Inferencia Estadística y Análisis de Datos

Grupo	Profesor	Departamento	Idioma
Year 2	David Roche Valles	Operaciones, Innovación y Data Sciences	ESP

Contribución de la asignatura al programa

La estadística es una herramienta imprescindible para la toma de decisiones en entornos donde la cantidad de datos y/o el nivel de incertidumbre no permite extraer directamente la información que contienen. En esta asignatura se dan algunos de los fundamentos teóricos y prácticos que constituyen la base para hacer predicciones, estimaciones y contrastes de hipótesis que se utilizan para transformar la información en conocimiento. Además de las técnicas inferenciales uni y bivariadas más comunes, el curso se complementa con la revisión de algunas técnicas multivariables (regresión lineal) útiles en la resolución de problemas sustanciales a otros contextos como es el caso del marketing o los recursos humanos.

Objetivos de aprendizaje de la asignatura

Después de cursar esta materia, los alumnos deberán ser capaces de:

- Utilizar el razonamiento estadístico en sus aplicaciones prácticas.
- Tomar decisiones en entornos con incertidumbre.
- Relacionar la materia con las otras materias de los estudios y de su futura vida profesional.
- Llevar a cabo inferencia sobre parámetros poblacionales desconocidos.
- Seleccionar la técnica estadística adecuada ya sea para estimar, contrastar o predecir.
- Contrastar hipótesis sobre parámetros o sobre distribuciones poblacionales.
- Comprender las limitaciones de las técnicas en cada contexto de la aplicación.
- Utilizar software estadístico para tomar decisiones basadas en datos (Software R)

Contenidos

1. UNIDAD 1. DISTRIBUCIONES MUESTRALES 1.1. Introducción a las distribuciones muestrales 1.2. Distribución de la media 1.3. Distribución de la proporción 1.4. Distribución de la varianza
2. UNIDAD 2. ESTIMACION 2.1. Introducción 2.2. Estimación puntual 2.3. Estimación por Intervalo
3. UNIDAD 3. CONTRASTE DE HIPOTESIS 3.1. Conceptos del contraste de hipótesis 3.2. Contrastes de Normalidad 3.3. Test de medias, varianzas y proporciones (una muestra) 3.4. Test de medias, varianzas y proporciones (dos muestras) 3.5. Test ANOVA
4. UNIDAD 4. ESTUDIO DE LA DEPENDENCIA 4.1 Introducción 4.2 Análisis de la regresión simple 4.3 Análisis de la regresión múltiple

1. UNIDAD 1. DISTRIBUCIONES MUESTRALES

1.1. Introducción a las distribuciones muestrales
1.2. Distribución de la media
1.3. Distribución de la proporción
1.4. Distribución de la varianza

2. UNIDAD 2. ESTIMACION

2.1. Introducción
2.2. Estimación puntual
2.3. Estimación por Intervalo

3. UNIDAD 3. CONTRASTE DE HIPOTESIS

3.1. Conceptos del contraste de hipótesis
3.2. Contrastes de Normalidad
3.3. Test de medias, varianzas y proporciones (una muestra)
3.4. Test de medias, varianzas y proporciones (dos muestras)
3.5. Test ANOVA

4. UNIDAD 4. ESTUDIO DE LA DEPENDENCIA

4.1 Introducción
4.2 Análisis de la regresión simple
4.3 Análisis de la regresión múltiple

Relación de Actividades con Contenidos

	1	2	3	4
Examenes
Integración de contenidos prácticos

Metodología

Sesiones: El profesorado combina las explicaciones teóricas con ejercicios de clase.
Ejercicios resueltos: Algunas unidades disponen de ejercicios resueltos para que los consulte el estudiante fuera del aula.
Sesiones prácticas: En estas sesiones los alumnos realizarán un caso práctico. Habrá una práctica al final de las tres primeras unidades y otra al final de la unidad 4. Se realizarán con el software R

Descripción	%
Examenes	70
Integración de contenidos prácticos	30

Criterios de evaluación

La asignatura se compone de 2 partes que serán evaluadas independientemente. El examen parcial (examen 1) comprende los contenidos de las tres primeras unidades, y el examen final (examen 2) comprende los contenidos de la última unidad 4.
La NOTA FINAL DE LA ASIGNATURA se computará de la siguiente manera:
Examen 1 & 2: 70% (35% cada uno). No hay nota mínima en ninguno de los dos exámenes.
Integración de contenidos prácticos 1 & 2: 30% (15% cada uno).
Si la Nota Final de la Asignatura es inferior a 5 puntos, el alumno deberá realizar, en la convocatoria extraordinaria, un único examen con todos los contenidos de la asignatura equivalente al 70% de la nota (el restante 30% procederá de la nota media ponderada de las evaluaciones de integración realizadas durante el curso).
Los alumnos matriculados sólo con derecho a examen serán evaluados el día del examen final de todos los contenidos teóricos y prácticos de la asignatura.

Bibliografía

Secciones A, B, C:
Newbold, P.; Carlson, W. L.; Thorne, B. (2008). Estadística para administración y economía. Pearson - Prentice Hall.
Hair, J.F.; Anderson, R.E.; Tatham, R.L; Black, W.C. (2000) Análisis Multivariante. Pearson - Prentice Hall.

Sección D y E:
Newbold, P., Carlson, W.L. & Thorne, B. (2012). Statistics for Business and Economics. Ed. Pearson - Prentice Hall
Hair, J.F.; Black, W.C; Babin, B.J.; Anderson, R.E. (2010) Multivariate Data Analysis. Pearson - Prentice Hall.

Material Complementario:
1.- La web de la asignatura dispone del material complementario necesario para el seguimiento de la asignatura (vídeos, lecturas, ejercicios complementarios, bases de datos, auto-evaluaciones, etc)
2.- Acceso restringido a micro-cursos sobre los contenidos de la asignatura vía aplicativo Snackson.

Horarios y secciones

Grupo	Profesor	Departamento
Year 2	David Roche Valles	Operaciones, Innovación y Data Sciences

Horario Year 2

Del 7/9/2022 al 5/10/2022:
Cada miércoles de 11:15 a 13:15.

Del 8/9/2022 al 24/11/2022:
Cada jueves de 11:00 a 13:00.

Del 26/10/2022 al 23/11/2022:
Cada miércoles de 11:15 a 13:15.

Lunes12/12/2022:
De 14:15 a 16:30.
De 16:30 a 17:00.

Jueves 9/2/2023 de 9:15 a 12:30.

Tipo:	OBL	Curso:	2	Periodo:	S semestre
Créditos ECTS:	6 ECTS

Inferencia Estadística y Análisis de Datos (2225.YR.005017.2)

Datos generales

Tipo:

Curso:

Periodo:

Créditos ECTS:

Profesorado:

Prerrequisitos

Conocimientos previos

Distribución de la carga de trabajo