Los estudiantes deben haber completado el curso introductorio "Matemáticas para Ciencias Sociales y Estadísticas Básicas" o su equivalente. Los estudiantes deben tener un conocimiento básico de aritmética, álgebra y cálculo elemental. El curso es adecuado para estudiantes con una amplia gama de exposición previa a estadísticas y matemáticas.

Conocimientos o contenidos: K-7. Conocimiento avanzado y comprensión de la estadística aplicada a las Ciencias Sociales. K-8. Aprendizaje a nivel especializado y aplicado de los métodos de investigación cuantitativos en el estudio de fenómenos políticos y sociales. K-9. Aprendizaje avanzado sobre el papel de la causalidad en las Ciencias Sociales. Habilidades: S-5. Habilidad para organizar y expresar las ideas de un modo claro y sin ambigu¿edades y de sustentar los argumentos teóricos sobre un tema a partir de un análisis crítico de la literatura. S-7. Comprender los conceptos fundamentales de la estadística descriptiva, la teoría de la probabilidad y los fundamentos de la estadística inferencial. S-8. Conocer las propiedades de los distintos tipos de datos cuantitativos asociados al estudio de las Ciencias Sociales y dominar las técnicas de análisis de datos. S-9. Conocer las técnicas de inferencia causal en investigación social. Competencias: C-7. Capacidad para seleccionar los modelos estadísticos adecuados para el análisis de datos en el marco del desarrollo de una investigación en Ciencias Sociales. C-8. Operar con datos de investigación cuantitativos: dominar los instrumentos de análisis y el software de manejo de datos en el desarrollo de la parte empírica de un papel de investigación. C-9. Ser capaz de generar datos nuevos y de aplicar las técnicas de inferencia causal en el desarrollo empírico de una pregunta de investigación.

Tema 1. Probabilidad 1.1 Variables aleatorias. Definición. Variables discretas y continuas. Funciones de distribución acumulada, densidad de probabilidad y masa de probabilidad. 1.2 Variables univariantes y multivariantes: distribuciones marginales y condicionales. 1.3 Resumiendo la información de variables univariantes: media, varianza, asimetría y curtosis. 1.4 Resumiendo la información de variables multivariantes: Covarianzas e independencia. 1.5 Algunas distribuciones univanriates de interés: Bernoulli, Binomial, Poisson, Uniforme, Normal 1.6 La distribución normal multivariante Tema 2. Inferencia y procedimientos de estimación 2.1 Población y muestras: Parámetros y estadísticos 2.2 Estimación puntual: medias and proporciones 2.3 Estimación por intervalo. 2.4 Contraste de hipótesis 2.5 Muestras grandes: consistencia y distribución asintótica 2.6 Estimador de los Momentos 2.7 Estimador de Máxima Verosimiltud TOPIC 3. Modelo de regresión 3.1 Modelo de regresión simple: Medias condicionales 3.2 Estimación de parámetros: Estimador de Mínimos Cuadrados 3.3 Propiedades del estimados MC: Consistencia, normalidad y eficiencia 3.4 Diagnóstico de residuos 3.5 Constraste de hipótesis 3.6 Heteroscedasticidad 3.7 Utilizando el modelo de regresión para predecir

Actividades Formativas: AF3 - Clase teórico-práctica: el aprendizaje de contenidos teóricos sobre matemáticas, estadística e inferencia causal. AF4 - Prácticas de laboratorio: utilización de un programa de software en los ordenadores para desarrollar modelos estadísticos aprendidos en las clases teóricas. AF5 - Tutorías: la posibilidad de establecer reuniones semanales con el profesor que imparte la asignatura. AF6 - Trabajo individual del estudiante. Metodologías docentes: MD1 - Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia. MD3 - Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo MD5 - Elaboración de trabajos e informes de manera individual o en grupo