Guía docente de Estadística Computacional I (223112A)
Grado
Rama
Módulo
Materia
Curso
Semestre
Créditos
Tipo
Profesorado
Teórico
Práctico
Prerrequisitos y/o Recomendaciones
Breve descripción de contenidos (Según memoria de verificación del Máster)
- Metodología del análisis estadístico computacional
- Programas de ordenador de uso general como soporte para la planificación, recogida, preparación y adaptación de datos
- Programas de ordenador para análisis estadísticos
- Entornos de análisis y programación estadísticos
- Estructuras de datos para el análisis estadístico
- Utilización de medios informáticos para el diseño y análisis de problemas estadísticos reales
Competencias
Competencias Generales
- CG01. CG01. Poseer los conocimientos básicos de los distintos módulos que, partiendo de la base de la educación secundaria general, y apoyándose en libros de texto avanzados, se desarrollan en la propuesta de título de Grado en Estadística que se presenta.
- CG02. CG02. Saber aplicar los conocimientos básicos de cada módulo a su trabajo o vocación de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de la Estadística y ámbitos en que esta se aplica directamente.
- CG03. CG03. Saber reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- CG04. CG04. Poder transmitir información, ideas, problemas y sus soluciones, de forma escrita u oral, a un público tanto especializado como no especializado.
- CG06. CG06. Saber utilizar herramientas de búsqueda de recursos bibliográficos.
- CG08. CG08. Poseer habilidades y aptitudes que favorezcan el espíritu emprendedor en el ámbito de aplicación y desarrollo de su formación académica.
- CG09. CG09. Fomentar y garantizar el respeto a los Derechos Humanos, a los principios de accesibilidad universal, igualdad, y no discriminación; y los valores democráticos, de la cultura de la paz y de igualdad de género.
Competencias Específicas
- CE01. CE01. Conocer los fundamentos básicos del razonamiento estadístico, en el diseño de estudios, en la recogida de información, en el análisis de datos y en la extracción de conclusiones.
- CE02. CE02. Conocer, saber seleccionar y saber aplicar, técnicas de adquisición de datos para su tratamiento estadístico.
- CE03. CE03. Conocer los fundamentos teóricos y saber aplicar modelos y técnicas estadísticas en estudios y problemas reales en diversos ámbitos científicos y sociales.
- CE04. CE04. Saber seleccionar los modelos o técnicas estadísticas para su aplicación en estudios y problemas reales en diversos ámbitos científicos y sociales, así como conocer herramientas de validación de los mismos.
- CE06. CE06. Comprender y utilizar básicamente el lenguaje matemático.
- CE08. CE08. Conocer y saber utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, bases de datos, visualización gráfica y optimización, que sean útiles para la aplicación y desarrollo de las técnicas estadísticas.
- CE09. CE09. Conocer los conceptos básicos y habilidades propias de un ámbito científico o social en el que la Estadística o la Investigación operativa sean una herramienta fundamental.
Resultados de aprendizaje (Objetivos)
- Conocer y saber usar diferentes programas de ordenador adecuados a la resolución de problemas estadísticos.
- Conocer las estructuras de datos y de programación más usuales en el tratamiento informático de problemas estadísticos.
- Ser capaz de adaptarse a cambios en los lenguajes, estructuras y soporte de ordenadores.
- Saber determinar a qué situaciones reales pueden aplicarse diferentes técnicas estadísticas y aplicarlas mediante programas de ordenador.
- Ser capaz de desarrollar nuevos programas en un entorno de programación, tanto general como estadístico
Programa de contenidos Teóricos y Prácticos
Teórico
Tema 1. Introducción a la Estadística Computacional.
Introducción
Historia de la Estadística Computacional
Las sociedades estadísticas y la Estadística Computacional
Evolución de los programas de análisis estadístico
Tema 2. El entorno de programación y análisis R
El lenguaje de programación R
Estructuras de datos
Libros (packages) de R
Tema 3. Programación con R
Estructuras de programación. Algoritmos
Estructuras de programación en R
Creación de funciones propias
Aplicaciones
Tema 4. Metodología del análisis estadístico
Depuración de datos
Métodos gráficos.
Tema 5. Bases de datos. SQL
El lenguaje SQL.
Acceso a bases de datos desde R
SQL y NoSQL.
Gestión de grandes volúmenes de datos en R
Práctico
La asignatura dispone de una hora de prácticas a la semana en subgrupos pequeños que se desarrollará en las aulas de ordenadores de la facultad. En dicha sesión se realizarán ejercicios prácticos de programación.
Bibliografía
Bibliografía fundamental
1. The R Project for Statistical Computing. http://www.r-project.org
2. Crawley - The R Book, 2nd ed (2012)
3. Verzani, J. - Using R for Introductory Statistics. CRC Press. Taylor & Francis group (2014)
Bibliografía complementaria
- Albert, Rizzo - R by Example (2012)
- Bali - R Machine Learning By Example (2016)
- Bühlmann - Handbook of Big Data (2016)
- Gillespie, Lovelace - Efficient R Programming (2016)
- Heineman, Pollice, Selkow - Algorithms in a Nutshell, 2nd ed (2016)
- Lafaye de Micheaux et al. - The R Software. Fundamentals of Programming and Statistical Analysis (2014)
- Maxwell - R Bootcamp. Learn The Basics of R Programming (2016)
- Wickham - ggplot2. Elegant Graphics for Data Analysis, 2nd ed (2016)
- Williams - Data Science with R. Documenting with KnitR (2014)
- Xie - Dynamic Documents with R and knitr, 2nd ed (2015)
- Zumel, Mount - Practical Data Science with R (2014)
Enlaces recomendados
- The R Project for Statistical Computing. http://www.r-project.org
- R para profesionales de los datos: una introducción. Carlos J. Gil Bellosta (2018) https://www.datanalytics.com/libro%5Fr/
- R for Data Science. Garrett Grolemund and Hadley Wickham, 2017. https://r4ds.had.co.nz/
Metodología docente
- MD01. MD1. Lección magistral/expositiva
- MD02. MD2. Sesiones de discusión y debate
- MD03. MD3. Resolución de problemas y estudio de casos prácticos
- MD04. MD4. Prácticas en sala de informática
- MD05. MD5. Seminarios
- MD06. MD6. Ejercicios de simulación
- MD07. MD7. Análisis de fuentes y documentos
- MD08. MD8. Realización de trabajos en grupo
- MD09. MD9. Realización de trabajos individuales
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final)
Evaluación Ordinaria
La evaluación se realizará a partir de la medición de las diversas actividades realizadas a lo largo del curso y que requerirán de un conocimiento uniforme y equilibrado de toda la materia.
Se tendrán en cuenta los siguientes procedimientos, aspectos y criterios, asignando a cada uno de ellos un porcentaje que se mantenga en el rango indicado y de tal manera que su suma constituya el total (100%) de la calificación.
- Pruebas específicas de conocimientos, orales y/o escritas, realizadas durante el curso 45%
- Trabajos y seminarios. Producciones de los alumnos individuales o de grupo 45%
- Participación, actitud y esfuerzo personal de los alumnos en las actividades formativas 10%
NOTA: Todas las pruebas se realizarán con soporte computacional
Evaluación Extraordinaria
Examen teórico-práctico en el que se valorará tanto la adquisición de conocimientos como la capacidad de aplicación de los mismos a situaciones prácticas para la resolución de problemas
Evaluación única final
La evaluación única final establecida en la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada consistirá en un examen escrito teórico-práctico en el que se valorará tanto la adquisición de conocimientos como la capacidad de aplicación de los mismos a situaciones prácticas para la resolución de problemas
Información adicional
Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).
Software Libre
Durante todo el curso se trabajará con el entorno de computación estadística R (https://www.r-project.org/)