Guia docente
DATOS IDENTIFICATIVOS 2023_24
Asignatura ESTADÍSTICA Y MUESTREO Código 00915001
Enseñanza
0915 - MASTER UNIVERSITARIO EN GEOINFORMATICA PARA LA GESTION DE RECURSOS NATURALES
Descriptores Cr.totales Tipo Curso Semestre
3 Obligatoria Primer Primero
Idioma
Castellano
Prerrequisitos
Departamento ECONOMIA Y ESTADISTICA
Responsable
DELGADO MARQUEZ , ELVIRA
Correo-e edelm@unileon.es
mchuec@unileon.es
Profesores/as
HUERGA CASTRO , MARÍA DEL CARMEN
DELGADO MARQUEZ , ELVIRA
Web http://
Descripción general Con esta asignatura se pretende que el alumno adquiera la formacion estadistica necesaria para la obtencion y el tratamiento de los datos utilizados en la geoinformatica con un enfoque eminentemente práctico. Se profundizará en los aspectos del análisis exploratorio de datos, en el muestreo estadístico y en la comparación de muestras.
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA ALVAREZ ESTEBAN , RAMON
Secretario ECONOMIA Y ESTADISTICA ABAD GONZáLEZ , JULIO IGNACIO
Vocal ECONOMIA Y ESTADISTICA VALLEJO PASCUAL , MARIA EVA
Tribunal suplente
Cargo Departamento Profesor
Presidente ECONOMIA Y ESTADISTICA RODRIGUEZ FERNANDEZ , MARIA DEL PILAR
Secretario ECONOMIA Y ESTADISTICA BLANCO ALONSO , PILAR
Vocal ECONOMIA Y ESTADISTICA GARCIA GALLEGO , ANA BELEN

Competencias
Tipo A Código Competencias Específicas
  A17846 915CE1 Capacidad de programar y automatizar procesos geoespaciales para el tratamiento espacial y estadístico de datos.
  A17854 915CE3 Capacidad para diseñar muestreos, analizar un conjunto de datos multidimensional, y desarrollar y evaluar modelos adecuados a casos reales.
Tipo B Código Competencias Generales y Transversales
  B5542 915CG2 Capacidad para desarrollar bases de datos geoespaciales, y aplicar y desarrollar geoprocesos de forma que el modelado de la información geográfica posibilite la extracción de información útil en gestión de recursos naturales.
  B5543 915CG3 Aptitud para seleccionar, aplicar y evaluar las metodologías y técnicas geoinformáticas avanzadas más adecuadas en su aplicación a problemas de gestión de recursos naturales.
  B5544 915CT1 Capacidad de toma de decisiones basadas en criterios objetivos, así como capacidad de argumentar y justificar dichas decisiones.
Tipo C Código Competencias Básicas
  C1 Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

Resultados de aprendizaje
Resultados Competencias
Planificar correctamente la recogida de datos A17846
B5542
C1
Saber aplicar las técnicas estadísticas adecuadas para analizar datos A17846
B5543
B5544
C1
Conocer los principios del muestreo estadístico A17854
C1
Diseñar procedimientos para obtener muestras de calidad A17854
Saber aplicar las técnicas de comparación de muestras A17854
C1

Contenidos
Bloque Tema
ANÁLISIS EXPLORATORIO DE DATOS 1.-Tipos de variables
2.-Gráficos
3.-Medidas de centralidad y dispersión
4.-Correlación lineal
MUESTREO 1.-Inferencia estadística. Población y muestra
2.-Contexto de muestreo
3.-Pasos del muestreo
4.-Métodos de muestreo(aleatorio simple, sistemático, estratificado)
5.-Cálculo del tamaño de la muestra y estimación del error de muestreo
6.-Análisis de la potencia
COMPARACIÓN DE MUESTRAS 1.-Comparación de dos muestras: métodos paramétricos y no paramétricos.
2.-Comparación de más de dos muestras: métodos paramétricos y no paramétricos

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Practicas a través de TIC en aulas informáticas 7 0 7
 
Trabajos 0 50 50
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) 1 8 9
Tutoría de Grupo 1 0 1
 
Sesión Magistral 4 0 4
 
Pruebas mixtas 2 2 4
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías   ::  
  descripción
Practicas a través de TIC en aulas informáticas Actividad Dirigida: Se guiará al alumno en el aprendizaje y manejo de las técnicas estadísticas mediante el uso de software estadístico en las Aulas de Informática.
Trabajos Actividad Autónoma: Se proponen al alumno distintas tareas para su realización en un plazo determinado a partir de información previamente recogida por él.
Aprendizaje basado en problemas (ABP)/ Problem Based Learning (PBL) Actividad Supervisada. Aprendizaje basado en la resolución de problemas/casos propuestos en la asignatura, empleando herramientas informáticas.
Tutoría de Grupo Actividad Supervisada. Resolución de dudas planteadas por los alumnos (en grupo).
Sesión Magistral Actividad Dirigida. En la sesión magistral se explicarán los contenidos del programa mediante el empleo de materiales de apoyo disponibles previamente en la Web. De forma previa a las clases teóricas, se recomienda al alumno que trabaje sobre los materiales, bibliografía o recursos que hayan sido recomendados por el profesor. De este modo, estará en disposición de participar de forma activa en las clases teóricas en que se aborden dichos contenidos.

Tutorías
 
Trabajos
descripción
El alumno puede contar con la ayuda del profesor en tutorías individuales, de carácter no obligatorio. Estas tutorías se realizaran en el despacho del profesor o por vía telemática (e-mail, videoconferencia).

Evaluación
  descripción calificación
Trabajos Resolución y entrega de tareas y trabajos. 45%
Pruebas mixtas Una prueba teorico-práctica en las que se evalúa el correcto desarrollo de los aspectos teóricos y la resolución e interpretación de resultados en los ejercicios planteados. 50%
Otros Asistencia, participación y actitud 5%
 
Otros comentarios y segunda convocatoria

Primera Convocatoria:

Para poder superar la asignatura en la primera convocatoria el alumno tiene que alcanzar, como mínimo, un 4 en la prueba mixta y una nota media mínima de 4 en los trabajos propuestos. 

Además, tras aplicar las ponderaciones de cada parte (prueba mixta, trabajo y asistencia, participación y actitud), la nota final tiene que ser igual o superior a 5 para aprobar la asignatura.

Segunda Convocatoria:

En la segunda convocatoria se contemplan dos opciones:

1.- Los alumnos que hayan realizado todos los trabajos a lo largo del semestre conservarán la nota obtenida (45%) y deberán repetir la prueba mixta (50%).

2.- Los alumnos que NO hayan realizado todos los trabajos a lo largo del semestre deberán realizar la prueba mixta, cuyo peso será del 50% sobre la nota final y resolver un caso práctico global (que ponderará un 50%) y que que planteará en la misma fecha  que la recuperación de la prueba mixta.

En ambas opciones, tras aplicar las ponderaciones de cada parte (prueba mixta, trabajo y asistencia, participación y actitud), la nota final tiene que ser igual o superior a 5 para aprobar la asignatura.

  

Todas las pruebas de evaluación (primera y segunda convocatoria) se desarrollarán en remoto, de forma que los estudiantes podrán realizarlas sin estar presencialmente en el Campus de Ponferrada. Con el fin de garantizar la certificación de la autoría y que el procedimiento de evaluación sea fiable y válido, se establecerán las herramientas necesarias para llevarlo a cabo".

Normas  para las pruebas:

Durante el desarrollo de las pruebas queda terminantemente prohibida la tenencia y el uso de dispositivos móviles y/o electrónicos. La simple tenencia de dichos dispositivos, así como 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 Liviano, D ; Pujol, M., Análisis Cuantitativo con R, UOC, 2017
BIBLIOGRAFÍA BÁSICA

Ayuga, E.; González, G.; Martín, S.; Martínez, J. E.; Pardo, M (1998). Técnicas de Muestreo en Ciencias Forestales y Ambientales. BELLISCO

Boza , J.; Pérez- Rodríguez, J.; León, J de. (2016). Introducción a las Técnicas de Muestreo. Pirámide.

Cohen, Y., Cohen, Y. (2008). Statistics and Data with R: An Applied Approach Through Examples. John Wiley & Sons.

Crawley, M.J. (2013). The R Book. John Wiley & Sons, Ltd.

Daniel, W.W. (1990). Applied Nonparametric Statistics. USA, PWS-KENT. 

Liviano, D.; Pujol, M. (2017). Análisis Cuantitativo con R. Editorial UOC. 

Peña, D. (2008). Fundamentos de Estadística. Alianza Editorial

Pérez, C. (1999). Técnicas de Muestreo Estadístico. Teoría, Práctica y Aplicaciones Informáticas. Ra-ma.

Ross, S. M. (2007):Introducción a la Estadística. Reverté

Sarabia, J.M.; Prieto, F.; Jordá. V. (2018). Prácticas de Estadística con R. Pirámide

Scheaffer, R.L.; Mendenhall, W.; Ott, L. (1987). Elementos de Muestreo. Iberoamericana.

Página web oficial del software R : https://www.r-project.org/

-->

Complementaria
BIBLIOGRAFÍA COMPLEMENTARIA

Clairin, R.; Brion P. (2001). Manual de Muestreo. La Muralla

Cuadras, C.M. (2016).Problemas de Probabilidades y Estadística. Editorial UB.

Dalgaard, P. (2002). Introductory Statistics with R. Springer.

Devore, J.L.(2008) Probabilidad y Estadística para Ingeniería y Ciencias, Thompson.

Grafen, A., Hails, R. (2002). Modern Statistics for the Life Sciences, Oxford University Press. 

Milton, J.S. (2007). Estadística para Biología y Ciencias de la Salud, McGraw-Hill/Interamericana de España. 

Pace, L. (2012). Beginning R. An Introduction to Statistical Programming. Apress.

Williams, L.J., Krishnan, A., Hervé Abdi, H. (2009).[R] Companion for Experimental Design and Analysis for Psychology. Oxford University Press.

  


Recomendaciones


Asignaturas que se recomienda haber cursado previamente
PROGRAMACIÓN INFORMÁTICA EN PROCESOS GEOESPACIALES / 00915005