Estadística Avanzada

Su carácter es optativo y su docencia está programada en el segundo semestre de 3^º curso.  Los alumnos ya han estudiado, en los cursos anteriores, los métodos estadísticos descriptivos e inferenciales básicos. En la asignatura se introducen nuevos métodos para realizar inferencias basados en la propia muestra, mediante remuestreo, sin conocimiento previo sobre las distribuciones poblacionales

Actualmente todos los trabajos basados en la toma de datos experimentales han de basar sus resultados en métodos estadísticos. La asignatura proporciona los conocimientos básicos para analizar datos con las técnicas modernas de remuestreo y el lenguaje necesario para comprender los informes redactados por otros profesionales.

Los conceptos explicados son útiles para aquellos profesionales que desarrollarán su actividad en diversos campos de aplicación como las Ciencias Sociales, Biomedicina, Marketing etc en los que se dispone frecuentemente de datos complejos. También será útil para aquellos alumnos que en el futuro se dediquen a la investigación en este campo.

1. Métodos de Monte-Carlo

2. Jacknife

3. Bootstrap

       a. Paramétrico

       b. No paramétrico

4. Tests de permutaciones

5. Tests aleatorizados

6. Aplicación en problemas estadísticos básicos.

7. Aplicaciones en modelización.

8. Aplicaciones en análisis multivariantes.

9. Aplicaciones en Machine Learning.

- Saber aplicar sus conocimientos a su trabajo de una forma profesional y poseer las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro del área de Estadística.

- Tener la capacidad de reunir e interpretar datos de diversas áreas de estudio para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.

- Comprender y utilizar el lenguaje estadístico. Adquirir la capacidad para analizar y sintetizar los problemas de los distintos campos de aplicación de la Inferencia Estadística.

.- Desarrollar la capacidad para el aprendizaje autónomo de nuevos conocimientos y técnicas, para el razonamiento crítico y para la transmisión de los conocimientos estadísticos adquiridos en lengua nativa y extranjera.

.- Adquirir la capacidad de comunicación con equipos multidisciplinares en los que el uso de la Estadística juega un papel relevante en la toma de decisiones.

.- Conocer y utilizar diferentes herramientas informáticas de uso común en el ámbito de la Estadística. Gestionar la información disponible de manera óptima.

.- Adquirir la capacidad de adaptación a nuevas situaciones que puedan requerir la mejora o creación de técnicas estadísticas en términos de otras ya conocidas.

.- Adquirir los conocimientos estadísticos necesarios para diseñar adecuadamente una investigación y realizar estudios descriptivos e inferenciales, utilizando las herramientas informáticas más adecuadas.

.- Proponer, analizar, validar e interpretar modelos de situaciones reales utilizando las técnicas estadísticas más adecuadas a los fines que se persigan.

.- Adquirir la capacidad para detectar y modelizar el azar en problemas reales. Distinguir entre método estadístico y razonamiento determinista.

Instrumentales:

• Capacidad de análisis y síntesis.
• Resolución de problemas.
• Conocimientos de informática en el ámbito de estudio.
• Toma de decisiones.

Personales:

• Razonamiento crítico.

Sistémicas:

• Adaptación a nuevas situaciones.

• Good, P. I. (2006). Resampling methods. Birkhũser Boston.
• Efron, B., & Tibshirani, R. (1993). An Introduction to the Bootstrap. Chapman & Hall
• Efron, B. (1982). The jackknife, the bootstrap, and other resampling plans (Vol. 38). Siam.
• Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.

Plataforma Moodle (Studium.usal.es)

Pagina web del departamento: http://biplot.usal.es. (Incluye notas específicas para la signatura)

Tareas desarrolladas a lo largo del curso.

Cuestionarios de autoevaluación mediante preguntas de tipo test, preguntas concretas o preguntas que relacionen varios conceptos de diferentes unidades temáticas, como parte de la evaluación continuada a lo largo del desarrollo de la signatura.

Desarrollo de un proyecto escrito de Minería de datos al terminar a la asignatura

• Cuestionarios de autoevaluación con tests teórico-prácticos basados en las clases magistrales en el campus virtual y videotutoriales (15%) y tareas de evaluación continua de las prácticas (15%).
• Examen final que consistirá en la elaboración personal de los alumnos de un proyecto escrito de utilización de métodos de remuestreo (60%), donde se valorará la capacidad del alumno para llevar a la práctica los métodos aprendidos, el manejo del software utilizado, la elaboración de informes y la bibliografía consultada, así como las competencias instrumentales, interpersonales y sistémicas, así como las habilidades y actitudes.
• Asistencia a clase y participación en los foros (10%).

Pruebas de conocimientos teóricos evaluación después de cada tema, normalmente de tipo test a través de la plataforma Studium.

Evaluación continua de los trabajos realizados durante el curso y de su exposición y debate.

Evaluación continua utilizando Studium.

Manejo de un software de estadística. Ordenador.

Evaluación de proyectos desarrollados por el alumno.

Utilizar la bibliografía para afianzar conocimientos y, si es necesario, adquirir una mayor destreza en la materia.

Plantear las posibles dudas que tenga el alumno en clase, tutorías, seminarios.

Realizar las tareas propuestas a lo largo del curso.

El alumno podrá recuperar aquellas partes de la evaluación (tareas, prácticas y cuestionarios) que no haya superado en el curso.