|
Tipo A
|
Código |
Competencias Específicas |
| |
Comun |
| |
AC5 |
CE5-Percibir, apreciar y utilizar la diversidad de ámbitos de conocimiento que participan en el área de la nutrición y el metabolismo. |
| |
Profesionalizador |
| |
Investigador |
|
Tipo B
|
Código |
Competencias Transversales |
| |
Comun |
|
Tipo C
|
Código |
Competencias Nucleares |
| Objetivos |
Competencias |
| Calcular medidas estadísticas descriptivas de un conjunto de datos poblacionales agrupados o no en intervalos. |
AC5
|
|
|
| Calcular probabilidades de diversos sucesos cuando se trabaja con alguna de las distribuciones siguientes: binomial, Poisson, uniforme discreta, uniforme continua, exponencial, normal, t de Student, chi-cuadrado, F de Fisher. |
AC5
|
|
|
| Construir el intervalo de confianza para: promedio, diferencia de promedios, varianza, coeficiente de varianzas, una proporción y la diferencia de proporciones a partir de datos muestrales. |
AC5
|
|
|
| Aplicar contrastes de hipótesis para: promedio, diferencia de promedios, varianza, coeficiente de varianzas, una proporción y la diferencia de proporciones a partir de datos muestrales. |
AC5
|
|
|
| Contrastar si uno o diversos factores influyen sobre una variable respuesta.
|
AC5
|
|
|
| Calcular les medidas relacionadas con las regresiones lineales, simples y múltiples, y no lineales simples. |
AC5
|
|
|
| Aplicar algún programa informático para la resolución de problemas de inferencia estadística o de análisis multivariante de datos. |
AC5
|
|
|
| Interpretar los resultados proporcionados por algún programa informático cuando se aplica alguna de las técnicas de interferencia estadística o de análisis multivariante de datos. |
AC5
|
|
|
| tema |
Subtema |
| 1. Introducción al análisis de datos. |
1.1. Concepto de estadística. Contenido de la estadística. 1.2. Concepto de población, muestra, individuo y variable estadística. 1.3. Clasificación de las variables estadísticas. 1.4. Distribución de frecuencias. Representaciones gráficas. 1.5. Agrupación de datos en intervalos. 1.6. Parámetros de posición. 1.7. Parámetros de dispersión. |
| 2. Modelos de distribución de probabilidades. |
2.1. Distribuciones discretas: Bernoulli, binomial, Poisson, uniforme. 2.2. Distribuciones continúas: uniforme, exponencial, normal. 2.3. Ley normal general. Ley normal reducida: N(0,1). 2.4. Distribuciones deducidas de la normal: khi-quadrat, t de Student i F de Snedecor. 2.5. Convergencia a la ley normal: teorema del límite central. 2.6. Ejemplos de aproximación de algunas distribuciones a la distribución normal. 2.7. Uso de las tablas estadísticas. |
| 3. Intervalos de confianza. |
3.1. Concepto de estimador y de parámetro. Estimación puntual y estimación por intervalos. 3.2. Propiedades de los estimadores: sesgo, eficiencia y consistencia. 3.3. Algunos métodos de estimación: el método de los momentos y el método del máximo de verosimilitud. 3.4. Noción de intervalo de confianza. Coeficiente de confianza. 3.5. Determinación de algunos intervalos de confianza para: el promedio, diferencia de promedios, varianza, coeficiente de varianzas, una proporción y la diferencia de proporciones. |
| 4. Contraste de hipótesis. |
4.1. Hipótesis estadísticas. Tipos de hipótesis. 4.2. Concepto de región crítica y región de aceptación. 4.3. Tipos de errores. Potencia de un contraste. Nivel de significación. 4.4. Aplicación de los contrastes de hipótesis para: el promedio, diferencia de promedios, varianza, coeficiente de varianzas, una proporción y la diferencia de proporciones. |
| 5. Análisis de la varianza (ANOVA). |
5.1. Generalidades sobre el análisis de la varianza. 5.2. Diseño ANOVA de un factor. 5.3. Diseño ANOVA de dos factores sin interacción. Bloques aleatorizantes. 5.4. Diseño ANOVA de dos factores con interacción. 5.5. SPSS: diseño ANOVA con dos o más factores. 5.6. Análisis de la covarianza (ANCOVA). 5.7. Medidas repetidas. |
| 6. Regresión lineal. |
6.1. Relación entre variables. 6.2. Modelo de regresión muestral simple. 6.3. Regresión lineal simple: estimación de parámetros por el método de los mínimos cuadrados. 6.4. Regresión lineal simple: medidas de bondad de ajuste. 6.5. Regresión lineal simple: construcción de intervalos de predicción. 6.6. Regresión no lineal. 6.7. Regresión lineal múltiple. 6.8. Contrastes de significación. 6.9. Resultados con el programa Excel. 6.10. Resultados con el programa SPSS. |
| 7. Análisis multivariante. |
7.1. Clasificación de los métodos de análisis multivariante. 7.2. Análisis factorial. Análisis de componentes principales. 7.3. Análisis clúster no jerárquico. 7.4. Análisis clúster jerárquico. 7.5. Análisis discriminante. |
| Metodologías :: Pruebas |
| |
Competencias |
(*) Horas en clase |
Horas fuera de clase |
(**) Horas totales |
| Actividades introductorias |
|
1 |
0 |
1 |
| |
| Sesión magistral |
|
9 |
18 |
27 |
| Practicas a través de TIC en aulas informáticas |
|
9 |
36 |
45 |
| |
| Atención personalizada |
|
1 |
0 |
1 |
| |
| Pruebas prácticas |
|
1 |
0 |
1 |
| |
(*) En el caso de docencia no presencial, serán las horas de trabajo con soporte virtual del profesor.
(**) Los datos que aparecen en la tabla de planificación son de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías
| |
descripción |
| Actividades introductorias |
Introducción de la asignatura donde se explican los contenidos a trabajar, los objetivos a evaluar, la metodología que se usa y el método de evaluación. |
| Sesión magistral |
El profesor explica los contenidos teóricos de cada tema. Se usa la pizarra y la proyección de los apuntes. |
| Practicas a través de TIC en aulas informáticas |
Se pide a los alumnos que hagan y entreguen prácticas, realizadas con el ordenador, relacionadas con los contenidos que se están trabajando en cada momento. Estas prácticas forman parte de la evaluación continuada de la asignatura. |
| Atención personalizada |
Los alumnos pueden recibir atención personalizada de cualquier aspecto del curso durante las horas de atención de alumnos y en las horas de resolución de ejercicios y prácticas en el aula de informática. |
| |
| Atención personalizada |
| Practicas a través de TIC en aulas informáticas |
|
|
descripción |
| Los alumnos pueden recibir atención personalizada de cualquier aspecto del curso durante las horas de atención de alumnos y en las horas de resolución de ejercicios y prácticas en el aula de informática. |
|
| |
descripción |
Peso |
| Practicas a través de TIC en aulas informáticas |
Se valorará el aprovechamiento de las prácticas. Para no ver penalizada la nota de esta parte, se pedirá un mínimo de asistencia del 80% de las clases. |
50% |
| Pruebas prácticas |
Examen final de carácter práctico y de síntesis. Se permite el uso de apuntes y de material del curso. |
50% |
| |
|
Otros comentarios y segunda convocatoria |
|
Durante las pruebas de evaluación, los teléfonos móviles, tablets y otros aparatos que no sean expresamente autorizados para la prueba, deberán estar apagados y guardados. La realización de una acción fraudulenta en alguna actividad evaluadora de una asignatura tanto por soporte material como virtual y electrónico comportará al estudiante el suspenso de esta actividad evaluadora. Con independencia de esto, teniendo en cuenta la gravedad de los hechos, el centro podrá proponer la iniciación de un expediente disciplinario que será incoado mediante la resolución del rector o rectora. En la segunda convocatoria del examen también será de carácter práctico y de síntesis y se permite el uso de los apuntes y material del curso. Este examen será, si las circunstancias lo permiten, presencial. Sino será virtual |
| Básica |
Mateo, J.M., Estadística pràctica pas a pas, ,
|
|
| Complementaria |
|
|
(*)La Guía docente es el documento donde se visualiza la propuesta académica de la URV. Este documento es público y no es modificable, excepto en casos excepcionales revisados por el órgano competente o debidamente revisado de acuerdo la normativa vigente. |
|