Guía docente de Estadística Computacional II (2231138)

Curso 2025/2026
Fecha de aprobación: 25/06/2025

Grado

Grado en Estadística

Rama

Ciencias

Módulo

Estadística Computacional

Materia

Estadística Computacional

Curso

3

Semestre

2

Créditos

6

Tipo

Obligatoria

Profesorado

Tutorías

Prerrequisitos y/o Recomendaciones

Se recomienda la realización previa de las asignaturas Cálculo de Probabilidades I y II, Estadística Descriptiva e Informática I y II y Estadística Computacional I.

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

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. Programación avanzada con R

  • Aritmética y lógica vectorial. Producto exterior de vectores.
  • Expresiones regulares en R
  • Aplicando funciones a matrices, vectores y listas: apply, sapply, lapply y mapply.
  • Expresiones en R. Notación matemática con plotmath.
  • Gráficos avanzados con R.
  • Funciones en R. El argumento “…”. Definición de funciones auxiliares mediante código. Vectorización de funciones
  • Nuevas clases de objetos en R y métodos asociados.

Tema 2. Creación de libros en R

  • Libros y librerías. Libros fuente
  • Operaciones con libros.
  • Documentación de los objetos de un libro: los archivos Rd.
  • Comprobación y construcción de libros con las Rtools y el comando R CMD

Tema 3. Elaboración de informes de resultados

  • Documentos dinámicos. Archivos noweb
  • R y Latex
  • Sweave
  • knitr

Práctico

En las clases teóricas y prácticas se resolverán numerosos ejercicios de programación con el propósito de ilustrar los contenidos de la asignatura.

Bibliografía

Bibliografía fundamental

1. The R Project for Statistical Computing. http://www.r-project.org

2. Crawley - The R Book, 2nd ed (2012)

Bibliografía complementaria

  1. Albert, Rizzo - R by Example (2012)
  2. Bali - R Machine Learning By Example (2016)
  3. Bühlmann - Handbook of Big Data (2016)
  4. Gillespie, Lovelace - Efficient R Programming (2016)
  5. Heineman, Pollice, Selkow - Algorithms in a Nutshell, 2nd ed (2016)
  6. Lafaye de Micheaux et al. - The R Software. Fundamentals of Programming and Statistical Analysis (2014)
  7. Maxwell - R Bootcamp. Learn The Basics of R Programming (2016)
  8. Wickham - ggplot2. Elegant Graphics for Data Analysis, 2nd ed (2016)
  9. Williams - Data Science with R. Documenting with KnitR (2014)
  10. Xie - Dynamic Documents with R and knitr, 2nd ed (2015)
  11. Zumel, Mount - Practical Data Science with R (2014)

Enlaces recomendados

  1. The R Project for Statistical Computing. http://www.r-project.org
  2. R para profesionales de los datos: una introducción. Carlos J. Gil Bellosta (2018) https://www.datanalytics.com/libro%5Fr/
  3. 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 tendrá en cuenta las diferentes actividades que realicen los alumnos, que pretenderán que estos alcancen un conocimiento uniforme y equilibrado de toda la materia.

Se tendrán en cuenta las siguientes actividades tipo, asignando a cada una de ellas el porcentaje de la nota final indicado, de tal manera que la suma de los porcentajes asignados constituye el total (100%) de la calificación:

  1. Prueba de evaluación global de conocimientos (70%).
  2. Trabajos (ejercicios de programación propuestos, 25%).
  3. Participación, actitud y esfuerzo personal de los alumnos en las actividades formativas (5%).

Evaluación Extraordinaria

La evaluación se llevará a cabo mediante una prueba de evaluación global de conocimientos teórico-prácticos, en la que se valorará tanto la adquisición de conocimientos como la capacidad de aplicación práctica de los mismos a la resolución de problemas concretos, y que supondrá el 100% de la calificación.

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 una prueba de evaluación global de conocimientos teórico-prácticos, en la que se valorará tanto la adquisición de conocimientos como la capacidad de aplicación práctica de los mismos a la resolución de problemas concretos, y que supondrá el 100% de la calificación.

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

Para desarrollar la asignatura se hará uso del software libre R.