• Español

Estadísticas Oficiales e Indicadores Sociales y Económicos

Master's Programme. Academic Year 2024/2025.

INFERENCIA ESTADÍSTICA Y SIMULACIÓN - 609786

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 - Conocer y utilizar las Tecnologías de la Información y la Comunicación aplicadas al análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG2 - Conocer y aplicar la normativa y regulación local, autonómica, nacional e internacional en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG3 - Comprender y ser capaz de aplicar las herramientas básicas de investigación en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG5 - Poseer conocimientos racionales y críticos en el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG6 - Conocer los métodos, técnicas e instrumentos de análisis para el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG8 - Conocer los fundamentos y las implicaciones económicas de los procesos de producción y aplicación de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG10 - Estructurar el proceso de análisis de un problema con elementos aleatorios en el análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
Transversales
CT1 - Conocer y desarrollar el respeto y la promoción de los Derechos Humanos, de los Derechos Fundamentales, de la cultura de paz y la conciencia democrática, de los mecanismos básicos para la participación ciudadana y de una actitud para la sostenibilidad ambiental y el consumo responsable.
CT2 - Conocer y aplicar las políticas y prácticas de atención a colectivos sociales especialmente desfavorecidos e incorporar los principios de igualdad entre hombres y mujeres y de accesibilidad universal y diseño adaptado para todos a su ámbito de estudio.
CT4 - Desarrollar las aptitudes para el trabajo cooperativo y la participación en equipos, las habilidades de negociación e incorporar los valores de cooperación, esfuerzo, respeto y compromiso con la búsqueda de la calidad como signo de identidad.
Específicas
CE1 - Adquirir conocimientos avanzados para operar de forma autónoma e independiente con indicadores sociales y aplicarlos para la investigación y análisis de los temas que ocupan a la sociología.
CE2 - Adquirir conocimientos avanzados para operar de forma autónoma e independiente con indicadores económicos y aplicarlos para la investigación y análisis de los temas que ocupan a la economía.
CE3 - Adquirir conocimientos avanzados para operar de forma autónoma e independiente con indicadores demográficos y aplicarlos para la investigación y análisis de los temas que ocupan a la demografía.
Otras
COMPETENCIAS BÁSICAS

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

ACTIVIDADES DOCENTES

Clases teóricas
9h
Clases prácticas
12h
Presentaciones
2h
Otras actividades
Tutorías grupales: 1h
TOTAL
24h

Presenciales

1,26

No presenciales

1,74

Semestre

1

Objetivos

Conocimiento de los métodos congruenciales para simulación de números aleatorios.

 

Utilizar las técnicas de simulación de variables aleatorias y aplicarlas a modelos específicos.

 

Saber aplicar los métodos de simulación y de remuestreo en inferencia estadística. 

 

Conocer métodos de estimación de densidades.

Contenido

Técnicas de generación de números aleatorios uniformes y variables aleatorias discretas y continuas.

Métodos de simulación en inferencia estadística. 

Inferencia estadística con métodos de remuestreo.

Métodos de estimación de densidades.

Evaluación

Resolución de casos prácticos propuestos por el profesor: 25%
Evaluación continua atendiendo a los resultados de las adquisiciones de competencias prácticas y teóricas vinculadas a las materias del máster: 25%
Realización de una prueba escrita final que no puede ser, en ningún caso, el único procedimiento de evaluación: 50%

Bibliografía

Berry, K.J. y col. (2021). Permutation Statistical Methods with R. Springer Cham.
Dikta, G. y M. Scheer (2021). Bootstrap Methods With Applications in R. Springer Cham.
Efron, B. y R. Tibshirani (1993). An Introduction to the Bootstrap. Chapman Hall/CRC.
Gentle (2003). Random Number Generation and Monte Carlo Methods. Springer, New York.
Main, P., H. Navarro y A. Morales (2019). Simulación con ejercicios en R. Uned-Ediciones Complutense.
Ripley, B.D. (2008). Stochastic Simulation. Wiley.
Robert, C.P. y Casella, G. (1999). Monte Carlo Statistical Methods. Springer.
Shao, J. y D. Tu (1995). The jackknife and bootstrap. Springer, New York.
Silverman, B.W. (1986). Density Estimation for Statistics and Data Analysis. Chapman Hall, London.

Bibliografía complementaria:

Asmussen, S. and Glynn, P.W. (2007). Stochastic Simulation: Algorithms and Analysis. Springer.
Berry, K.J. y col. (2021). Permutation Statistical Methods with R. Springer Cham .
Chernick, M.R. (2007). Bootstrap Methods: A Guide for Practitioners and Researchers. Wiley.
Chernick, M.R. and LaBudde, R.A. (2011). An introduction to bootstrap methods with applications to R. Wiley.
Fishman, G.S. (2003). Monte Carlo: Concepts, Algorithms, and Applications. Springer.
Gentle, J.E., Härdle, W., and Mori, Y. (eds.) (2004). Handbook of Computational Statistics: Concepts and Methods. Springer.
Ripley, B.D. (1987). Stochastic Simulation. Wiley.
Rubinstein, R.Y. and Kroese, D.P. (2017). Simulation and Monte Carlo Method. Wiley.

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único24/10/2024 - 24/10/2024JUEVES 15:00 - 18:00-SONIA RUBIO HERRANZ
31/10/2024 - 12/12/2024JUEVES 15:30 - 18:30-SONIA RUBIO HERRANZ