TEÓRICOS (Se imparten en aula, en grupos específicos, según horario establecido por el centro):

MÓDULO 1: ESTADÍSTICA DESCRIPTIVA

Competencias: CB1, CB2, CB3, G1, G2, G3, G4, G8, G9, G10, N3 y EF1
Objetivos: OBG1, OBE1, OBE2, OBE10, OBE11, OBG2, OBG3, OBG4, OBG5

Tema 1. Introducción a la Ciencia de los Datos y Estadística descriptiva (2h)
1. Conceptos básicos en Ciencia de los Datos.
2. Organización y representaciones gráficas asociadas a un conjunto de datos.
3. Medidas características de un conjunto de datos.

Referencias orientativas para el seguimiento de este módulo: [WAL-12], [MON-12] y [CAN-03]

MÓDULO 2: PROBABILIDAD Y VARIABLES ALEATORIAS

Competencias: CB1, CB2, CB3, G1, G2, G3, G4, G8, G9, G10, N3 y EF1
Objetivos: OBG1, OBE3, OBE4, OBE5, OBE10, OBE11, OBG2, OBG3, OBG4, OBG5

Tema 2. Introducción a la teoría de la probabilidad (4h)
1. El modelo probabilístico.
2. Espacio muestral, sucesos y probabilidad.
3. Probabilidad condicionad. Independencia de sucesos.
4. Teorema de la probabilidad total y teorema de Bayes.

Tema 3. Variables aleatorias discretas (4h)
1. Concepto de variable aleatoria y función de distribución.
2. Variables aleatorias discretas: función puntual de probabilidad.
3. Medias de centralización y dispersión asociadas a variables aleatorias discretas.
4. Función de distribución de variables aleatorias. discretas.
5. Principales distribuciones discretas.

Tema 4. Variables aleatorias continuas (4h)
1. Variables aleatorias continuas: función de densidad.
2. Medias de centralización y dispersión asociadas a variables aleatorias continuas.
3. Función de distribución de variables aleatorias continuas.
4. Principales distribuciones continuas.

Referencias orientativas para el seguimiento de este módulo: [WAL-12], [CAN-03], [DEV-07], [BLI-14], [PIS-14], [GRI-17], [MIL-03], [MUL-17], [MAR-10], [MON-12], [ESP-13] y [LUE-06]

MÓDULO 3: MUESTREO E INFERENCIA ESTADÍSTICA

Competencias: CB1, CB2, CB3, G1, G2, G3, G4, G8, G9, G10, N1, N2, N3 y EF1
Objetivos: OBG1, OBE6, OBE7, OBE10, OBE11, OBG2, OBG3, OBG4, OBG5

Tema 5. Muestreo y distribuciones muestrales (2h)
1. Conceptos básicos.
2. Técnicas de muestreo. Estadísticos muestrales.
3. Distribuciones asociadas a los principales estadísticos muestrales.

Tema 6. Introducción a la teoría de la estimación (3h)
1. Estimación puntual.
2. Estimación por intervalos.
3. Intervalos de confianza asociados a los principales estadísticos.

Tema 7. Contrastes de hipótesis paramétricos (4h)
1. Conceptos básicos. Hipótesis estadísticas y errores asociados.
2. Contrastes unilaterales y bilaterales asociados a los principales estadísticos.
3. Determinación del tamaño de la muestra.

Tema 8. Contrastes de hipótesis no paramétricos (3h)
1. Introducción.
2. Contrastes de bondad de ajuste.
3. Otros contrastes no paramétricos
4. Métodos de remuestreo

Tema 9. Introducción a la Inferencia Bayesiana (2h)
1. Consideraciones generales.
2. Funciones de verosimilitud.
3. Inferencia de una proporción.
4. Inferencia para la media y varianza de una población.

Referencias orientativas para el seguimiento de este módulo:WAL-12], [CAN-03], [GEL-13], [MIL-03], [DEV-07], [PIS-14], [MON-12], [HES-03], [SER-03], [DON-19], [EVA-19], [KRU-14] y [LUE-06]

MÓDULO  4. REGRESIÓN

Competencias: CB1, CB2, CB3, G1, G2, G3, G4, G8, G9, G10, N1, N2, N3 y EF1
Objetivos: OBG1, OBE8, OBE9, OBE10, OBE11, OBG2, OBG3, OBG4, OBG5

Tema 10. El modelo de regresión lineal (2h)
1. Hipótesis del modelo de regresión simple.
2. Estimación de los parámetros del modelo e inferencia.
3. Predicciones.
4. Introducción a la regresión logística

Referencias orientativas para el seguimiento de este módulo: [WAL-12], [CAN-03], [PIS-14], [MON-12] y [LUE-06]

PRÁCTICOS (LABs, se imparten en el laboratorio, paralela y coordinadamente con los contenidos teóricos-prácticos que se presentan en el aula -u on-line según el caso-, son un total de 7 LABs orientados al aprendizaje y uso del Entorno de Programación R en Estadística y Análisis de Datos, y que a su vez permiten reforzar y consolidar los conceptos que se presentan en clases de teoría).

Competencias: CB1, CB2, CB3, CB4, CB5, G1, G2, G3, G4, G8, G9, G10, N1, N2, N3 y EF1
Objetivos: OBG1, OBE1, OBE2, OBE3, OBE4, OBE5, OBE6, OBE7, OBE8, OBE9, OBE10, OBE11, OBG2, OBG3, OBG4, OBG5.

Lab 1: Introducción al Entorno R (Instalación y Operaciones Básicas) (3h)
Lab 2: Objetos, Funciones y Programación en R (5h)
Lab 3: Estadística Descriptiva y Probabilidad en R (4h)
Lab 4: Análisis de Datos en R (Estudio de casos) (5h)
Lab 5: Estimación Puntual, Intervalos de Confianza y Contrastes de Hipótesis Paramétricos en R (5h)
Lab 6: Contrastes de Hipótesis no Paramétricos en R (4h)
Lab 7: Regresión Lineal Simple en R (4h)

Referencias orientativas: [CRA-13], [FRE-19], [KRU-14], [MCE-18], [HOR-09], [MAI-17], [WIC-17], [RDT-21] y Otros Manuales en línea.

REFERENCIAS ORIENTATIVAS
--------------------------------------------

[BLI-14] “Introduction to Probability”, Joseph Blitzstein & Jessica Hwang, CRC Press, 2014.
[CAN-03] “Probabilidad y Estadística: Aplicaciones y Métodos”, George C. Canavos, McGraw-Hill, 2003.
[CRA-13] “The R Book”, 2ª Edición, Michael Crawley, Ed. Wiley, 2013.
[ESP-13] “Estadística descriptiva y probabilidad: Teorías y problemas”, Inmaculada Espejo y Otros, Univ. Cádiz, 2013.
[DEV-07] “Probabilidad y Estadística para Ingeniería y Ciencias”, 8ª Edición, Jay L. Devore, Thomson, 2007.
[DON-19] “Bayesian Statistic for Beginners. A Step-by-Step Approach”, Therese M. Donovan, Ruth M. Mickey, Oxford University Press, 2019.
[EVA-19] “Probabilidad y Estadística. La Ciencia de la Incertidumbre”, Michael J. Evans & Jeffrey s. Rosenthal, Ed. Reverté, 2019.
[FRE-19] “Programming Skills for Data Science. Tart Writing Code to Wrangle, Analyze and Visualize Data with R”, Michael Freeman, Joel Ross, Addison-Wesley, 2019.
[GEL-13] “Bayesian Data Analysis” 3rd Ed., Andrew Gelman, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, Donald B. Rubin, Chapman & Hall/CRC Texts in Statistical Science, 2013.
[GRI-17] “Probability. An Introduction”, Geoffrey Grimmett, Dominic Welsh, Oxford University Press, 2017.
[HES-03] “Bootstrap Methods and Permutation Test”, cap. 18 de “The Practice of Business Statistics”, Tim Hestemberg et al., W. H. Freeman, 2003.
[HOR-09] “Probability with R: an introduction with computer science applications”, Jane M. Horgan, Wiley, Hoboken, N.J, 2009.
[KRU-14] “Doing Bayesian Data Analysis. A Tutorial with R and BUGS”, John K. Kruschke, Academic Press, 2014.
[LUE-06] “Problemas resueltos de cálculo de probabilidades y estadística”, Inmaculada Luengo, ULPGC, 2006.
[MAI-17] “Metaprogramming in R”, Thomas Mailund, Apress, 2017.
[MAR-10] “Fundamentos de Probabilidad”, 3ª Ed., Francisco Martín & Luis Maya, Paraninfo, 2010.
[MCE-18] “Statistical Rethinking: A Bayesian Course with Examples in R and Stan”, Richard McElreath, hapman & Hall/CRC Texts in Statistical Science, 2018.
[MIL-03] “Introduction to Probability and Statistics: Principles and Applications for Engineering and the Computing Sciences”, 4ª Ed. Janet S. Milton, Jesse C. Arnold, McGraw-Hill, 2003.
[MON-12] “Probabilidad y Estadística Aplicadas a la Ingeniería”, 2ª Ed., Douglas Montgomery & George Runger, Limusa Wiley, 2012.
[MUL-17] “Estadística Básica. II.Probabilidad: variables aleatorias”, Rubén Mullor Ibáñez, Publicacions Universitat d?Alacant, 2017.
[PIS-14] “Introduction to Probability, Statistics and Random Processes”, Hossein Pishro-Nik, Kappa Reseacrh LLC, 2014.
[RDT-21] “The R Manuals”, The R Development Core Team, CRAN_R-project, 2021.
[SER-03] “Iniciación a la Estadística Bayesiana”, José Serrano Angulo, Ed. La Muralla/Ed. Hespérides, 2003.
[WAL-12] “Probabilidad y Estadística para Ingeniería y Ciencias”, 9ª Ed., Ronald Walpole, Raymond Myers, Prentice Hall, 2012.
[WIC-17] “R for Data Science. Import, Tidy, Transform, Visualize and Model Data”. Hadley Wickman, Garret Grolemund, O?Reilly, 2017.