Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 30 Clase Interactiva: 20 Total: 51
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 Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
El objetivo de este curso es que el estudiantado aprenda los conceptos básicos de estadística descriptiva, probabilidad, inferencia estadística y modelos de regresión, que servirán de base para construir modelos estadísticos avanzados para el análisis de datos.
TEMA 1. ESTADÍSTICA DESCRIPTIVA
1.1 Conceptos generales.
1.2 Distribuciones de frecuencias.
1.3 Representaciones gráficas.
1.4 Medidas características: posición, dispersión y forma.
1.5 Estadística descriptiva bidimensional. Tablas de contingencia.
TEMA 2. FUNDAMENTOS DE PROBABILIDAD
2.1 Experimento aleatorio. Sucesos y espacio muestral.
2.2 Asignación y definición de probabilidad. Operaciones con sucesos.
2.3 Probabilidad condicionada. Independencia de sucesos. Resultados notables.
TEMA 3. VARIABLE ALEATORIAS
3.1 Variable discreta. Soporte, función de masa de probabilidad y función de distribución.
3.2 Variable continua. Función de densidad y función de distribución.
3.2 Medidas características.
3.3 Principales modelos de distribuciones discretas y continuas.
3.4 Teorema Central del límite.
3.5 Aproximación de distribuciones.
TEMA 4. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Y ESTIMACIÓN DE PARÁMETROS
4.1 Introducción a la Inferencia Estadística.
4.2 Estimación para una población.
4.3 Estimación para dos poblaciones.
4.4 Estimación por intervalos de confianza.
TEMA 5. CONTRASTE DE HIPÓTESIS
5.1 Introducción al contraste de hipótesis.
5.2 Procedimiento de contraste.
5.3 Contrastes para una población.
5.4 Contrastes para dos poblaciones.
TEMA 6. INTRODUCCIÓN A LA REGRESIÓN LINEAL
6.1 Estadística descriptiva bidimensional para variables continuas. Diagrama de dispersión.
6.2 Modelo de regresión lineal.
BIBLIOGRAFÍA BÁSICA
Agresti, A., Kateri, M. (2021). Foundations of Statistics for Data Scientists: With R and Python. CRC Press, Boca Raton.
Devore, J. L. (2005). Probabilidad y Estadística para Ingeniería y Ciencias. 6a ed. México: International Thomson Editores.
BIBLIOGRAFÍA COMPLEMENTARIA
Mendenhall, W. M. Sincich, T. L. (2016). Statistics for Engineering and the Sciences. CRC Press, Boca Raton.
Peña, D. (1991). Fundamentos de Estadística. Alianza Editorial, Madrid.
Peña, D. (1993). Estadística: Modelos y Métodos. Alianza Editorial, Madrid.
Ross, S. M. (2014). Introduction to Probability and Statistics for Engineers and Scientists. Elsevier, Burlington.
La bibliografía recomendada está disponible en las bibliotecas de la USC.
Tras la finalización de este curso, se prevé que el estudiantado alcance las siguientes competencias/resultados de aprendizaje recogidos en la memoria del Grado en Inteligencia Artificial de las Universidades de A Coruña, Santiago de Compostela y Vigo: CG2, CG4, CB2, CB3, CB5, TR3, CE1, CE5.
Como resultados de aprendizaje, el estudiantado debe conocer los fundamentos probabilísticos básicos, los fundamentos de la inferencia estadística y los fundamentos de los modelos de regresión. Se pretende que los estudiantes sean capaces de describir un suceso aleatorio en una y/o dos variables estadísticas, eligiendo gráficos adecuados para su representación y utilizando técnicas estadísticas apropiadas para cada caso, y que sean capaces de justificar la relevancia de una prueba estadística o contraste de hipótesis en una aplicación concreta. Además, deberían ser capaces de diseñar correctamente los criterios de elegibilidad de una muestra para dar respuesta a un problema real, y deberían ser capaces de validar los modelos estadísticos adecuadamente y corregirlos en consecuencia. Teniendo todo esto en cuenta, una vez finalizada la materia, el estudiantado deberá tener las bases para construir modelos estadísticos avanzados para el análisis de datos.
Docencia expositiva (30 horas). Para la transmisión de conocimientos se utilizarán diapositivas y pizarra, y se resolverán problemas tipo, de manera que el estudiantado pueda trabajar en los boletines de ejercicios que se facilitarán. En cuanto al material de seguimiento de la asignatura, además de la bibliografía recomendada, el estudiantado contará con material adicional en el Campus Virtual de la USC. En las clases expositivas se trabajarán las siguientes competencias: competencias generales (CG4), competencias básicas (CB2, CB3 y CB5) y competencias específicas (CE1).
Sesiones prácticas en aula de informática y/o laboratorio (20 horas). En este tipo de actividades, la implicación del estudiantado en la resolución de los ejercicios prácticos será guiada por el profesor durante las horas impartidas en el aula. Estos problemas se resolverán con la ayuda de un software que permita abordar los problemas prácticos que vayan surgiendo a lo largo del curso. Fuera del aula, el estudiantado deberá resolver de forma autónoma ejercicios para consolidar conceptos y afrontar por sí mismo problemas de análisis de bases de datos y funciones de programación en dicho software. Objetivos desarrollados: competencias generales (CG2, CG4), competencias básicas (CB2 y CB3), competencias transversales (TR3) y competencias específicas (CE1, CE5).
Tutorías (1 hora). Las tutorías están orientadas al seguimiento del aprendizaje del estudiantado. En las sesiones de tutoría se realizarán diferentes actividades que permitan al estudiantado obtener una visión general de la materia y, al mismo tiempo, identificar en qué aspectos necesita mejorar. Objetivos desarrollados: competencias generales (CG4), competencias básicas (CB2, CB3 y CB5) y competencias específicas (CE1, CE5).
La distribución de las horas de docencia expositiva (30 horas) y seminarios (20 horas), por temas, es la siguiente, en sesiones de una hora:
Tema 1. Estadística descriptiva: 5 expositivas, 4 seminarios.
Tema 2. Fundamentos de probabilidad: 4 expositivas, 2 seminario.
Tema 3. Variables aleatorias: 8 expositivas, 4 seminarios.
Tema 4. Introducción a la Inferencia y la estimación de parámetros: 5 expositivas, 4 seminarios.
Tema 5. Contrastes de hipótesis: 4 expositivas, 4 seminarios.
Tema 6. Introducción a la regresión lineal: 4 expositivas, 2 seminarios.
La calificación de la asignatura se realizará mediante evaluación continua y examen final teórico/práctico. A continuación, se detalla el peso de cada parte de la evaluación:
Evaluación continua (30%):
La evaluación continua consistirá en dos actividades a desarrollar de forma presencial y escrita, centradas en la realización de ejercicios y problemas de carácter práctico vinculados a la materia. Las fechas de realización de dichas actividades serán comunicadas en el aula y en el aula virtual con una semana de antelación. La nota de la evaluación continua se calculará como la media de las puntuaciones obtenidas en las dos actividades realizadas. En caso de no realizar alguna de las actividades, su puntuación se considerará cero para el cálculo de la media. La nota obtenida se conservará entre las dos convocatorias del mismo curso académico.
Competencias evaluadas: CG2, CG4, CB2, CB3, TR3, CE1, CE5.
Examen final (70%):
El examen final constará de varias preguntas y ejercicios teórico/prácticos sobre los contenidos de la materia, que podrán incluir la interpretación de los resultados obtenidos con el software estadístico empleado en la docencia interactiva.
Competencias evaluadas: CG2, CG4, CB2, CB3, CB5, TR3, CE1, CE2 y CE5.
De acuerdo con lo establecido en el artículo 1 del Reglamento de asistencia a clase en las enseñanzas oficiales de grado y máster de la USC, la asistencia a clase no tendrá ninguna valoración específica en esta materia, ni será requisito para superar la asignatura ni para presentarse a las pruebas de evaluación.
Se considerará “presentado” a todo estudiante que participe en actividades que le permitan obtener, como mínimo, el 50% de la evaluación final. El peso de la evaluación continua en la segunda oportunidad será el mismo que en la primera. Para los estudiantes repetidores, la evaluación se llevará a cabo de la misma manera, y no se conservará ninguna nota obtenida en el curso pasado (incluida la nota de evaluación continua).
En los casos de realización fraudulenta de ejercicios o pruebas, será de aplicación lo establecido en la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de calificaciones.
En esta materia, el alumnado cuenta con la siguiente docencia impartida por el profesorado: 30 horas de docencia expositiva, 20 horas de sesiones prácticas en aula de informática y/o laboratorio y 1 hora de tutorías. El alumnado deberá dedicar, a mayores, 60 horas a profundizar los conocimientos de las clases expositivas y 39 a la resolución de problemas prácticos. Durante esas horas se deberá profundizar en el conocimiento adquirido, a través de la revisión de conceptos, práctica de la resolución de problemas y la consulta de la bibliografía recomendada.
Se recomienda que el estudiantado haya adquirido conocimientos básicos de Álgebra, ya que facilitarán la comprensión de los contenidos de la materia y el seguimiento de las actividades propuestas. Asimismo, es aconsejable tener familiaridad con el uso básico de herramientas informáticas de cálculo o programación.
El seguimiento regular de las sesiones expositivas e interactivas contribuirá de manera significativa al progreso en la materia. Igualmente, se aconseja que el estudiantado realice las actividades propuestas por el profesorado, como la resolución de problemas, la revisión de materiales y los ejercicios prácticos, con el objetivo de consolidar el aprendizaje. También se recomienda aprovechar las tutorías como espacio para aclarar dudas y recibir orientación personalizada.
La asignatura hará uso del Campus Virtual, que servirá como espacio principal para la comunicación con el estudiantado y la difusión de materiales.
Se utilizará el software estadístico R para el desarrollo de ejercicios prácticos y actividades relacionadas con los contenidos de la asignatura (puede descargarse de forma gratuita desde la dirección http://www.r-project.org/).
La lengua prioritaria para impartir la docencia será el gallego.
Beatriz Pateiro Lopez
- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Teléfono
- 881813185
- Categoría
- Profesor/a: Titular de Universidad
| Martes | |||
|---|---|---|---|
| 10:00-11:00 | Grupo /CLE_01 | Gallego | IA.11 |
| Jueves | |||
| 10:00-12:00 | Grupo /CLIL_02 | Gallego | IA.13 |
| Viernes | |||
| 10:30-12:30 | Grupo /CLIL_01 | Gallego | IA.11 |
| 12:30-13:30 | Grupo /CLE_01 | Gallego | IA.11 |
| 18.05.2026 09:15-14:00 | Grupo /CLE_01 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_01 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_02 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_03 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_01 | IA.02 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_02 | IA.02 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_03 | IA.02 |
| 18.05.2026 09:15-14:00 | Grupo /CLE_01 | IA.02 |
| 07.07.2026 16:00-20:30 | Grupo /CLE_01 | IA.01 |
| 07.07.2026 16:00-20:30 | Grupo /CLIL_01 | IA.01 |
| 07.07.2026 16:00-20:30 | Grupo /CLIL_02 | IA.01 |
| 07.07.2026 16:00-20:30 | Grupo /CLIL_03 | IA.01 |