Guía docente de Entornos de Computación Estadística (M42/56/1/40)

1. Computación Estadística y Estadística Computacional. Evolución histórica.
2. Metodología del Análisis Estadístico Computacional con R y Python.
3. Casos prácticos: análisis estadístico de datos. Comparación de software.
4. Resolución práctica de problemas clásicos de la Estadística con R y Python.

Es muy recomendable tener una buena formación matemático/estadística  previa para la realización de la asignatura.

El estudiante 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 estudiante será capaz:

Aplicar estas técnicas a casos concretos

Tema 1. Entorno de análisis y programación estadística R.

1.1. R un entorno de análisis y programación estadísticos.

1.2. Algunas clases de objetos comunes.

1.3. Funciones.

1.4. Uso de archivos externos.

1.5. Gráficos.

1.6. Fórmulas y modelos.

1.7. Análisis estadísticos elementales de datos.

1.8. Creación de documentos dinámicos.

Tema 2. Metodología del Análisis Estadístico Computacional con Python.

2.1. Introducción a Python como alternativa a R.

2.2. Principales paquetes para el análisis de datos.

2.3. Análisis estadísticos elementales de datos.

2.4. Creación de documentos dinámicos.

Tema 3. Casos prácticos: análisis estadístico de datos. Comparación de software.

En cada tema se hará uso del programa estadístico especificado, realizando diversos ejercicios y aplicaciones prácticas relacionadas con los contenidos del tema.

1. Crawley, M.J. (2012). The R book, 2nd ed. John Wiley & Sons Inc.
2. Crawley - Statistics: An Introduction Using R, 2nd ed. (2015).
3. de Vries, Meys (2016) . R For Dummies, 2nd ed. John Wiley & Sons Inc.
4. Faraway, J.J. (2002). Practical Regression and Anova using R. Ed. el autor.
5. Fischetti (2015).  Data Analysis with R. Packt Publishing
6. Gillespie, Lovelace (2016).  Efficient R Programming. O'Reilly.
7. Ren – Learning R Programming (2016), Packt Publishing
8. Spector, P. (2008). Data Manipulation with R. Springer Science+Business Media, LLC.
9. Tattar, Ramaiah, Manjunath (2016).  A Course in Statistics with R. Wiley
10. Haslwanter, T. (2022). An Introduction to Statistics with Python. 2nd ed. Springer.
11. McKinney, W. (2018). Python for Data Analysis. 2nd Edition. O'Reilly.

1. Chambers – Extending R (2016), CRC Press
2. Gentle, J.E. (2002). Elements of Computational Statistics. Springer-Verlag, New York, Inc.
3. Deepayan, S. (2008). Lattice: Multivariate Data Visualization with R. Springer.
4. Wickham, H. (2019). Advanced R. The R Series. Chapman & Hall/CRC.
5. Wickham,H. (2016). ggplot2. Elegant Graphics for Data Analysis. Springer.
6. Wickham, H. y Grolemund, G. (2016). R for Data Science: Import, Tidy, Transform,Visualize, and Model Data. O'Reilly Media. Canada.
7. Zhang (2016). R for Programmers. Mastering the Tools. CRC Press

1. The R Project for Statistical Computing. http://www.r-project.org
2. RStudio. http://www.rstudio.com
3. Python. https://www.python.org
4. Anaconda. https://www.anaconda.com

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.

El estudiante será evaluado teniendo en cuenta los tres aspectos siguientes:

• Resolución de las actividades propuestas (hasta 9 puntos). Se proponen al estudiante tres actividades a entregar mediante la plataforma en las fechas fijadas al comienzo del curso.
• 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. 

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.

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.