Guía docente de Entornos de Computación Estadística (M42/56/1/40)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- María Dolores Martínez Miranda
- Yolanda Román Montoya
Breve descripción de contenidos (Según memoria de verificación del Máster)
- Computación Estadística y Estadística Computacional. Evolución histórica.
- Metodología del Análisis Estadístico Computacional con SPSS.
- Metodología del Análisis Estadístico Computacional con los entornos de análisis y programación estadística R
- Casos prácticos: análisis estadístico de datos reales. Comparación de software.
- Resolución práctica de problemas clásicos de la Estadística con R
- Contrastes de hipótesis e intervalos de confianza paramétricos y no paramétricos.
- Análisis de Regresión: estimación paramétrica.
- Estimación no paramétrica de curvas notables: regresión y densidad.
- Métodos multivariantes.
Prerrequisitos y/o Recomendaciones
Es muy recomendable tener una buena formación matemático/estadística previa para la realización de la asignatura.
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:
- Las herramientas estadísticas computacionales que se adaptarán al nivel de conocimientos estadísticos que este posea.
- Habilidades computacionales, que se adaptarán a los conocimientos previos del alumno y a sus intereses particulares.
El alumno será capaz:
Aplicar estas técnicas a casos concretos
Programa de contenidos Teóricos y Prácticos
Teórico
Bloque 1. Computación Estadística y Estadística Computacional. Evolución histórica.
Bloque 2. Entornos de análisis y programación estadística: R.
Tema 1. R un entorno de análisis y programación estadísticos.
Tema 2. Algunas clases de objetos comunes.
Tema 3. Funciones.
Tema 4. Uso de archivos externos.
Tema 5. Gráficos.
Tema 6. Fórmulas y modelos.
Tema 7. Análisis estadísticos elementales.
Bloque 3 Metodología del Análisis Estadístico Computacional con SPSS.
Tema 1. Introducción a SPSS.
Tema 2. Descripción de SPSS.
Tema 3. Lenguaje de órdenes de SPSS.
Tema 4. Programación de aplicaciones en SPSS.
Tema 5. Algunos análisis estadísticos con SPSS.
Bloque 4. Casos prácticos: análisis estadístico de datos reales.
Bloque 5. Resolución práctica de problemas claves de la estadística con R.
Práctico
En cada bloque se hará uso del programa estadístico especificado, realizando diversos ejercicios y aplicaciones prácticas relacionadas con cada uno de los temas impartidos.
Bibliografía
Bibliografía fundamental
- Arriaza Gómez, J., Fernández Palacín, F., López Sánchez, M.A., Muñoz Márquez, M., Pérez Plaza, S. y Sánchez Nava, S. (2008). Estadística Básica con R y R-Commander. Disponible libre on-line (http://knuth.uca.es/ebrcmdr).
- Chambers – Extending R (2016), CRC Press
- Crawley, M.J. (2012). The R book, 2nd ed. John Wiley & Sons Inc.
- de Vries, Meys (2016) . R For Dummies, 2nd ed. John Wiley & Sons Inc.
- Faraway, J.J. (2002). Practical Regression and Anova using R. Ed. el autor.
- Fischetti (2015). Data Analysis with R. Packt Publishing
- Gentle, J.E. (2002). Elements of Computational Statistics. Springer-Verlag, New York, Inc.
- Gillespie, Lovelace (2016). Efficient R Programming. O'Reilly.
- Johnson, Morgan (2016) - Survey Scales. A Guide to Development, Analysis, and Reporting. The Guilford Press
- Lizasoan, L. y Joaristi, L. (1999). SPSS para Windows. Ed. Rama
- O'Regan (2012). A Brief History of Computing, 2nd ed. Springer
- Pérez, C. (2004). Técnicas de Análisis Multivariante de Datos. Aplicaciones con SPSS. Ed. Pearson.Prentice Hall.
- Pérez, C. (2001). Técnicas estadísticas con SPSS. Ed. Prentice.
- Ren – Learning R Programming (2016), Packt Publishing
- Robbins, Robbins (2013). Effective graphs with Microsoft R Open. Microsoft
- Spector, P. (2008). Data Manipulation with R. Springer Science+Business Media, LLC.
- Soh (2016). Understanding Test and Exam Results Statistically. Springer
- Tattar, Ramaiah, Manjunath (2016). A Course in Statistics with R. Wiley
- SPSS para Windows. Manual del usuario
Bibliografía complementaria
- Johnson, Morgan (2016) - Survey Scales. A Guide to Development, Analysis, and Reporting. The Guilford Press
- Lizasoan, L. y Joaristi, L. (1999). SPSS para Windows. Ed. Rama
- https://blog.revolutionanalytics.com/2011/11/three-free-books-on-r-for-statistics.html
- http://pluto.huji.ac.il/~msby/StatThink/index.html
- Van der Linden ed. (2016). Handbook of Item Response Theory, Volume Two. Statistical Tools. CRC Press
- Wickham (2016). ggplot2. Elegant Graphics for Data Analysis, 2nd ed. Springer
- Zhang (2016). R for Programmers. Mastering the Tools. CRC Press
Enlaces recomendados
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.
La evaluación de la asignatura dependerá del itinerario seguido para su curso (elección que se hará en la actividad 0), si bien desde cualquiera de ellos el estudiante podrá obtener la máxima puntuación (10 puntos).
De forma común a todos los itinerarios, el estudiante será evaluado teniendo en cuenta los tres aspectos siguientes:
- Resolución de las actividades propuestas (hasta 9 puntos). Desde cada itinerario se proponen al estudiante dos actividades a entregar mediante la plataforma en las fechas fijadas (una hacia la mitad del curso y otra al final del mismo).
- Presentación de resultados del aprendizaje y conclusiones del trabajo realizado al final del curso (hasta 1 punto). El estudiante deberá confeccionar un informe final, evaluando tanto el trabajo personal realizado en la asignatura, como los contenidos de la misma.
Evaluación Extraordinaria
El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.
Una vez emitidas las calificaciones de la convocatoria ordinaria, a los estudiantes que no hayan superado la asignatura, se le propondrán una serie de actividades referidas a todos los contenidos del curso que deberán ser entregadas en el periodo que se establezca en septiembre.
Evaluación única final
El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.
Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.
La evaluación en tal caso consistirá en la propuesta de una serie de actividades referidas a todos los contenidos del curso que deberán ser entregadas en la fecha establecidas para la evaluación única final.