Adquirir conocimientos y comprensión para: 1. Definir poblaciones que puedan ser estudiadas estadísticamente 2. Efectuar inferencias sobre los parámetros de una población 3. Realizar hipótesis respecto de una distribución 4. Contrastar hipótesis respecto a los parámetros del modelo elegido 5. Evaluar el ajuste del modelo a la realidad experimental 6. Comprender las limitaciones de los métodos utilizados y las condiciones bajo las cuales pueden ofrecer respuestas inapropiadas 7. Desarrollar los métodos anteriores usando software estadístico 1. Capacidad de análisis y síntesis 2. Conocimientos del uso de software estadístico 3. Resolución de problemas 4. Trabajo en equipo 5. Razonamiento crítico 6. Comunicación oral y escrita

K3: Conocer contenidos fundamentales en su área de estudio partiendo de la base de la educación secundaria general y alcanzando un nivel propio de libros de texto avanzados, incluyendo también algunos aspectos de la vanguardia de su campo de estudio. K4: Conocer materias básicas científicas y técnicas que capaciten para el aprendizaje de nuevos métodos y tecnologías, así como doten de una gran versatilidad para adaptarse a nuevas situaciones, en el ámbito del almacenamiento, gestión y procesamiento de datos. K5: Comprender y relacionar conceptos fundamentales de probabilidad y estadística y ser capaz de representar y manipular datos para extraer información significativa de los mismos. S1: Planificar y organizar trabajos en equipo tomando las decisiones correctas basadas en la información disponible y reuniendo datos en entornos digitales. S5: Identificar correctamente problemas de tipo predictivo correspondientes a unos objetivos y unos datos determinados, apoyándose en los conocimientos sobre algoritmia, modelización, predicción y filtrado, y emplear los resultados básicos del análisis de regresión como fundamento básico de los métodos de predicción. S16: Ser capaz de sintetizar las conclusiones obtenidas de los análisis realizados y presentarlas de manera clara y convincente tanto por escrito como oralmente, y tanto ante un público especializado como no especializado C5: Ser capaz de analizar y sintetizar problemas básicos relacionados con la ingeniería y la ciencia de datos, elaborar, defender y comunicar eficientemente soluciones de forma individual y profesional, aplicando los conocimientos, habilidades, herramientas y estrategias adquiridas o desarrolladas en su área de estudio.

1. Introducción a la inferencia estadística. 1.1. Población y muestra 1.2. Muestreo aleatorio 1.3. Principales distribuciones en el muestreo 1.4. Estimación puntual de parámetros 1.4.1. Definición 1.4.2. Método de los momentos 1.4.3. Máxima verosimilitud 2. Intervalos de confianza para una población 2.1. Introducción 2.2. IC para la media 2.2.1. Población normal con varianza conocida 2.2.2. Muestras grandes 2.2.3. Población normal con varianza desconocida 2.3. IC para la proporción 2.3.1. Muestras grandes 2.4. IC para la varianza 2.4.1. Población normal 3. Contraste de hipótesis para una población 3.1. Introducción 3.2. Errores Tipo I y Tipo II 3.3. Potencia de un contraste 3.4. P-valor 3.5. Contraste de hipótesis para la media 3.5.1. Población normal con varianza conocida 3.5.2. Muestras grandes 3.5.3. Población normal con varianza desconocida 3.6. Contraste de hipótesis para la proporción. 3.6.1. Muestras grandes 3.7. Contraste de hipótesis para la varianza 3.7.1. Población normal 4. Inferencia estadística para dos poblaciones. 4.1. Introducción 4.2. Diferencia de medias 4.2.1. Poblaciones normales con varianzas conocidas 4.2.2. Muestras grandes 4.2.3. Poblaciones normales con varianzas desconocidas 4.2.4. Poblaciones normales con varianzas iguales pero desconocidas 4.2.5. Poblaciones normales, muestras pareadas. 4.3. Diferencia de proporciones 4.3.1. Muestras grandes 4.4. Ratio de varianzas 4.4.1. Poblaciones normales 5. Análisis de la varianza 5.1. Introducción 5.2. One-way ANOVA 5.3. Tabla ANOVA 5.4. Comparaciones múltiples 5.5. Two-way ANOVA 6. Bondad de ajuste 6.1. Introducción 6.2. Test de Chi-cuadrado 6.3. Test de Kolmogorov-Smirnov 6.4. Herramientas gráficas

- Clases magistrales: Presentación de conceptos, desarrollo de la teoría y ejemplos, 2.2 ECTS - Clases de resolución de problemas: 2.2 ECTS - Prácticas de ordenador: 0.6 ECTS -- 4 PRÁCTICAS - Sesiones de evaluación (exámenes de evaluación continua y examen final): 1 ECTS