Estudia
- Artes y humanidades
- Ciencias
- Ciencias de la salud
- Ciencias sociales y jurídicas
-
Ingeniería y arquitectura
- Doble Máster Universitario en Ingeniería Industrial e Ingeniería Energética
- Máster Erasmus Mundus en Ingeniería Mecatrónica
- Máster Universitario Erasmus Mundus en Tecnología y Gestión para la Economía Circular
- Máster Erasmus Mundus en Transporte Sostenible y Sistemas Eléctricos de Potencia
- Máster Universitario en Ciencia y Tecnología de Materiales
- Máster Universitario en Conversión de Energía Eléctrica y Sistemas de Potencia
- Máster Universitario en Conversión de Energía Eléctrica y Sistemas de Potencia (Plan antiguo)
- Máster Universitario en Dirección de Proyectos
- Máster Universitario en Geotecnología y Desarrollo de Proyectos SIG
- Máster Universitario en Ingeniería de Automatización e Informática Industrial
- Máster Universitario en Ingeniería de Caminos, Canales y Puertos
- Máster Universitario en Ingeniería de Minas
- Máster Universitario en Ingeniería de Telecomunicación
- Máster Universitario en Ingeniería Energética
- Máster Universitario en Ingeniería Industrial
- Máster Universitario en Ingeniería Informática
- Máster Universitario en Ingeniería Mecatrónica
- Máster Universitario en Ingeniería Química
- Máster Universitario en Ingeniería Web (nuevo-implantación en curso 2024-25)
- Máster Universitario en Ingeniería Web (En Extinción)
- Máster Universitario en Integridad y Durabilidad de Materiales, Componentes y Estructuras
- Máster Universitario en Náutica y Gestión del Transporte Marítimo
- Máster Universitario en Tecnologías Marinas y Mantenimiento
- Máster Universitario en Prevención de Riesgos Laborales
- Información, acceso y becas
Modelización y Simulación con Datos Geoespaciales
- Prácticas de Aula/Semina (4 Horas)
- Tutorías Grupales (2 Horas)
- Prácticas de Laboratorio (23 Horas)
- Clases Expositivas (14 Horas)
La recopilación y el análisis de datos son fundamentales en la ciencia y la ingeniería. En el análisis territorial se dispone a menudo de diferentes fuentes de información que hay que homogeneizar y sintetizar para construir indicadores económicos, sociales, medioambientales etc. asociados a cada unidad territorial. Los datos obtenidos por teledetección y el manejo de la información espacial relacionada con los sistemas de información geográfica requieren a menudo técnicas estadísticas avanzadas de reducción de la dimensionalidad, clasificación, etc., que se fundamentan en estadísticas fundamentales, por lo que es necesario un buen conocimiento de lo que es el proceso estadístico general.
En esta asignatura se presenta la Estadística como una herramienta para extraer conocimiento de información experimental. Los métodos estadísticos permiten diseñar experimentos válidos y obtener conclusiones fiables a partir de los datos obtenidos. El objetivo de esta asignatura es ofrecer a los estudiantes la formación básica para entender qué procedimientos de análisis de datos son recomendables en diversas situaciones para obtener resultados óptimos. Se hará un énfasis especial en la necesidad de llevar a cabo análisis estadísticos transparentes, bien fundamentados e informando de los errores que se pueden cometer. Se distinguirá el análisis puramente descriptivo, en el que las conclusiones se refieren exclusivamente a las unidades muestreadas, del análisis inferencial, donde se sentarán las bases para verificar hasta qué punto las conclusiones relativas a la muestra se pueden extrapolar a toda una población (de la que dicha muestra resulta representativa). En concreto, se contempla el análisis estadístico de variables territoriales tanto descriptivo como inferencial y los modelos lineales y no lineales explicativos y predictivos para relacionar una variable con un conjunto de factores potencialmente informativos. Se prestará especial atención a la verificación de las condiciones estándar en el contexto que nos ocupa, así como a la sugerencia de alternativas en cada caso. Se considerarán técnicas avanzadas y técnicas de remuestreo enfocadas específicamente al análisis de datos territoriales.
La asignatura tiene un carácter puramente instrumental y encontrará aplicaciones en prácticamente todas las asignaturas del máster, dado que el análisis de datos estadísticos va desde el cálculo de un simple indicador, hasta la elaboración de modelos avanzados de clasificación o predictivos. Para facilitar su aplicación se plantea la asignatura con un carácter eminentemente práctico que implica el aprendizaje de programas estadísticos avanzados.
Esta asignatura pertenece al Módulo de Fundamentos y Herramientas, consta de 6 créditos ECTS y es de carácter obligatorio.
Cualquier alumno que haya obtenido un título universitario con una asignatura de estadística básica puede cursar la asignatura sin ningún conocimiento previo específico.
Al final del curso, se pretende que los estudiantes adquieran las siguientes competencias básicas indicadas en la memoria de verificación de la titulación: CG1, CG2, CG5, CB7, CB8, CB9,CB10. Así como las siguientes competencias específicas indicadas en la memoria de verificación de la titulación: CE1, CE5, CE7, CE8, y transversales: CT1 y CT2.
Estas competencias están asociadas a los resultados de aprendizaje que se indican en la memoria de verificación de la titulación que se pueden detallar en los siguientes:
- M1RA12: Operar con paquetes estadísticos avanzados integrándolos en las herramientas de gestión de datos espaciales habituales.
- M1RA13: Depurar, resumir y describir bases de datos espaciales utilizando un número pequeño de variables.
- M1RA14: Detectar la existencia de grupos en un conjunto de datos espacial.
- M1RA15: Caracterizar de forma global y local grupos de individuos distribuidos espacialmente para clasificar nuevos individuos.
- M1RA16: Estimar parámetros poblacionales en modelos espaciales aplicando métodos inferenciales avanzados y métodos de remuestreo.
- M1RA17: Utilizar modelos estadísticos específicos para procesar datos espaciales comprendiendo sus ventajas y limitaciones.
- M1RA18: Conocer las principales técnicas de simulación de procesos espaciales.
- M1RA19: Conocer y saber utilizar los principales métodos de geoprocesamiento para el análisis de problemas espaciales en el ámbito de las geociencias.
- M1RA20: Saber crear scripts para realizar aplicaciones que incluyan tanto la captura de datos, como el análisis y la representación gráfica de los resultados.
- M1RA21: Saber realizar un análisis crítico de los resultados de dichos análisis.
1.- La Estadística como herramienta en la extracción de conocimiento en el análisis territorial.
- Conceptos básicos: Población y muestra. Parámetros y descriptivos.
- Características de los datos espaciales.
2.- Muestreo y Análisis exploratorio de datos espaciales
- Métodos de recopilación de datos territoriales.
- Limpieza y transformación de datos.
- Organización de datos mediante tablas de frecuencias.
- Resumen estadístico de datos mediante medidas de tendencia central, posición y dispersión. Homogeneización de la información y construcción de indicadores.
- Resumen gráfico de datos.
3.- Modelos de probabilidad más usuales en el análisis territorial, sus características más importantes y sus aplicaciones.
- Distribuciones en el muestreo y Teorema Central del Límite
4.- Inferencia estadística.
- Estimación puntual y por intervalo: métodos exactos, asintóticos y de remuestreo.
- Contrastes de hipótesis paramétricos y no paramétricos: métodos exactos, asintóticos y de remuestreo.
- Regresión lineal y no lineal útiles en el análisis de datos territoriales: ajustes e inferencias.
5.- Paquete estadístico R
- Interacción entre R y QGIS
- Creación de scripts
6.- Análisis multivariante de datos espaciales.
- Análisis de Componentes Principales. Reducción de la dimensionalidad.
- Análisis Clúster. Descubrimiento de patrones por clasificación no supervisada. Métodos jerárquicos y de partición.
- Clasificación supervisada: Regresión logística, LASSO, Ridge, Elastic net. Análisis discriminante: Linear, Cuadrática, Regularizada, Naive Bayes, MDA, FDA, KNN, SVM, CART, Random Forest y Gradient Boosting.
7. Estadística espacial
- Procesos puntuales espaciales. Proceso de Poisson y simulación. Regresión logística espacial.
- Geoestadística. Modelo de variación universal. Métodos mecánicos y estadísticos de modelado. Kriging y simulación.
- Datos regionales. Vecindarios y correlación espacial. Índices y tests de Moran y Geary. Regresión espacial y simulación.
1.- El aprendizaje en grupo con el profesor.
Se utilizará una combinación de lección magistral, aprendizaje basado en problemas y el planteamiento de ejemplos prácticos básicos en las clases expositivas. De esta forma, el profesor podrá incidir en las ideas más importantes de cada tema, discriminando lo fundamental de lo más accesorio, y presentar una determinada forma de trabajar y estudiar la asignatura.
En las prácticas de laboratorio se favorecerá la participación del alumno en la experimentación, con el planteamiento de ejemplos reales y simulados. El alumnado deberá preparar la materia previamente a las clases para que durante las horas presenciales se debatan las dudas conceptuales y dedicar el tiempo necesario a resolver ejercicios guiados.
2.- El estudio individual.
El trabajo personal que un estudiante debe realizar para adquirir la capacidad de abstracción que le permite aplicar los procedimientos estadísticos a los diversos problemas con los que se irá enfrentando es importante. Se tratará de dirigir al alumno en actividades orientadas al aprendizaje basado en problemas utilizando una gama amplia de situaciones realistas a las que se puede enfrentar el alumno con ayuda de la Estadística.
3.- El trabajo en grupo del alumnado.
En las prácticas de laboratorio y tutorías grupales se fomentará que el alumnado pueda trabajar en grupo. Se promoverá la comunicación, indicando las ventajas de la solidaridad en la búsqueda de objetivos comunes y el reparto las responsabilidades.
4.- La Tutoría.
Las tutorías se realizan individualmente para resolver aquellas dudas que el alumno no haya solucionado por su cuenta.También se facilitará al alumno la posibilidad de plantear sus dudas a través del correo electrónico. En las clases de tutorías grupales pueden debatirse algunos de los problemas más generales que se encuentra el alumno para adquirir las competencias.
5.- De forma excepcional, si las condiciones sanitarias lo requieren, se podrán incluir actividades de docencia no presencial. En cuyo caso, se informará al estudiantado de los cambios efectuados.
TRABAJO PRESENCIAL | TRABAJO NO PRESENCIAL | |||||||||||
Temas | Horas totales | Clase Expositiva | Prácticas de aula /Seminarios/ Talleres | Prácticas de laboratorio /campo /aula de informática/ aula de idiomas | Prácticas clínicas hospitalarias | Tutorías grupales | Prácticas Externas | Sesiones de Evaluación | Total | Trabajo grupo | Trabajo autónomo | Total |
Estadística Descriptiva (Temas 1-2) | Aprox. 29,0 | 2 | 0 | 6 | 0,6 | 0,4 | 9,0 | 5 | 15 | 20 | ||
Cálculo de Probabilidades | Aprox. 14,5 | 2 | 2 | 0 | 0,3 | 0,2 | 4,5 | 5 | 5 | 10 | ||
Inferencia Estadística | Aprox. 28,0 | 2 | 0 | 5 | 0,6 | 0,4 | 8,0 | 5 | 15 | 20 | ||
Paquete estadístico R | Aprox. 9,5 | 1 | 0 | 3 | 0,4 | 0,1 | 4,5 | 0 | 5 | 5 | ||
Análisis Multivariante | Aprox. 35,5 | 4 | 1 | 5 | 0,5 | 10,5 | 10 | 15 | 25 | |||
Estadística Espacial | Aprox. 33,5 | 3 | 1 | 4 | 0,1 | 0,4 | 8,5 | 5 | 20 | 25 | ||
Total | Aprox. 150 | 14 | 4 | 23 | 2 | 2 | 45 | 30 | 75 | 105 |
Las horas dedicadas a las diferentes partes de la asignatura, y que están recogidas en el cuadro anterior, hay que considerarlas aproximadas.
La evaluación de la asignatura consta de dos partes. En las dos se valorará si el alumno adquirió las capacidades y resultados de aprendizaje previstos al comienzo del curso.
La primera parte constituye el 40% en la nota final y se corresponde con la "evaluación continua" de la asignatura. Como tal se evaluará una única vez en los términos descritos a continuación, conservándose la calificación obtenida tanto para la convocatoria Ordinaria como para las Extraordinarias correspondientes. La evaluación de esta primera parte de la asignatura (evaluación continua) se detalla a continuación: se realizarán trabajos/proyectos (40% de la nota) en las clases prácticas para conocer si el alumno alcanzó los resultados de aprendizaje previstos mediante la utilización del paquete estadístico R que habrá manejado previamente. Debe remarcarse que si el alumno no hubiese concurrido a alguna de las evaluaciones descritas su calificación será de 0 puntos.
La segunda parte consiste en comprobar si el alumno alcanzó las capacidades y resultados de aprendizaje previstos al comienzo del curso mediante la realización de un examen teórico-práctico que tendrá lugar al final del semestre. La prueba consistirá en la resolución de diversos problemas mediante la utilización del paquete estadístico R que habrá manejado previamente. El peso total de la misma en la nota final es el 60% (toda la materia de la asignatura - incluida la explicada en las clases prácticas - se evalúa en este examen). La evaluación de esta parte podrá realizarse mediante preguntas de tipo objetivo (tipo test) o no objetivo (de desarrollo o respuesta corta), o de ambos tipos. De forma opcional se plantea la realización de pruebas parciales a través de la entrega de diversos ejercicios y/o trabajos liberatorios de los diversos componentes del examen final en caso de valoración positiva de los mismos.
Los alumnos de evaluación diferenciada únicamente realizarán el examen final (que representará el 100% de su nota) en el que como ya se mencionó anteriormente se evalúa toda la materia de la asignatura.
En las convocatorias extraordinarias se realizará un examen igual al de la segunda parte de la asignatura conservándose la puntuación obtenida en la evaluación continua (quienes no se hayan presentado a la evaluación continua tienen un 0 en dicha parte).
Este mecanismo de evaluación diferenciada podrá ser sustituido por otro mecanismo de evaluación, específico para cada alumno, en virtud del artículo 7 del Reglamento de evaluación de la Universidad de Oviedo.
Sistemas de evaluación | Resultados de aprendizaje | Porcentaje |
Evaluación diferenciada (examen final) | MRA12-21 | 100 |
Evaluación continua + examen final | MRA12-21 | 40 + 60 |
Cao, R et al. Introducción a la Estadística y sus aplicaciones. Ediciones Pirámide. 2001
Chiles, J-P., Delfiner, P. Geostatistics. Modeling Spatial Uncertainty. Wiley. 1999.
Colubi, A, González, G. Curso de Estadística Aplicada. Ediciones Lobo. 2010.
Colubi, A, González, G. Problemas resueltos de Estadística Aplicada. Ediciones Lobo. 2010.
Devore, J.L.: Probabilidad y estadística para ingeniería y ciencias. Thomson, 2005.
Efron, B., Tibshirani, R.J. An Introduction to the Bootstrap. Chapman & Hall. 1993.
Granadesikan, R. Methods for Statistical Data Analysis of Multivariate Observations. Wiley. 1997.
Kenett, R.S., Zacks, S.: Estadística industrial moderna. Thomson, 2000.
Kleinbaum, D.G., Klein, M. Logistic Regression. A Self-Learning Text. Springer. 2002.
Mendenhall, W., Sincich, T.: Probabilidad y estadística para ingeniería y ciencias. Prentice Hall, 1997.
Navidi, W. Estadística para ingenieros y científicos. McGraw Hill. 2006.
Olea, R.A,. Geostatistics for engineers and earth scientists. Kluwer Academic Publishers. 1999.
Webster, R., Oliver, M.A. Geostatistics for Environmental Scientists. Wiley. 2001.