* Competencias básicas
- CB6: Poseer y comprender los conocimientos que proporcionan una base u oportunidad para ser original en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB9: Comunicar conclusiones, así como el conocimiento y las razones últimas que las sustentan, a audiencias especializadas y no especializadas de una manera clara e inequívoca.
- CB10: Desarrollar las habilidades de aprendizaje que permitan continuar estudiando de manera que se sea en gran medida autodirigido o autónomo.
* Competencias generales
- CG1: Aplicar las técnicas de análisis y representación de la información, para adaptarla a problemas reales.
- CG4: Sintetizar las conclusiones obtenidas del análisis de datos y presentarlas de forma clara y convincente en un entorno bilingüe (español e inglés), tanto escrito como oral.
- CG5: Generar nuevas ideas (creatividad) y anticiparse a nuevas situaciones, en los contextos de análisis de datos y de toma de decisiones.
- CG6: Aplicar habilidades sociales para el trabajo en equipo y para relacionarse con los demás de forma autónoma.
* Competencias específicas
- CE1: Aplicar conocimientos avanzados de inferencia estadística en el desarrollo de métodos de análisis de problemas reales.
- CE2: Usar software libre como R y Python para la implementación de análisis estadísticos.
- CE5: Aplicar los fundamentos estadísticos avanzados para el desarrollo y análisis de problemas reales que implican la predicción de una respuesta variable.
- CE6: Aplicar modelos no paramétricos para la interpretación y predicción de fenómenos aleatorios.
- CE10: Aplicar la modelización estadística en el tratamiento de problemas relevantes en el campo científico.
* Resultados del aprendizaje
Adquisición de conocimientos sobre: 1) estimadores núcleo de la densidad y sus aplicaciones; 2) métodos de regresión no paramétricos basados en suavizado; 3) contrastes de hipótesis no paramétricos.