• Español

Matemáticas

Undergraduate Programme. Academic Year 2024/2025.

MODELOS ESTADÍSTICOS - 800597

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 - Comprender y utilizar el lenguaje matemático. Adquirir la capacidad para enunciar proposiciones en distintos campos de la
Matemática, para construir demostraciones y para transmitir los conocimientos matemáticos adquiridos.
CG2 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de la Matemática.
CG3 - Asimilar la definición de un nuevo objeto matemático, en términos de otros ya conocidos, y ser capaz de utilizar este objeto
en diferentes contextos.
CG4 - Saber abstraer las propiedades estructurales (de objetos matemáticos, de la realidad observada, y de otros ámbitos)
distinguiéndolas de aquellas puramente ocasionales y poder comprobarlas con demostraciones o refutarlas con contraejemplos, así
como identificar errores en razonamientos incorrectos.
CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la
educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también
algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las
competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de
su área de estudio
CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio)
para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no
especializado
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores
con un alto grado de autonomía
Transversales
CT1 - Haber demostrado poseer y comprender conocimientos en el área de las Matemáticas, partiendo de la base de la educación
secundaria general, y alcanzando un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que
implican conocimientos procedentes de la vanguardia de dicha área.
CT2 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y poseer las competencias que suelen
demostrarse por medio de la elaboración y defensa de argumentos y en la resolución de problemas.
CT3 - Tener la capacidad de reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas
relevantes de índole social, científica o ética.
CT4 - Poder transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de
autonomía.
Específicas
CE1 - Resolver problemas de Matemáticas, mediante habilidades de cálculo básico y otras técnicas.
CE2 - Proponer, analizar, validar e interpretar modelos de situaciones reales sencillas, utilizando las herramientas matemáticas más
adecuadas a los fines que se persigan.
CE3 - Planificar la resolución de un problema en función de las herramientas de que se disponga y de las restricciones de tiempo y
recursos.
CE4 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u
otras para experimentar en Matemáticas y resolver problemas.
CE6 - Utilizar herramientas de búsqueda de recursos bibliográficos en Matemáticas.
CE7 - Comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas matemáticas.

ACTIVIDADES DOCENTES

Clases teóricas
Sesiones académicas teóricas.
Clases prácticas
Sesiones académicas de problemas.
Laboratorios
El 50% de las clases se desarrollarán en el Aula de Informática

Presenciales

2,4

No presenciales

3,6

Semestre

8

Breve descriptor:

Introducir al alumno en distintos modelos estadísticos (lineales), con el objetivo de modelizar estadísticamente un problema.

Requisitos

Se recomienda haber cursado con aprovechamiento las asignaturas de Probabilidad y Estadística

Objetivos

Se pretende realizar una introducción a los modelos de regresión y diseño de experimentos, con el fin de que el alumnado construya modelos a partir de un conjunto de datos. Se realizará una validación de dicho modelo (bondad de ajuste). Conjuntamente se realizará una introducción a la estadística no paramétrica.

Se utilizará el software R (https://www.r-project.org/) y R-Studio (https://posit.co/download/rstudio-desktop/) para la implementación de los casos prácticos y se utilizará Quarto (https://quarto.org/) a modo de presentación de resultados.

Contenido

1ª Parte: Regresión lineal.

2ª Parte: Diseño de experimentos.

3ª Parte: Introducción a la estadística no paramétrica

Evaluación

EXAMEN TEÓRICO-PRÁCTICO cuya calificación puede ser mejorada a través de EVALUACIÓN CONTINUA.
Si la calificación del examen teórico-práctico es mayor que 4 puntos sobre 10, la calificación final será (en ambas convocatorias) el máximo entre:
a) 0.75*calificación de examen teórico-práctico + 0.25*calificación de entrega de prácticas
b) calificación del examen teórico-práctico
OBSERVACIÓN: Si la calificación del examen teórico práctico es menor que 4 puntos, la calificación final es enteramente la del examen teórico práctico (es un suspenso y no se puede promediar con la entrega de prácticas debido a que se sobreentiende que no se ha cumplido el mínimo de los objetivos de la asignatura).

Bibliografía

- Hollander, M., Wolfe, D. A., & Chicken, E. (2013). Nonparametric statistical methods. John Wiley & Sons. https://ucm.on.worldcat.org/oclc/841518521 (libro electrónico desde UCM: https://ebookcentral.proquest.com/lib/universidadcomplutense-ebooks/detail.action?docID=1550549)
- 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 (2nd ed). Wiley-Interscience. https://ucm.on.worldcat.org/oclc/912458670
- Toutenburg, H., & Shalabh. (2009). Statistical analysis of designed experiments. In Springer eBooks (3rd ed). Springer. https://doi.org/10.1007/978-1-4419-1148-3 (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/663096464)



Otra información relevante

Apuntes, problemas y prácticas disponibles en el Campus Virtual

Estructura

MódulosMaterias
CONTENIDOS ESPECIFICOSMODELO LINEALES

Grupos

Clases teóricas
GrupoPeriodosHorariosAulaProfesor
Grupo único20/01/2025 - 09/05/2025LUNES 14:00 - 15:00B06NIRIAN MARTIN APAOLAZA
JUEVES 14:00 - 15:00B06NIRIAN MARTIN APAOLAZA


Clases en aula de informática
GrupoPeriodosHorariosAulaProfesor
Grupo único20/01/2025 - 09/05/2025MARTES 14:00 - 15:00INF4 Aula de InformáticaNIRIAN MARTIN APAOLAZA
MIÉRCOLES 14:00 - 15:00INF4 Aula de InformáticaNIRIAN MARTIN APAOLAZA