Guía docente de Aspectos Computacionales en la Estimación de Errores en Encuestas por Muestreo (M42/56/1/35)

Curso 2023/2024

Fecha de aprobación por la Comisión Académica 05/07/2023

Máster

Máster Universitario en Estadística Aplicada

Módulo

Módulo II: Formación para la Investigación

Rama

Ciencias

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Segundo

Créditos

Tipo

Optativa

Tipo de enseñanza

Enseñanza Virtual

Profesorado

Ramón Ferri García
Pablo Morales Álvarez
María Del Mar Rueda García

Tutorías

Ramón Ferri García

Primer semestre

Martes 15:00 a 18:00 (Despacho 16, Depart. Estadística, Facultad de Ciencias)
Martes 11:00 a 14:00 (Despacho 16, Depart. Estadística, Facultad de Ciencias)

Pablo Morales Álvarez

Primer semestre

Martes 12:00 a 14:00 (Despacho 16 Dpto Estadística Facultad Ciencias)
Miércoles 17:00 a 19:00 (Despacho 16 Dpto Estadística Facultad Ciencias)
Jueves 17:00 a 19:00 (Despacho 16 Dpto Estadística Facultad Ciencias)

María Del Mar Rueda García

Anual

Miércoles 9:30 a 13:30
Jueves 9:30 a 11:30

Breve descripción de contenidos (Según memoria de verificación del Máster)

1. Estimación aproximada de la varianza. Justificación, definiciones básicas y clasificación de métodos.

2. Técnica de linealización.

3. Técnica de grupos aleatorios.

4. Método Jackknife.

5. Método Bootstrap.

6. Software para estimación de errores muestrales: software comercial y software libre.

7. El entorno R para la estimación de la varianza.

Prerrequisitos y/o Recomendaciones

Es recomendable que el alumno haya cursado alguna asignatura de muestreo en poblaciones finitas.

Competencias

Competencias Básicas

CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
CB10. 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.

Resultados de aprendizaje (Objetivos)

El alumno sabrá/comprenderá:

- La problemática de la estimación de errores de muestreo en encuestas con muestras complejas y con parámetros no lineales.

- Las técnicas aproximadas de estimación de varianzas.

El alumno será capaz:

- Elaborar programas para la estimación de varianzas en situaciones complejas concretas que se le planteen.

Programa de contenidos Teóricos y Prácticos

Teórico

Tema 1. Estimación aproximada de la varianza. Justificación, definiciones básicas y clasificación de métodos.
Tema 2. Técnica de linealización. Definición, aplicación a las estimación de un cociente.
Tema 3. Técnica de grupos aleatorios. Grupos aleatorios dependientes, grupos aleatorios independientes.
Tema 4. Método Jackknife Definición para m.a.s. Definición para otros diseños muestrales.
Tema 5. Método Bootstrap.
Tema 6. Software para estimación de errores muestrales. Librerías de R para la estimación de la varianza.

Práctico

Software para la estimación de errores. El entorno de programación R. Librerías para técnicas de remuestreo.

Bibliografía

Bibliografía fundamental

Wolter, K.M. (1985), Introduction to variance estimation, Springer-Verlag, New York
Särndall, C.E., Swensson, B. and Wretman, J. (1992) Model Assisted Survey Sampling. New York: Springer-Verlag.

Bibliografía complementaria

Antal E, Tillé Y (2011) A direct bootstrap method for complex sampling designs from a finite population. J Am Stat Assoc 106:534–543
Chambers, R.L., Skinner, C.J. (2004) Analysis of Survey Data. John Wiley and Sons,
Tillé, Y and Matei, A, The R sampling package, CRAN, Software manual, 2006
Rao, J.N.K., Wu, C.F.J., and Yue, K. (1992). Some Recent Work on Resampling Methods for
Complex Surveys. Survey Methodology, 18, 209-217.

Enlaces recomendados

Metodología docente

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

El alumno demostrará si ha asimilado los conceptos expuestos en los resúmenes mediante la resolución de las actividades propuestas. Al terminar cada tema se le propondrá una o más actividades asíncronas relacionadas con la técnica concreta estudiada. Todas las actividades de cada tema tendrán el mismo porcentaje en la nota. El porcentaje de estas actividades en la nota final será del 80%.
Se tendrá en cuenta también la actitud del alumno ante la materia, su dedicación continuada, su asimilación de conceptos y su capacidad para resolver los problemas planteados en las fechas fijadas. Esto supondrá el 20% de la nota final.