Denominación de la asignatura |
Estadística II |
Grado al que pertenece |
Administración y dirección de empresas (ADE) |
Créditos ECTS |
6 |
Curso y cuatrimestre en el que se imparte |
Segundo curso, primer cuatrimestre |
Carácter de la asignatura | Obligatoria |
El objetivo fundamental de la asignatura es proporcionar a los alumnos los métodos y procedimientos necesarios para hacer inferencias de una población, a partir de una pequeña parte de la misma, la muestra.
Partiendo de los contenidos previos de la asignatura Estadística I, comenzamos recordando la definición de estadístico, como fuente de información muestral, sobre la que vamos a trabajar desde distintos puntos siempre con el objetivo de localizar o aproximarse al parámetro muestral desconocido.
En la segunda parte de la asignatura, se trabajarán los contenidos correspondientes a la regresión para poder analizar, contrastar hipótesis y predecir en términos de un modelo que relacione variables.
Competencias generales
Competencias específicas
Tema 1. Distribuciones en el muestreo. Estimación puntual
Estadístico y distribución muestral
Distribución en el muestreo de la media muestral
Distribución en el muestreo de la varianza muestral
Definición de estimación puntual
Propiedades de los estimadores puntuales
Tema 2. Estimadores de máxima verosimilitud
El método de Máxima Verosimilitud
Propiedades de los EMV
Ejemplos
Tema 3. Intervalos de confianza
Tratamiento y definición del problema
Intervalo de confianza para la media de una normal: varianza poblacional conocida
Intervalo de confianza para la media de una normal: varianza poblacional desconocida
Intervalo de confianza para la varianza de una normal
Intervalo de confianza para proporciones de una población
Intervalo de confianza para la diferencia de medias de dos poblaciones normales
Intervalo de confianza para el cociente de varianzas
Intervalo de confianza para la diferencia de proporciones
Intervalos asintóticos
Tema 4. Contraste de hipótesis
Conceptos fundamentales del contraste de hipótesis
Pasos a seguir en un contraste de hipótesis
Contrastes paramétricos para una población
Contrastes paramétricos para dos poblaciones. Muestras independientes
Contrastes no paramétricos
Tema 5. Análisis de regresión I: el modelo de regresión lineal simple
Modelo de regresión lineal simple
Hipótesis básicas de regresión lineal
Estimación de los parámetros
Capacidad explicativa de la regresión lineal
Intervalos de confianza y contraste de hipótesis
Predicciones
Tema 6. Análisis de regresión II: diagnóstico de las hipótesis habituales e introducción a la regresión lineal múltiple
Modelo de regresión múltiple
Hipótesis básicas del modelo de regresión lineal múltiple
Estimación de los parámetros
Capacidad explicativa de una ecuación de regresión lineal
Intervalos de confianza y contraste de hipótesis
Contraste de regresión múltiple
Multicolinealidad
Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.
Las actividades formativas de esta asignatura son las siguientes:
En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.
Estas actividades formativas prácticas se completan, por supuesto, con estas otras:
Las horas de dedicación a cada actividad se detallan en la siguiente tabla:
ACTIVIDADES FORMATIVAS |
HORAS |
Clases, conferencias, técnicas expositivas | 45 |
Tutoría individual | 5,4 |
Participación en foros | 14,4 |
Lecturas complementarias dirigidas | 5,4 |
Estudio personal | 30,6 |
Resolución de ejercicios y su corrección | 41,4 |
Realización de pruebas de seguimiento y evaluación final | 7,2 |
Elaboración de casos prácticos | 30,6 |
Total | 180 |
Bibliografía básica
Tema 2
Bibliografía complementaria
Álvarez Cáceres, R. (2007). Estadística aplicada a las Ciencias de la Salud. Madrid: Díaz de Santos.
De Groot, M. (1988). Probabilidad y estadística. Madrid: Addison-Wesley.
Kalbfleisch, J. G. (1984). Probabilidad e inferencia estadística 2. Madrid: AC.
Cáceres Hernández, J. J. (2007). Conceptos básicos de estadística para ciencias sociales. Madrid: Delta.
Serret Moreno-Gil, J. (1995). Manual de estadística universitaria inductiva. Madrid: ESIC.
Peña, D. (2008). Fundamentos de Estadística. Madrid: Alianza Editorial.
Ross, S. (2007). Introducción a la Estadística. Barcelona: Reverté.
Meyer, P. (2004). Probabilidad y aplicaciones estadísticas. Massachusetts (USA): Addison-Wesley Iberoamericana.
Peña, D. (2010). Regresión y Diseño de experimentos. Madrid: Alianza Editorial.
Anderson, D. y Sweeney, D. (2008). Estadística para Administración y Economía. México: Cengage Learning Editores.
El sistema de calificación se basa en la siguiente escala numérica:
0 - 4, 9 |
Suspenso |
(SS) |
5,0 - 6,9 |
Aprobado |
(AP) |
7,0 - 8,9 |
Notable |
(NT) |
9,0 - 10 |
Sobresaliente |
(SB) |
La calificación se compone de dos partes principales:
El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final (6 puntos sobre 10) y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO (es decir, obtener 3 puntos de los 6 totales del examen).
La evaluación continua supone el 40% de la calificación final (es decir, 4 puntos de los 10 máximos). Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.
Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua es de 6 puntos. Así, puedes hacer las que prefieras hasta conseguir un máximo de 4 puntos (que es la calificación máxima que se puede obtener en la evaluación continua). En la programación semanal de la asignatura, se detalla la calificación máxima de cada actividad o evento concreto puntuables.
SISTEMA DE EVALUACIÓN |
PONDERACIÓN MIN. |
PONDERACIÓN MÁX. |
Participación en foros y otros medios participativos | 0 |
10 |
Elaboración de trabajos grupales | 0 |
10 |
Elaboración de ejercicios individuales | 0 |
20 |
Lecturas Complementarias | 0 |
60 |
Ángel Alberto Magreñán Ruiz
Formación: Ingeniero Técnico en Informática de Gestión (Universidad de la Rioja), Doctor en Matemáticas (Universidad de La Rioja) y Certificado de Aptitud Pedagógica (Universidad de La Rioja).
Experiencia: Acreditado por ANECA como Contratado Doctor y Profesor de Universidad Privada, este profesor es miembro del grupo de investigación PRIENOL (Procesos Iterativos y Ecuaciones NO Lineales). Además ha participado en distintos proyectos de I+D+i concedidos a dicho grupo. Colabora activamente con distintos grupos de investigación de reconocido prestigio de Europa, Asia y América. Ha desarrollado software para diversas empresas como Addlink S.L. o GER (filial riojana de Iberdrola).
Líneas de investigación: Su investigación se centra en el campo de la matemática aplicada y más concretamente en el estudio de procesos iterativos (convergencia, eficiencia, etc.). Ha publicado más de 30 obras en revistas de investigación indexadas, capítulos de libro y congresos, además es revisor de varias revistas indexadas.
Obviamente, al tratarse de formación online puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:
Recuerda que en el aula virtual de Lo que necesitas saber antes de empezar puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.
Ten en cuenta estos consejos…
|