Professional Documents
Culture Documents
Asignatura
Estadstica
Materia
Matemticas y Estadstica
Mdulo
Bsico
Titulacin
Plan
446
er
Periodo de imparticin
1 Cuatrimestre
Nivel/Ciclo
Grado
Cdigo
42092
Tipo/Carcter
OB
Curso
Crditos ECTS
Castellano
Profesor/es responsable/s
e-mail: rsmartin@eio.uva.es
tfno: 979 10 84 61
Horario de tutoras
http://www.uva.es/
Departamento
Universidad de Valladolid
1 de 6
1.3 Prerrequisitos
Conocimientos bsicos de Matemticas: representacin grfica de funciones, clculo diferencial y clculo
integral.
2. Competencias
2.1 Generales
G3. Analizar y sintetizar.
G 8. Gestionar la informacin.
G 9. Ser capaz de resolver problemas.
G 15. Razonamiento crtico.
2.2 Especficas
B1. Capacidad para la resolucin de los problemas matemticos que puedan plantearse en la enologa. Aptitud
para aplicar los conocimientos sobre: lgebra lineal; geometra; geometra diferencial; clculo diferencial e
integral; ecuaciones diferenciales y derivadas parciales; mtodos numricos algortmica numrica; estadstica y
optimizacin.
B3. Conocimientos bsicos sobre el uso y programacin de los ordenadores, sistemas operativos, bases de
datos y programas informticos con aplicacin en la ingeniera agrcola y del medio rural.
3. Objetivos
1.
2.
3.
4.
Conocer las tcnicas estadsticas bsicas para el anlisis de datos: regresin y anlisis de la varianza.
5.
HORAS
ACTIVIDADES NO PRESENCIALES
Clases tericas
30
Clases prcticas
15
Laboratorios
15
HORAS
86
4
Total presencial
64
Total no presencial
86
Universidad de Valladolid
2 de 6
5. Bloques temticos
Bloque 1: MODELOS PROBABILISTICOS
Carga de trabajo en crditos ECTS:
a. Contextualizacin y justificacin
El trmino probabilidad se refiere al estudio de la aleatoriedad y la incertidumbre. En cualquier situacin en la
que pueda ocurrir uno de varios resultados, la teora de probabilidad proporciona herramientas para cuantificar
las oportunidades, o probabilidades, que estn asociadas a los diversos resultados. En este bloque
aprenderemos las reglas bsicas de la teora de probabilidades y de la combinatoria. Tambin se profundizar
sobre los modelos probabilsticos (tanto discretos como continuas) ms comunes, dando especial importancia
al modelo Normal o Gausssiano.
b. Objetivos de aprendizaje
Conocimiento bsico de los modelos probabilsticos.
c. Contenidos
Teora de la probabilidad. Combinatoria. Variables aleatorias. Modelos de variables aleatorias discretas:
binomial, geomtrica, binomial negativa, hipergeomtrica y Poisson. Modelos de variables aleatorias continuas:
uniforme, exponencial, normal, t de Student, chi-cuadrado, F de Fisher. Otros modelos de variables continuas.
Distribuciones de probabilidad en el muestreo. Teorema Central del Lmite.
d. Mtodos docentes
Se utilizar la frmula de la clase magistral para desarrollar la teora y, simultneamente, se desarrollarn
clases de problemas donde el alumno podr ejercitarse con la aplicacin de los resultados tericos.
e. Plan de trabajo
Durante las 10 primeras semanas del cuatrimestre, a razn de 3 horas semanales presenciales en el aula de
las cuales 1 de ellas estar dedicada exclusivamente a la resolucin de problemas prcticos (clase prctica de
aula). Se facilitar a los alumnos unos apuntes con la teora bsica que se desarrollar durante las clases
magistrales y unos listados de problemas que el alumno deber resolver por su cuenta en sus horas no
presenciales de dedicacin a la asignatura. Algunos de ellos podrn ser de obligada presentacin y evaluacin
en la nota final.
f. Evaluacin
Se realizarn dos controles de la materia explicada es este bloque. Estos exmenes presentarn una duracin
de 1hora, cada uno de ellos, y la calificacin obtenida en los mismos representar un 20% de la nota final del
alumno.
Universidad de Valladolid
3 de 6
1.5
a. Contextualizacin y justificacin
Cuando la informacin de la que disponemos es de una muestra, y el objetivo es ir ms all de la muestra para
obtener conclusiones acerca de la poblacin basada en la informacin de la muestra, se emplean mtodos de
Estadstica Inferencial. Los tres tipos importantes de procedimientos inferenciales son la estimacin puntual, la
estimacin por intervalos de confianza y los contrastes de hiptesis.
b. Objetivos de aprendizaje
Conocer los diferentes mtodos y tcnicas de estimacin estadstica aplicables a los modelos probabilsticos
estudiados en el bloque temtico anterior.
c. Contenidos
Estimacin paramtrica y no paramtrica. Mtodos de estimacin ms comunes: mtodo de los momentos y
mtodo de mxima verosimilitud. Estimacin puntual: concepto de estimador: Distribucin exacta y/ asinttica
de los estimadores. Propiedades: insesgadez, consistencia, suficiencia y eficiencia. Estimacin por intervalos
de confianza. Intervalos de confianza ms usuales. Test de hiptesis estadsticas. Regin crtica y regin de
aceptacin. Errores tipo I y tipo II. Tamao y potencia de un test. Algunos test de hiptesis para los modelos
binomial y normal.
d. Mtodos docentes
Se utilizar la frmula de la clase magistral para desarrollar la teora y, simultneamente, se desarrollarn
clases de problemas donde el alumno podr ejercitarse con la aplicacin de los resultados tericos.
e. Plan de trabajo
Durante las 5 ltimas semanas del cuatrimestre, a razn de 3 horas semanales presenciales en el aula de las
cuales 1 de ellas estar dedicada exclusivamente a la resolucin de problemas prcticos (clase prctica de
aula). Se facilitar a los alumnos unos apuntes con la teora bsica que se desarrollar durante las clases
magistrales y unos listados de problemas que el alumno deber resolver por su cuenta en sus horas no
presenciales de dedicacin a la asignatura. Algunos de ellos podrn ser de obligada presentacin y evaluacin
en la nota final.
1.5
a. Contextualizacin y justificacin
Este bloque temtico est dedicado al contacto directo del alumno con conjuntos de datos sobre los cuales
tendr que extraer informacin y aplicar las tcnicas estadsticas bsicas. Cientos de aos se han dedicado al
estudio de la organizacin y resumen de datos. La parte de la Estadstica que se relaciona con los mtodos
Universidad de Valladolid
4 de 6
para realizar estas operaciones se llama Estadstica Descriptiva. Adems los modelos lineales son las tcnicas
ms utilizadas en el tratamiento estadstico de datos, especialmente en el campo de las ciencias agrcolas,
donde tienen su origen.
b. Objetivos de aprendizaje
Resumir y sintetizar la informacin proporcionada por ficheros de datos obtenidos de la experimentacin.
Ajustar modelos probabilsticos a los datos obtenidos.
Utilizar las tcnicas de regresin lineal con datos reales.
Realizar anlisis de la varianza sencillos con datos reales.
c. Contenidos
Estadstica Descriptiva univariante y multivariante. Correlacin y regresin lineal. Introduccin al Anlisis de la
Varianza.
d. Mtodos docentes
Se impartirn las clases directamente en el Laboratorio utilizando el software estadstico instalado en los
ordenadores y utilizando conjuntos de datos reales obtenidos mediante experimentacin. Simultneamente se
irn explicando los conceptos tericos necesarios y resolviendo problemas con los datos disponibles para que
el alumno puede ejercitarse con el Anlisis de Datos.
e. Plan de trabajo
Este bloque temtico se impartir durante las 15 semanas del cuatrimestre a razn de 1 hora semanal en el
Laboratorio de Estadstica. Se facilitar a los alumnos unos apuntes con la teora bsica que se desarrollar
durante las clases de laboratorio y un fichero con datos reales que el alumno podr utilizar para ejercitar todo lo
desarrollado en clase.
f. Evaluacin
A la finalizacin de las clases de laboratorio se realizar un examen de prcticas con un fichero de datos real.
La duracin de este examen ser de 45 minutos y su calificacin representar el 20% de la nota final de
alumno.
BLOQUE TEMTICO
Modelos probabilsticos
CARGA
ECTS
PERIODO PREVISTO
DE DESARROLLO
Semanas 1-10
Inferencia Estadstica
1.5
Semanas 11-15
1.5
Semanas 1-15
Universidad de Valladolid
5 de 6
7. Bibliografa
Bibliografa bsica
Scheaffer, R.L., McClave, J.T.: Probabilidad y Estadstica para Ingeniera. Grupo Editorial Iberoamrica.
Mendenhall, Scheaffer, Wackerly: Estadstica Matemtica con Aplicaciones. Grupo Editorial Iberoamrica.
Bibliografa complementaria
Pea, D.: Estadstica Modelos y Mtodos, Vols. I y II. Alianza Universidad Textos.
Mendenhall, W., Sincich T.: Statistics for Engineering and the Sciences. Maxwell-MacMillan Editions.
Candel Ato, J., Marn Prez, A. y Ruiz Gmez, J.M.: Estadstica Aplicada I: Estadstica Descriptiva. Ed. PPU.
Devore, J.L., Peck, R.: Statistics: The Exploration and Analysis of Data. Duxbury Press.
PESO EN LA
NOTA FINAL
Control 1
10%
Control 2
10%
Examen de Prcticas
20%
Examen Final
60%
OBSERVACIONES
Segunda Convocatoria: Se realizar un examen escrito que representar el 80% de la calificacin final de
alumno y un examen de prcticas en el laboratorio que representar el 20%
9. Consideraciones finales
La programacin prevista puede sufrir pequeas variaciones en funcin de la dinmica del curso y siempre por
motivos docentes. No obstante, se realizar un esfuerzo por cumplir fielmente la temporalizacin por bloques
temticos.
Universidad de Valladolid
6 de 6