GUIA DOCENTE DE LA ASIGNATURA

Estadistica Computacional II Curso 2015- 2016

(Fecha ltima actualizacin: 06/06/15))

MDULO MATERIA CURSO SEMESTRE CRDITOS TIPO

Estadstica Computacional Estadstica Computacional II 3 2 6 Obligatoria

DIRECCIN COMPLETA DE CONTACTO PARA TUTORAS

PROFESORES*1
(Direccin postal, telfono, correo electrnico, etc.)

Dpto. Estadstica e Investigacin Operativa

Facultad de Ciencias

Correo electrnico:
andresgc@ugr.es
yroman@ugr.es

HORARIO DE TUTORAS*
Andrs Gonzlez Carmona
Andrs Gonzlez Carmona
Yolanda Romn Montoya Martes, 8:00 14:00
Yolanda Romn Montoya
1 Cuatrimestre:
Lunes, 10:00 13:00
Jueves, 8:30 111:30
2 Cuatrimestre:
Lunes, 10:00 13:00
Jueves, 8:30 111:30

GRADO EN EL QUE SE IMPARTE OTROS GRADOS A LOS QUE SE PODRA OFERTAR

Grado en Estadstica

PRERREQUISITOS Y/O RECOMENDACIONES (si procede)

Se recomienda la realizacin previa de las asignaturas Estadstica Computacional I, Clculo de Probabilidades I y II, Estadstica Descriptiva e
Informtica I y II del mdulo Formacin bsica

BREVE DESCRIPCIN DE CONTENIDOS (SEGN MEMORIA DE VERIFICACIN DEL GRADO)

1
* Consulte posible actualizacin en Acceso Identificado > Aplicaciones > Ordenacin Docente.

Pgina 1
 Metodologa del anlisis estadstico computacional.
Programas de ordenador de uso general como soporte para la planificacin, recogida, preparacin y
adaptacin de datos.
Programas de ordenador para anlisis estadsticos.
Entornos de anlisis y programacin estadsticos.
Estructuras de datos para el anlisis estadstico.
Utilizacin de medios informticos para el diseo y anlisis de problemas estadsticos reales.

COMPETENCIAS GENERALES Y ESPECFICAS

Competencias generales:

G01. Poseer los conocimientos bsicos de los distintos mdulos que, partiendo de la base de la educacin secundaria general, y apoyndose en
libros de texto avanzados, se desarrollan en la propuesta de ttulo de Grado en Estadstica que se presenta.
G02. Saber aplicar los conocimientos bsicos de cada mdulo a su trabajo o vocacin de una forma profesional y poseer las competencias que
suelen demostrarse por medio de la elaboracin y defensa de argumentos y la resolucin de problemas dentro de la Estadstica y mbitos en que
esta se aplica directamente.
G03. Saber reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexin sobre temas relevantes de ndole social, cientfica
o tica.
G04. Poder transmitir informacin, ideas, problemas y sus soluciones, de forma escrita u oral, a un pblico tanto especializado como no
especializado.
G06. Saber utilizar herramientas de bsqueda de recursos bibliogrficos.
G08. Poseer habilidades y aptitudes que favorezcan el espritu emprendedor en el mbito de aplicacin y desarrollo de su formacin acadmica
G09. Fomentar y garantizar el respeto a los Derechos Humanos, a los principios de accesibilidad universal, igualdad, y no discriminacin; y los
valores democrticos, de la cultura de la paz y de igualdad de gnero.

Competencias especficas:

E01. Conocer los fundamentos bsicos del razonamiento estadstico, en el diseo de estudios, en la recogida de informacin, en el anlisis de
datos y en la extraccin de conclusiones.
E02. Conocer, saber seleccionar y saber aplicar, tcnicas de adquisicin de datos para su tratamiento
estadstico.
E03. Conocer los fundamentos tericos y saber aplicar modelos y tcnicas estadsticas en estudios y
problemas reales en diversos mbitos cientficos y sociales.
E04. Saber seleccionar los modelos o tcnicas estadsticas para su aplicacin en estudios y problemas reales en diversos mbitos cientficos y
sociales, as como conocer herramientas de validacin de los mismos.
E07. Conocer los conceptos y herramientas matemticas necesarias para el estudio de los aspectos tericos y prcticos de la Probabilidad, la
Estadstica y la Investigacin Operativa.
E08. Conocer y saber utilizar aplicaciones informticas de anlisis estadstico, clculo numrico y simblico, bases de datos, visualizacin grfica
y optimizacin, que sean tiles para la aplicacin y desarrollo de las tcnicas estadsticas.
E10. Tomar conciencia de la necesidad de asumir las normas de tica profesional y las relativas a la
proteccin de datos y del secreto estadstico, como premisas que deben guiar la actividad profesional como profesionales de la Estadstica.

OBJETIVOS (EXPRESADOS COMO RESULTADOS ESPERABLES DE LA ENSEANZA)

Conocer y saber usar diferentes programas de ordenador adecuados a la resolucin de problemas estadsticos.
Conocer las estructuras de datos y de programacin ms usuales en el tratamiento informtico de problemas estadsticos.
Ser capaz de adaptarse a cambios en los lenguajes, estructuras y soporte de ordenadores.

Pgina 2
 Saber determinar a qu situaciones reales pueden aplicarse diferentes tcnicas estadsticas yaplicarlas mediante programas de ordenador.
Ser capaz de desarrollar nuevos programas en un entorno de programacin, tanto general como estadstico

TEMARIO DETALLADO DE LA ASIGNATURA

TEMARIO TERICO/PRCTICO:

Tema 1. Datos en R
Lectura de datos y manipulacin de variables
Variables de tipos especiales
Bases de datos. SQL
Grandes volmenes de datos

Tema 2. Programacin con R

Creacin de funciones propias
Remuestreo
Simulacin de variables aleatorias

Tema 3. Elaboracin de informes de resultados

HTML
Latex

Tema 4. Creacin de libros en R

Prcticas de Laboratorio

En el horario de prcticas de la asignatura se realizarn ejercicios con datos reales de los contenidos desarrollados en el temario

BIBLIOGRAFA

BIBLIOGRAFA FUNDAMENTAL:

1. Arriaza Gmez, J., Fernndez Palacn, F., Lpez Snchez, M.A., Muoz Mrquez, M., Prez Plaza, S. y Snchez Nava, S. (2008). Estadstica Bsica con
R y R-Commander. Disponible libremente on-line (http://knuth.uca.es/ebrcmdr).
2. Crawley, M.J. (2007). The R book. John Wiley & Sons Inc.
3. Faraway, J.J. (2002). Practical Regression and Anova using R. Ed. el autor.
4. Gentle, J.E. (2002). Elements of Computational Statistics. Springer-Verlag, New York, Inc.
5. Gutierrez, R., Gonzlez, A. et al.(1994).-Tcnicas de Anlisis de datos multivariable. Tratamiento computacional Servicio de reprografa de la
Facultad de Ciencias. Granada.
6. Spector, P. (2008). Data Manipulation with R. Springer Science+Business Media, LLC.
7. The R Project for Statistical Computing.-www.r-project.org

Pgina 3
BIBLIOGRAFA COMPLEMENTARIA:
1. Abranovic, W. A. (1997): Statistical Thinking and Data Analysis Methods for Managers. Ed. Addison-Wesley. Aguarn J. y otros (1993): Simulacin.
Coleccin Textos Docentes, Servicio de Publicaciones de la Universidad de Zaragoza.
2. Albert, J. and Rizzo, M. (2012). R by example. Springer
3. Carrie, A. (1988): Simulation of Manufacturing Systems. Ed. John Wiley & Sons.
4. Chambers J.M. y otros (1983): Graphical Methods for Data Analysis. Ed. Chapman-Hall.
5. Olson, D.L. (2002): Introduction to Simulation and Risk Analysis. Ed. Prentice-Hall.
6. Hair, J.F.; Anderson, R.E.; Tatham, R.L.; Black, W.C. (1999): Anlisis Multivariante, 5a ed. Ed. Prentice Hall
7. Hjsgaard, Edwards, Lauritzen (2012). Graphical Models with R
8. Kelton, W.D.; Sadowski, R.P.; Sadowski, D.A. (2002): Simulation with Arena.
9. Kerns - Introduction to Probability and Statistics Using R
10. Kriegel - Discovering SQL. A Hands-On Guide for Beginners
11. Lafaye de Micheaux et al. (2014). The R Software. Fundamentals of Programming and Statistical Analysis
12. Lander (2013).- R for Everyone. Advanced Analytics and Graphics
13. Leipzig, Li (2011). Data Mashups in R
14. Li, Baron (2011). Behavioral Research Data Analysis with R
15. McGraw-Hill. Law, A.M.; Kelton, W.D. (2000): Simulation Modeling and Analysis, 3rd edition. Ed. McGraw-Hill.
16. Martnez-Arias, R. (1999):El Anlisis Multivariante en la Investigacin Cientfica. Coleccin Cuadernos de Estadstica. Ed. La Muralla-Hesprides.
17. Middleton M. R. (1995): Data Analysis Using Excel 5.0. Ed. Duxbury.
18. Naylor T.H. (1982): Experimentos de Simulacin en computadoras con modelos de Sistemas Econmicos. Ed. Limusa.
19. Pardo L. Y Valds T. (1987): Simulacin. Aplicaciones prcticas en la Empresa. Ed. Daz de Santos S.A.
20. Ros-Insa D.; Ros-Insa S.; Martn J. (1997): Simulacin. Mtodos y Aplicaciones. Ed. Rama.
21. Waters, D.(1998): Essential Quantitative Methods. Ed. Addison Wesley Longman.
22. Winston W.(2000): Financial Models using Simulation and Optimization. Ed. Palisade

ENLACES RECOMENDADOS

www.r-project.org

METODOLOGA DOCENTE

Clases tericas.
Clases de problemas y prcticas de ordenador
Seminarios y exposicin de trabajos
Tutoras acadmicas
Trabajo personal del alumno

EVALUACIN (INSTRUMENTOS DE EVALUACIN, CRITERIOS DE EVALUACIN Y PORCENTAJE SOBRE LA CALIFICACIN FINAL, ETC.)

La evaluacin se realizar a partir de la medicin de las diversas actividades que realizan los alumnos.

La superacin de cualquiera de las pruebas no se lograr sin un conocimiento uniforme y equilibrado de toda la materia. Se tendrn en cuenta los siguientes
procedimientos, aspectos y criterios, asignando a cada uno de ellos un porcentaje que se mantenga en el rango indicado y de tal manera que la suma de los
tres constituya el total (100%) de la calificacin:

Evaluacin de la materia Valor

Pruebas especficas de conocimientos, orales y escritas. Resolucin de ejercicios 40 50%

Pgina 4
 Trabajos y seminarios. Producciones de los alumnos, individuales o de grupo, a travs de cuadernos de trabajo
40 50%
presentaciones, e-portfolios, entrevistas, y cuestionarios

Participacin, actitud y esfuerzo personal de los alumnos en las actividades formativas. Autoevaluacin razonada 5 15%

La evaluacin nica final establecida en la Normativa de evaluacin y de calificacin de los estudiantes de la Universidad de Granada consistir en un
examen escrito en el que se incluirn preguntas tericas y prcticas sobre el temario que figura en esta gua docente.

INFORMACIN ADICIONAL

Cumplimentar con el texto correspondiente en cada caso.

Pgina 5