Guías Académicas

MÉTODOS DE REMUESTREO

MÉTODOS DE REMUESTREO

Doble Titulación de Grado en Estadística y en Ingeniería Informática

Curso 2023/2024

1. Datos de la asignatura

(Fecha última modificación: 18-05-23 12:15)
Código
108429
Plan
ECTS
6
Carácter
Curso
5
Periodicidad
Primer Semestre
Área
ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
Departamento
-
Plataforma Virtual

Campus Virtual de la Universidad de Salamanca

Datos del profesorado

Coordinador/Coordinadora
José Luis Vicente Villardón
Grupo/s
1
Centro
Fac. Biología
Departamento
Estadística
Área
Estadística e Investigación Operativa
Despacho
3.3. - 2ª Planta. Facultad de Medicina
Horario de tutorías
Cita previa por correo electrónico
URL Web
http://biplot.usal.es
E-mail
villardon@usal.es
Teléfono
923 294500, Ext. 6978
Profesor/Profesora
Laura Vicente González
Grupo/s
1
Centro
Fac. Biología
Departamento
Estadística
Área
Estadística e Investigación Operativa
Despacho
Estadística :Medicina
Horario de tutorías
Cita previa por correo electrónico.
URL Web
http://biplot.usal.es
E-mail
laura20vg@usal.es
Teléfono
923294400 Ext 1921

2. Sentido de la materia en el plan de estudios

Bloque formativo al que pertenece la materia.

Estadística Avanzada

Papel de la asignatura.

Su carácter es optativo y su docencia está programada en el segundo semestre de 3º 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

Perfil profesional.

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.

3. Recomendaciones previas

Tener aprobadas las asignaturas de Estadística Descriptiva, Estadística Matemática, Modelos Lineales y Análisis Multivariante.

Inglés básico para la lectura de articulos científicos que pueden utilizarse en algunos de los seminarios y trabajos.

Conocimientos de informática a nivel de usuario y manejo de R.

4. Objetivo de la asignatura

Se introducirán las técnicas básicas de remuestreo (Montecarlo, Jacknife, Boostrap, …) útiles en estadística.

Estos métodos son cada vez más populares y presentan alternativas fiables a los métodos asintóticos tradicionales, basados en su mayoría en el teorema central del límite. Los métodos ofrecen una alternativa atractiva en muchas aplicaciones para determinar la distribución muestral de los estadísticos de interés. En muchos casos la aproximación es mejor que la asintótica e incluso en los que esta no está disponible, los métodos de remuestreo son la única posibilidad de realizar inferencias.

El curso hará énfasis en la aplicación de los métodos usando los programas R y SPSS o cualquier otra herramienta específica que se considere oportuno.

5. Contenidos

Teoría.

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.

6. Competencias a adquirir

Específicas.

- 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.

Transversales.

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.

7. Metodologías

-LECCIÓN MAGISTRAL: Donde se presenta la teoría (las diferentes técnicas estadísticas). Se emplearán medios audiovisuales como apoyo.

-DOCENCIA BASADA EN PROBLEMAS PRÁCTICOS simulados o recogidos de las publicaciones científicas que despierten el interés de los alumnos.

-MÉTODOS PRÁCTICOS PARTICIPATIVOS: Se presentará algún trabajo de investigación en el que los alumnos deben participar (en la recogida de datos o en la búsqueda bibliográfica, según proceda, en la grabación en soporte informático y/o en el análisis de los mismos, en la redacción de las conclusiones y en la presentación, en grupo,  de los resultados).

Una parte de este tiempo estará dedicada al manejo del software estadístico y al entrenamiento de la interpretación de las salidas del programa.

-SEMINARIOS METODOLÓGICOS donde se discutan los casos planteados y donde se les enseñe a realizar un estudio crítico de trabajos publicados en revistas científicas y se pondrá en conocimiento del grupo los problemas o sesgos detectados durante la realización de los trabajos.

8. Previsión de Técnicas (Estrategias) Docentes

9. Recursos

Libros de consulta para el alumno.

  • 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.

Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.

Plataforma Moodle (Studium.usal.es)

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

10. Evaluación

Consideraciones generales.

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

Criterios de evaluación.

  • 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%).

 

 

Instrumentos de evaluación.

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.

Recomendaciones para la evaluación.

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.

Recomendaciones para la recuperación.

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