Está en la página 1de 27

Gua Docente

ESTADSTICA

Autores:
- F. Aznar Gregori
- J. Montoyo Bojo
- M. Pujol Lpez
- J. Requena Ruiz
GUA DOCENTE ECTS

Estadstica

Ingeniera Informtica

Departamento Ciencia de la Computacin e Inteligencia Artificial


Universidad de Alicante

i
ESTADSTICA

Nombre de la asignatura: Estadstica


Cdigo: 9162
Tipo de asignatura: Troncal
Nivel: Primer ciclo
Curso Primero
Semestral/Cuatrimestral: Cuatrimestral
Nmero de crditos: 6
Profesores: Rafael Aura Larios
Fidel Aznar Gregori
Vicente Candela Moreno
Francisco Fernndez Agull
Pablo Garcs Rubira
Jos Ramn Garca
Javier Montoyo Bojo
Manuel Piera Olivares
Mar Pujol Lpez
Jos Requena Ruz

ii
GuaDocente

1. Contextualizacin:
1.1. Perfil de los crditos de la materia. Adecuacin al
perfil profesional y acadmico de la titulacin:
A la hora de elaborar la propuesta docente que nos ocupa, se ha de tener en cuenta cul ha sido la
evolucin de las distintas recomendaciones curriculares de informtica publicadas por instituciones de
prestigio internacional, desde las propuestas iniciales de la ACM (Association for Computing Machinery)
[ACM68] y el IEEE (Institute for Electrical and Electronic Engineers) [EC77], de 1968 y 1977,
respectivamente -donde por primera vez se intenta dar un carcter autnomo a la informtica- hasta las
tendencias actuales recogidas en el Computing Curricula 2001 [CC2001], realizado conjuntamente por el
IEEE y la ACM (las referencias de dichas recomendaciones quedan recogidas al final de la seccin). Con el
objetivo de definir un marco conceptual especfico, procede estudiar de forma ms profunda las propuestas
curriculares actuales relacionadas con Estadstica. Revisaremos el A Modular Curriculum in Computer
Science 1994 (propuesta UNESCO/IFIP 1994) y el Computing Curricula 2001 (propuesta conjunta
ACM/IEEE 2001).

A Modular Curriculum in Computer Science 1994 (UNESCO/IFIP)

En la propuesta curricular diseada por la UNESCO y el IFIP, en 1994, para los estudios de Estadstica
en Informtica proponen un mdulo adicional, Probabilidad y Estadstica. La base en la que se apoyan para
introducir a los estudiantes los conceptos de la Estadstica son:

Se reconoce el carcter fundamental de la Estadstica como herramienta imprescindible


para el informtico.
Es importante su aplicacin al mundo de la Informtica, en particular al diseo de
sistemas y redes informticas (aplicacin de modelos estadsticos, especialmente de
Teora de Colas y Procesos Estocsticos), Sistemas Informticos (calidad y fiabilidad del
software) y la Inteligencia Artificial (visin, sistemas expertos).

A Modular Curriculum in Computer Science 1994 (UNESCO/IFIP)


Unidad de Conocimiento 2.4: Probabilidad y Estadstica

Objetivos:

1. Que los estudiantes aprendan los principales conceptos usados en


Probabilidad y Estadstica.
2. Que los estudiantes conozcan el papel fundamental que esta teora tiene
en la prctica de la Ciencia de la Computacin (Investigacin Operativa,
Simulacin, Modelizacin, etc.).

Contenidos:

1. Espacio de Probabilidad: Sucesos y espacios muestrales. Axiomas de


Probabilidad. Probabilidad Condicionada. Independencia de sucesos.

1
ESTADSTICA

Teorema de Bayes. (20 %del total).


2. Variables aleatorias y sus distribuciones: Variables aleatorias (discretas y
continuas). Funcin de distribucin, funcin de probabilidad y funcin
de densidad. Distribuciones especiales: binomial, Poisson, Uniforme,
Normal. Media y Varianza. (20 %del total).
3. Teorema Central del Lmite: Aproximacin de la distribucin binomial y
Poisson por la distribucin Normal. Teorema Central del Lmite. (10 %del
total).
4. Inferencia Estadstica: Estimacin y Muestreo. Test de Hiptesis.
Regresin. Mtodos no paramtricos. (20 %del total).
5. Cadenas de Markov: Matriz de Transicin. Clasificacin de estados.
Propiedades Ergdicas. (20 %del total).
6. Procesos Estocsticos: Tipos de Procesos. Procesos de Markov.
Aplicacin a la Teora de Colas. (10 %del total).

Conexiones: Materia relacionada con (de las que es prerrequisito): 3.6 Investigacin Operativa,
3.7 Teora de Colas, 4.7 Modelizacin y Simulacin y 6.7 Configuracin y Evaluacin de Sistemas
Informticos

Prerrequisitos: 1.3 Algebra Lineal y 1.4 Clculo.

Tabla 1. Probabilidad y Estadstica

Como podemos observar en esta propuesta, la Estadstica adquiere relevancia en cuanto a la utilidad
como materia propia aplicada a problemas diversos en el contexto informtico. Ya no aparece simplemente
como parte de otra materia, sino que toma protagonismo por s sola siendo parte importante de los estudios
de Informtica, siendo prerrequisito y correquisito de diversas materias.

Computing Curricula 2001 (IEEE/ACM)

En la dcada de los sesenta, la Informtica se presentaba e intentaba buscar los principios y el


fundamento terico precisos para configurarse como una ciencia madura, aunque que desde el mbito de
la Matemtica se la consideraba una parcela aplicada, ya que se desconoca su estrecha relacin con esta
materia. Ya en el Curriculum68 de la ACM ([ACM68]) se refleja esta situacin y se aboga por una
formacin informtica con base matemtica que deba incluir, como prerrequisito, cursos estndar, salvo un
semestre dedicado a Estructuras Discretas, tales como: Teora de Conjuntos, Semigrupos, Grafos,
Algebras de Boole y Probabilidad.

Rozando los ochenta, la Informtica haba madurado y se haban producido avances importantes, tanto
en teora de la computacin como en la aplicacin de los resultados tericos obtenidos, observndose un
progreso real en el desarrollo de principios y teoras en campos, como el diseo y verificacin de algoritmos.
Sin embargo, en el diseo del Curriculum78 de la ACM ([Austing79]) se reduce el papel de las
Matemticas en los planes de estudios de Informtica pasando stas a considerarse como correquisito.

Se proponen un conjunto de cursos especficos con carcter complementario: Clculo, Anlisis


Matemtico, Probabilidad, lgebra Lineal y Estructuras Discretas, enfatizndose especialmente el
desarrollo de la Matemtica Discreta sobre los dems aspectos formales. Posteriormente Ralston,
que en 1979 estaba definiendo un curriculum para Matemtica Discreta, y Shaw, que haba
participado en las evaluaciones del Curriculum78, critican el contenido matemtico de dicho
curriculum ([Ralston80]) calificndolo de insuficiente y tendente a identificar Informtica con
programacin.

2
GuaDocente
En las propuestas curriculares conjuntas de ACM y IEEE del ao 1991 ([Tucker91]), se establecen
unas propuestas matemticas que conservan la tendencia definida por el informe previo en el sentido de
que recomiendan estudios de Matemticas a los estudiantes de Informtica.

En este curricula se realiza una definicin ms explcita de la materia que consiste en:

Adquirir base en Matemtica Discreta y Clculo. Dentro de los contenidos de la primera, se


especifica una introduccin a la Lgica proposicional y de predicados, lgebra de Boole y pruebas
de induccin y contradiccin.
Adicionalmente se aconseja reforzar uno de los siguientes aspectos: Probabilidad, lgebra Lineal
o tpicos avanzados de Matemtica Discreta.

En la nueva propuesta conjunta IEEE/ACM, Computing Curricula 2001 (CC2001), por primera vez
aparece la materia sobre Teora de la Probabilidad. Es una materia central del rea de Estructuras
Discretas, junto con las materias Funciones y Conjuntos, Lgica, Tcnicas de Demostracin y Grafos
y rboles.

El rea de Estructuras Discretas que agrupa materias relacionadas est constituida como se
muestra en la tabla 2. Los contenidos concretos de la materia Teora de la Probabilidad se listan en
la tabla 3.

Computing Curricula 2001 de ACM/IEEE


DS: Estructuras Discretas (43 horas centrales)

Materias:

DS1. Funciones, Relaciones y Conjuntos (6)


DS2. Lgica (10)
DS3. Tcnicas de Demostracin (12)
DS4. Fundamentos de Combinatoria (5)
DS5. Grafos y rboles (4)
DS6. Probabilidad Discreta (6)

Tabla 2. DS: Estructuras Discretas

Computing Curricula 2001 de ACM/IEEE


Unidad de Conocimiento DS6: Probabilidad Discreta

Contenidos (seis horas centrales):

1. Espacios Discretos de Probabilidad


2. Medida de Probabilidad
3. Sucesos
4. Probabilidad Condicional
5. Independencia
6. Teorema de Bayes
7. Variables Aleatorias
8. Esperanza

Tabla 3. DS6: Probabilidad Discreta

3
ESTADSTICA

Se propone, adicionalmente, incluir contenidos de probabilidad en el rea de Sistemas Inteligentes, que


se presenta como una materia fundamental en cualquier programa de estudios de Informtica. Se describe
en la tabla 4.

Computing Curricula 2001 de ACM/IEEE


Unidad de Conocimiento IS: Sistemas Inteligentes. IS3: Razonamiento y Representacin del
Conocimiento.
Contenidos:

1. Repaso de Lgica de Primer Orden


2. Resolucin y demostracin de teoremas
3. Inferencia no-montona
4. Razonamiento Probabilstico
5. Teorema de Bayes.

Computing Curricula 2001 de ACM/IEEE


Unidad de Conocimiento IS: Sistemas Inteligentes. IS5: Razonamiento y Representacin Avanzada
del Conocimiento.
Contenidos:

1. Representacin Estructurada (Objetos, Descripciones Lgicas, Sistemas)


2. Razonamiento no montono (Lgicas no Clsicas, Fuentes del
Conocimiento, Creencia y Conflictos)
3. Razonamiento Temporal y Espacial.
4. Incertidumbre (Razonamiento Probabilstico, Redes Bayesianas,
Conjuntos Difusos y Teora de la Posibilidad y Teora de la Decisin)
5. Representacin del Conocimiento para diagnsticos y representacin
cualitativa.

Tabla 4. IS: Sistemas Inteligentes

Conclusiones del anlisis de las propuestas

Como conclusin fundamental cabe destacar el papel creciente que ha tenido la materia de
Estadstica en los estudios de Informtica, desde su inclusin dentro de los aspectos matemticos
bsicos (propuestas iniciales de ACM/IEEE, UNESCO, Universidad Carnegie-Mellon), hasta su
asentamiento en los curricula como una materia independiente para su aplicacin en Informtica.

Perfil Titulacin: Competencias Perfil Asignatura: Competencias


Diseo de redes de comunicacin Conocimiento y habilidad para el estudio y aplicacin
de los distintos modelos estadsticos.
Desarrollo de software y aplicaciones Conocimiento y habilidad en la aplicacin de la
estadstica en el control de calidad y fiabilidad del
software.
Arquitectura y diseo de software Conocimiento y habilidad en la aplicacin de la
estadstica en el control de calidad y fiabilidad del
software.

4
GuaDocente

Diseo multimedia Conocimiento y habilidad en la aplicacin de la


estadstica en el control de calidad y fiabilidad del
software.
Ingeniera de integracin y pruebas e Conocimiento y habilidad en la aplicacin de la
implantacin y pruebas estadstica en el control de calidad y fiabilidad del
software.
Especialista en sistemas Conocimiento y habilidad en la aplicacin de la
estadstica al control de sistemas informticos.
Conocimiento y habilidad en tcnicas de planificacin.
Desarrollo de investigacin y tecnologa Conocimiento y habilidad en la aplicacin de la
estadstica al control de sistemas informticos.
Conocimiento y habilidad en tcnicas de planificacin.
Conocimiento y habilidad en la aplicacin de la
estadstica en el control de calidad y fiabilidad del
software.
Direccin de TIC Conocimiento y habilidad en la aplicacin de la
estadstica al control de sistemas informticos.
Conocimiento y habilidad en tcnicas de planificacin.
Conocimiento y habilidad en la aplicacin de la
estadstica en el control de calidad y fiabilidad del
software

1.1.1. Referencias:
[ACM68] ACM Curriculum Committee on Computer Science. Curriculum 68: Recommendations for
the undergraduate program in computer science. Communications of the ACM, 11(3):151-197, March
1968.
[ACM78] ACM Curriculum Committee on Computer Science. Curriculum78: Recommendations for
the undergraduate program in computer science. Communications of the ACM, 22(3):147-166, March
1979.
[ACM2001] Association for Computing Machinery. ACM code of ethics and professional conduct. New
York: The Association for Computing Machinery, May 2001. http://www.acm.org/constitution/code.html
[Bennett86] W. Bennett. A position paper on guidelines for electrical and computer engineering
education. IEEE Transactions in Education, E-29(3):175-177, August 1986.
[CC2001] IEEE-CS y ACM. Computing Curricula 2001. http://www.computer.org/education/cc2001/
[CSTB94] Computing Science and Telecommunications Board. Realizing the information future.
Washington DC: National Academy Press, 1994.
[CSTB99] Computing Science and Telecommunications Board. Being fluent with information
technology. Washington DC: National Academy Press, 1999.
[Denning89] Peter J. Denning, Douglas E. Comer, David Gries, Michael C. Mulder, Allen B. Tucker,
A. Joe Turner, and Paul R. Young. Computing as a discipline. Communications of the ACM, 32(1):9-
23, January 1989.
[EAB86] Educational Activities Board. Design education in computer science and engineering.
Technical Report 971, Computer Society of the IEEE, October 1986.
[EC77] Education Committee of the IEEE Computer Society. A curriculum in computer science and
engineering. Publication EHO119-8, Computer Society of the IEEE, January 1977.
[Gibbs86] Norman E. Gibbs and Allen B. Tucker. Model curriculum for a liberal arts degree in
computer science. Communications of the ACM, 29(3):202-210, March 1986.
[Martin96] C. Dianne Martin, Chuck Huff, Donald Gotterbarn, Keith Miller. Implementing a tenth strand
in the CS curriculum. Communications of the ACM, 39(12):75-84, December 1996.
[Myers98] J. Paul Myers, Jr. and Henry M. Walker. The state of academic hiring in computer science:
An interim review. SIGCSE Bulletin, 30(4):32a-35a, December 1998.

5
ESTADSTICA

[Ralston80] Anthony Ralston and Mary Shaw. Curriculum 78. Is computer science really that
unmathematical. Communications of the ACM (23)2:67-70, February 1980.
[Shaw85] Mary Shaw. The Carnegie-Mellon curriculum for undergraduate computer science. New
York: Springer-Verlag, 1985.
[Tucker91] Allen B. Tucker, Bruce H. Barnes, Robert M. Aiken, Keith Barker, Kim B. Bruce, J.
Thomas Cain, Susan E. Conry, Gerald L. Engel, Richard G. Epstein, Doris K. Lidtke, Michael C.
Mulder, Jean B. Rogers, Eugene H. Spafford, and A. Joe Turner. Computing Curricula '91. Association
for Computing Machinery and the Computer Society of the Institute of Electrical and Electronics
Engineers, 1991.

1.2. Ubicacin y relaciones en el plan de estudios:


En esta seccin vamos a analizar la situacin de la asignatura Estadstica en los planes de
estudio de Ingeniero en Informtica vigentes en la Universidad de Alicante.

En primer lugar, Estadstica es una asignatura que est ubicada en 1er curso de Ingeniera
Informtica. La asignatura se relaciona con otras de los planes de estudio, permitiendo al estudiante
configurar un interesante curriculum sobre los aspectos ms tericos y bsicos de la Informtica. La
tabla 6 presenta estas asignaturas. Los contenidos de las dos primeras: lgebra y Clculo
Infinitesimal, se consideran bsicos para poder seguir el desarrollo de Estadstica. La asignatura
Ampliacin de Estadstica es incompatible con Estadstica, y el resto son una seleccin de
asignaturas donde ms directamente se utilizan temas o conceptos relacionados con la Estadstica.

Curso Cuatr. Crditos Vinc.


Asignados Areas
T T P ccia atc lsi II
Estadstica 1 2 6 3 3 * Tr
Tabla 5 . Estadstica en los planes de estudio de Informtica

Asignaturas Relacionadas con Curso Cuatr. Crditos Vinc. Carcter


Estadstica Asignados Areas Tr/Ob/Op
T T P ccia atc lsi II
lgebra 1 1 6 3 3 * Tr
Clculo Infinitesimal 1 1 9 4,5 4,5 Tr
Matemtica Discreta 1 2 6 3 3 * Tr
Razonamiento - 2 6 3 3 * Op
Ampliacin de Estadstica - 2 4,5 1,5 3 * Op
Fundamentos de Inteligencia 4 1 4,5 2,25 2,25 * Tr
Artificial
Aplicaciones Industriales del - 1 6 3 3 * Op
Reconocimiento de Automtico
Lenguajes Gramticas y 2 2 4,5 3 1,5 * Tr
Autmatas
Tcnicas de Inteligencia Artificial 4 2 4,5 2,25 2,25 * Tr
Algortmica Avanzada 4 2 4,5 2,25 2,25 * Ob
Tabla 6. Asignaturas relacionadas con Estadstica en los planes de estudio de Informtica

6
GuaDocente
3 lgebra: forma parte del primer cuatrimestre del primer curso de Ingeniera Informtica como
asignatura troncal. Dentro de sus descriptores aparecen ciertas materias relacionadas con la
estadstica como son la teora de conjuntos y las estructuras algebraicas, bsicas para el
entendimiento de la asignatura.
3 Clculo Infinitesimal: es una asignatura anual del primer curso de Ingeniera Informtica, troncal.
Entre sus descriptores aparecen el clculo diferencial e integral para funciones de una variable, as
como sucesiones y series numricas.
3 Matemtica Discreta: forma parte del primer curso de Ingeniera Informtica como asignatura
troncal que se imparte en el segundo cuatrimestre. Los descriptores son: aritmtica entera y
modular, combinatoria y grafos. La combinatoria es bsica para la asignatura estadstica.
Adems de estas relaciones, en cursos ms avanzados existen otras asignaturas que entre sus
tpicos incluyen temas ms avanzados relacionados con la estadstica:
3 Razonamiento: se ofrece como asignatura optativa para Ingeniera Informtica. Los descriptores
de dicha asignatura son: mtodos de razonamiento artificial, razonamiento condicional,
razonamiento con incertidumbre y razonamiento temporal. Esta asignatura tiene como prerrequisito
la asignatura Lgica Computacional impartida en primero.
3 Fundamentos de Inteligencia Artificial: asignatura troncal de cuarto curso que se imparte en el
primer cuatrimestre. Sus descriptores son: Heurstica. Sistemas basados en el conocimiento.
3 Aplicaciones Industriales del Reconocimiento Automtico. Asignatura optativa cuyos
descriptores son: Tcnicas de reconocimiento de formas y sus aplicaciones.
3 Lenguajes, Gramticas y Autmatas: es una asignatura troncal de segundo curso de la titulacin
de Ingeniera Informtica. Los descriptores de dicha asignatura son: mquinas secuenciales y
autmatas finitos, gramticas y lenguajes formales, y redes neuronales.
3 Tcnicas de inteligencia artificial. Asignatura troncal de cuarto curso cuyos descriptores son:
aprendizaje y percepcin.
3 Algoritmia Avanzada: se ofrece como asignatura optativa para Ingeniera Informtica. Los
descriptores de dicha asignatura son: Bsqueda exhaustiva y estocstica. Programacin dinmica.
Algoritmos de codificacin y compresin.
3 Ampliacin de Estadstica se ofrece como asignatura optativa para Ingeniera Informtica. Los
descriptores de dicha asignatura son: Mtodos estadsticos aplicados. Esta asignatura tiene como
prerrequisito a la asignatura estadstica.

La siguiente figura resume las relaciones anteriormente descritas:

Clculo Infinitesimal

Estadstica Matemtica
lgebra Discreta

Fund. de Inteligencia
Artificial
Ampliacin de Razonamiento LGA
Estadstica
Tcnicas de
Inteligencia
Artificial
Aplicaciones Industriales Algoritmia
del Reconocimiento Avanzada
Automtico

7
ESTADSTICA

2. Objetivos:
2.1. Objetivos generales:

2.1.1. Objetivos instrumentales generales:


3 OINS1: Conocer y utilizar la terminologa usual de la asignatura estadstica.
3 OINS2: Adquirir conocimientos especficos de la materia como definiciones, frmulas y resultados.
3 OINS3: Conocer las clasificaciones y diversas tcnicas de la Estadstica y la Probabilidad.
3 OINS4: Conocer una gran variedad de aplicaciones de estas materias a temas de informtica.
Deben notar que aunque el contenido de la materia es matemtico, muchas de sus aplicaciones se
relacionan con la ciencia de la computacin.
3 OINS5: Comprender la importancia de la materia como base central de aplicacin de desarrollos y
tcnicas estadsticas en cuestiones relativas a otras asignaturas del plan de estudios.
3 OINS6: Saber analizar e interpretar datos y grficos, as como deducir conclusiones acerca de un
conjunto de datos recogidos.
3 OINS7: Adquirir la capacidad necesaria para precisar la inadecuacin de conclusiones extradas de
datos falsos o insuficientes.
3 OINS8: Aplicar los conocimientos adquiridos mediante la resolucin de problemas y prcticas de
ordenador.
3 OINS9: Utilizar con fluidez el software necesario en las prcticas relacionadas con la asignatura.

2.1.2. Objetivos interpersonales generales:


3 OINT1: Destrezas para la participacin responsable: capacidad de coordinacin, asistencia,
contribuciones al grupo, etc.
3 OINT2: Capacidad de trabajar en equipo adquiriendo y mejorando las habilidades sociales y la
inteligencia emocional.
3 OINT3: Comprometerse de forma tica con el trabajo, con el resto de integrantes del grupo y
consigo mismo.

2.1.3. Objetivos sistmicos generales:


3 OSIS1: Capacidad de integrar los conocimientos, mtodos, algoritmos y destrezas prcticas de la
estadstica para resolver situaciones reales relacionadas con la informtica y otras disciplinas
relacionadas.
3 OSIS2: Desarrollar la madurez matemtica, para abordar problemas o cuestiones planteadas,
adquiriendo as, destreza en el razonamiento formal y capacidad de abstraccin.
3 OSIS3: Reforzar el hbito de plantearse interrogantes; ante un problema deben preguntarse por el
nmero de soluciones, la relacin entre ellas, cmo afectara en las condiciones iniciales alguna
modificacin, etc.
3 OSIS4: Capacidad de aplicar y relacionar, de forma autnoma, la estadstica de forma
interdisciplinar.

8
GuaDocente

2.2. Competencias:

2.2.1. Competencias instrumentales:


Las competencias instrumentales se han agrupado por bloques temticos de la asignatura:

Bloque 1: Teora de Probabilidad.

Habilidades cognitivas:
3 HC11: Entender los principios bsicos de conteo y los de variaciones, permutaciones y
combinaciones ya sea con o sin repeticin.
3 HC12: Entender el concepto de suceso aleatorio.
3 HC13: Conocer la axiomtica de la teora de la probabilidad y comprender la interpretacin
frecuencialista de los axiomas.
3 HC14: Entender el concepto de probabilidad condicional e independencia de sucesos.
3 HC15: Ser capaz de interpretar los teoremas de la probabilidad total y de Bayes.
3 HC16: Comprender el concepto de variable aleatoria unidimensional y bidimensional.
3 HC17: Comprender el concepto de funcin de distribucin.
3 HC18: Saber los distintos tipos de variables aleatorias, discretas y continuas.
3 HC19: Entender el concepto de funcin de probabilidad y su relacin con la funcin de distribucin.
3 HC110: Entender el concepto de funcin de densidad y su relacin con la funcin de distribucin.
3 HC111: Entender el concepto de distribuciones marginales.
3 HC112: Entender el concepto de distribuciones condicionales.
3 HC113: Saber las distintas medidas de una variable aleatoria.
3 HC114: Comprender los conceptos de covarianza y correlacin como indicadores de dependencia
funcional.
3 HC115: Entender los diversos modelos de variables aleatorias.
3 HC116: Saber identificar, a partir de un fenmeno aleatorio real, cual de los diversos modelos de
variables aleatorias vistos es el que mejor se ajusta.

Capacidades metodolgicas:
3 CM11: Ser capaz de aplicar las tcnicas bsicas de conteo para obtener la probabilidad de un
suceso aleatorio.
3 CM12: Aplicar los teoremas de la probabilidad total y de Bayes para calcular la probabilidad de un
suceso aleatorio.
3 CM13: Calcular la funcin de distribucin de una variable aleatoria.
3 CM14: Calcular la funcin de probabilidad de una variable aleatoria discreta.
3 CM15: Calcular la funcin de densidad de una variable aleatoria continua.
3 CM16: Obtener las distribuciones de probabilidad marginales.
3 CM17: Calcular correctamente las distintas medidas de una variable aleatoria.
3 CM18: Calcular correctamente la covarianza y el coeficiente de correlacin.
3 CM19: Ajustar los diversos modelos de variables aleatorias a fenmenos aleatorios reales.
3 CM110: Calcular probabilidades en los distintos modelos.
3 CM111: Aplicar el teorema central del lmite.

9
ESTADSTICA

Destrezas tecnolgicas:
3 DT11: Habilidades bsicas de consulta de la red informtica para la obtencin y manejo de
informacin relacionada con la teora de probabilidad.

Destrezas lingsticas:
3 DL11: Adquirir y fomentar el rigor en el uso del lenguaje matemtico.
3 DL12: Conocer y utilizar la terminologa usual de la teora de probabilidad.

Bloque 2: Estadstica descriptiva.

Habilidades cognitivas:
3 HC21: Conocer el concepto de Estadstica Descriptiva.
3 HC22: Conocer los conceptos de Poblacin y Muestra.
3 HC23: Saber los distintos tipos de variables estadsticas.
3 HC24: Conocer el concepto de Frecuencia.
3 HC25: Conocer el concepto de Intervalo de clase y marca de clase.
3 HC26: Entender las Tablas de Frecuencias.
3 HC27: Comprender las distintas representaciones grficas: Diagramas de barras, Histogramas etc.
3 HC28: Saber las medidas de posicin centrales y no centrales.
3 HC29: Conocer las medidas de dispersin.
3 HC210: Conocer las variables estadsticas bidimensionales y su distribucin de frecuencias.
3 HC211: Conocer las medidas para una variable bidimensional.
3 HC212: Entender la Covarianza.
3 HC213: Entender la Correlacin lineal.
3 HC214: Conocer las Rectas de Regresin lineal.

Capacidades metodolgicas:
3 CM21: Clasificar las variables estadsticas.
3 CM22: Agrupar correctamente los datos numricos continuos en intervalos de clase.
3 CM23: Calcular con soltura las Tablas de Frecuencias para los distintos tipos de variables.
3 CM24: Representar grficamente las distribuciones de frecuencias.
3 CM25: Interpretar las representaciones grficas de las distribuciones de frecuencias.
3 CM26: Calcular satisfactoriamente las medidas de posicin centrales y no centrales.
3 CM27: Calcular correctamente las medidas de dispersin absolutas y relativas.
3 CM28: Construir el grfico caja de una variable estadstica.
3 CM29: Interpretar el grfico caja de una variable estadstica.
3 CM210: Calcular la Covarianza.
3 CM211: Calcular el Coeficiente de Correlacin lineal.
3 CM212: Interpretar la relacin existente entre dos variables.
3 CM213: Obtener las Rectas de Regresin lineal.

Destrezas tecnolgicas:
3 DT21: Manejar con fluidez el paquete de sofware SPSS que servir para la resolucin de
problemas de estadstica.

10
GuaDocente
3 DT22: Habilidades bsicas de consulta de la red informtica para la obtencin y manejo de
informacin relacionada con la estadstica.

Destrezas lingsticas:
3 DL21: Adquirir y fomentar el rigor en el uso del lenguaje matemtico.
3 DL22: Conocer y utilizar la terminologa usual de la estadstica

2.2.2. Competencias interpersonales:

Competencias para tareas colaborativas:


3 CTC1: Ser capaz de aunar los conocimientos adquiridos en la asignatura y las destrezas obtenidas
en la asignatura Fundamentos de Programacin I, con el fin de realizar opcionalmente un trabajo
en equipo, relacionado con los aspectos ms algortmicos de la asignatura.
3 CTC2: Ser capaz de realizar opcionalmente un trabajo en equipo de ampliacin de la materia
estudiada en la asignatura.
3 CTC3: Ser capaz de trabajar en equipo para resolver cuestiones y problemas relacionados con la
materia estudiada en la asignatura.

Compromiso con el trabajo:


3 CT1: Se ha de definir un plan de trabajo en el que el volumen de trabajo de todos los miembros del
equipo sea similar.
3 CT2: Una vez finalizado el trabajo, todos los miembros del grupo deben conocer en profundidad
todo el desarrollo realizado.
3 CT3: Se debe cumplir el plazo de entrega de dichos trabajos.
3 CT4: Es importante adquirir un compromiso tico entre todos los componentes del grupo.

2.2.3. Competencias sistmicas:

Integracin de capacidades cognitivas, destrezas prcticas y disposiciones:


3 CS1: Capacidad de aplicar los conocimientos, mtodos y algoritmos vistos en la asignatura a
situaciones y problemas concretos del rea de informtica y de otras disciplinas relacionadas.
3 CS2: Capacidad de aprender y aplicar, de forma autnoma e interdisciplinar, nuevos conceptos y
mtodos relacionados con la asignatura.

3. Prerrequisitos:
3.1. Competencias y contenidos mnimos:
3 Entender el concepto de conjunto y saber utilizar las distintas operaciones entre conjuntos.
3 Tener nociones bsicas sobre series de potencias.
3 Entender y saber aplicar la regla de la suma, la regla del producto y el principio de inclusin-
exclusin, as como las tcnicas bsicas de conteo relativas a variaciones, combinaciones y
permutaciones a problemas sencillos.
3 Entender el concepto de integral de una funcin y saber calcularla.

11
ESTADSTICA

3.2. Plan de trabajo y actividades para la consecucin


de los prerrequisitos:
Los prerrequisitos necesarios para el estudio y entendimiento de esta asignatura se cubren en las
asignaturas lgebra y Clculo Infinitesimal. Adems, generalmente, el alumnado ya ha trabajado en sus
estudios preuniversitarios con algunas tcnicas bsicas de conteo. Sin embargo, teniendo en cuenta que el
alumnado no es un conjunto totalmente homogneo y puede ocurrir que algunos estudiantes no hayan
adquirido algunos de los prerrequisitos necesarios para el entendimiento de la asignatura, se plantear el
siguiente plan de trabajo que el alumnado podr seguir de forma voluntaria.
3 Tanto en el campus virtual como en la primera clase de la asignatura se asesorar al alumnado
indicndole una bibliografa no muy extensa relativa a la materia que debe conocer previa al
entendimiento de la asignatura, as como una lista de problemas relativos a dicha materia.
3 Adems se dedicar una sesin especfica al repaso de las tcnicas bsicas de conteo relativas a
variaciones, combinaciones y permutaciones. Y otra al repaso del clculo de integrales.

12
GuaDocente

4. Bloques y temas de contenidos:


4.1. Bloques de contenidos de aprendizaje:
Bloque 1: Teora de Probabilidad.

Tema 1. Preliminares.
Tema 2. Teora de Probabilidad.
Tema 3. Variables Aleatorias.
Tema 4. Esperanza Matemtica. Momentos.
Tema 5. Distribuciones de Probabilidad.

Bloque 2: Estadstica Descriptiva.

Tema 6. Introduccin al paquete estadstico SPSS.


Tema 7. Poblacin y muestra. Anlisis de una variable categrica.
Tema 8. Anlisis de una variable medible
Tema 9. Medidas de tendencia central, de dispersin y de concentracin
Tema 10. Anlisis de una variable medible: grfico caja
Tema 11. El problema de la dependencia entre variables medibles

13
ESTADSTICA

4.2. Temas o unidades de contenido. Desarrollo:


Temario de Estadstica
Asignatura Troncal 1. 6 Cr (3 T + 3 P)
(2 Cuatrimestre)
Bloques Temticos y Temas
Bloque I Teora de la Probabilidad
Tema 1 Preliminares
1.1 Anlisis combinatorio
1.2 Algunas series

Tema 2 Clculo de Probabilidades


2.1 Experimentos y Sucesos
2.2 Definicin de probabilidad
2.3 Probabilidad Condicionada. Independencia de Sucesos
2.4 Teorema de Bayes

Tema 3 Variables Aleatorias


3.1 Introduccin
3.2 Funcin de Distribucin
3.3 Variables discretas. Funcin de cuanta
3.4 Variables continuas. Funcin de densidad
3.5 Variables aleatorias bidimensionales
3.6 Funciones de una variable aleatoria

Tema 4 Esperanza Matemtica. Momentos


4.1 Esperanza de una variable aleatoria
4.2 Varianza
4.3 Momentos
4.4 Covarianza y correlacin
4.5 Esperanza condicional
4.6 Media Muestral. Ley de los grandes nmeros

Tema 5 Distribuciones de Probabilidad


5.1 Distribuciones de Bernoulli y Binomial
5.2 Distribucin de Poisson
5.3 Distribucin Normal
5.4 Teorema central del lmite

14
GuaDocente

Bloque II Estadstica Descriptiva


Tema 6 Introduccin al paquete de software estadstico SPSS

Tema 7 Poblacin y muestra. Anlisis de una variable


categrica
7.1 Poblacin y muestra: Tamao muestral y tamao poblacional
7.2 Variables y tipo de variables
7.3 Distribuciones de frecuencias y representaciones grficas
7.4 Representaciones grficas de variables categricas
7.5 Ejercicios

Tema 8 Anlisis de una variable medible


8.1 Distribuciones de frecuencias de una variable medible
8.2 Distribuciones de frecuencias agrupadas
8.3 Representaciones grficas
8.4 Ejercicios

Tema 9 Medidas de tendencia central, de dispersin y de


concentracin
9.1 Parmetros estadsticos de centralizacin
9.2 Parmetros estadsticos de posicin
9.3 Parmetros estadsticos de dispersin
9.4 Ejercicios

Tema 10 Anlisis de una variable medible: grfico caja

10.1 Construccin del grfico caja


10.2 Interpretacin del grfico caja
10.3 Ejercicios

Tema 11 El problema de la dependencia entre variables


medibles
11.1 Dependencia funcional y dependencia estadstica
11.2 Regresin lineal simple
11.3 Estadgrafos para medir la bondad del ajuste
11.4 Ejercicios

5.Metodologa y estrategias de
aprendizaje:
5.1. Metodologa docente:
Los nuevos paradigmas docentes propugnan los modelos educativos que propician el pensamiento
creativo, enseando a aprender por encima de ensear conocimientos. Nos proponemos disear un
modelo, en el que la clase magistral tiene un papel importante pero no exclusivo en la transmisin de
conocimientos. Este tipo de enseanza se va a complementar con otros procesos entre los que cabe
destacar las prcticas de laboratorio y las actividades en grupos pequeos que jugarn un papel
fundamental. Concretamente las actividades que se proponen son las siguientes:

15
ESTADSTICA

Clases de teora con apoyo de material audiovisual: Segn las investigaciones al respecto, la
leccin magistral, en comparacin con otros mtodos, es la tcnica ms eficaz y econmica de
transmitir y sintetizar informacin de diversas fuentes. Por ello ocupa un lugar destacado en la
docencia universitaria. De todas formas, este mtodo tiene serios defectos como la reduccin de
las fuentes de informacin a las palabras del profesor, la suposicin de que lo que se ensea es
siempre asimilado, la pasividad que promueve, la falta de uniformidad en el ritmo de aprendizaje, o
la dificultad de reflexionar mientras se est dedicado a la toma de apuntes. La estructura tpica de
una clase expositiva de este tipo ser la siguiente: en primer lugar se har una introduccin en la
que se presentan brevemente los objetivos de la exposicin y los contenidos a tratar. Con el fin de
proporcionar el contexto adecuado, en la presentacin se har referencia al material expuesto en
clases precedentes, de forma que se clarifique la posicin de dichos contenidos en el marco
general de la asignatura. A continuacin se desgranarn los contenidos objeto de estudio,
incluyendo exposiciones narrativas, desarrollos formales que proporcionen los fundamentos
tericos, e intercalando ejemplos y ejercicios, que ilustren la aplicacin de los contenidos
expuestos. Se resaltarn los elementos importantes, de forma que sea fcil distinguir lo relevante
de los aspectos perifricos. Finalmente, los conceptos introducidos sern resumidos, y se
elaborarn las conclusiones, incluyendo una valoracin de en qu medida se han alcanzado los
objetivos propuestos al principio del tema. Quizs, de los defectos que se le atribuye a la clase
magistral, el mayor de ellos sea que refuerza la actitud pasiva. Para favorecer la participacin estas
clases se complementarn con las siguientes tcnicas:
o Uso de material de apoyo tales como apuntes o transparencias. No obstante el uso de
transparencias ser moderado, a pesar de su atractivo visual y la estructuracin que
proporciona al curso, ya que utilizando transparencias, existe la posibilidad de acelerar el
ritmo de la clase, con la consiguiente disminucin de la eficiencia del aprendizaje. La
combinacin de medios de apoyo a la presentacin que se propone es la utilizacin de
transparencias (con retroproyector o can proyector) con contenido general para resaltar
la estructura que articula los conceptos propuestos y que servirn de guin de las clases
tericas, la pizarra para los desarrollos detallados y ejemplos aclaratorios, y la proyeccin
con can para realizar demostraciones prcticas.
o Se facilitar la resolucin de dudas en clase mediante preguntas directas al profesor.
Sucede a menudo que las dudas son compartidas por una proporcin alta de la clase,
pero sin embargo es difcil conseguir romper el prejuicio de que una pregunta revela las
limitaciones de la persona que la hace y no la dificultad intrnseca en la comunicacin y
asimilacin de ciertos conceptos. Con el fin de animar a la participacin y crear un clima de
confianza, en el que ninguna pregunta sea desdeada como trivial o irrelevante, a lo largo
del curso se programarn varias tutoras en grupos reducidos.
o Se comentarn los errores ms comunes que se cometen al ir adentrndose en la
asignatura. Aprender de los errores tanto propios como ajenos es siempre una buena
estrategia.
o Se harn preguntas a los estudiantes involucrando a otros estudiantes en las respuestas.
Este pequeo ejercicio fuerza a abandonar una actitud de receptor de informacin a una
posicin de colaboracin en la exposicin.
o Se propondr al final de algunas clases un pequeo ejercicio que haga referencia a los
conceptos introducidos en la clase o a los que se introducirn en la clase siguiente. Este
ejercicio puede ser resuelto en la clase siguiente por algn estudiante voluntario, o por el
profesor, y puede servir para motivar una incursin en algn tema de inters.
Actividades en grupos pequeos: Estas actividades estarn relacionadas con la realizacin de
problemas y cuestiones terico-prcticas relacionadas con la asignatura. Su objetivo ser reforzar y
aplicar los conceptos bsicos a situaciones reales concretas y fomentar la capacidad de anlisis,
sntesis y autoevaluacin del alumnado. El mtodo empleado en estas clases intentar fomentar el
trabajo colaborativo. Estas actividades deben considerarse como una extensin de la teora, por lo
que no deben contemplarse como una unidad aparte. Se compaginarn con temas tericos con el
fin de proporcionar el adecuado dinamismo a la explicacin y en ellas, va a resultar fundamental la
aplicacin de tcnicas de dinmica de grupos activos.

16
GuaDocente

Prcticas de laboratorio: La importancia de la prctica en unos estudios de informtica es crucial. El


trabajo personal en los laboratorios de computacin permite fijar los conocimientos que se han
adquirido en las clases expositivas y mediante el material de apoyo. Las prcticas se realizan de
forma individual siempre que es posible y como mximo en grupos de dos personas. Con las
prcticas de laboratorio se intenta impulsar el aprendizaje, experimentacin, asimilacin y
ampliacin de algunos de los contenidos de la asignatura de Estadstica con el uso del ordenador.
No se trata de aprender a programar, pues para ello ya existen otras asignaturas en primero, sino
ms bien de aprovechar de manera eficaz y contundente el hecho de hallarnos en unas titulaciones
de informtica para as reforzar y potenciar la didctica de los contenidos de la asignatura que nos
ocupa. Concretamente, las prcticas de esta asignatura se basarn en el estudio y uso del paquete
de software estadstico SPSS.
Trabajos complementarios: Como extensin de los conocimientos tericos y prcticos adquiridos
se propondrn trabajos complementarios de realizacin voluntaria que incidirn en la nota final de
la asignatura. Dichos trabajos pueden ser por tanto de ndole terica, de ndole prctica, de ndole
terico-prctica o de implementacin de algoritmos y podrn realizarse de forma individual o en
grupos reducidos.
Tutoras: El alumnado tiene a su disposicin unas horas de tutoras en las cuales puede consultar
cualquier duda relacionada con la organizacin y planificacin de la asignatura, as como dudas
concretas sobre el contenido de la asignatura. Adems de dichas tutoras individualizadas, como
ya se ha adelantado, se programarn en funcin de las necesidades de los estudiantes, algunas
tutoras en grupo.

5.2. Estrategias de aprendizaje:


Junto a los medios tradicionales como las trasparencias, apuntes, presentaciones por ordenador, las
pginas web y el campus virtual ofrecen innumerables posibilidades que no hay que dejar pasar. En
concreto se ha elaborado una pgina web de la asignatura, que incluye toda la informacin que el alumno
necesita. El uso de la misma ha sido mayoritario en las experiencias llevadas a cabo hasta el momento.
Entre otras cosas, en dicha pgina podemos encontrar:
Novedades: esto es una especie de tabln de anuncios con la ayuda del cual, el alumno puede estar
perfectamente informado de cualquier tema relacionado con la asignatura. Adems de recordar los
plazos de entrega de cualquier trabajo.
Clases tericas: aqu encontramos todo lo relacionado con el temario, los guiones de teora, los
objetivos, la bibliografa y forma de evaluacin.
Clases prcticas: Adems de contener informacin sobre los grupos de prcticas y profesorado que
lo imparte, aparece el temario de prcticas, la documentacin y el software necesario para
realizarlas, as como la explicacin de lo que se va a hacer en cada sesin de prcticas.
Actividades en grupos pequeos: Adems de contener informacin sobre los grupos y profesorado
que los imparte, aparece la documentacin para realizar dichas actividades y un esquema de lo
que se va a hacer en cada sesin.
Enlaces de inters: Aqu aparecen una serie de enlaces interesantes que pueden servir para
profundizar en algunos contenidos de la materia.

En base a todo esto, la estrategia de aprendizaje que se propone se compone de las siguientes
fases:
1. Recopilacin de toda la documentacin de la asignatura.
2. Planificacin de las clases tericas:
Lectura previa del guin correspondiente a la sesin de teora que se trate.
Una vez realizada la clase de teora, se debe estudiar de forma autnoma su contenido y en
caso de no entender algo intentar primero contrastarlo con otros compaeros o utilizando la

17
ESTADSTICA

bibliografa recomendada. Si esto no es suficiente se acudir a tutoras para intentar


solucionar el problema.
3. Planificacin de las actividades en grupos pequeos:
Una vez entendidas las explicaciones de las clases tericas se leer, de forma
independiente, la actividad a realizar en grupos pequeos para, al inicio de la actividad,
poder preguntar las dudas surgidas en el entendimiento del enunciado.
En las actividades en grupos pequeos, cada subgrupo tendr que hacer la actividad
propuesta que ser corregida en la propia aula entre todos o por el profesor fuera del aula.
Una vez corregida la actividad propuesta, los grupos deben analizar cules han sido los
errores cometidos para intentar no volverlos a realizar. Si es necesario se pedir ayuda al
profesor correspondiente.
4. Planificacin de las clases prcticas:
Una vez entendidas las explicaciones de las clases tericas se leer, de forma
independiente, la prctica de laboratorio que se debe realizar en la sesin correspondiente
para, al inicio de la sesin, poder preguntar las dudas surgidas en el entendimiento del
enunciado.
Parte de las prcticas se realizarn en los laboratorios y parte en horas no presenciales de
forma individual. Se deber cumplir el calendario de entrega de prcticas. El profesorado
corregir con bastante celeridad dichas prcticas, indicando una vez corregidas los fallos
ms comunes. Cada estudiante de forma individual debe analizar cules han sido los
errores cometidos para intentar no volverlos a realizar. Si es necesario se pedir ayuda al
profesor correspondiente.
5. Autoevaluacin: Una vez realizadas todas las actividades previas relacionadas con un tema
concreto, el estudiante debe discernir si cree que dicho tema ha sido totalmente entendido. En
caso de no ser as, debe incidir en el estudio de los contenidos que crea tener ms flojos,
utilizando si lo cree conveniente las tutoras y realizando algunos problemas de ampliacin,
bien de los propuestos en las hojas de problemas o bien haciendo uso de la bibliografa.
6. Evaluacin final: Si el resultado de todos los ejercicios de autoevaluacin ha sido satisfactorio,
el estudiante estar bastante preparado para la realizacin del examen final. No obstante, para
abordar el examen final con buenas perspectivas, va a ser necesario un repaso exhaustivo del
contenido completo de la asignatura incidiendo en las partes en las que se ha tenido ms
dificultad.
7. De forma opcional se podr hacer un trabajo complementario, individual o en grupo, para subir
la nota siempre y cuando se haya aprobado el examen final.

6. Plan de trabajo de los alumnos.


Especificacin del tiempo y esfuerzo de
aprendizaje:
En las siguientes tablas se esquematiza cul va a ser el plan de trabajo de esta asignatura. Se
distingue entre horas presenciales dedicadas a la realizacin de actividades en las aulas, donde el
profesorado juega un papel primordial y horas no presenciales dedicadas al trabajo y esfuerzo personal
realizado en la asignatura, de forma autnoma, por los estudiantes.

NMERO DE HORAS PRESENCIALES DE ESTADISTICA


ACTIVIDAD Clases de teora Clases de prctica Actividades en grupos
(2 horas) en laboratorio (1 h) Pequeos en aula (1 h)

18
GuaDocente

Presentacin: 1 1
TEORA DE PROBABILIDAD:
Tema 1 1 1
Tema 2 4 4
Tema 3 4 4
Tema 4 2 2
Tema 5 2 2
ESTADISTICA DESCRIPTIVA:
Tema 1 2
Tema 2 2
Tema 3 2
Tema 4 2
Tema 5 2
Tema 6 2

Preparacin del examen


1 1 1
final:
Examen final: 3 horas 2 horas 0
TOTAL: 63 33 15 15

NMERO DE HORAS NO PRESENCIALES DE ESTADISTICA


ACTIVIDAD Estudio de Realizacin de Actividades en grupos
la prcticas fuera del pequeos
asignatura horario de la asignatura
Presentacin: 3.5 0.25
TEORA DE PROBABILIDAD:
Tema 1 3.5 0.25
Tema 2 14 1
Tema 3 14 1
Tema 4 7 0.5
Tema 5 7 0.5
ESTADISTICA DESCRIPTIVA:
Tema 1 4
Tema 2 4
Tema 3 4
Tema 4 4
Tema 5 4
Tema 6 4
Preparacin del examen final: 1.75 2 0.25
Tutoras: 1.75 4
TOTAL: 86.25 52.5 30 3.75

Las horas no presenciales de la sesin de presentacin estarn dedicadas a la recopilacin de la


documentacin de la asignatura y al estudio de aquellos prerrequisitos que no se hayan alcanzado. La
columna correspondiente a horas no presenciales de las actividades en grupos pequeos corresponder
con la lectura y entendimiento de los enunciados de los problemas, y revisin de los problemas ya
corregidos por el profesorado.

19
ESTADSTICA

7. Bibliografa:
7.1. Bibliografa Bsica:
[DeGroot88] Morris H. DeGroot. Probabilidad y Estadstica. Addison-Wesley Iberoamericana, 1988.

[Lipschutz99] Seymour Lipschutz y John Schiller. Introduccin a la Probabilidad y Estadstica.


McGraw-Hill, 1999.

[Montgomery98] Douglas C. Montgomery y George C. Runger. Probabilidad y Estadstica aplicadas


a la Ingeniera. McGraw-Hill, 1998.

[Pea91] Daniel Pea. Estadstica. Modelos y Mtodos, vol. 1. Alianza Universidad, 1991.

[Pea97] Daniel Pea y Juan Romo. Introduccin a la Estadstica para las Ciencias Sociales.
McGraw-Hill, 1997.

[Prez01] Cesar Prez. Tcnicas Estadsticas con SPSS. Prentice Hall, 2001.

[Walpole99] Ronald E. Walpole, Raymond H. Myers y Sharon Myers. Probabilidad y Estadstica para
Ingenieros. Prentice Hall, 1999.

En cuanto a libros de problemas:

[Cuadras95] C. M. Cuadras. Problemas de Probabilidades y Estadstica. Vol. 1. EUB, 2 ed. 1995.

[Requena96] J. Requena. Clculo de Probabilidades. Problemas Resueltos. ECU, 1996.

[Ruiz-Maya86] Luis Ruiz-Maya. Problemas de Estadstica. Editorial AC, 1986.

7.2. Bibliografa complementaria:


.
[Casas98] J.M. Casas, C. Garca, L. Rivera y A. Zamora. Problemas de Estadstica (Descriptiva,
Probabilidad e Inferencia). Ediciones Pirmide, 1998.

7.3. Otros recursos:

Sin nimo de ser exhaustivos, incluimos a continuacin una lista con las publicaciones peridicas
ms importantes donde aparecen trabajos sobre Estadstica:

20
GuaDocente

Revistas peridicas relacionadas con Estadstica

American Statistical Association Journals


Appplied Mathematics and Computation
Biometrics
Biometrika
Computational Mathematics and Modeling
Computational Statistics
Computers and Industrial Engineering
Journal of Applied Probability
Journal of Applied Statistics
Journal of Computational and Graphical Statistics
Journal of the Royal Statistical Society
Journal of Statistical Computation and Simulation
Journal of Statistical Software
Journal of Theoretical Probability
SIAM Journals
SIAM Journal on Scientific Computing
Statistics and Computing
Statistics & Probability Letters
Uncertainty in Artificial Intelligence
Videre: A Journal of Computer Vision Research

Como grupos de noticias podemos destacar sci.stat.math, donde tienen cabida temas relacionados
con la estadstica; sci.stat.edu, donde se discuten temas relacionados con la estadstica y la educacin; y
sci.math y sci.math.research en donde tienen cabida un amplio abanico de temas relacionados con las
matemticas.

Por ltimo, algunas pginas Web muy interesantes, que proporcionan recopilaciones de enlaces a
otros recursos (organizaciones, revistas electrnicas, conferencias, bibliografa, tutoriales, etc.) son las
siguientes:

Pginas Web que recopilan enlaces e informacin sobre Estadstica

http://www.york.ac.uk/depts/maths/histstat/people/welcome.htm (Portraits of Statisticians)


http://www.clarkson.edu/~dobrowb/probweb/probweb.html (the Probability Web)
http://members.aol.com/johnp71/javastat.html (Web Pages that Perform Statistical Calculations)
http://www.stat.ufl.edu/vlib/statistics.html (The World Wide Web Virtual Library: Statistics)
http://www.loria.fr/equipes/polka(Polynomials, Combinatorics, Arithmetic)
http://mally.eco.rug.nl/biblio/SPlist.html (Stochastic Programming Bibliography)

21
ESTADSTICA

8. Evaluacin de los procesos y


resultados de aprendizaje. Sistema de
evaluacin:
8.1. Procedimientos de evaluacin:

Para evaluar esta asignatura, debemos ser conscientes de que se trata de una asignatura de primero
y que por tanto no se est todava demasiado familiarizado con el entorno universitario. Por tanto, es en el
contexto de la realizacin de las prcticas y de las actividades en grupo donde intentamos fomentar el
estudio y el aprendizaje de la asignatura. Casi podemos considerar estas prcticas y actividades como
clases de repaso y afianzamiento de los conceptos vistos en las clases tericas. De hecho se exige que se
hagan bien y si no es as deben repetirlas. Sin embargo, por todo lo dicho, aunque las prcticas y
actividades en grupos pequeos son primordiales para preparar la asignatura y superarla, no se le dan
demasiado peso en la nota final, concretamente alrededor de un 20 por ciento. El examen propiamente
dicho representar el 80 por ciento de la nota total. Dicho examen contendr preguntas tericas, relativas
sobretodo a conceptos, cuestiones terico-prcticas y problemas propiamente dichos.
Para disponer de una informacin lo ms completa posible en cada examen, el nmero de preguntas
que se deben contestar ha de ser elevado, alrededor de unas cuatro con distintos apartados, pero teniendo
en cuenta que la duracin del examen no puede ser excesiva y que realmente se pueda realizar en la mitad
de tiempo. En concreto, la duracin de un examen no superar las tres horas.
Si tanto la parte terica como las prcticas han sido superadas, la nota final puede subirse alrededor
de un 10 por ciento con la realizacin de un trabajo complementario. Este trabajo va a ser especialmente til
para las personas que les ha faltado poco para conseguir el notable o el sobresaliente o para aquellos con
nota de sobresaliente, que pueden optar a matrcula de honor.

8.2. Criterios de evaluacin:

La calificacin se har de acuerdo a las siguientes pautas:

Sobresaliente:

La comprensin conceptual es sobresaliente.


Los problemas y algoritmos relacionados con la asignatura son resueltos con eficiencia y
precisin; los procedimientos algortmicos y de resolucin de problemas son ajustados a la
naturaleza del problema.
Las destrezas experimentales son ejemplares y muestran un completo anlisis y evaluacin de
los resultados.
La actuacin en las destrezas transferibles es generalmente muy buena.
La participacin en las clases y distintas actividades ha sido muy correcta y muy satisfactoria.

22
GuaDocente
Notable:

La comprensin conceptual es notable. Los problemas y algoritmos relacionados con la


asignatura son resueltos con eficiencia y precisin; los procedimientos algortmicos y de
resolucin de problemas son generalmente ajustados a la naturaleza del problema.
Las destrezas experimentales son generalmente buenas y muestran un anlisis y evaluacin de
los resultados aceptables.
La actuacin en las destrezas transferibles es generalmente buena.
La participacin en las clases y distintas actividades ha sido correcta y bastante satisfactoria.

Aprobado:

El conocimiento y la comprensin del contenido cubierto en el curso es bsico.


Los problemas y algoritmos relacionados con la asignatura son generalmente resueltos de forma
adecuada.
Las prcticas de laboratorio estndares son usualmente desarrolladas con xito razonable
aunque el significado y anlisis de los resultados pueden no ser entendidos completamente.
Las destrezas transferibles estn a un nivel bsico.
La participacin en las clases y distintas actividades ha sido correcta pero no siempre
satisfactoria.

Suspenso:

El conocimiento y la comprensin del contenido cubierto en el curso no ha sido aceptable.


Los problemas y procesos algortmicos relacionados con la asignatura no son, generalmente,
resueltos de forma adecuada.
Las prcticas de laboratorio estndares son usualmente desarrolladas no satisfactoriamente y el
significado y anlisis de los resultados no son entendidos generalmente.
Las destrezas transferibles estn a un nivel deficiente.
La participacin en las clases y distintas actividades ha sido escasa y deficiente.

23
ESTADSTICA

OBJETIVOS COMPETENCIAS PLAN DE TRABAJO PROCEDIMIENTOS /


GENERALES ESPECFICAS DE LOS ALUMNOS CRITERIOS DE
EVALUACIN
Siste Enseanza Enseanza Clases Clases
Instru. Interp. Sistem. Instru. Interp.
m. presencial no presencial tericas prcticas
Realizacin
Opcin 1: de los
Realizacin y ejercicios
Leccin exposicin de propuestos.
OINS1 HC11-116 trabajos en
magistral /
OINS2 CM11-CM111 Trabajo de equipos
OINS3 DT11 aula / pequeos. Evaluacin
DL11-12 Aprendizaje
OINS4 Ejercicios continua.
on-line/
OINS5 CTC1 Cuestionarios Opcin 2: Test de
CTC2 para auto- Examen al control.
CTC3 evaluacin / final de curso
OSIS1
OINT1 CT1 CS1 Biblioteca / de teora y Evaluacin
OSIS2
OINT2 CT2 CS2 Trabajos en ejercicios. sobre 2
OSIS3 equipos e puntos.
OINT3 CT3 Leccin
OSIS4 individuales /
CT4 magistral / Evaluacin
Preparacin sobre 8
Trabajo de de examen /
aula / puntos.
OINS6 Tutoras
HC21-214 Ejercicios /
OINS7 CM21-213 organizadas Positivo:
Prctica de
OINS8 DT21-22 laboratorio
Positivo:
Presentacin
OINS9 DL21-22 Presentacin
Claridad
Claridad
Manejo del
Participacin software
en clase utilizado

24

También podría gustarte