Guia docente
DATOS IDENTIFICATIVOS 2023_24
Asignatura ESTADISTICA AVANZADA II Código 00511021
Enseñanza
0511 - G.MARKETING E INVESTIGACIÓN DE MERCADOS
Descriptores Cr.totales Tipo Curso Semestre
6 Obligatoria Tercero Primero
Idioma
Castellano
Prerrequisitos
Departamento ECONOMIA Y ESTADISTICA
Responsable
ABAD GONZÁLEZ , JULIO IGNACIO
Correo-e jiabag@unileon.es
ralve@unileon.es
Profesores/as
ABAD GONZÁLEZ , JULIO IGNACIO
ÁLVAREZ ESTEBAN , RAMÓN
Web http://
Descripción general Técnicas estadísticas multivariantes y de aprendizaje automático para variables cualitativas. Aplicaciones con software estadístico específico (R/ RStudio y Flourish).
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA HUERGA CASTRO , MARIA DEL CARMEN
Secretario ECONOMIA Y ESTADISTICA VALLEJO PASCUAL , MARIA EVA
Vocal ECONOMIA Y ESTADISTICA BLANCO ALONSO , PILAR
Tribunal suplente
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA ARIAS SAMPEDRO , CARLOS
Secretario ECONOMIA Y ESTADISTICA GARCIA GALLEGO , ANA BELEN
Vocal ECONOMIA Y ESTADISTICA RODRIGUEZ FERNANDEZ , MARIA DEL PILAR

Competencias
Código  
A16272 511E3 Capacidad para poner en práctica técnicas de investigación de mercados
A16274 511E5 Capacidad para analizar entornos económicos y empresariales y su influencia en el ámbito de la investigación de mercados y marketing
A16278 511EB2 Capacidad para realizar investigaciones y análisis de mercados
B5100 511CG7 Demostrar que posee y comprende los conocimientos en el área del marketing y de la investigación de mercados.
B5101 511CG8 Aplicar los conocimientos anteriores a su trabajo en cualquier campo relacionado con el marketing y con la investigación de mercados. En este sentido, debe ser capaz de elaborar y defender argumentos, así como resolver problemas en las áreas de estudio especificadas.
B5102 511CG9 Reunir e interpretar datos relevantes sobre todas las áreas del marketing y de la investigación de mercados, así como emitir juicios razonados sobre temas relevantes de carácter científico, social o ético, apoyándose en dichos datos.
B5107 511CT4 Capacidad de aprender
B5108 511CT5 Capacidad para el pensamiento analítico
B5109 511CT6 Manejar con destreza las tecnologías de la información
C3 CMECES3 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.

Resultados de aprendizaje
Resultados Competencias
Identificar, plantear y resolver problemas mediante la utilización de la técnica estadística multidimensional adecuada en el campo del marketing e investigación de mercados. A16272
A16274
A16278
 B5100
B5101
B5102
B5107
B5108
 C3
Capacidad para analizar entornos económicos y empresariales desde un punto de vista multidimensional. A16272
A16274
A16278
 B5100
B5101
B5102
B5107
B5108
 C3
Comprender las técnicas factoriales aplicadas a variables cualitativas y los modelos logarítmico lineales. A16272
A16278
 B5100
B5101
B5107
B5108
B5109
 C3
Predecir e interpretar resultados a partir de modelos de respuesta discreta y técnicas de segmentación. A16272
A16278
 B5100
B5101
B5107
B5108
B5109
 C3
Comprender y aplicar técnicas específicas con gran aplicación en el marketing e investigación de mercados como el análisis conjunto y el análisis de datos textuales. A16272
A16278
 B5100
B5101
B5107
B5108
B5109
 C3

Contenidos
Bloque Tema
Tema 1. Introducción
Tema 2. Visualización de datos
Tema 3. Minería de textos
Tema 4. Análisis de correspondencias y escalamiento multidimensional
Tema 5. Modelos log-lineales y reglas de asociación
Tema 6. Técnicas de segmentación jerárquica: árboles de clasificación
Tema 7. Modelos de respuesta discreta: regresión logística
Tema 8. Análisis conjunto

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Dirigidas 40 40 80
 
Supervisadas 10 30 40
Autónomas 0 20 20
 
Sesión Magistral 0 0 0
 
Realización y exposición de trabajos. 7.5 0 7.5
Pruebas mixtas 2.5 0 2.5
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as
Metodologías   ::  
  descripción
Dirigidas Clases magistrales: (ver más abajo en "Sesión magistral") Clases prácticas en aula de informática: sesiones en las que el profesor guiará a los alumnos en el manejo del software estadístico R para aplicar las distintas técnicas estadísticas estudiadas a la resolución de problemas y para la interpretación de sus resultados. Para poder realizar las pruebas y/o entregar las tareas con software estadístico, podrá ser necesario haber superado las prueba de control (tipo test) de acceso al aula de informática que se podrán realizar en algunas de esas sesiones. Asimismo, será necesaria la elaboración y presentación de un informe de prácticas que recogerá todos los aspectos relacionados con el desarrollo de las mismas.
Supervisadas Como complemento a las clases en el aula informática y con el fin de que el alumno mejore su competencia en el manejo de R, el profesor propondrá la realización de varias prácticas, algunas de las cuales se considerarán en la evaluación continua. De igual modo, la elaboración del trabajo grupal obligatorio será supervisado por el profesor en sesiones periódicas.
Autónomas Se proporcionan actividades con las que el estudiante pueda prepararse antes de la evaluación. Estas actividades se utilizan como instrumento de enseñanza-aprendizaje, resolviendo presencialmente o mediante foros todas las dudas que puedan surgir en cuanto a interpretaciones y las soluciones alcanzadas.
Sesión Magistral Exposición oral de los elementos más relevantes de cada tema que se complementará con el uso de la pizarra o el cañón de proyección, y el empleo de diversos materiales de apoyo y la bibliografía recomendada. Los alumnos contarán previamente con la documentación pertinente para el correcto seguimiento de los temas y trabajarán sobre los materiales, bibliografía o recursos que hayan sido recomendados por el profesor. De este modo, estarán en disposición de participar de forma activa en las clases en que se aborden dichos contenidos.

Tutorías
 
Supervisadas
descripción
Tutorías virtuales a través del foro de la plataforma institucional de Moodle http://agora.unileon.es para que los alumnos puedan realizar consultas o plantear dudas que podrán ser resueltas por otros compañeros y, en ultima instancia, por el propio profesor.

Tutorías tradicionales para que los alumnos de forma individual puedan realizar consultas o plantear dudas que no hayan podido ser resueltas por los medios anteriores.

Evaluación
  descripción calificación
Supervisadas Prácticas presenciales con software estadístico 30%
Realización y exposición de trabajos. Realización de un trabajo en grupo 20%
Pruebas mixtas Una prueba escrita con preguntas de carácter teórico y práctico 50%
 
Otros comentarios y segunda convocatoria

Prácticas presenciales con software estadístico

Las prácticas con software estadístico son exclusivamente presenciales. Para poder entregar dichas prácticas, podrá ser necesario haber superado una prueba de control (tipo test) de acceso que se podrán realizar en algunas de esas sesiones. Asimismo, será necesaria la elaboración y presentación de un informe de prácticas que recogerá todos los aspectos relacionados con el desarrollo de las mismas.

1ª Convocatoria Ordinaria:

Para superar la asignatura, los alumnos deberán alcanzar una nota mínima de 4 sobre 10 tanto en la prueba escrita como en el trabajo, así como alcanzar una nota media ponderada global en la asignatura de 5 sobre 10. En caso contrario, su calificación será la menor entre 4 y esa nota media ponderada.

2ª Convocatoria Ordinaria:

- Los estudiantes que hayan obtenido una calificación inferior a 4 en la prueba escrita, realizarán una prueba de recuperación y esa nota sustituirá a la obtenida en la 1ª convocatoria para el cálculo de la nota media ponderada global.

- Los estudiantes que hayan obtenido una calificación inferior a 4 en el trabajo, deberán corregirlo y presentarlo de nuevo y esa nota sustituirá a la obtenida en la 1ª convocatoria para el cálculo de la nota media ponderada global.

- No existe prueba de recuperación para las prácticas con software estadístico dado que son parte de la evaluación continua por lo que la calificación que se asigne a esta parte en la 2ª convocatoria será la misma que la ya obtenida en la 1ª.

- Los estudiantes que, habiendo alcanzado superado en la 1ª convocatoria la nota mínima de 4 en el trabajo y en la prueba escrita, no lleguen a alcanzar una nota media ponderada global de 5 sobre 10, deberán intentar subir su nota en la prueba escrita y/o en el trabajo para poder superar la asignatura.

- Al igual que en la 1ª convocatoria, para superar la asignatura se deberá alcanzar una nota mínima de 4 sobre 10 en la prueba escrita y en el trabajo, así como alcanzar una nota media ponderada de 5 sobre 10. En caso contrario, la calificación será la menor entre 4 y esa nota media ponderada.

- La prueba escrita y la entrega del trabajo se realizarán en la fecha establecida por el Calendario Escolar y por el Centro para la realización de las pruebas correspondientes a la 2ª Convocatoria Ordinaria.


Convocatoria Extraordinaria de Diciembre:

En la fecha establecida por el Calendario Escolar y por el Centro, se realizará un examen sobre 10 puntos que constará iguales de preguntas y de ejercicios a resolver en el aula de informática. Para superar la asignatura será necesario obtener una nota global de 5 puntos.

Comentarios relativos a la realización de exámenes:

Durante el desarrollo de las pruebas sólo se permitirá manejar aquel material que autorice el profesor responsable de la asignatura, quedando terminantemente prohibida la tenencia y uso de otros dispositivos móviles y/o electrónicos durante la celebración de los exámenes. La simple tenencia de dichos dispositivos así como de apuntes, libros, carpetas o materiales diversos no autorizados durante las pruebas de evaluación, supondrá la retirada inmediata del examen, su expulsión del mismo y su calificación como suspenso, comunicándose la incidencia a la Autoridad Académica del Centro para que realice las actuaciones previstas en las Pautas de Actuación en los Supuestos de Plagio, Copia o Fraude en Exámenes o Pruebas de Evaluación , aprobadas por la Comisión Permanente del Consejo de Gobierno de 29 de enero de 2015.

Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica Lévy Mangin, J.-P. (dir.) y Varela Mallou, J. (dir.), Análisis multivariable para las ciencias sociales, Pearson Educación, 2003
Hair, J. F. et al., Análisis multivariante (5ª ed.), Pearson Prentice Hall, 1999
Aldás Manzano, J. y Uriel Jiménez, E., Análisis multivariante aplicado con R, Paraninfo, 2017
Jaggia, S., Kelly, A., Lertwachara, K. y Chen, L., Business analytics: communicating with numbers, McGraw-Hill, 2021
Yoon Hyup Hwang, Hands-On Data Science for Marketing: Improve your marketing strategies with machine learning using Python and R, Packt Publishing, 2019
Ruíz-Maya, L. y Martín-Pliego, F. J., Metodología estadística para el análisis de datos cualitativos, Centro de Investigaciones Sociológicas, 1990
Luque Martínez, T. (coord., coaut.), Técnicas de análisis de datos en investigación de mercados, Pirámide, 2000
Luque Martínez, T. (coord., coaut.), Técnicas de análisis de datos en investigación de mercados: entre lo real y lo ideal (2ª ed. ed. versión digital), Pirámide, 2012

Álvarez Liébana, J. (15-09-2022). Introducción a R: aprendiendo R sin morir en el intento. https://dadosdelaplace.github.io/courses-intro-R/index.html

Álvarez Liébana, J. y Valverde Castilla, G. (30-01-2022). Analizando datos, visualizando información, contando historias. https://dadosdelaplace.github.io/courses-ECI-2022/index.html

https://es.r4ds.hadley.nz/

https://r-charts.com/es/

https://r-coder.com/curso-r/

https://www.datacamp.com/

https://gauss.inf.um.es/tabular/index.html

https://www.cienciadedatos.net/estadistica-con-r.html

https://www.cienciadedatos.net/machine-learning-r.html

https://rdataviz.luzfrias.com/
Complementaria Correa Piñero, A. D., Análisis logarítmico lineal, La Muralla, 2002
Mateos-Aparicio, G.; Morales Hernández Estrada, A., Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA, Pirámide, 2021
Pere, R.; Pascual,V., Analítica visual. Como explorar, analizar y comunicar datos, Anaya Multimedia, 2021
Paczkowski, W. R. , Business Analytics: Data Science for Business Problems, Springer, 2022
Healy, K. J., Data visualization: a practical introduction, Princeton University Press, 2019
Evergreen, S. D. H., Effective data visualization: the right chart for the right data, SAGE, 2017
Pochiraju, B. y Seshadri, S. (eds.), Essentials of Business Analytics An Introduction to the Methodology and its Applications, Springer, 2019
Greenacre, M. J., La práctica del análisis de correspondencias, Fundación BBVA, 2008
Kassambara, A. , Machine Learning Essentials. Practical Guide in R, STDHA, 2017
Bécue, M., Minería de textos: aplicación a preguntas abiertas en encuestas, La Muralla, 2010
Ohri, A., R for Business Analytics, Springer, 2013
Lebart,L.; Morineau, A.; Piron, M., Statistique exploratoire multidimensionnelle (2ª ed.), Dunod, 1997
Knaflic, C. N., Storytelling con datos. Visualización de datos para profesionales de los negocioss, Anaya Editorial, 2017
Bécue, M., Textual data science with R, Taylor and Francis, 2018


Recomendaciones

Asignaturas que se recomienda cursar simultáneamente
APLICACIONES DE INVESTIGACION DE MERCADOS / 00511022

Asignaturas que se recomienda haber cursado previamente
ESTADISTICA I / 00511003
ESTADISTICA II / 00511014
ESTADISTICA AVANZADA I / 00511018