OBJETIVOS Y COMPETENCIAS

Se pretende que los alumnos pertenecientes a este curso sepan comprender los fundamentos de la Inferencia Estadística, conociendo las condiciones de aplicación de las diversas pruebas estadísticas, paramétricas y no paramétricas, comprobando, con los procedimientos adecuados, el cumplimiento de tales condiciones en casos concretos. También deberán aprender a enjuiciar la correcta aplicación de las pruebas estadísticas en situaciones de investigación concreta. Para ello, aparte de los conocimientos teóricos fundamentales, sabrán manejar el software adecuado (R) para sacar las conclusiones prácticas necesarias.

CONTENIDO

  1. Conceptos previos. Definiciones básicas de estadística. Variable aleatoria. Características básicas

  2. Introducción a la Inferencia Estadística. Introducción. Clasificación de los métodos de inferencia estadística: paramétrica y no paramétrica, clásica y bayesiana. Conceptos generales. Muestreo en poblaciones finitas: muestreo aleatorio simple, muestreo sistemático, muestreo estratificado, muestreo por conglomerados, muestreo polietápico y muestreo no aleatorio. 2.

  3. Estimación puntual. Introducción. Conceptos generales. Distribuciones relacionadas con la Normal. Propiedades deseables de los estimadores. Estimación de la media de una población. Estimación de la varianza de una población. Estimación de una proporción para muestras grandes. Procedimientos para la construcción de estimadores.

  4. Estimación por intervalos. Introducción. Método pivotal. Intervalos de confianza para una muestra: media, varianza y proporción. Intervalos de confianza para dos muestras: diferencia de medias para muestras independientes y muestras apareadas, cociente de varianzas y diferencia de proporciones. Determinación del tamaño muestral.

  5. Introducción a los contrastes de hipótesis. Introducción. Hipótesis estadística. Planteamiento. Tipos de error. Criterios de decisión. Etapas en la resolución de un contraste. Nivel crítico o p-valor. Potencia de un contraste.

  6. Contrastes de hipótesis paramétricos. Contrastes paramétricos de una población normal: contrastes para la media con varianza conocida, contrastes para la media con varianza desconocida y contrastes para la varianza. Contrastes paramétricos de dos poblaciones normales: contrastes para la diferencia de medias con muestras independientes, contrastes para la diferencia de medias con muestras apareadas y contrastes para el cociente de varianzas. Contrastes para poblaciones no normales y muestras grandes: contrastes para una proporción y contrastes para la diferencia de dos proporciones. Relación entre intervalos de confianza y contrastes de hipótesis.

  7. Inferencia no paramétrica. Introducción. Contrastes de localización. Contrastes de bondad de ajuste: test Chi-cuadrado, test Kolmogorov-Smirnov, test Shapiro-Wilk, test asimetría y curtoris. Contrastes de independencia. Contrastes de homogeneidad.

METODOLOGÍA DOCENTE

Sesión magistral: La docencia se impartirá mediante exposiciones orales del profesor y mediante prácticas, propuestas por el profesor, realizadas con el ordenador y en lenguaje R. Prácticas de laboratorio: La docencia se desarrollará mediante la resolución de problemas reales o simulados utilizando los modelos tratados en las sesiones magistrales.

CRITERIOS Y MÉTODOS DE EVALUACIÓN

Los criterios de evaluación abarcarán el conocimiento teórico y la competencia práctica sobre los contenidos de la capacitación. Evaluación continua (40%): la evaluación continua se realizará en base a la resolución de problemas y/o ejercicios. Examen final (60%): El examen final constará de varias cuestiones teórico-prácticas sobre los contenidos de la capacitación, y de varias tareas prácticas relacionadas con datos reales y/o simulados.

RECOMENDACIONES

Es recomendable haber cursado al menos una materia de estadística básica en una carrera de pregado y tener conocimientos básicos de R. Es fundamental la asistencia regular a las clases, ya que es muy importante el seguimiento del trabajo realizado en el aula. Los requisitos básicos de esta materia son un conocimiento básico de Estadística y conocimientos a nivel usuario de Windows.