Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 99 Horas de Tutorías: 3 Clase Expositiva: 24 Clase Interactiva: 24 Total: 150
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Grado RD 1393/2007 - 822/2021
Departamentos: Estadística, Análisis Matemático y Optimización
Áreas: Estadística e Investigación Operativa
Centro Facultad de Matemáticas
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
Introducir los principios fundamentales de la Inferencia Estadística, y las técnicas básicas relacionadas con el Modelo Lineal.
1. Introducción a la inferencia estadística. (2 horas expositivas)
2. Estimación paramétrica. (5 horas expositivas)
Métodos paramétricos de construcción de estimadores: momentos y máxima verosimilitud. Cotas para la varianza: desigualdad de Frechet-Cramer-Rao. Eficiencia.
3. Regiones de confianza paramétricas. (3 horas expositivas)
Métodos de construcción de intervalos de confianza: pivotal, Neyman y asintótico.
4. Contrastes de hipótesis paramétricas. (5 horas expositivas)
Criterios de optimalidad para contrastes de hipótesis. Lema de Neyman-Pearson. Test de razón de verosimilitudes.
5. Métodos no paramétricos (3 horas)
Métodos no paramétricos de estimación. Contrastes de bondad de ajuste.
6. El modelo lineal simple. (4 horas expositivas)
Elementos de un modelo lineal. Estimación de los parámetros por mínimos cuadrados. Propiedades de los estimadores. Inferencia sobre los parámetros. Descomposición de la variabilidad. Predicción.
7. Validación de un modelo de regresión. (2 horas expositivas)
El coeficiente de determinación. Diagnosis del modelo. Transformaciones previas a la regresión.
8. Regresión lineal múltiple. (4 horas expositivas)
Formulación del modelo de regresión lineal múltiple. Solución en el contexto del modelo lineal general: notación matricial, estimación por mínimos cuadrados, propiedades de los estimadores, inferencia sobre los parámetros, predicción. Interpretación de los coeficientes en regresión múltiple: el fenómeno de confusión. Correlación simple, múltiple y parcial. Métodos de selección de variables.
Casella, G. y Berger, R.L. (1990). Statistical Inference. Wadsworth & Brooks/Cole.
Chihara, L. y Hesterberg, T. (2011). Mathematical Statistics with Resampling and R. Wiley.
DeGroot, M.H., Schervish, M.J. (2002). Probability and Statistics. Addison-Wesley, Boston.
Faraway, J.J. (2004). Linear models with R. Chapman and Hall. También disponible en http://www.utstat.toronto.edu/~brunner/books/LinearModelsWithR.pdf
García Pérez, A. (2010). Estadística básica con R. UNED.
Ross, S. (2007). Introducción a la Estadística. Reverté S.A., Barcelona.
Peña, D. (2002). Regresión y diseño de experimentos. Alianza Editorial.
Sheather, S.J. (2009). A modern approach to regression with R. Springer.
Vélez Ibarrola, R. y García Pérez, A. (1997). Principios de Inferencia Estadística. UNED.
En esta materia se trabajarán las competencias básicas indicadas en la memoria del título de Grado en Matemáticas con los códigos CB2, CG3, CT3, CE1, CE7 y CE9. Se indican a continuación cuáles son las competencias generales y específicas que se potenciarán en Inferencia Estadística.
Competencias Generales:
[CG3] Aplicar tanto los conocimientos teóricos-prácticos adquiridos como la capacidad de análisis y de abstracción en la definición
y planteamiento de problemas y en la búsqueda de sus soluciones tanto en contextos académicos como profesionales.
Competencias Específicas:
[CE1] Comprender y utilizar el lenguaje matemático.
[CE7] Proponer, analizar, validar e interpretar modelos de situaciones reales sencillas, utilizando las herramientas matemáticas más
adecuadas a los fines que se persigan.
[CE9] Emplear aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización y
software científico, en general, para experimentar en Matemáticas y resolver problemas.
ESCENARIO 1 (normalidad adaptada). La docencia expositiva e interactiva será presencial, ajustándose a la distribución que acuerde la Facultad de Matemáticas, y se complementará con el Campus Virtual de la asignatura, en el que el alumnado encontrará materiales bibliográficos, boletines de problemas, vídeos explicativos, etc. Mediante el Campus Virtual el alumnado también podrá realizar test y entregas de tareas para la evaluación continua, como se describe en el apartado correspondiente. Las tutorías serán presenciales, a través del correo electrónico o de MS Teams.
ESCENARIO 2 (distanciamiento). Docencia parcialmente virtual, de acuerdo con la distribución organizada por la Facultad de Matemáticas. Se empleará el Campus Virtual del curso, con vídeos explicativos y materiales bibliográficos proporcionados por el profesorado, así como la plataforma MS Teams. Las tutorías serán atendidas por correo electrónico o mediante MS Teams.
ESCENARIO 3 (cierre de las instalaciones). Docencia totalmente no presencial apoyada en la plataforma del Curso Virtual y en la herramienta MS Teams, con la substitución de algunas actividades presenciales por material asíncrono. Tutorías por correo electrónico o MS Teams.
La calificación será realizada mediante evaluación continua y la realización de un examen final, aportando la evaluación continua un 50% de la nota final y el examen el otro 50%.
La evaluación continua permitirá verificar que se adquieren las competencias CG3, CE1, CE7 y CE9 de la memoria del Grado.
El examen final constará de una parte teórica basada en conceptos o cuestiones breves en las que se pretende evaluar la adquisición de los conocimientos claves de la asignatura. Aquí se evaluarán las competencias CG3 y CG1. El resto del examen consistirá en una parte práctica enfocada a resolver ejercicios y problemas similares a los propuestos a lo largo del curso, donde se evaluará la adquisición de las competencias CE7 y CE9.
Se considerará que la/el alumna/o se presentó a la evaluación cuando participó en alguna tarea de evaluación, tanto por evaluación continua como por examen.
En la segunda oportunidad se hará un examen, siendo la nota alcanzada en esta segunda oportunidad la media ponderada del examen y la evaluación continua realizada en el período lectivo, con peso de un 30% para la evaluación continua y un 70% para el examen de recuperación.
La evaluación continua se adaptará a la situación relativa al COVID-19 de la siguiente manera:
ESCENARIO 1 (normalidad adaptada). La evaluación continua consistirá en la resolución de problemas, de manera individual, que podrán ser presentados en los seminarios o a través de tareas específicas en el Campus Virtual. También se propondrá la realización de tareas prácticas, que podrán ser individuales y/o en grupo, tanto presenciales como no presenciales, empleando la herramienta estadística R.
ESCENARIO 2 (distanciamiento). La evaluación continua consistirá en la resolución de problemas, de manera individual, y en la realización de tareas prácticas empleando la herramienta estadística R, que podrán ser individuales, tanto presenciales como no presenciales.
ESCENARIO 3 (cierre de las instalaciones). La evaluación continua consistirá en la resolución de problemas, de manera individual, y en la realización de tareas prácticas empleando la herramienta estadística R. Las actividades presenciales de los escenarios 1 y 2 serán realizadas de forma no presencial mediante el software MS Teams.
Se estima que el alumnado necesitará una hora y media para preparar el material correspondiente a cada hora de una clase presencial, incluyendo la resolución de los ejercicios propuestos.
Se recomienda el seguimiento de las sesiones expositivas e interactivas, así como de las actividades propuestas como medios fundamentales para el aprovechamiento de la asignatura.
Para superar con éxito la asignatura también es aconsejable el seguimiento de los planes de trabajo propuestos. También es recomendable que el/la alumno/a practique la utilización del paquete estadístico R para explorar las posibilidades de las diversas técnicas explicadas a lo largo del curso.
El programa informático que se usará en las clases de ordenador/laboratorio se puede descargar gratuitamente desde la dirección http://www.r-project.org/
El alumnado podrá encontrar materiales docentes complementarios en el Campus Virtual de la USC.
Plan de contingencia ante el COVID-19:
ESCENARIO 1 (normalidad adaptada).
Metodología de aprendizaje: La docencia expositiva e interactiva será presencial, ajustándose a la distribución que acuerde la Facultad de Matemáticas, y se complementará con el Campus Virtual de la asignatura, en el que el alumnado encontrará materiales bibliográficos, boletines de problemas, vídeos explicativos, etc. Mediante el Campus Virtual el alumnado también podrá realizar test y entregas de tareas para la evaluación continua, como se describe en el apartado correspondiente. Las tutorías serán presenciales o a través del correo electrónico.
Evaluación continua: La evaluación continua consistirá en la resolución de problemas, de manera individual, que podrán ser presentados en los seminarios o a través de tareas específicas en el Campus Virtual. También se propondrá la realización de tareas prácticas, que podrán ser individuales y/o en grupo, tanto presenciales como no presenciales, empleando la herramienta estadística R.
ESCENARIO 2 (distanciamiento).
Metodología de aprendizaje: Docencia parcialmente virtual, de acuerdo con la distribución organizada por la Facultad de Matemáticas. Se empleará el Campus Virtual del curso, con vídeos explicativos y materiales bibliográficos proporcionados por el profesorado, así como la plataforma MS Teams. Las tutorías serán atendidas por correo electrónico o mediante MS Teams.
Evaluación continua: La evaluación continua consistirá en la resolución de problemas, de manera individual, y en la realización de tareas prácticas empleando la herramienta estadística R, que podrán ser individuales, tanto presenciales como no presenciales.
ESCENARIO 3 (cierre de las instalaciones).
Metodología de aprendizaje: Docencia totalmente no presencial apoyada en la plataforma del Curso Virtual y en la herramienta MS Teams, con la substitución de algunas actividades presenciales por material asíncrono. Tutorías por correo electrónico o MS Teams.
Evaluación continua: La evaluación continua consistirá en la resolución de problemas, de manera individual, y en la realización de tareas prácticas empleando la herramienta estadística R.
Wenceslao Gonzalez Manteiga
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Teléfono
- 881813204
- Correo electrónico
- wenceslao.gonzalez [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidad
Cesar Andres Sanchez Sellero
Coordinador/a- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Teléfono
- 881813208
- Correo electrónico
- cesar.sanchez [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Rosa María Crujeiras Casais
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Teléfono
- 881813212
- Correo electrónico
- rosa.crujeiras [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Alberto Rodriguez Casal
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Correo electrónico
- alberto.rodriguez.casal [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Mercedes Conde Amboage
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Correo electrónico
- mercedes.amboage [at] usc.es
- Categoría
- Profesor/a: Profesor Ayudante Doctor LOU
Fernando Castro Prado
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Correo electrónico
- f.castro.prado [at] usc.es
- Categoría
- Predoutoral Ministerio
| Lunes | |||
|---|---|---|---|
| 10:00-11:00 | Grupo /CLIS_01 | Gallego, Castellano | Aula 02 |
| 11:00-12:00 | Grupo /CLIS_02 | Castellano, Gallego | Aula 06 |
| 11:00-12:00 | Grupo /CLE_02 | Gallego, Castellano | Aula 09 |
| Martes | |||
| 10:00-11:00 | Grupo /CLE_02 | Castellano, Gallego | Aula 09 |
| 11:00-12:00 | Grupo /CLIS_04 | Castellano, Gallego | Aula 06 |
| 12:00-13:00 | Grupo /CLIS_03 | Gallego, Castellano | Aula 02 |
| 12:00-13:00 | Grupo /CLE_01 | Gallego, Castellano | Aula 07 |
| Miércoles | |||
| 10:00-11:00 | Grupo /CLIL_01 | Gallego, Castellano | Aula de informática 3 |
| 12:00-13:00 | Grupo /CLIL_03 | Gallego, Castellano | Aula de informática 3 |
| 13:00-14:00 | Grupo /CLIL_02 | Gallego, Castellano | Aula de informática 2 |
| Jueves | |||
| 09:00-10:00 | Grupo /CLIL_04 | Gallego, Castellano | Aula de informática 3 |
| 10:00-11:00 | Grupo /CLIL_06 | Castellano, Gallego | Aula de informática 2 |
| 11:00-12:00 | Grupo /CLE_01 | Castellano, Gallego | Aula 07 |
| 11:00-12:00 | Grupo /CLIL_05 | Gallego, Castellano | Aula de informática 4 |
| 31.05.2021 10:00-14:00 | Grupo /CLE_01 | Aula 02 |
| 31.05.2021 10:00-14:00 | Grupo /CLE_01 | Aula 03 |
| 31.05.2021 10:00-14:00 | Grupo /CLE_01 | Aula 06 |
| 31.05.2021 10:00-14:00 | Grupo /CLE_01 | Aula Magna Ramón María Aller Ulloa |
| 06.07.2021 10:00-14:00 | Grupo /CLE_01 | Aula 06 |