• Español

Ingeniería Matemática

Undergraduate Programme. Academic Year 2024/2025.

ESTADÍSTICA APLICADA - 800702

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 - Comprender y utilizar el lenguaje y las herramientas matemáticas para modelizar, simular y resolver problemas, reconociendo y valorando las situaciones y problemas susceptibles de ser tratados matemáticamente.
CG2 - Adquirir la capacidad básicas para enunciar resultados relevantes por su implicación práctica en distintos campos de la Matemática, para desarrollar nuevos métodos y para transmitir y transferir los conocimientos adquiridos.
CG3 - Conocer los modelos, métodos y técnicas relevantes en distintas áreas de aplicación de la Ingeniería Matemática participando en la creación de nuevas tecnologías que contribuyan al desarrollo de la sociedad.
CG4 - Asimilar la formulación de un nuevo objeto, modelo o método matemático, en términos de otros ya conocidos, y ser capaz de utilizarlos en diferentes contextos de aplicación.
CG5 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendo su rango aplicabilidad y limitaciones.
Específicas
Conocer los principios básicos de los modelos de regresión y del diseño de experimentos
Conocer diversas técnicas y modelos para el análisis de datos multivariantes
Conocer los modelos iniciales de series temporales
Conocer los elementos del control de calidad
Manejar software estadístico y saber interpretar sus resultados

ACTIVIDADES DOCENTES

Clases teóricas
Sesiones teóricas.
Clases prácticas
Resolución de problemas teóricos y prácticos.
Laboratorios
Clases prácticas con software estadístico en laboratorio de informática: R (https://www.r-project.org/) y R-Studio (https://posit.co/download/rstudio-desktop/).
Entregas de ejercicios usando Quarto (https://quarto.org/).

Presenciales

2,4

No presenciales

3,6

Semestre

5

Breve descriptor:

Se inicia al alumnado en varios procedimientos de tratamiento de datos (Modelos de Regresión, Diseño Experimental, Análisis Multivariante, Series Temporales y Control de Calidad) así como a sus aplicaciones en diversos ámbitos prácticos.

Requisitos

Se recomienda haber cursado las asignaturas, troncales de segundo curso, "Estadística" y "Probabilidad".

Objetivos

El alumnado debe ser capaz de:

- Aplicar las herramientas estadísticas estudiadas a distintos ámbitos científicos;

- Manejar distintas herramientas estadísticas;

- Resolver problemas con software estadístico.

Contenido

1. Técnicas de regresión.

2. Diseño de experimentos.

3. Análisis multivariante.

4. Modelos básicos de series temporales.

5. Control de calidad de procesos.

6. Aplicaciones de la Estadística en diversos ámbitos.

Evaluación

Examen final: 70%.
Ejercicios con software estadístico que deben ser expuestos mediante un sistema de publicación científica y técnica: 30% (se mantendrá para la convocatoria extraordinaria).

Bibliografía

Libros que cubren bastante contenido de la asignatura:
- Mohr, D. L., Wilson, W. J., & Freund, R. J. (2022). Statistical Methods (4th ed). Academic Press. https://ucm.on.worldcat.org/oclc/1025573632
- Ross, S. M. (2021). Introduction to probability and statistics for engineers and scientists. Academic Press, an imprint of Elsevier. https://ucm.on.worldcat.org/oclc/644693785
Libros centrados en modelización con R:
- Everitt, B. (2011). An introduction to applied multivariate analysis with R. Springer. (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/912458669)
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning : with applications in R. Springer. https://ucm.on.worldcat.org/oclc/1262436825 (libro electrónico desde UCM: https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-1-0716-1418-1)
- Faraway, J. J. (2015). Linear models with R. CRC. https://ucm.on.worldcat.org/oclc/914517404
Libros más especializados:
- Brockwell, P. J., & Davis, R. A. (2016). Introduction to time series and forecasting. Springer. https://ucm.on.worldcat.org/oclc/957268865 (libro electrónico desde UCM: https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-3-319-29854-2)
- Mardia, K. V., Kent, J. T., & Taylor, C. C. (2024). Multivariate analysis. John Wiley & Sons. https://ucm.on.worldcat.org/oclc/630163617
- Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2011). Estadística para investigadores : diseño, innovación y descubrimiento (2ª ed). Reverté. https://ucm.on.worldcat.org/oclc/1026181660
- Rencher, A. C., & Schaalje, G. B. (2008). Linear models in statistics. Wiley-Interscience. https://ucm.on.worldcat.org/oclc/912458670
- Toutenburg, H., & Shalabh. (2009). Statistical analysis of designed experiments. In Springer eBooks. Springer. https://ucm.on.worldcat.org/oclc/663096464 (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/663096464)

Otra información relevante

Material de la asignatura en el Campus Virtual de la UCM.

Estructura

MódulosMaterias
CONTENIDOS COMPLEMENTARIOSCONTENIDOS COMPLEMENTARIOS
CONTENIDOS INTERMEDIOSESTADÍSTICA APLICADA

Grupos

Clases en aula de informática
GrupoPeriodosHorariosAulaProfesor
Subgrupo U109/09/2024 - 13/12/2024MARTES 10:00 - 11:00INF4 Aula de InformáticaNIRIAN MARTIN APAOLAZA
MARTES 11:00 - 12:00INF4 Aula de InformáticaNIRIAN MARTIN APAOLAZA
Subgrupo U209/09/2024 - 13/12/2024JUEVES 10:00 - 11:00INF3 Aula de InformáticaNIRIAN MARTIN APAOLAZA
JUEVES 11:00 - 12:00INF3 Aula de InformáticaNIRIAN MARTIN APAOLAZA


Clases teóricas
GrupoPeriodosHorariosAulaProfesor
Grupo único09/09/2024 - 13/12/2024MIÉRCOLES 12:00 - 13:00S-116NIRIAN MARTIN APAOLAZA


Clases prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único09/09/2024 - 13/12/2024MIÉRCOLES 13:00 - 14:00S-116NIRIAN MARTIN APAOLAZA