Estadística para las Ciencias Sociales I o una asignatura similar de introducción a la estadística.

Competencias específicas: 1. Comprender los conceptos básicos del análisis estadístico multivariante y sus aplicaciones en las ciencias sociales. 2. Capacidad para realizar un análisis de regresión lineal simple e interpretar los resultados. 3. Capacidad para realizar un análisis de regresión lineal múltiple e interpretar los resultados. 4. Capacidad para realizar un análisis de regresión logística binomial e interpretar los resultados. 5. Capacidad para realizar un análisis de componentes principales e interpretar los resultados. 6. Capacidad para realizar un análisis de conglomerados e interpretar los resultados. 7. Capacidad para usar software estadístico de forma efectiva. Competencias transversales: 1. Capacidad de análisis y síntesis 2. Capacidad de modelización matemática y estadística 3. Resolución de problemas 5. Razonamiento crítico 6. Comunicación oral y escrita

K1: Adquirir los conocimientos, técnicas y terminología propios del campo de la economía, política y las relaciones internacionales K3: Conocer contenidos básicos humanísticos, de expresión oral y escrita, siguiendo principios éticos y completando un perfil formativo multidisciplinar. S3: Planificar y organizar trabajos en equipo tomando las decisiones correctas basadas en la información disponible y reuniendo datos en entornos digitales. S4: Utilizar la información interpretando datos relevantes evitando el plagio, y de acuerdo con las convenciones académicas y profesionales del área de estudio, siendo capaz de evaluar la fiabilidad y la calidad de dicha información. S7: Ser capaz de identificar, acceder y gestionar las fuentes de información relevantes para el análisis comparado en el campo de la política, economía y relaciones internacionales S9: Aplicar herramientas computacionales y software específico para el análisis de problemas políticos, sociales y económicos en el contexto internacional. S10: Capacidad de reunir e interpretar datos y conocimientos relevantes para la elaboración y defensa de argumentos sobre temas de su área de estudio S11: Capacidad de discernir qué técnicas de investigación cuantitativas o cualitativas es la adecuada a aplicar en función del fenómeno que se está analizando C2: Conocer y ser capaz de manejar habilidades interpersonales sobre iniciativa, responsabilidad, resolución de conflictos, negociación, etc., que se requieren en el ámbito profesional. C3: Capacidad de establecer una buena comunicación interpersonal y de trabajar en equipos multidisciplinares e internacionales. C4: Ser capaz de dedicarse a un aprendizaje autónomo de por vida, que les permita adaptarse a nuevas situaciones

Tema 1. Regresión lineal. 1.1. Regresión lineal. Introducción; regresión simple y múltiple. motivación; análisis gráfico de datos; formulación del modelo; variables dummy; interpretación de parámetros; ejemplos; aplicaciones. 1.2. Ajuste del modelo a los datos; el criterio de mínimos cuadrados; uso del modelo estimado. 1.3. Supuestos del modelo; inferencia de los parámetros del modelo I: intervalos de confianza; inferencia de la respuesta. 1.4. Inferencia de los parámetros del modelo II: contrastes de hipótesis; significación estadística de los parámetros estimados. 1.5. Evaluación del ajuste del modelo; ANOVA; diagnóstico del modelo. 1.6. Selección de variables predictoras; multicolinealidad; diagnóstico del modelo; validación del modelo. Tema 2. Regresión logística binomial. 2.1. Motivación; supuestos y formulación del modelo; interpretación de parámetros; ejemplos; aplicaciones. 2.2. Ajuste del modelo a los datos; uso del modelo estimado; inferencia de los parámetros del modelo; significación estadística de los parámetros estimados. 2.3. Evaluación del ajuste del modelo; selección de variables predictoras; multicolinealidad. Tema 3. Análisis de componentes principales. 3.1. Motivación; formulación; varianza explicada; ejemplos; aplicaciones. 3.2. Selección del número de componentes; scores; interpretación de las componentes; representaciones gráficas. Tema 4. Análisis de conglomerados. 4.1. Motivación; método de k-medias. 4.2. Métodos jerárquicos; medidas de similaridad; dendrograma. 4.3. Aplicaciones y ejemplos.

Teoría (3 ECTS). Clases teóricas con material de apoyo disponible en la página web de la asignatura. Prácticas (3 ECTS). Clases de resolución de problemas. Prácticas computacionales. Tutorías individuales semanales. La metodología docente tendrá un enfoque eminentemente práctico, estando basada en el estudio de diversos conjuntos de datos mediante técnicas de análisis multivariante, tanto en las clases teóricas como en las prácticas, como motivación e ilustración de la teoría.