Denominación de la asignatura

Análisis e Interpretación de Datos
Postgrado al que pertenece
Máster universitario en Análisis y Visualización de Datos Masivos / Visual Analytics & Big Data
Créditos ECTS
6
Curso y cuatrimestre en el que se imparte
Primer cuatrimestre
Carácter de la asignatura Obligatoria

Presentación

La era de la información en que vivimos requiere que sepamos manejar datos. La ciencia que se encarga de «aprender» a partir de estos datos es la Estadística. Para aprender o leer estos datos debemos saber producirlos, analizarlos y sacar conclusiones de ellos. Cuanto mayor sea nuestra comprensión del uso de las herramientas estadísticas, mayor será nuestra capacidad de analizar la realidad (o leer la «historia» que hay en los datos) lo que nos permitirá tomar decisiones lo más correctas posibles. A día de hoy, no podemos tomar una decisión con garantías basándonos tan solo en nuestra intuición, es preciso echar mano de la estadística y sus herramientas.
Más específicamente, en esta asignatura aprenderéis los conceptos introductorios de la estadística, así como a razonar estadísticamente. Aprenderéis, entre otras cosas, a graficar las representaciones de datos más habituales, a manejar con soltura las relaciones lineales entre dos variables, etc.

Se hará hincapié en la estadística inferencial, para ello se repasarán los principios de probabilidad en los que esta descansa. Las técnicas inferenciales son importantes pues nos permitirán contrastar conjeturas que hacemos constantemente sobre cómo es una determinada población a través de los llamados contrastes de hipótesis.

Por último, cabe destacar el carácter aplicado, dinámico y actual en el que se enmarca la asignatura, ya que se estudiarán casos reales de aplicación e informes estadísticos recientes de diferentes campos. Además, el enfoque didáctico que se va a emplear, dentro de la seriedad que se le presupone, procurará generar interés y aprecio por la ciencia estadística en el alumno.

Competencias

Competencias básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. 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.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. Que los estudiantes sepan comunicar sus conclusiones, y los conocimientos y razones últimas que las sustentan, a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias generales

  • CG1. Diseñar y elaborar planes de intervención profesional relacionados con el entorno de análisis de datos y visualización de la información, e implementarlos y desarrollarlos mediante los métodos y procesos adecuados.
  • CG2. Tener la capacidad necesaria para ejercer las funciones profesionales requeridas para el análisis de datos y la visualización de la información en el seno de las entidades de TI.
  • CG3. Evaluar los recursos necesarios, planificar y organizar las actividades, sin olvidar la revisión del propio progreso y desempeño en el análisis de datos y visualización de la información.

Competencias específicas

  • CE5. Identificar los descriptores más habituales para un conjunto de datos y valorar su aplicabilidad a un conjunto de datos conocido.
  • CE6. Explicar las características de una situación física o virtual a partir del conjunto de datos que la define y construir diagramas que representen de forma visual dicha situación.
  • CE7. Evaluar y asesorar sobre las técnicas de inteligencia artificial aplicables para el procesado masivo de datos sobre un conjunto dado de datos y de acuerdo a unos requisitos establecidos.
  • CE8. Diseñar e implementar una estrategia integrada de técnicas estadísticas y de inteligencia artificial para el desarrollo de sistemas descriptivos y predictivos.
  • CE9. Comprender el funcionamiento y características de las técnicas habituales de procesamiento masivo de datos.
  • CE10. Anticipar los riesgos y beneficios derivados de la aplicación de las técnicas de procesamiento masivo de datos en una situación real.
  • CE11. Identificar las herramientas comerciales y de software libre orientadas al análisis estadístico, inteligencia artificial y procesamiento masivo de datos.

Competencias transversales

  • CT2. Identificar las nuevas tecnologías como herramientas didácticas para el intercambio comunicacional en el desarrollo de procesos de indagación y de aprendizaje.
  • CT4. Adquirir la capacidad de trabajo independiente, impulsando la organización y favoreciendo el aprendizaje autónomo.

Contenidos

Tema 1. Introducción a la estadística
¿Qué es la estadística?
Población, muestra y muestreo
Tipos de variables estadísticas
Diseños de experimentos
Razonamiento estadístico
Representando los datos: distribución de frecuencias
Tabulación de variables
Graficas básicas
El arte de elegir el gráfico adecuado
Aplicación de las TIC
Retos de la estadística en Big Data
Referencias bibliográficas

Tema 2. Medidas que resumen la información
Medidas de tendencia central
Medidas de tendencia central robustas
Medidas de dispersión
Medidas de dispersión robustas
Medidas de posición y forma
Gráficos de caja
Datos atípicos y análisis exploratorio de datos
Aplicación de las TIC
Referencias bibliográficas

Tema 3. Regresión y correlación
Introducción
Correlación
Regresión lineal
Gráfico de residuos
Regresión lineal multivalente
Regresión no lineal
LTS (Least Trimmed Squares)
Aplicación de las TIC
Referencias bibliográficas

Tema 4. Probabilidad condicional y variables aleatorias
Introducción a la teoría de la probabilidad
Principios de la teoría de la probabilidad
Probabilidad condicional e independencia
Variable aleatoria
Modelos discretos
Modelos continuos
Aplicación de las TIC
Referencias bibliográficas

Tema 5. Distribución de muestreo
Distribución en el muestreo del conteo y la proporción muestral
Teorema Central del Límite y distribución de la media muestral
Aplicabilidad del Teorema Central del Límite en ámbitos Big Data
Estimación puntual vs estimación por intervalos
Propiedades de los estimadores
Referencias bibliográficas

Tema 6. Intervalos de confianza
Introducción a los intervalos de confianza
Intervalo de confianza para la media de una población normal: varianza conocida y desconocida
Calculando el tamaño de la muestra
Intervalo de confianza para la proporción
Intervalo de confianza para la varianza de una población normal
Intervalo de confianza para la diferencia de medias y proporciones
Intervalos de confianza robustos
Referencias bibliográficas

Tema 7. Contrastes de hipótesis
Introducción a los contrastes de hipótesis
Dos tipos de error en la significancia estadística
Pasos a seguir en un contraste de hipótesis
Contrastes de hipótesis para una media
Contrastes de hipótesis para la proporción
Contrastes de hipótesis sobre la varianza
Contrastes paramétricos para dos muestras
Contrastes de hipótesis robustos
Referencias bibliográficas

Tema 8. Regresión
El modelo de regresión simple
Contrastando la regresión
Contrastando la regresión con el programa
La regresión como suma de cuadrados
Aplicación de las TIC
Referencias bibliográficas

Tema 9. Análisis de componentes principales
Motivación
Definición
Aplicaciones
Ejemplo de aplicación en R
Referencias bibliográficas

Metodología

Metodología

Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.

Las actividades formativas de esta asignatura son las siguientes:

  • Trabajos: Actividades de cierta complejidad que conllevan por ejemplo una búsqueda de información, análisis y crítica de lecturas, resolución de problemas, etc.
  • Casos prácticos: El objetivo pedagógico es que el estudiante detecte situaciones relevantes, analice la información complementaria, tome decisiones en relación con el escenario que se plantea y proponga soluciones o indique cómo mejorar la situación de partida.
  • Laboratorios virtuales: Son sesiones presenciales virtuales que se llevan a cabo con herramientas de videoconferencia cuyo objetivo es que los alumnos utilicen algún tipo de herramienta informática para realizar uno o varios supuestos prácticos.
  • Test de autoevaluación: Al final de cada tema, los estudiantes pueden realizar este tipo de test, que permite al profesor valorar el interés del estudiante en la asignatura.

En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.

Descarga el pdf de la programación

Estas actividades formativas prácticas se completan, por supuesto, con estas otras:

  • Estudio personal
  • Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académico a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura” a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.
  • Examen final presencial

Las horas de dedicación a cada actividad se detallan en la siguiente tabla:

ACTIVIDADES FORMATIVAS
HORAS
Sesiones Presenciales Virtuales
15,0  
Lecciones magistrales
6,0  
Estudio Personal de material básico
50,0  
Lectura de material complementario
25,0  
Realización de los casos prácticos
15,0  
Autoevaluación exámenes
14,0  
Tutoría individual y grupal
16,0  
Trabajo colaborativo, foro, chat, debates
7,0  
Evaluación Final
2,0    
Total
  150  

 

Puedes personalizar tu plan de trabajo seleccionando aquel tipo de actividad formativa que se ajuste mejor a tu perfil. El profesor-tutor te ayudará y aconsejará en el proceso de elaboración de tu plan de trabajo. Y siempre estará disponible para orientarte durante el curso.

Bibliografía

Bibliografía básica

La bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca… 

Los textos necesarios para el estudio de la asignatura han sido elaborados por la UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.

Además de este material disponible en el aula virtual, se utilizan los siguientes manuales:

Ríus, F. (1998). Bioestadística: Métodos y aplicaciones. Málaga: Universidad de Málaga. Publicaciones. Versión electrónica: https://www.bioestadistica.uma.es/baron/apuntes/clase/apuntes/pdf/

Tema 5

Lipschutz, S. (1971). Probabilidad: teoría y 500 problemas resueltos, p. 16-23. México: McGraw Hill. ISBN: 968-451-071-3.

Tema 7

Triola, M. F. (2009). Estadística (10ª ed), p. 269-277, 280-286, 291-298. México: Pearson. ISBN: 978-970-26-1287-2.

Tema 8

Triola, M. F. (2009). Estadística (10ª ed), p. 320-331, 338345, 349-354. México: Pearson. ISBN: 978-970-26-1287-2.

Tema 9

Triola, M. F. (2009). Estadística (10ª ed), p. 389-398. México: Pearson. ISBN: 978-970-26-1287-2.

Tema 10

Salvador, M. y Gargallo, P. (2003). Análisis exploratorio de datos, p. 26-37. Recuperado de: http://www.5campus.com/leccion/aed

 

Bibliografía complementaria

Amón, J. (1984). Estadística para Psicólogos. Vol 2: Probabilidad y Estadística Inferencial. Madrid: Pirámide.

Field, A. (2009). Discovering statistics using SPSS. California: SAGE.

Gutiérrez, E. y Vladimirovna, O. (2016). Estadística inferencial 1 para ingeniería y ciencias. México: Grupo Editorial Patria.

Kreyszig, E. (1983). Introducción a la Estadística Matemática. México: Limusa.

Martín, A. (2004). Bioestadística para las ciencias de la salud. Madrid: Norma-Capitel.

Moore, D.S. (2006). Introduction to the practice of statistics (5th ed.). New York: Freeman and Company.

Puente, C. (2018). Estadística descriptiva e inferencial. Madrid: Ediciones IDT.

Stigler, S.M. (1998). The history of statistics: The measurement of uncertainty before 1900 (7 ed.). London: Belknap Press of Harvard University Press.

Tomeo, V. & Uña, I. (1990). Diez lecciones de estadística descriptiva. Madrid: AC.

Triola, M.F. (2009). Estadística (10ª ed.). México D.F.: Pearson Educación.

evaluación

Evaluación y calificación

El sistema de calificación se basa en la siguiente escala numérica:

0 - 4, 9

Suspenso

(SS)

5,0 - 6,9

Aprobado

(AP)

7,0 - 8,9

Notable

(NT)

9,0 - 10

Sobresaliente

(SB)

La calificación se compone de dos partes principales:

calificación

El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO.

La evaluación continua supone el 40% de la calificación final. Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.

Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua permite que realices las que prefieras hasta conseguir el máximo puntuable mencionado en la programación semanal. En ella se detalla la calificación máxima de cada actividad o evento concreto puntuables.

El sistema de evaluación de la asignatura es el siguiente:

SISTEMA DE EVALUACIÓN

PONDERACIÓN
MIN

PONDERACIÓN
MAX

Participación en foros y otros medios participativos

0%

10%

Realización de trabajos, proyectos y casos

20%

30%

Test autoevaluación

0%

10%

Examen final presencial

60%

60%

 

Ten en cuenta…
Si quieres presentarte sólo al examen final, tendrás que obtener una calificación de 5 puntos sobre 6 para aprobar la asignatura.

Profesorado

Jordi Canela

Formación académica: Licenciado en Matemáticas por la Universidad de Barcelona, Máster en Matemática Avanzada y Profesional por la Universidad de Barcelona. Doctorado en Matemáticas por la Universidad de Barcelona.

Experiencia: Profesor en la Escuela Superior de Ingeniería y Tecnología en la UNIR. Anteriormente: profesor invitado en el IMPAN (Varsovia, 4 meses), Investigador postdoctoral en Université Paul Sabatier (Toulouse, 2 años), investigador predoctoral dentro del proyecto europeo CODY (Kiel, Alemania, 1 año).

Líneas de investigación: Sistemas dinámicos en dimensión baja, sistemas dinámicos en variable compleja, análisis de métodos numéricos.

Orientaciones para el estudio

Orientación para el estudio

Obviamente, al tratarse de formación online puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:

  1. Desde el Campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual del Máster. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en la UNIR y también podrás organizar tu plan de trabajo personal con tu profesor-tutor.
  2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
  3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico y práctico del tema correspondiente a esa semana.
  4. Comienza con la lectura de las Ideas clave del tema. Este resumen te ayudará a hacerte una idea del contenido más importante del tema y de cuáles son los aspectos fundamentales en los que te tendrás que fijar al estudiar el material básico. Lee siempre el primer apartado, ¿Cómo estudiar este tema?, porque allí te especificamos qué material tienes que estudiar. Consulta, además, las secciones del tema que contienen material complementario (Lo + recomendado y + Información).
  5. Dedica tiempo al trabajo práctico (sección Actividades y Test). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
  6. Te recomendamos que participes en los eventos del curso (sesiones presenciales virtuales, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu profesor-tutor te informarán de las novedades de la asignatura.
En el aula virtual del Curso de introducción al campus virtual encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones: Ideas clave, Lo + recomendado, + Información, Actividades y Test.

Recuerda que en el aula virtual del Curso de introducción al campus virtual puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.

Ten en cuenta estos consejos…

  • Sea cual sea tu plan de estudio, accede periódicamente al aula virtual, ya que de esta forma estarás al día de las novedades del curso y en contacto con tu profesor y con tu profesor tutor.
  • Recuerda que no estás solo: consulta todas tus dudas con tu profesor-tutor utilizando el correo electrónico. Si asistes a las sesiones presenciales virtuales también podrás preguntar al profesor sobre el contenido del tema. Además, siempre puedes consultar tus dudas sobre el temario en los foros que encontrarás en cada asignatura (Pregúntale al profesor).
  • ¡Participa! Siempre que te sea posible accede a los foros de debate y asiste a las sesiones presenciales virtuales. El intercambio de opiniones, materiales e ideas nos enriquece a todos.
  • Y ¡recuerda!, estás estudiando con metodología on line: tu esfuerzo y constancia son imprescindibles para conseguir buenos resultados. ¡No dejes todo para el último día!