Está en la página 1de 4

GUA DOCENTE DE LA

ASIGNATURA

2014
01/11/14
Pgina 1 de 4

Vicerrectorado de Ordenacin Acadmica

DESCRIPCIN DE LA ASIGNATURA
Grado/Mster en:
Centro:
Asignatura:
Cdigo:
Tipo:
Materia:
Mdulo:
Experimentalidad:
Idioma en el que se imparte:
Curso:
Semestre:
N Crditos
N Horas de dedicacin del estudiante:
N Horas presenciales:

Master Universitario en ANLISIS ECONMICO Y EMPRESARIAL por la Universidad de Mlaga


Facultad de Ciencias Econmicas y Empresariales
MTODOS ESTADSTICOS PARA LA ECONOMETRA
106
Obligatoria
MTODOS ESTADSTICOS Y ECONOMTRICOS PARA LA ECONOMA Y LA EMPRESA I
BSICO
Castellano
1
1
3
75
22,5

Tamao del Grupo Grande:


Tamao del Grupo Reducido:
Pgina web de la asignatura:
EQUIPO DOCENTE
Departamento: ECONOMA APLICADA (ESTADSTICA Y ECONOMETRA) (Dep. 15)
rea:

ECONOMA APLICADA

Nombre y Apellidos

Mail

Telfono Laboral

Despacho

Horario Tutoras

Coordinador/a: CARLOS
GAMERO BURON

gamero@uma.es

952132057

2103 - FAC. DE
ECONMICAS

JUAN MARCOS CASTRO mcastro@uma.es


BONAO

952132030

D-1204A - FAC. DE
ECONMICAS

Primer cuatrimestre: Martes 11:30 - 13:00,


Mircoles 10:00 - 11:30, Jueves 10:00 - 13:00
Segundo cuatrimestre: Martes 11:30 - 13:00,
Mircoles 10:00 - 11:30, Jueves 11:30 - 13:00,
Viernes 10:00 - 11:30
Primer cuatrimestre: Lunes 16:30 - 18:30, Martes
12:00 - 15:00, Jueves 12:00 - 13:00 Segundo
cuatrimestre: Viernes 12:00 - 15:00, Mircoles
11:00 - 14:00

RECOMENDACIONES Y ORIENTACIONES
Se recomienda tener conocimientos previos de estadstica descriptiva y terica, algunos conocimientos sobre clculo diferencial y lgebra de
matrices, as como facilidad en el manejo de programas estadsticos a nivel de usuario bsico.
CONTEXTO
En su primera parte, este curso pretende introducir al alumno en los conceptos y desarrollos de la Inferencia Estadstica, asociados con la estimacin
de parmetros y del contraste de hiptesis sobre los mismos. A lo largo del curso se particularizarn estos tpicos para el caso del modelo de
regresin lineal normal clsico. Esto constituye un buen punto de partida para la comprensin y utilizacin de modelos ms complejos manejados en
los mbitos de la Microeonometra y Macroeconometra, en la medida en que tales modelos relajan supuestos bsicos establecidos en el contexto
lineal clsico.
La investigacin de mercados y en general el anlisis socioeconmico se basa cada vez ms en el anlisis computerizado de datos estadsticos
(minera de datos). Es por ello que, en su segunda parte, este curso pretende que el alumnado sea capaz de gestionar la informacin multivariante
para la toma de decisiones econmicas y empresariales.
COMPETENCIAS
CONTENIDOS DE LA ASIGNATURA
Inferencia Estadstica
1. Variables aleatorias y distribuciones de probabilidad: Introduccin. Conceptos bsicos. Concepto de variable aleatoria. Funciones de densidad y
de distribucin. Esperanza matemtica y momentos. Algunas importantes distribuciones tericas de probabilidad. Vectores aleatorios. Teora
asinttica.
2. Estimacin puntual y por intervalos: Introduccin. Muestreo aleatorio simple. Distribuciones en el muestreo. Estimacin por puntos. Estimacin
por intervalos. Estimacin en el modelo de regresin lineal clsico.
3. Contraste de hiptesis: Introduccin. Conceptos bsicos. Contraste UMP: El lema de Neyman Pearson. Contrastes de significacin. Contrastes
basados en la funcin de verosimilitud (LR, W y LM). Contrastes basados en intervalos de confianza. Contraste de hiptesis en poblaciones
normales. Contraste de hiptesis en el modelo de regresin lineal clsico.
Anlisis Exploratorio de datos multivariantes
4. De la minera de datos al Big Data.Datos, tcnicas y fases del Anlisis Multivariante. Anlisis exploratorio multivariante. Anlisis de Datos
perdidos. Anlisis de Datos anmalos.

GUA DOCENTE DE LA
ASIGNATURA

2014
01/11/14
Pgina 2 de 4

Vicerrectorado de Ordenacin Acadmica

5. Tcnicas multivariantes aplicadas al anlisis microeconmico de mercados. Anlisis factorial. Anlisis de Correspondencias. Anlisis Cluster.
ACTIVIDADES FORMATIVAS
Actividades Presenciales
Actividades expositivas
Leccin magistral
ACTIVIDADES DE EVALUACIN
RESULTADOS DE APRENDIZAJE / CRITERIOS DE EVALUACIN
En el primer bloque de esta asignatura, los estudiantes utilizarn y conocern el potencial y las limitaciones de las herramientas necesarias para
desarrollar los principales mtodos estadsticos empleados en Econometra que tienen su base en la Teora de la Probabilidad. En concreto, los
estudiantes profundizarn en los contenidos de inferencia estadstica (estimacin y contraste de hiptesis), necesarios para el anlisis de datos de
naturaleza econmica y sern capaces de buscar la metodologa adecuada para resolver problemas de carcter terico o aplicado.
El segundo bloque habilitar a los alumnos a la minera de datos o anlisis exploratorio de datos multivariantes, analizando problemas como los datos
perdidos o la influencia de datos anmalos. Asimismo, se impartirn tcnicas multivariantes claves en el anlisis de mercados como son la
clasificacin y el anlisis de las interdependencias entre variables y casos.
PROCEDIMIENTO DE EVALUACIN
Los procedimientos de evaluacin consisten en:
1. Participacin activa en clase:
Criterio: Resolucin de listados de ejercicios.
Ponderacin: 20%
Actividad recuperable NO
2.- Participacin aciva:
Criterio: Resolucin de supuestos prcticos con ordenador
Competencias a evaluar:
Ponderacin: 10% de la nota final
Actividad recuperable NO
3.- Examen escrito sobre bloque I
Criterio: Examen escrito. Evaluar el dominio de los conceptos tericos y prcticos Resolucin de ejercicios.
Competencias:
Ponderacin: 40% de la nota final
Actividad recuperable: SI
4. Examen escrito sobre bloque II
Criterio: Examen por ordenador. Evaluar el dominio de los conceptos tericos y prcticos Resolucin de ejercicios.
Competencias:
Ponderacin: 30% de la nota final
Actividad recuperable: SI
BIBLIOGRAFA Y OTROS RECURSOS
Bsica
Canavos, G.C. (1988): Probabilidad y Estadstica, Aplicaciones y Mtodos, McGraw Hill.
Casas Snchez, J.M. y Santos Peas, J. (1999): Estadstica Empresarial, Editorial Centro de Estudios Fundacin Areces.
Davidson, R. y Mackinnon, J.G. (2004): Econometric Theory and Methods, Oxford University Press, 2004.
Green, W.H. (1998): Anlisis Economtrico, Prentice Hall
Gujarati, D. (2004): Basic Econometrics, The McGrawHill Companies.
Hair, J.F. y otros (1999): Anlisis multivariante, Prentice Hall.
Johnston, J. (1984): Mtodos de Econometra, Vicens-Vives Universidad.
Lvy Mangin, J.P. y Varela Mallou, J. (Dirs.): Anlisis Multivariable para las Ciencias Sociales, Pearson.
Maddala, G.S. (1992): Introduction to Econometrics, MacMillan Publishing Company.
Notas de clase aportadas por el profesor.
Prez Lpez, C. (2004): Tcnicas de Anlisis Multivariante de Datos, Pearson
Prez Lpez, C. (2005): Tcnicas Estadsticas con SPSS 12. Aplicaciones al anlisis de datos, Pearson.
Ruz-Maya, L. y Martn-Pliego, F.J. (2004): Fundamentos de Inferencia Estadstica, Editorial AC.

GUA DOCENTE DE LA
ASIGNATURA

2014
01/11/14
Pgina 3 de 4

Vicerrectorado de Ordenacin Acadmica

Uriel, E. y Alds, J. (20059: Anlisis multivariante aplicado. Aplicaciones al Marketing, Investigacin de Mercados, Economa, Direccin de
Empresas y Turismo, Thomson Paraninfo; 2005
Wagner, W.E. (2010): Using SPSS for Social Statistics and Research Methods, Pine Forge Press.
DISTRIBUCIN DEL TRABAJO DEL ESTUDIANTE
ACTIVIDAD FORMATIVA PRESENCIAL
Descripcin

Horas

Leccin magistral

22,5
TOTAL HORAS ACTIVIDAD FORMATIVA PRESENCIAL 22,5
TOTAL HORAS ACTIVIDAD FORMATIVA NO PRESENCIAL 45
TOTAL HORAS ACTIVIDAD EVALUACIN 7,5
TOTAL HORAS DE TRABAJO DEL ESTUDIANTE 75

Grupo grande Grupos reducidos