Guía docente de Fundamentos de Aprendizaje Estadístico Aplicado al Análisis Social (MD6/56/1/3)

1. Estadística descriptiva
2. Teoría de la probabilidad
3. Inferencia estadística
4. Regresión
5. Clasificación
6. Series temporales

No existen prerrequisitos previos para el cursado de la asignatura.

- Adquirir los conocimientos de estadística necesarios para trabajar con bases de datos en ciencias sociales.

- Conocer y diferenciar las principales técnicas y modelos de análisis estadístico así como su aplicación mediante el manejo de software R.

- Elegir y aplicar la/s técnica/s de análisis estadístico más adecuadas en casos reales y concretos.

- Interpretar y comunicar los resultados de análisis estadístico.

A partir de los contenidos especificados en la Memoria de Verificación del título, establecemos los siguientes bloques temáticos para el desarrollo efectivo del curso:

• Tema 1. Introducción a la estadística descriptiva con R
• Tema 2. Teoría de la probabilidad e inferencia estadística
• Tema 3. Análisis de regresión
• Tema 4. Análisis de clasificación
• Tema 5. Series temporales

Nota: la programación temática se desarrolla sobre la base de los principios básicos establecidos en la Memoria de Verificación y Modificación del Título

Todos los temas contarán con una parte aplicada, basada en la resolución de supuestos prácticos con el entorno de computación estadística R. Para ello, se facilitará una base de datos a todos los estudiantes con la que trabajarán los distintos contenidos de la asignatura.

• Hermoso Gutiérrez, J.A. y Hernández Bastida, A. (2000). Curso básico de Estadística Descriptiva y Probabilidad. Némesis.
• James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning. New York: Springer.
• Milton, J.S., Arnold, J.C. (2004). Probabilidad y Estadística (con aplicaciones para Ingeniería y Ciencias Computacionales). McGraw-Hill Interamericana, México
• Peña, D. (2001). Fundamentos de Estadística. Alianza Editorial S.A., Madrid.
• Peña, D. (2010). Regresión y Diseño de Experimentos. Alianza Editorial.
• Albert, J., & Rizzo, M. (2012). R by Example. Springer Science & Business Media.
• Zelterman, Daniel (2022). Regression for Health and Social Science. Applied Linear Models with R. Cambridge University Press.

• Cuadras, C.M. (1995). Problemas de Probabilidad y Estadística. Vol.1: Probabilidades. PPU, Barcelona.
• Mann, P.S. (2005). Introductory statistics: using technology, John Wiley & Sons (2005)
• Maurandi López, A.; del Río Alonso, L. y Balsalobre Rodriguez, C. (2013). Fundamentos estadísticos para investigación. Introducción a R. Bubok Publising S.L. (https://gauss.inf.um.es/amaurandi/Fundamentos-estadisticos-para-investigacionIntroduccion-a-R.pdf)
• Lepš, Jan and  ŠmilauerPetr Šmilauer (2020) Biostatistics with R. Cambridge University Press
• Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2008). Probability and Statistics with R. CRC/Chapman and Hall.

*Se facilitarán referencias adicionales a principios de año.

• Estadística básica Edulcorada. https://bookdown.org/aquintela/EBE/
• San Segundo Barahona, F. y Marvá Ruiz, M. (2016) Un curso de introducción a la Estadística. https://postdata-statistics.com/courses/
• Faraway, J. (2002).  Practical Regression and Anova using R. (https://cran.r-project.org/doc/contrib/Faraway-PRA.pdf)
• https://www.r-project.org/
• https://education.rstudio.com/learn/
• Tjaden (2021). Intro to R for Social Scientists.https://jaspertjaden.github.io/course-intro2r/:
• Instituto Nacional de Estadística: https://www.ine.es/
• Centro de Investigaciones Sociológicas: https://www.cis.es/

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca, se establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se le haya reconocido el derecho a la evaluación única final.

La calificación final de cada alumno/a se obtendrá mediante la evaluación de:

• Examen global teórico práctico a realizar al final de la asignatura : 40%
• Elaboración y presentación de dossieres aplicando conocimientos teóricos y prácticos utilizando R a casos reales y concretos de análisis de datos sociales: 60%

CRITERIOS DE EVALUACIÓN:

Se tendrá en cuenta que, en el proceso de aprendizaje, cada estudiante haya aprendido los siguientes aspectos:

• Saber leer bases de datos desde el entorno de computación estadística R
• Ser capaz de resumir numéricamente y gráficamente  la información  contenida en un conjunto de datos
• Ser capaz  de discernir la técnica apropiada para el análisis de un conjunto de datos
• Conocer los fundamentos teóricos y desarrollos matemáticos de la Estadística
• Saber interpretar los resultados obtenidos tras un análisis
• Saber implementar computacionalmente los análisis estadísticos desarrollados a lo largo del curso

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca, se establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria, dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y un dossier práctico.

La calificación extraordinaria de cada alumno/a se obtendrá mediante la evaluación de:

• Examen global teórico práctico a realizar al final de la asignatura : 40%
• Elaboración y presentación de dossieres aplicando conocimientos teóricos y prácticos utilizando R a casos reales y concretos de análisis de datos sociales: 60%

CRITERIOS DE EVALUACIÓN:

Se tendrá en cuenta que, en el proceso de aprendizaje, cada estudiante haya aprendido los siguientes aspectos:

• Saber leer bases de datos desde el entorno de computación estadística R
• Ser capaz de resumir numéricamente y gráficamente  la información  contenida en un conjunto de datos
• Ser capaz  de discernir la técnica apropiada para el análisis de un conjunto de datos
• Conocer los fundamentos teóricos y desarrollos matemáticos de la Estadística
• Saber interpretar los resultados obtenidos tras un análisis
• Saber implementar computacionalmente los análisis estadísticos desarrollados a lo largo del curso

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca, se establece que podrán acogerse a la evaluación única final el estudiantado que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

La evaluación única final se realizará mediente un examen teórico-práctico del total de los contenidos. En dicha prueba/examen de la asignatura, se valorará que el estudiantado haya interiorizado los siguientes aspectos:

• Saber leer bases de datos desde el entorno de computación estadística R
• Ser capaz de resumir numérica y gráficamente  la información  contenida en un conjunto de datos
• Ser capaz  de discernir la técnica apropiada para el análisis de un conjunto de datos
• Conocer los fundamentos teóricos y desarrollos matemáticos de la Estadística
• Saber interpretar los resultados obtenidos tras un análisis
• Saber implementar computacionalmente los análisis estadísticos desarrollados a lo largo del curso