Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 99 Horas de Titorías: 3 Clase Expositiva: 24 Clase Interactiva: 24 Total: 150
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Estatística, Análise Matemática e Optimización
Áreas: Estatística e Investigación Operativa
Centro Facultade de Matemáticas
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
Introducir os principios fundamentais da Inferencia Estatística e as técnicas básicas do Modelo Lineal.
1. Introdución á inferencia estatística. (2 horas expositivas)
2. Estimación paramétrica. (5 horas expositivas)
Métodos paramétricos de construción de estimadores: momentos e máxima verosimilitude. Cotas para a varianza: desigualdade de Frechet-Cramer-Rao. Eficiencia.
3. Rexións de confianza paramétricas. (3 horas expositivas)
Métodos de construción de intervalos de confianza: pivotal, Neyman e asintótico.
4. Contrastes de hipóteses paramétricas. (5 horas expositivas)
Criterios de optimalidade para contrastes de hipóteses. Lema de Neyman-Pearson. Test de razón de verosimilitudes.
5. Métodos non paramétricos (3 horas)
Métodos nonparamétricos de estimación. Contrastes de bondade de axuste.
6. O modelo lineal simple. (4 horas expositivas)
Elementos dun modelo lineal. Estimación dos parámetros por mínimos cadrados. Propiedades dos estimadores. Inferencia sobre os parámetros. Descomposición da variabilidade. Predición.
7. Validación dun modelo de regresión. (2 horas expositivas)
O coeficiente de determinación. Diagnose do modelo. Transformacións previas á regresión.
8. Regresión lineal múltiple. (4 horas expositivas)
Formulación do modelo de regresión lineal múltiple. Solución no contexto do modelo lineal xeral: notación matricial, estimación por mínimos cadrados, propiedades dos estimadores, inferencia sobre os parámetros, predición. Interpretación dos coeficientes en regresión múltiple: o fenómeno de confusión. Correlación simple, múltiple e parcial. Métodos de selección de variables.
Casella, G. e Berger, R.L. (1990). Statistical Inference. Wadsworth & Brooks/Cole.
Chihara, L. e 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. Tamén dispoñible 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.
Nesta materia traballaranse as competencias indicadas na memoria do título de Grao en Matemáticas cos códigos CB2, CG3, CT3, CE1, CE7 e CE9. Indícanse a continuación cales son as competencias xerais e específicas que se potenciarán en Inferencia Estatística.
Competencias xerais:
[CG3] Aplicar tanto os coñecementos teóricos-prácticos adquiridos como a capacidade de análise e de abstracción na definición e formulación de problemas e na busca das súas solucións tanto en contextos académicos como profesionais.
Competencias específicas:
[CE1] Comprender e empregar a linguaxe matemática.
[CE7] Propoñer, analizar, validar e interpretar modelos de situacións reais sinxelas, utilizando as ferramentas matemáticas máis axeitadas aos fins que se persigan.
[CE9] Empregar aplicacións informáticas de análise estatístico, cálculo numérico e simbólico, visualización gráfica, optimización e software científico, en xeral, para experimentar en Matemáticas e resolver problemas.
ESCENARIO 1 (normalidade adaptada). A docencia expositiva e interactiva será presencial, axustándose a distribución que acorde a Facultade de Matemáticas, e complementarase co Campus Virtual da materia, no que o alumnado atopará materiais bibliográficos, boletíns de problemas, vídeos explicativos, etc. Mediante o Campus Virtual o alumnado tamén poderá realizar tests e entregas de tarefas para a avaliación continua, como se describe no apartado correspondente. As titorías serán presenciais, a través do correo electrónico ou de MS Teams.
ESCENARIO 2 (distanciamento). Docencia parcialmente virtual, de acordo coa distribución organizada pola Facultade de Matemáticas. Empregarase o Campus Virtual do curso, con vídeos explicativos e materiais bibliográficos proporcionados polo profesorado, así como a plataforma MS Teams. As titorías atenderanse por correo electrónico ou mediante MS Teams.
ESCENARIO 3 (peche das instalacións). Docencia totalmente non presencial apoiada na plataforma do Curso Virtual e na ferramenta MS Teams, coa substitución dalgunhas actividades presenciais por material asíncrono. Titorías por correo electrónico ou MS Teams.
A cualificación será realizada mediante avaliación continua e a realización dun exame final, aportando a avaliación continua un 50% da nota final e o exame o outro 50%.
A avaliación continua permitirá verificar que se adquiren as competencias CG3, CE1, CE7 e CE9 da memoria do Grao.
O exame final constará dunha parte teórica baseada en conceptos ou cuestións breves nas que se pretende avaliar a adquisición dos coñecementos claves da materia. Aquí avaliaranse as competencias CG3 e CG1. O resto do exame consistirá nunha parte práctica enfocada a resolver exercicios e problemas similares aos propostos ao longo do curso, onde se avaliará a adquisición das competencias CE7 e CE9.
Considerarase que a/o alumna/o se presentou á avaliación cando participou nalgunha tarefa de avaliación, tanto por avaliación continua como por exame.
Na segunda oportunidade farase un exame, sendo a nota acadada nesta segunda oportunidade a media ponderada do exame e a avaliación continua feita no período lectivo, con peso dun 30% para a avaliación continua e un 70% para o exame de recuperación.
A avaliación continua adaptarase á situación relativa á COVID-19 do seguinte xeito:
ESCENARIO 1 (normalidade adaptada). A avaliación continua consistirá na resolución de problemas, de xeito individual, que poderán ser presentados nos seminarios ou a través de tarefas específicas no Campus Virtual. Tamén se proporá a realización de tarefas prácticas, que poderán ser individuais e/ou en grupo, tanto presenciais como non presenciais empregando a ferramenta estatística R.
ESCENARIO 2 (distanciamento). A avaliación continua consistirá na resolución de problemas, de xeito individual, e na realización de tarefas prácticas empregando a ferramenta estatística R, que poderán ser individuais, tanto presenciais como non presenciais.
ESCENARIO 3 (peche das instalacións). A avaliación continua consistirá na resolución de problemas, de xeito individual, e na realización de tarefas prácticas empregando a ferramenta estatística R. As actividades presenciais dos escenarios 1 e 2 serán realizadas de forma non presencial mediante o software MS Teams.
Estímase que o/a alumno/a necesitará unha hora e media para preparar o material correspondente a cada hora dunha clase presencial, incluíndo a resolución dos exercicios propostos.
Recoméndase o seguimento das sesións expositivas e interactivas, así como das actividades propostas como medios fundamentais para o aproveitamento da materia.
Para superar con éxito a materia tamén é aconsellable o seguimento dos plans de traballo propostos. Tamén é recomendable que o/a alumno/a practique a utilización do paquete estatístico R para explorar as posibilidades das diversas técnicas explicadas ao longo do curso.
O programa informático que se usará nas clases de ordenador/laboratorio pode descargarse gratuitamente dende a dirección http://www.r-project.org/
O alumnado poderá atopar materiais docentes complementarios no Campus Virtual da USC.
Plan de continxencia ante a COVID-19:
ESCENARIO 1 (normalidade adaptada)
Metodoloxía da aprendizaxe: A docencia expositiva e interactiva será presencial e complementarase co Campus Virtual da materia, na que o alumnado atopará materiais bibliográficos, boletíns de problemas, vídeos explicativos, etc. Mediante o Campus Virtual o alumnado tamén realizará tests e entregas de tarefas para a avaliación continua, como se describe no apartado correspondente. As titorías serán presenciais ou a través do correo electrónico.
Avaliación continua: A avaliación continua consistirá na resolución de problemas, de xeito individual, que poderán ser presentados nos seminarios ou a través de tarefas específicas no Campus Virtual. Tamén se proporá a realización de tarefas prácticas, que poderán ser individuais e/ou en grupo, tanto presenciais como non presenciais empregando a ferramenta estatística R.
ESCENARIO 2 (distanciamento)
Metodoloxía da aprendizaxe: Docencia parcialmente virtual, de acordo coa distribución organizada pola Facultade de Matemáticas. Empregarase o Campus Virtual do curso, con vídeos explicativos e materiais bibliográficos proporcionados polo profesorado, así como a plataforma MS Teams. As titorías atenderanse por correo electrónico ou mediante MS Teams.
Avaliación continua: a avaliación continua consistirá na resolución de problemas, de xeito individual, e na realización de tarefas prácticas empregando a ferramenta estatística R, que poderán ser individuais, tanto presenciais como non presenciais.
ESCENARIO 3 (peche das instalacións)
Metodoloxía da aprendizaxe: Docencia totalmente en remoto apoiada na plataforma do curso virtual e na ferramenta MS Teams, coa substitución dalgunhas actividades presenciais por material asíncrono. Titorías por correo electrónico ou MS Teams.
Avaliación continua: a avaliación continua consistirá na resolución de problemas, de xeito individual, e na realización de tarefas prácticas empregando a ferramenta estatística R.
Wenceslao Gonzalez Manteiga
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Teléfono
- 881813204
- Correo electrónico
- wenceslao.gonzalez [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
Cesar Andres Sanchez Sellero
Coordinador/a- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Teléfono
- 881813208
- Correo electrónico
- cesar.sanchez [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Rosa María Crujeiras Casais
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Teléfono
- 881813212
- Correo electrónico
- rosa.crujeiras [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Alberto Rodriguez Casal
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Correo electrónico
- alberto.rodriguez.casal [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Mercedes Conde Amboage
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Correo electrónico
- mercedes.amboage [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
Fernando Castro Prado
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Correo electrónico
- f.castro.prado [at] usc.es
- Categoría
- Predoutoral Ministerio
| Luns | |||
|---|---|---|---|
| 10:00-11:00 | Grupo /CLIS_01 | Galego, Castelán | Aula 02 |
| 11:00-12:00 | Grupo /CLIS_02 | Castelán, Galego | Aula 06 |
| 11:00-12:00 | Grupo /CLE_02 | Galego, Castelán | Aula 09 |
| Martes | |||
| 10:00-11:00 | Grupo /CLE_02 | Castelán, Galego | Aula 09 |
| 11:00-12:00 | Grupo /CLIS_04 | Castelán, Galego | Aula 06 |
| 12:00-13:00 | Grupo /CLIS_03 | Galego, Castelán | Aula 02 |
| 12:00-13:00 | Grupo /CLE_01 | Galego, Castelán | Aula 07 |
| Mércores | |||
| 10:00-11:00 | Grupo /CLIL_01 | Galego, Castelán | Aula de informática 3 |
| 12:00-13:00 | Grupo /CLIL_03 | Galego, Castelán | Aula de informática 3 |
| 13:00-14:00 | Grupo /CLIL_02 | Galego, Castelán | Aula de informática 2 |
| Xoves | |||
| 09:00-10:00 | Grupo /CLIL_04 | Galego, Castelán | Aula de informática 3 |
| 10:00-11:00 | Grupo /CLIL_06 | Castelán, Galego | Aula de informática 2 |
| 11:00-12:00 | Grupo /CLE_01 | Castelán, Galego | Aula 07 |
| 11:00-12:00 | Grupo /CLIL_05 | Galego, Castelán | 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 |