Guía docente de Encuestas por Muestreo. Aplicaciones Económicas, Sociales y Medioambientales (SG1/56/1/319)

Curso 2025 / 2026
Fecha de aprobación por la Comisión Académica 02/07/2025

Máster

Máster Universitario en Profesorado de Enseñanza Secundaria Obligatoria y Bachillerato, Formación Profesional y Enseñanzas de Idiomas

Módulo

Módulo de Libre Disposición

Rama

Ciencias Sociales y Jurídicas

Centro en el que se imparte la docencia

Escuela Internacional de Posgrado

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Sin definir

Profesorado

  • María Del Mar Rueda García
  • Ismael Ramón Sánchez Borrego

Tutorías

María Del Mar Rueda García

Email
  • Tutorías 1º semestre
    • Miércoles 10:00 a 14:00 (Dpcho. 5A Pl. 1 - Dpto. Estadística e Io - Facultad de Ciencias)
    • Jueves 10:00 a 13:00 (Dpcho. 5A Pl. 1 - Dpto. Estadística e Io - Facultad de Ciencias)
  • Tutorías 2º semestre
    • Jueves 9:00 a 16:00 (Dpcho. 5A Pl. 1 - Dpto. Estadística e Io - Facultad de Ciencias)

Ismael Ramón Sánchez Borrego

Email
  • Primer semestre
    • Lunes 16:00 a 18:00
    • Jueves 10:00 a 14:00
  • Segundo semestre
    • Lunes 16:00 a 18:00
    • Jueves 10:00 a 14:00

Breve descripción de contenidos (Según memoria de verificación del Máster)

1. Introducción a la inferencia en poblaciones finitas

2. Elementos de inferencia en el modelo de población fija

3. Inferencia a partir de modelos de superpoblación

4. Introducción al muestreo no probabilístico

5. Software y resolución computacional de supuestos prácticos 

 

Prerrequisitos y/o Recomendaciones

Se recomienda haber cursado una carrera con amplios contenidos matemáticos y/o estadísticos.

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

 

Competencias

Competencias Básicas

  • CB6 . Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en 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

  • CG01 . Los titulados han de saber 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. 
  • CG02 . Los titulados han de ser 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. 
  • CG03 . Los titulados han de saber 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 
  • CG04 . Los titulados deben poseer las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. 
  • CG05 . Los titulados han de demostrar una comprensión sistemática del campo de estudio y el dominio de las habilidades y métodos de investigación relacionados con dicho campo. 
  • CG06 . Los titulados deben demostrar la capacidad de concebir, diseñar, poner en práctica y adoptar un proceso sustancial de investigación con seriedad académica. 
  • CG07 . Los titulados han de realizar una contribución a través de una investigación original que amplíe las fronteras del conocimiento desarrollando un corpus sustancial, del que parte merezca la publicación referenciada a nivel nacional o internacional. 
  • CG08 . Los titulados deben ser críticos en el análisis, evaluación y síntesis de ideas nuevas y complejas. 
  • CG09 . Los titulados deben saber comunicarse con sus colegas, con la comunidad académica en su conjunto y con la sociedad en general acerca de sus áreas de conocimiento. 
  • CG10 . Los titulados han de ser capaces de fomentar, en contextos académicos y profesionales, el avance tecnológico, social o cultural dentro de una sociedad basada en el conocimiento. 

Competencias Específicas

  • CE01 . Conocer métodos para el Análisis de Datos 
  • CE02 . Conocer diferentes técnicas de Muestreo 
  • CE03 . Adquirir conocimientos avanzados en Probabilidad y Procesos Estocásticos 
  • CE04 . Profundizar en las técnicas de Modelización Estocástica 
  • CE05 . Adquirir conocimientos avanzados en Inferencia Estadística 
  • CE06 . Aprender y entender técnicas de Estadística Multivariante 
  • CE07 . Saber identificar y aplicar diferentes Modelos Econométricos 
  • CE09 . Adquirir conocimientos en Bioestadística 
  • CE10 . Dominar el uso de diferentes entornos de Computación Estadística 
  • CE11 . Conocer y aplicar técnicas de Control Estadístico de Calidad 
  • CE12 . Ser capaz de resolver problemas a través de técnicas de Simulación Estocástica 
  • CE13 . Saber llevar a cabo el diseño, programación e implantación programas de computación estadística 
  • CE14 . Saber realizar un diseño de experimentos 
  • CE15 . Ser capaza de identificar la información relevante para resolver un problema 
  • CE16 . Utilizar correcta y racionalmente programas de ordenador de tipo estadístico 
  • CE17 . Adquirir capacidades de elaboración y construcción de modelos y su validación 
  • CE18 . Ser capaz de realizar un análisis de datos 
  • CE19 . Saber gestionar bases de datos 
  • CE20 . Ser capaz de realizar una correcta representación gráfica de datos 
  • CE21 . Conocer, identificar y seleccionar fuentes estadísticas 

Competencias Transversales

  • CT01 . Mostrar interés por la calidad y la excelencia en la realización de diferentes tareas 
  • CT02 . Comprender y defender la importancia que la diversidad de culturas y costumbres tienen en la investigación o práctica profesional 
  • CT03 . Tener un compromiso ético y social en la aplicación de los conocimientos adquiridos 
  • CT04 . Ser capaz de trabajar en equipos interdisciplinarios para alcanzar objetivos comunes desde campos expertos diferenciados. 
  • CT05 . Incorporar los principios del Diseño Universal en el desempeño de su profesión 

Resultados de aprendizaje (Objetivos)

• Conocer los diversos enfoques actuales de la inferencia en poblaciones finitas

• Conocer la modelización de superpoblaciones y los estimadores óptimos de la media bajo los principales modelos de superpoblación

• Estar familiarizado con el uso otros diseños muestrales nuevos que están adaptados a los problemas concretos de cada campo de investigación, y particularmente con el problema de estudio de poblaciones humanas y animales

• Saber estimar parámetros simples a partir de datos muestrales provenientes de una encuesta compleja, con un programa de software libre

Programa de contenidos Teóricos y Prácticos

Teórico

  • Tema 1. Introducción a la Inferencia en poblaciones finitas
  • Tema 2. Elementos de muestreo
  • Tema 3. Inferencia basada en el diseño: Estimador de Horvitz-Thompson
  • Tema 4. Inferencia a partir de modelos de superpoblación
  • Tema 5. Introducción al muestreo no probabilístico

 

Práctico

  • Bloque 1. Introducción a la Inferencia en poblaciones finitas

         -Ejemplos prácticos ilustrativos

  • Bloque 2. Elementos de muestreo e inferencia basada en el diseño

          -Ejemplos y ejercicios guiados

  • Bloque 3. Inferencia a partir de modelos de superpoblación

          -Ejemplos y tratamiento computacional de estimadores y modelos de superpoblación con R

  • Bloque 4. Introducción al muestreo no probabilístico

         -Ejemplos y resolución computacional de supuestos prácticos

Bibliografía

Bibliografía fundamental

  • Cassel, C. M., Särndal, C. E. y Wretman, J. H.. Foundations of Inference in Survey Sampling. John Wiley & Sons, New York 1977
  • Hedayat, A. S., Sinha, B. K.. Design and Inference in Finite Population Sampling. John Wiley & Sons 1991
  • Levy, P. S., Lemeshow, S.. Sampling of Populations Methods and Applications. John Wiley & Sons 1991
  • Särndal, C. E., Swensson, B. y Wretman, J.. Model Assisted Survey Sampling. Springer- Verlang 1992
  • Thompson, S.K. 1992. Sampling. New York: Wiley

Bibliografía complementaria

  • Férnandez García, F. R. y Mayor Gallego. Muestreo en Poblaciones Finitas: Curso Básico. De. EUB
  • Gourreroux, C.. Théorie des Sondages. Economica. 1981

Enlaces recomendados

Metodología docente

  • MD01 Lección magistral/expositiva 
  • MD02 Sesiones de discusión y debate 
  • MD03 Resolución de problemas y estudio de casos prácticos 
  • MD04 Prácticas de laboratorio o clínicas 
  • MD05 Seminarios 
  • MD06 Ejercicios de simulación 
  • MD07 Análisis de fuentes y documentos 
  • MD08 Realización de trabajos en grupo 
  • MD09 Realización de trabajos individuales 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

La convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, que consistirá en:

  • Realización de actividades teóricas y prácticas (90%)
  • Interés en la asignatura, actitud y participación activa en el foro de la asignatura (10%)

Evaluación Extraordinaria

Aquellos estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. En esta convocatoria, la realización de actividades teóricas y prácticas supondrá el 100% de la calificación.

Evaluación única final

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante 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, 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 consistirá en la realización de ejercicios teóricos y ejercicios prácticos propuestos por los profesores.  Estos ejercicios suponen el 100% de la calificación del alumno.

Información adicional