para trabajar con autonomía siendo capaz de plantear experimentos y de describir, analizar, evaluar e interpretar la información resultante para proponer soluciones alternativas y novedosas frente a problemas conocidos y/o emergentes.

CG03 – Crear modelos y tomar decisiones basadas en los datos disponibles combinando los conocimientos adquiridos y siendo capaz de aplicar otros nuevos para la resolución de problemas.

CG04 – Capacidad de integrarse en un equipo multidisciplinar en el marco de un proyecto de ciencia de datos.

CG09 – Capacidad para expresar los resultados del procesamiento de datos de manera clara y convincente tanto por escrito como oralmente.

Competencias específicas:

CE03 – Analizar datos procedentes de fenómenos complejos mediante la aplicación de técnicas estadísticas y cálculo de probabilidades.

CE04 – Comprender y aplicar correctamente técnicas de análisis exploratorio de datos y modelización estadística, evaluando la calidad de los modelos, validándolos e interpretándolos.

Resultados de aprendizaje:

RIE1 – Conocer y aplicar las principales técnicas de la Estadística Descriptiva, determinando las más adecuadas para cada conjunto de datos en función de sus características.

RIE2 – Conocer las principales técnicas de recogida de datos y los errores más comunes en un proceso de muestreo.

RIE3 – Aplicar técnicas de estimación puntual de parámetros desconocidos a partir de una muestra, y determinar el error asociado a la estimación.

RIE4 – Construir intervalos de confianza para los principales parámetros de interés en el contexto de análisis de datos, y determinar el tamaño muestral mínimo para acotar el error cometido con un nivel de confianza.

RIE5 – Manejar con soltura los conceptos de estadístico, región crítica, nivel de significación y p-valor.

RIE6 – Ser capaz de contrastar hipótesis acerca de proporciones y medias, tanto con muestras independientes como emparejadas, determinando el tipo de contraste idóneo para cada situación.

RIE7 – Interpretar adecuadamente los resultados obtenidos.

Tema 1: Resumen estadístico de datos: tablas de frecuencias, representaciones gráficas, medidas resumen.

Tema 2: Técnicas de recogida de datos. Introducción a la inferencia estadística.

Tema 3: Estimación puntual. Distribuciones en el muestreo.

Tema 4: Intervalos de confianza. Nivel de confianza y cotas de error. Tamaños muestrales.

Tema 5: Introducción al contraste de hipótesis. Nivel de significación, región crítica y p-valor.

Tema 6: Ejemplos de contrastes de hipótesis. Proporciones: comparación de una o varias proporciones. Poblaciones normales: comparación de una o varias poblaciones. Muestras emparejadas y muestras independientes. ANOVA y ANCOVA.

Inferencia Estadística es una asignatura que se imparte en modalidad semipresencial. Consta de 150 horas entre trabajo presencial y no presencial organizadas como sigue:

  • Presenciales (30 horas)
    • Clases expositivas: en ellas se desarrollarán los principales conceptos de cada uno de los temas de la asignatura.
    • Clases prácticas de laboratorio: se realizarán prácticas en un ordenador para complementar la formación de las clases expositivas, utilizando el lenguaje R.
    • Sesiones de evaluación: se realizarán pruebas que permitan valorar los conocimientos y competencias adquiridas en la asignatura.
  • Online (30 horas)
    • Clases expositivas: en ellas se desarrollarán los principales conceptos de cada uno de los temas de la asignatura.
    • Clases prácticas de laboratorio: se realizarán prácticas en un ordenador para complementar la formación de las clases expositivas.
  • No presenciales (90 horas)
    • Trabajo autónomo: trabajo del estudiante para llevar a cabo el estudio de la asignatura.

Una parte esencial de la metodología es la tutoría académica. El profesorado de la asignatura estará disponible para resolver las dudas individuales de cualquier estudiante, tanto de forma presencial en las horas de tutorías oficiales, como a través del foro de la asignatura en el campus virtual o del correo electrónico.

PRESENCIAL

ONLINE Y NO PRESENCIAL

Temas

Horas totales

Clase Expositiva

Prácticas de laboratorio

Sesiones de Evaluación

Total

Clase expositiva online

Prácticas de laboratorio

Trabajo autónomo

Total

Tema 1

23

2

2

4

2

2

15

19

Tema 2

23

2

2

4

2

2

15

19

Tema 3

25

2

2

4

3

3

15

21

Tema 4

27

3

3

6

3

3

15

21

Tema 5

27

3

3

6

3

3

15

21

Tema 6

23

2

2

4

2

2

15

19

Evaluación

2

2

2

Total

150

14

14

2

30

15

15

90

120

MODALIDADES

Horas

%

Totales

Presencial

Clases expositivas

14

9.3%

30 horas

20%

Prácticas de laboratorio

14

9.3%

Sesiones de evaluación

2

1.3%

Online

Clases expositivas

15

10%

30 horas

20 %

Prácticas de laboratorio

15

10%

No presencial

Trabajo autónomo

90

60 %

90 horas

60 %

Total

150

CONVOCATORIA ORDINARIA:

Para la evaluación de la asignatura se utilizarán diversos elementos que permitan verificar el seguimiento continuo del proceso de aprendizaje, así como un examen de prácticas de laboratorio y otro examen global que permita valorar los conocimientos y competencias adquiridas.

Los elementos que se utilizarán para evaluar el aprendizaje son:

1. Asistencia, participación en seminarios y tutorías (incluye online): supondrá un 5% de la nota final. La participación tiene que ser activa para que sea considerada como válida.

2. Participación activa en foros y/o actividades del Campus Virtual: realización de ejercicios, trabajos y otras actividades desarrolladas durante el curso en el campus virtual, que serán evaluados conforme a los resultados obtenidos. Supondrá un 15% de la nota final.

3. Informes, memorias y/o exámenes de prácticas: realización de ejercicios, trabajos y otras actividades desarrolladas en las sesiones de prácticas de ordenador, que serán evaluados conforme a los resultados obtenidos. Supondrá un 20% de la nota final.

4. Examen final: prueba escrita al final del semestre en la que se plantearán ejercicios prácticos y cuestiones teóricas que permitirán verificar que el alumnado ha adquirido los conocimientos de la asignatura. Este examen supondrá el 60% de la nota final.

La nota final será la suma de las calificaciones ponderadas en estos cuatro apartados, sin que haya requisitos de nota mínima en ninguno de ellos.

CONVOCATORIAS EXTRAORDINARIAS:

Para las convocatorias extraordinarias, el sistema de evaluación consistirá en un examen escrito teórico/práctico que valdrá 6 puntos. Además, podrán recuperar la calificación del apartado 3, mencionado en la parte correspondiente de la convocatoria ordinaria, mediante un examen con el ordenador que valdrá 2 puntos. La nota correspondiente a estas convocatorias se obtendrá sumando las notas obtenidas en ambos exámenes, junto con las que se hubiesen obtenido durante el curso en los apartados 1 y 2 detallados anteriormente.

EVALUACIÓN DIFERENCIADA:

Los alumnos con evaluación diferenciada podrán superar la asignatura con un examen en el que se evaluarán la teoría y las prácticas de laboratorio con el cual pueden obtener el 100% de la calificación.

En cualquiera de los casos, para aprobar la asignatura la nota final debe ser como mínimo de 5 puntos sobre 10.

  • Ruiz-Maya, L., & Pliego, F. J. M. (2006). Estadística II: Inferencia. Colección Plan Nuevo, Editorial AC.
  • Almécija, A. M., Torreblanca, C. R., & Jaímez, R. G. (1993). Inferencia estadística: un enfoque clásico. Pirámide.
  • Rohatgi, V. K., & Saleh, A. M. E. (2015). An introduction to probability and statistics. John Wiley & Sons.
  • Montgomery, D. C., Runger, G. C., & Medal, E. G. U. (1996). Probabilidad y estadística aplicadas a la ingeniería. McGraw-Hill.

Software

Software libre R.