Gua docente de la asignatura

Gua docente de la asignatura

Asignatura

Estadstica

Materia

Matemticas y Estadstica

Mdulo

Bsico

Titulacin

Grado en Ingeniera Agrcola y del Medio Rural

Plan

446
er

Periodo de imparticin

1 Cuatrimestre

Nivel/Ciclo

Grado

Cdigo

42092

Tipo/Carcter

OB

Curso

Crditos ECTS

Lengua en que se imparte

Castellano

Profesor/es responsable/s

San Martn Fernndez, Roberto

Datos de contacto (E-mail,

telfono)

e-mail: rsmartin@eio.uva.es
tfno: 979 10 84 61

Horario de tutoras

http://www.uva.es/

Departamento

Estadstica e Investigacin Operativa

1. Situacin / Sentido de la Asignatura

1.1 Contextualizacin
Esta asignatura forma parte del Mdulo Bsico de la titulacin de Grado en Ingeniera Agrcola y del Medio
Rural y se imparte en el primer cuatrimestre del segundo curso. El sentido de la asignatura viene dado por la
necesidad de estos graduados de trabajar con ficheros datos procedentes de variables aleatorias. Se hace
necesario por tanto aprender a trabajar con este tipo de variables y desarrollar mtodos estadsticos que
permitan extraer conclusiones y tomar decisiones en presencia de incertidumbre. El uso de modelos
probabilsticos y mtodos estadsticos ara analizar datos se ha convertido en una prctica comn en
virtualmente todas las disciplinas cientficas.

1.2 Relacin con otras materias

La asignatura est muy relacionada con Matemticas y Computacin puesto que en su desarrollo se utiliza el
Clculo Diferencial e Integral de una y varias variables. Tambin hay otras asignaturas de la carrera que
precisan del anlisis estadstico de datos procedentes de variables aleatorias como por ejemplo las asignaturas
de Gentica y Mejora Vegetal Hidrulica. Como ya se ha comentado el anlisis de datos es prctica comn
en la totalidad de reas cientficas.

Universidad de Valladolid
1 de 6

Gua docente de la asignatura

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.

Conocimiento bsico de los modelos probabilsticos.

2.

Conocimiento de los mtodos fundamentales de inferencia estadstica: estimacin puntual, intervalos de

confianza y contraste de hiptesis.

3.

Ser capaz de resumir, describir y analizar conjuntos de datos: estadstica descriptiva.

4.

Conocer las tcnicas estadsticas bsicas para el anlisis de datos: regresin y anlisis de la varianza.

5.

Manejar software estadstico para la aplicacin de las tcnicas anteriormente descritas.

4. Tabla de dedicacin del estudiante a la asignatura

ACTIVIDADES PRESENCIALES

HORAS

ACTIVIDADES NO PRESENCIALES

Clases tericas

30

Estudio y trabajo autnomo individual

Clases prcticas

15

Estudio y trabajo autnomo grupal

Laboratorios

15

HORAS
86

Prcticas externas, clnicas o de campo

Seminarios
Otras actividades

4
Total presencial

64

Total no presencial

86

Universidad de Valladolid
2 de 6

Gua docente de la asignatura

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

Gua docente de la asignatura

Bloque 2: INFERENCIA ESTADISTICA

Carga de trabajo en crditos ECTS:

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.

Bloque 3: ANLISIS DE DATOS: ESTADSTICA DESCRIPTIVA, REGRESIN LINEAL Y ANLISIS DE LA

VARIANZA.
Carga de trabajo en crditos ECTS:

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

Gua docente de la asignatura

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.

6. Temporalizacin (por bloques temticos)

BLOQUE TEMTICO
Modelos probabilsticos

CARGA
ECTS

PERIODO PREVISTO
DE DESARROLLO

Semanas 1-10

Inferencia Estadstica

1.5

Semanas 11-15

Anlisis de Datos: Estadstica Descriptiva, Regresin Lineal y

Anlisis de la Varianza

1.5

Semanas 1-15

Universidad de Valladolid
5 de 6

Gua docente de la asignatura

7. Bibliografa
Bibliografa bsica

De la Horra Navarro, J.: Estadstica Aplicada. Daz de Santos.

Scheaffer, R.L., McClave, J.T.: Probabilidad y Estadstica para Ingeniera. Grupo Editorial Iberoamrica.

Mendenhall, Scheaffer, Wackerly: Estadstica Matemtica con Aplicaciones. Grupo Editorial Iberoamrica.

Canavos, G.C.: Probabilidad y Estadstica. Mac Graw Hill.

Walpole y Myers: Probabilidad y Estadstica para Ingenieros. Mac Graw Hill.

Bibliografa complementaria

Myra, L. Samuels: Statistics for the Life Sciences. Maxwell-McMillan Editions.

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.

Sokal, R.R.; Rohlf, F.J.: Biometry. W. H. Freeman.

Spiegel M.R.: Estadstica. Mac Graw Hill.

Cuadras C.M.: Problemas de Probabilidades y Estadstica. PPU.

Lipschutz, S.: Probabilidad. Mc Graw Hill.

Ros, S.: Ejercicios de Estadstica. Paraninfo S.A.

Sarabia, A. y Mat, C.: Problemas de Probabilidad y Estadstica. CLAGSA.

8. Sistema de calificaciones Tabla resumen

INSTRUMENTO/PROCEDIMIENTO

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