Última actualización: 23/04/2019


Curso Académico: 2019/2020

Estadística para el análisis de datos
(17229)
Titulación: Máster U. en Métodos Analíticos para Datos Masivos: Big Data / Master in Big Data Analytics (322)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: AUSIN OLIVERA, MARIA CONCEPCION

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Competencias que adquiere el estudiante y resultados del aprendizaje.
Competencias Básicas 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 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. Competencias Generales Aplicar los fundamentos teóricos de las técnicas de recogida, almacenamiento, tratamiento y presentación de información, especialmente para grandes volúmenes de datos, como base para el desarrollo y adaptación de dichas técnicas a problemas concretos Competencias Específicas Emplear conocimientos de Algebra Lineal avanzados para su aplicación en métodos de análisis de grandes volúmenes de datos Aplicar conocimientos básicos de programación y bases de datos sobre los que basar la enseñanza de tecnologías y métodos avanzados para el tratamiento de grandes volúmenes de datos Emplear los resultados básicos de inferencia como fundamento para métodos avanzados de predicción y clasificación Resultados de aprendizaje -Utilización de herramientas de Algebra Lineal (matrices, factorizaciones) y Cálculo (integración en varias variables)¿en el diseño y análisis de métodos de tratamiento de datos - Habilidades para la aplicación de técnicas estadísticas básicas (representación de datos, probabilidad, distribuciones, muestreo, estimación) al tratamiento de datos - Conocimiento y utilización de conceptos básicos de programación, programación estructurada, diseño de algoritmos y bases de datos relacionales para el desarrollo de aplicaciones de tratamiento de datos
Descripción de contenidos: Programa
1. Estadística descriptiva 1.1. Introducción a la Estadística 1.2. Descripción de una variable 1.3. Relación entre dos variables 1.4. Transformaciones de variables 2. Teoría de probabilidad 2.1. Introducción a la Probabilidad 2.2. Variables aleatorias discretas 2.3. Variables aleatorias continuas 2.4. Transformaciones de variables aleatorias 3. Inferencia estadística 3.1. Métodos de estimación 3.2. Inferencia bajo normalidad 3.3. Inferencia para muestras grandes 3.4. Test chi cuadrado 3.5. Correlación y dependencia
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades formativas: Clase teórica Clases prácticas Prácticas de laboratorio Trabajo individual Metodologías docentes: Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. Lectura crítica de textos recomendados por el profesor de la asignatura:Artículos de prensa, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Bibliografía básica
  • Daniel Peña. Fundamentos de Estadística. Alianza Editorial. 2008

El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.