• CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
• CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
• CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

• CE1 - Conocer, utilizar y desarrollar diferentes herramientas informáticas de uso común en los ámbitos de las Matemáticas, la Estadística y la Investigación Operativa. Gestionar la información disponible de manera óptima.
• CE2 - Saber comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas estadísticas.
• CE3 - Capacitar para resolver problemas de ámbito académico, técnico, financiero o social mediante métodos estadísticos trabajando en equipos multidisciplinares en los que el uso de la Estadística juega un papel relevante en la toma de decisiones.
• CE4 - Capacitar para conocer los principales conceptos y analizar mediante técnicas estadísticas los datos procedentes de diferentes ámbitos: técnico, biosanitario, socio-jurídico o económico.
• CE8 - Capacidad para realizar estudios descriptivos e inferenciales de distintos tipos de datos, utilizando las herramientas informáticas más adecuadas
• CE9 - Conocer el procedimiento de elaboración y redacción de un informe de resultados estadísticos con datos procedentes de investigaciones científicas.

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.

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.

• 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)

• 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. Si no se entrega este proyecto se evaluará al alumno como no presentado.
• 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.

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 método de remuestreo de datos al terminar a la asignatura o varios proyectos pequeños a lo largo del curso.

Recuperación:

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

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.