Aquesta versió de la guia docent és provisional fins que no finalitzi el període d’edició de les guies del nou curs.

Logo UAB

Estadística I

Codi: 102386 Crèdits: 6
2025/2026
Titulació Tipus Curs
Administració i Direcció d'Empreses FB 1
Economia FB 1

Professor/a de contacte

Nom:
Francisco Javier Vila Carnicero
Correu electrònic:
xavier.vila@uab.cat

Equip docent

Sergio Baena Mirabete
David Gomez Guillen
Mireia Díaz Sanchís

Idiomes dels grups

Podeu consultar aquesta informació al final del document.


Prerequisits

Es recomanable que l'estudiant tingui superada l'assignatura de Matemàtiques I i estigui cursant (o tingui superada) Matemàtiques II.
D'aquesta manera l'estudiant ha assolit totes les competències necessàries per abordar l'estudi d'Estadística I amb les majors garanties d'èxit.


Objectius

L'objectiu de l'assignatura és que l'estudiant comprengui i sigui capaç d'utilitzar les eines d'anàlisi de dades i probabilístiques que són necessàries per abordar l'estudi de la inferència estadística. En aquest sentit, l'assignatura està clarament lligada, pel que fa a la seva aplicació immediata, a l'assignatura Estadística II.

Tanmateix, les competències en anàlisi de dades i eines probabilístiques que l'estudiant ha adquirit en aquesta assignatura són de gran utilitat en d'altres matèries del grau, com microeconomia, macroeconomia, econometria i, en general, totes aquelles en les que els fenòmens aleatoris tinguin un paper important


Resultats d'aprenentatge

  1. CM07 (Competència) Especificar models a partir de l'anàlisi d'informació quantitativa i qualitativa referent a fenòmens i variables econòmiques.
  2. CM09 (Competència) Prendre decisions a partir de l'anàlisi de la informació estadística generada per a cada problema.
  3. CM17 (Competència) Especificar models a partir de l'anàlisi d'informació quantitativa i qualitativa referent a fenòmens i variables econòmiques.
  4. CM19 (Competència) Prendre decisions en base a l' anàlisi de la informació estadística generada per a cada problema.
  5. KM04 (Coneixement) Identificar les tècniques estadístiques necessàries per a la representació tant quantitativa com qualitativa del comportament de variables amb components aleatoris.
  6. KM05 (Coneixement) Descriure de manera estadística la informació quantitativa i qualitativa referent a fenòmens i variables econòmiques.
  7. KM16 (Coneixement) Identificar les tècniques estadístiques necessàries per a la representació tant quantitativa com qualitativa del comportament de variables amb components aleatoris.
  8. KM17 (Coneixement) Descriure de forma estadística la informació quantitativa i qualitativa referent a fenòmens i variables econòmiques.

Continguts

Tema 1 Anàlisi de dades
1.1 Obtenció de les dades: mostratge i propietats
1.2 Tipus de variables i taules de distribució de freqüències
1.3 Representacions gràfiques
1.4 Mesures de posició, de dispersió i de forma
1.5 Covariància i coeficient de correlació
1.6 Mitjana i variància de combinacions lineals de variables
1.7 Vector de mitjanes i matriu de covariàncies

Tema 2 Teoria de la probabilitat
2.1 Esdeveniments aleatoris i espais mostrals
2.2 Probabilitat: definició axiomàtica i interpretacions
2.3 Càlcul de probabilitats i les seves propietats
2.4 Probabilitat condicionada i independència estocàstica
2.5 Teoremes de la probabilitat total i de Bayes

Tema 3 Variables aleatòries discretes
3.1 Definició de variable aleatòria
3.2 La funció de probabilitat i la funció de distribució
3.3 Característiques numèriques: Esperança i variància
3.4 Distribucions discretes clàssiques: Bernouilli, Binomial, Poisson i Geomètrica
3.5 Variables aleatòries multidimensionals
3.6 Funcions de probabilitat conjuntes i marginals
3.7 Funció de probabilitat i esperança condicionades. Concepte de independència
3.8 Covariància i Coeficient de correlació. Matriu de covariàncies

Tema 4 Variables aleatòries continues
4.1 La funció de densitat i la funció de distribució
4.2 Característiques numèriques: Esperança i variància
4.3 Distribucions continues clàssiques: Uniforme, Exponencial,Normal, Uniforme multivariant i Normal multivariant
4.4 Aproximació de la distribució Binomial per la Normal


Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Tipus: Dirigides      
Classes Teoria 32,5 1,3
Elaboració de treballs, resolució d'exercicis i/o presentació a classe 9 0,36
Pràctiques de laboratori 8 0,32
Tipus: Supervisades      
Tutories i seguiment dels treballs a realitzar 10,5 0,42
Tipus: Autònomes      
Estudi 86,5 3,46

La metodologia docent  serà presencial 

Les activitats que permetran l'assimilació per part de l'estudiant dels conceptes bàsics del curs seran:

1. Classes teòriques on el professorat desenvoluparan els principals conceptes.

L'objectiu d'aquesta activitat és presentar les nocions fonamentals i facilitar l'aprenentatge de l'estudiant posant èmfasi en les aplicacions econòmiques de l'estadística.

2. Resolució de llistes de problemes per part de les i els estudiants

Cada tema tindrà associat una llista de problemes que haurà de ser resolta de manera individual. L'objectiu d'aquesta activitat es doble, ja que per una banda pretén que l'estudiant assimili els conceptes teòrics exposats a classe i per l'altra que adquireixi la destresa necessària per a resoldre problemes.

3. Classes de problemes on es discutirà la resolució dels problemes.

Aquesta activitat té com a finalitat comentar i resoldre els dubtes que es i  els estudiants hagin pogut tenir durant la resolució dels problemes per tal que aquests puguin entendre i al mateix temps corregir els possibles errors omesos.

4. Pràctiques de laboratori

Aquesta activitat es desenvoluparà, en els dies programats, a les aules informàtiques de la facultat o l’aula habitual de docència en funció de les circumstàncies i disponibilitat d’espais. En cas de realitzar-se a l’aula habitual de docència, els estudiants i les estudiantes hauran de portar el seu ordinador portatil per tal de poder participar en l’activitat. En aquesta pràctica l'estudiant aprendrà a utilitzar eines computacionals pel tractament i anàlisi de les dades.

5. Tutories presencials.

Lestudiant disposarà d'unes hores on els professorat de l'assignatura podran resoldre els dubtes de manera presencial.

En el conjunt de les activitats formatives, el nivell d'utilització de les TIC estarà en funció de les disponibilitats materials i de la grandària dels diferents grups.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.


Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Examen final 50% 2 0,08 CM07, CM17, KM04, KM05, KM16, KM17
Examen parcial 30% 1 0,04 CM07, CM17, KM04, KM05, KM16, KM17
Lliurament de llistes de problemes i treballs i/o proves de laboratori 20% 0,5 0,02 CM07, CM09, CM17, CM19, KM04, KM05, KM16, KM17

Aquesta assignatura no preveu el sistema d’avaluació única.

L'avaluació de l'alumnat es realitzarà atenent a les següents activitats:

1. Un examen parcial

Prova escrita en la que no es permetrà consultar cap tipus de material d'ajuda. El temps màxim de resolució serà de 60 minuts. Aquesta prova no allibera matèria.

2. Un examen final

Prova escrita en la que no es permetrà consultar cap tipus de material d'ajuda. El temps màxim de resolució serà de 2 hores i inclourà tota la matèria del curs.
L'examen està dissenyat per a que l'estudiant/ta realitzi un últim esforç d'aprenentatge que es considera necessari per a consolidar els coneixements prèviament adquirits, i així garantir l'èxit en el procés continuat d'aprenentatge del major nombre possible d'alumnes.

3. Lliurament de llistes de problemes i treballs i/o proves de laboratori

Els alumnes lliuraran, a petició del professorat i seguint les seves instruccions, diversos exercicis i/o treballs resolts individualment i/o en grups d'entre 2 i 4 estudiants/tes. Alguns d’aquests exercicis podrien consistir en una o més proves al laboratori per tal d’avaluar l’aprenentatge assolit a les pràctiques realitzades.

Criteris d'avaluació 

La nota de l’examen parcial representarà un 30% de la qualificació mitjana de l’assignatura.

La nota de l'examen final representarà un 50% de la qualificació mitjana de l’assignatura.

La nota del lliurament d'exercicis, treballs i/o proves al laboratori representarà un 20% de la qualificació mitjana de l’assignatura

Per tant, la qualificació mitjana de l’assignatura s'obté com:

qualificació mitjana de l’assignatura = 30% (nota de l’examen parcial) +
                                                           + 50% (
nota de l’examen final) +
                                                           + 20% (
nota exercicis/treballs/proves lab 

L'assignatura es considerarà superada si escompleixen els dos requisits següents:  

  1. la qualificació mitjana de l'assignatura és igual o superior a 5 i,
  2. la nota de l’examen final és igual o superior a 3.
  • Si un/una estudiant compleix el primer requisit però no compleix el segon tindrà una qualificació mitjana de l'assignatura de 4,5 i podrà anar a la prova de re-avaluació d’acord amb el que s’estableix a l’apartat “Procés de Recuperació” que trobareu més endavant.
  • Si un/una estudiant compleix el segon requisit però no compleix el primer, o no compleix cap dels dos, podrà anar a la prova de re-avaluació d’acord amb el que s’estableix a l’apartat “Procés de Recuperació” que trobareu més endavant.

Un alumne que no hagi participat en cap de les activitats d'avaluació es considerarà "No avaluable"

 Calendari d’activitats d’avaluació

Les dates de les diferents proves d'avaluació (exercicis en aula, entrega de treballs, ...) s'anunciaran amb suficient antelació durant el semestre.

La data de l'examen parcial i final de l'assignatura està programada en el calendari d'exàmens de la Facultat.

 "La programació de les proves d’avaluació no es podrà modificar, tret que hi hagi un motiu excepcional i degudament justificat pel qual no es pugui realitzar un acte d’avaluació. En aquest cas, les persones responsables de les titulacions, prèvia consulta al professorat i a l’estudiantat afectat, proposaran una nova programació dins del període lectiu corresponent". Apartat 1 de l'Article 264. Calendari de les activitats d’avaluació (Normativa Acadèmica UAB)

 Els estudiants i les estudiantes de la Facultat d'Economia i Empresa que d'acord amb el paràgraf anterior necessitin canviar una data d'avaluació han de presentar la petició omplint el següent formulari: e-Formulari per a la reprogramació de proves

 Procediment de revisió de les qualificacions

Coincidint amb l'examen final s'anunciarà el dia i el mitjà en quees publicaran les qualificacions finals.De la mateixa manera s'informarà del procediment, lloc, data i hora de la revisió d'exàmens d'acord amb la normativa de la Universitat.

 Procés de Recuperació

 Per participar a la recuperació l'alumnat ha d'haver estat prèviament avaluat en un conjunt d'activitats el pes de les qual equivalgui a un mínim de dues terceres parts de la qualificació total de l'assignatura". Apartat 2 de l'Article 261. La recuperació (Normativa Acadèmica UAB). Els estudiants i les estudiants han d'haver obtingut una qualificació mitjana de l’assignatura més gran o igual que 3,5 i menor que 5.

 La data d’aquesta prova estarà programada en el calendari d'exàmens de la Facultat. L'estudiant que es presenti i la superi aprovarà l'assignatura amb una nota de 5. En cas contrari mantindrà la mateixa nota.

Informació Important: Us de les tenologies IA

Per a aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) exclusivament per accions de suport, com ara la cerca d’informació sobre els diferents conceptes tractats a l'assignatura, d'explicacions als missatges d'error generats per RStudio o sobre l'us de comandes de Rstudio. En cap es podrà utilitzar per generar o redactar respostes a exercicis i treballs, o per determinar les interpretacions  i conclusions de les diferents activitats que es facin durant el curs. 

En definitiva, les eines IA es podran utilitzar per preparar-se a l’inici d’una activitat i aprendre com fer-la, però no podran substituir al o la estudiant en el moment de realitzar-la i, sobre tot, d'interpretar i redactar els resultats i arribar a conclusions.

L'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA en qualsevol activitat avaluable es considerarà falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l'activitat, o sancions majors en casos

 Irregularitats en actes d’avaluació

 Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, "en cas que l’estudiant realitzi qualsevol irregularitat que pugui conduir a una variació significativa de la qualificació d’un acte d’avaluació, s'ha de qualificar amb 0 aquest acte d’avaluació, amb independència del procés disciplinari que s’hi pugui instruir. En cas que es produeixin diverses irregularitats en els actes d’avaluació d’una mateixa assignatura, la qualificació final d’aquesta assignatura és 0".  Apartat 11 de l'Article 266. Resultats de l'avaluació. (Normativa Acadèmica UAB).

 


Bibliografia


Programari

 

R i Rstudio
 
R és un potent llenguatge de programació per fer anàlisis estadístiques. Pot utilitzar-se per les tasques més simples, com per exemple calcular la mitjana d'una llista de números, o per les tècniques més avançades com models lineals i no lineals, contrasts estadístics, anàlisi de sèries temporals, classificació, “clustering”, etc. De fet, R està considerat un dels programaris per fer anàlisis estadístiques més utilitzats tant a la indústria com a l'acadèmia.
R és un projecte “open source” molt versàtil i fàcil d'ampliar, el que significa que és de lliure distribució i que existeix una comunitat de milers de usuaris i programadors que contribueixen constantment al manteniment, millora i ampliació d' R. Es pot descobrir tot el que R fa i pot fer visitant la seva web: “The Comprehensive R Archive Network” a CRAN.
D'altra banda, R Studio és un potent IDE (Integrated Development Environment) per treballar amb R, i és la eina que farem servir durant el curs.

Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d’aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Nom Grup Idioma Semestre Torn
(PAUL) Pràctiques d'aula 1 Català segon quadrimestre matí-mixt
(PAUL) Pràctiques d'aula 2 Català segon quadrimestre matí-mixt
(PAUL) Pràctiques d'aula 4 Anglès segon quadrimestre matí-mixt
(PAUL) Pràctiques d'aula 8 Anglès segon quadrimestre matí-mixt
(PAUL) Pràctiques d'aula 51 Espanyol segon quadrimestre tarda
(PAUL) Pràctiques d'aula 52 Català segon quadrimestre tarda
(PAUL) Pràctiques d'aula 60 Català segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 1 Català segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 2 Català segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 4 Anglès segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 8 Anglès segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 51 Espanyol segon quadrimestre tarda
(PLAB) Pràctiques de laboratori 52 Català segon quadrimestre tarda
(PLAB) Pràctiques de laboratori 60 Català segon quadrimestre matí-mixt
(TE) Teoria 1 Català segon quadrimestre matí-mixt
(TE) Teoria 2 Català segon quadrimestre matí-mixt
(TE) Teoria 4 Anglès segon quadrimestre matí-mixt
(TE) Teoria 8 Anglès segon quadrimestre matí-mixt
(TE) Teoria 51 Espanyol segon quadrimestre tarda
(TE) Teoria 52 Català segon quadrimestre tarda
(TE) Teoria 60 Català segon quadrimestre matí-mixt