CG1 - Comprender y utilizar las técnicas y modelos de la Estadística con el lenguaje matemático adecuado.

CG3 - Conocer los teoremas y modelos clásicos en distintas áreas de la Matemática y de la Estadística.

CG4 - Asimilar la definición de nuevos objetos matemático-estadísticos, en términos de otros ya conocidos, y ser capaz de utilizar dichos objetos en diferentes contextos.

CT1 - Haber demostrado poseer y comprender conocimientos en el área de las Matemáticas y la Estadística, 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 que posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro del área de la Estadística, con base en las Matemáticas.

CT3 - Tener la capacidad de reunir e interpretar datos relevantes (dentro del área de la Estadística y las Matemáticas y de alguno de sus campos de aplicación) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.

CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

CE1 - Proponer, analizar, validar e interpretar modelos de situaciones en las que se presenten fenómenos estocásticos utilizando las herramientas estadístico-matemáticas más adecuadas.

CE2 - Resolver problemas de Estadística mediante herramientas matemáticas e informáticas.

CE4 - Desarrollar programas que resuelvan problemas estadísticos utilizando para cada caso el entorno computacional adecuado.

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.

CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

Exposición teórica por parte del profesor.

Resolución de problemas individual o en grupo, tutorizada por el profesor.

Exposiciones orales por grupos de alumnos.

Resolución individual o en grupo de problemas y entrega de algunos problemas escogidos por escrito.

30h (clases teóricas) + 30h (clases prácticas) + 6h (tutorías) + 81h (estudio autónomo de los contenidos) + 3h (actividades de evaluación) = 150h

2,4

3,6

8

Se recomienda haber cursado con aprovechamiento las asignaturas de "Probabilidad" y "Estadística", así como "Inferencia Estadística" y "Métodos Computacionales en Estadística". Se asumen conocimientos básicos de R.

(80%) Examen y/o pruebas objetivas
(20%) Evaluación in situ mediante observación directa del trabajo y desempeño de los estudiantes en clase

En la convocatoria ordinaria la calificación final será obtenida de acuerdo a la ponderación anterior. Se recuerda que la titulación es presencial y la asistencia es obligatoria, salvo motivos de causa mayor que deberían ponerse en conocimiento del profesor para ser gestionados de la mejor manera posible.

La convocatoria extraordinaria será evaluada de manera análoga a la convocatoria ordinaria (misma ponderación). A discreción del profesor, podrán tenerse en cuenta las pruebas objetivas realizadas durante el curso si el alumno está conforme con ello.

El primer día de clase se comunicarán las actividades concretas de evaluación que dependerán del número de alumnos matriculados. Se tratará de potenciar al máximo la evaluación continua.

La calificación seguirá las directrices del R.D. 1125/2003, artículo 5, apartado 4: "Los resultados obtenidos por el alumno en cada una de las materias del plan de estudios se calificarán en función de la siguiente escala numérica de 0 a 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: 0-4,9: Suspenso (SS). 5,0-6,9; Aprobado (AP). 7,0-8,9: Notable (NT). 9,0-10: Sobresaliente (SB)".

S. FRENCH & D. RÍOS INSUA (2000). Kendall's Library of Statistics 9: Statistical Decision Theory. New York, NY: Wiley.

A. GELMAN, J.B. CARLIN, H.S. STERN, D.B. DUNSON, A. VEHTARI & D.B. RUBIN (2013). Bayesian Data Analysis. Boca Raton, FL: CRC Press.

P.D. HOFF (2009). A First Course in Bayesian Statistical Methods. New York, NY: Springer-Verlag.

K. MATSUURA (2022). Bayesian Statistical Modeling with Stan, R, and Python. Singapore: Springer Nature.

Profesor:

Nombre: Jorge González Ortega
Despacho: 408, Facultad de CC Matemáticas, UCM
E-mail: jgortega@ucm.es