ESTADÍSTICA BAYESIANA
Grado en Estadística- Plan 2016
Curso 2024/2025
1. Datos de la asignatura
(Fecha última modificación: 10-06-24 19:22)- Código
- 108438
- Plan
- 2016
- ECTS
- 6.00
- Carácter
- OPTATIVA
- Curso
- 4
- Periodicidad
- Primer Semestre
- Idioma
- ESPAÑOL
- Área
- ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
- Departamento
- Estadística
- Plataforma Virtual
Studium
Datos del profesorado
- Profesor/Profesora
- Miguel Rodríguez Rosa
- Grupo/s
- Todos
- Centro
- Fac. Ciencias
- Departamento
- Estadística
- Área
- Estadística e Investigación Operativa
- Despacho
- D1102, Edif. Ciencias
- Horario de tutorías
- A concretar con el profesor
- URL Web
- -
- miguel_rosa90@usal.es
- Teléfono
- -
2. Recomendaciones previas
Tener aprobadas las asignaturas de Análisis Matemático, Cálculo de Probabilidades y Estadística Matemática.
3. Objetivos
GENERALES:
Conocer la naturaleza, métodos y fines de la Inferencia Bayesiana.
Reconocer la necesidad de los Métodos Bayesianos para tratar científicamente aquellas situaciones de toma de decisiones con información a priori. Desarrollar las capacidades analíticas y de abstracción, la intuición y el pensamiento lógico, riguroso y crítico.
Capacitar para la utilización de los conocimientos teóricos y prácticos adquiridos en la definición y planteamiento de problemas y en la búsqueda de sus soluciones tanto en contextos académicos como profesionales.
Preparar para posteriores estudios especializados, tanto en una disciplina estadística como en cualquiera de las ciencias que requieran de Métodos Bayesianos
ESPECÍFICOS:
Reconocer la problemática de modelizar y utilizar la información a priori. Conocer las fases del proceso Bayesiano en la toma de decisiones. Conocer las distintas técnicas para seleccionar una distribución a priori. Saber calcular distribuciones a posteriori.
Saber aplicar las técnicas Bayesianas a problemas de estimación y contraste. Conocer y utilizar técnicas Bayesianas para tratar problemas de decisión
4. Competencias a adquirir | Resultados de Aprendizaje
Específicas | Habilidades.
CE011.- Conocer las nociones básicas en Inferencia Bayesiana (con CB1, CB2, CG1)
CE021.- Manejar los métodos Bayesianos y conocer su utilidad en problemas de Inferencia Estadística y Toma de Decisiones (con CB2, CB3, CG1, CG2, CG4, CG5, CE2, CE3).
Transversales | Competencias.
INSTRUMENTALES:
CT012.- Capacidad de análisis y síntesis.
CT022.- Capacidad de organización y planificación.
CT032.- Capacidad de gestión de la información.
CT042.- Resolución de problemas.
CT052.- Toma de decisiones a partir de los resultados obtenidos.
INTERPERSONALES:
CT062.- Trabajo en equipo.
CT072.- Razonamiento crítico.
CT082.- Compromiso ético.
CT092.- Habilidades en las relaciones interpersonales.
SISTÉMICAS:
CT102.- Aprendizaje autónomo.
CT112.- Motivación por la calidad del aprendizaje
5. Contenidos
Teoría.
TEMA 1.- Introducción a los Métodos Bayesianos. Estimación puntual.
TEMA 2.- Distribuciones conjugadas en el muestreo. Estimación por intervalos de confianza.
TEMA 3.- Estadísticos suficientes bayesianos.
TEMA 4.- Toma de decisiones.
TEMA 5.- Aplicación a los Contrastes de Hipótesis.
6. Metodologías Docentes
Se expondrá el contenido teórico de los temas a través de clases presenciales, siguiendo el texto recomendado, que servirá para fijar los conocimientos ligados a las competencias previstas y dar paso a clases prácticas de resolución de problemas, en los que se aplicarán las definiciones, propiedades y teoremas expuestos en las clases teóricas, de modo que en las clases prácticas los estudiantes se inicien en las competencias previstas.
A partir de las clases teóricas y prácticas se propondrá a los alumnos la realización de trabajos personales sobre teoría y problemas, para cuya realización tendrán el apoyo del profesor en seminarios tutelados. En esos seminarios los estudiantes podrán compartir con sus compañeros y con el profesor las dudas que encuentren, obtener solución a las mismas y comenzar a desempeñar por sí mismos las competencias de la materia. Además, los estudiantes tendrán que desarrollar por su parte un trabajo personal de estudio y asimilación de la teoría, resolución de problemas propuestos y preparación de los trabajos propuestos, para alcanzar las competencias previstas. De ello tendrán que responder, exponiendo sus trabajos ante el profesor o el resto de compañeros y comentándolos luego en una tutoría personal entre estudiante y profesor, así como realizando exámenes de teoría y resolución de problemas.
7. Distribución de las Metodologías Docentes
Previsión de distribución de las metodologías docentes (Fecha: 20-07-21)8. Recursos
Libros de consulta para el alumno.
DE GROOT M.H. (2004):"Optimal Statistical Decisions", John Wiley & Sons.
Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.
LEE P.M. “Bayesian Statistics: An Introduction”, Ed. Arnold, Londres.
BERRY D. “Statistics: A Bayesian Perspective”, Duxbury Press, New York.
ANTELMAN G. “Elementary Bayesian Statistics”, Edward Elgar, Cheltenham.
ZELLNER A. (2005): "An Introduction to Bayesian Inference in Econometrics. Ed.Wiley, New York.
9. Evaluación
Criterios de evaluación.
- Las cuestiones y ejercicios planteados a los alumnos durante el curso supondrán un 7’5% de la nota final.
- Las exposiciones en clase supondrán otro 12’5% de la nota final.
- La prueba parcial supondrá un 20% para la nota final, dividido en 12’5% el test y 7’5% los problemas.
- La evaluación final (primera convocatoria) será por medio de una prueba escrita que constará de una parte teórica que supondrá un 30% de la nota final, y de una parte práctica (resolución de problemas) a la que corresponderá el 30% restante. En esta evaluación final habrá que sacar, como mínimo, una nota de 3’5 puntos sobre 10 en el total de la Teoría y Problemas, para poder compensar con la puntuación obtenida en la evaluación continua (cuestiones y ejercicios, exposiciones y prueba parcial).
La recuperación (segunda convocatoria) también será por medio de una prueba escrita que constará de una parte teórica que supondrá un 30% de la nota final, y de una parte práctica a la que corresponderá otro 30%; en el 40% restante se contabiliza, con los mismos porcentajes, la puntuación que se hubiera obtenido en su día en la evaluación continua del curso. De nuevo, para poder superar la asignatura en esta segunda convocatoria, habrá que conseguir, como mínimo, 3’5 puntos sobre 10 en el total de la Teoría y Problemas.
En caso de que el alumno no se presente al examen final tendrá una calificación final de la asignatura de “No Presentado”.
Sistemas de evaluación.
Pruebas escritas, trabajos y exposiciones orales en clase.
Recomendaciones para la evaluación.
Estudiar la asignatura de forma regular desde el principio.
Preparar la teoría simultáneamente con la realización de problemas.
Consultar al profesor las dudas que se tengan.
Será el resultado de una ponderación basada en el desarrollo de cuestiones y ejercicios planteados a los alumnos durante el curso, las exposiciones en clase, de una prueba parcial realizada a mediados de curso, formada por un test y ejercicios de problemas, y de un examen escrito de teoría y problemas, en el que habrá que sacar, al menos, 3’5 puntos sobre 10.
Recuperación:
Preparar la teoría simultáneamente con la realización de problemas.
Consultar al profesor las dudas que se tengan.