Titulación | Tipo | Curso | Semestre |
---|---|---|---|
2500149 Matemáticas | OB | 3 | 2 |
Álgebra lineal. Análisis matemático. Probabilidades.
En este curso hay que aprender fundamentalmente el concepto de Inferencia.
Se deben introducir y asentar los conceptos de Modelización, Estimación (puntual y por intervalos) y Bondad de ajuste.
Se deben enseñar las técnicas fundamentales de regresión lineal.
Habrá que aprender:
1. La estadística descriptiva y exploratoria que permitirá extraer y resumir de manera eficiente información de los datos.
2. Inferencia estadística: como la Estadística cuantifica la incertidumbre de la información extraída de los datos.
3. Se trabajará la modelización de poblaciones, la estimación de parámetros, especialmente máxima verosimilitud, y el planteamiento y resolución de los contrastes de hipótesis (paramétricos y no-paramétrica) a partir de muestras aleatorias.
3. Propiedades básicas de optimalidad de estimadores: invariancia, suficiencia, eficiencia, sesgo, varianza y propiedades asintóticas.
4. Plantear y resolver problemas aplicados. Con los ejemplos, la resolución de problemas y las prácticas con software estadístico (R), el estudiante trabajará con modelos concretos y con datos reales: inferenciales para los parámetros más importantes de una y dos poblaciones normales. Tests de ajuste, métodos inferenciales para el modelo lineal.
La asignatura está estructurada en cuatro capítulos:
Tema 1: Introducción a la Inferencia.
Resumen de las herramientas fundamentales de la probabilidad: LGN y TCL.
Binomial y normal. Comparación de dos proporciones. Test de Pearson.
Simulación y bondad de ajuste.
Tema 2: Modelización y estimación.
Modelos normal, gamma, Pareto, Poisson, binomial negativa, ...
Métodos de estimación: momentos, máxima verosimilitud, mínimos cuadrados.
Cálculo de momentos. Funciones generatrices.
Tema 3: Evaluación de estimadores idistribució asintótica.
Sesgo, error cuadrático medio, consistencia, normalidad asintótica, ...
Información de Fisher y Cota de Cramér-Rao. Eficiencia.
Distribución asintótica del estimador de máxima verosimilitud.
Tests de razón de verosimilitud, del scoring y de Wald.
Teorema de Fisher. Leyes t de Student, χ2 de Pearson y F de Fisher.
Contrastes. Hipótesis nula y alternativa. Tipo de error.
Comparación de dos poblaciones y análisis de la varianza
Tema 4: Regresión lineal.
Regresión lineal . Estimación y contrastes.
A menos que las restricciones impuestas por las autoridades sanitarias obliguen a una priorización o reducción de estos contenidos.
Disponemos de clases teóricas, de problemas y de prácticas.
La materia nueva introducirá primordialmente a las clases de teoría, pero habrá que ampliar las explicaciones del profesor con el estudio autónomo del alumno, con el apoyo de la bibliografía de referencia .. Se valorará la participación de los estudiantes en las exposiciones del profesor. Se hará un control parcial de teoría y problemas a mediados de abril. En el Campus virtual se colgará material para repasar los apunte recogidos en clase.
La clase de problemas se dedicará a la resolución orientada de algunos problemas propuestos . Se valorará especialmente la participación de los estudiantes en las clases de problemas.
En las clases prácticas se introducirá el uso de software R con aplicaciones estadísticas. Se verán metodologías descriptivas e inferenciales. Habrá que entregar algunos trabajos de prácticas.
La metodología docente propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clases de problemas | 14 | 0,56 | 2, 5, 8, 4 |
Clases de prácticas | 14 | 0,56 | 2, 8, 9, 12, 4 |
lases de teoria | 28 | 1,12 | 2, 5, 8, 9, 12, 13, 11, 4 |
Tipo: Supervisadas | |||
Tutorías | 5 | 0,2 | |
Tipo: Autónomas | |||
Estudio y pensar problemas | 39 | 1,56 | 2, 5, 8, 9, 12, 13, 11, 4 |
Resolución de problemas (talleres y clases) | 20 | 0,8 | 2, 5, 8, 9, 12, 13, 11, 4 |
Trabajo práctico con ordenadores | 25 | 1 |
La evaluación se realiza de forma continuada a lo largo de todo el curso.
La evaluación continua tiene varios objetivos fundamentales: Monitorizar el proceso de enseñanza y aprendizaje, permitiendo tanto al alumno como al profesor conocer el grado de consecución de las competencias y corregir, si es posible, las desviaciones que se produzcan. Incentivar el esfuerzo continuado del alumno frente al sobreesfuerzo, frecuentemente inútil, de última hora. Verificar que el alumno ha alcanzado las competencias determinadas en el plan de estudios. Por ello es pedirá la acreditación de un nivel mínimo en todas las actividades de evaluación (un 3 sobre 10).
Para hacer esta evaluación se cuenta con los siguientes instrumentos: La documentación entregada por los estudiantes de su trabajo práctico (dossiers de prácticas), los resultados alcanzados en las sesiones de laboratorio. La calificación obtenida en esta evaluación representa el 60% de la nota final de la asignatura.
La evaluación continua en complementa mediante una prueba escrita final. La calificación así obtenida representará el 40% de la nota final de la asignatura (permite recuperar una parte de una primera prueba fundamental).
El examen de recuperación se dirigirá a los estudiantes que habiendo superado el nivel mínimo no lleguen aún al aprobado.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Documentación entregada por los estudiantes | 30 % | 18 | 0,72 | 1, 2, 3, 5, 6, 7, 8, 9, 10, 12, 13, 11, 4 |
Examen final | 40% | 7 | 0,28 | 2, 5, 8, 9, 12, 4 |
Exámen Parcial-1 | 30% | 5 | 0,2 | 2, 5, 8, 9, 12, 11, 4 |
Bàsica
Complementària