Información general


Tipo de asignatura: obligatoria

Coordinador: Nuria Masferrer Llabinés

trimestre:2

Créditos: 4

Profesorado: José Ignacio Monreal Galán

Descripción


La asignatura "Inferencia estadística para la gestión empresarial" es la continuación de la asignatura "Fundamentos de estadística y Análisis de datos", que los estudiantes han cursado previamente. La asignatura quiere establecer en el estudiante unos conocimientos teóricos sólidos sobre la materia, así como incidir en la capacidad de su aplicación práctica en el estudio del mundo real, especialmente en el ámbito económico.

En particular, en esta asignatura se abordarán los conceptos básicos de la inferencia estadística, comenzando con las distribuciones muestrales de la media y la proporción, la modelización de datos univariantes, los intervalos de confianza y los contrastes de hipótesis. Además, los contrastes de comparación más elementales llevan al estudio de la regresión lineal simple y múltiple.

Se trata pues de una asignatura instrumental en que se proporcionan herramientas estadísticas que se utilizan en diferentes contextos. Además hay que destacar el papel de los ordenadores en la facilitación del estudio de bases de datos.

Resultados de aprendizaje


  • Dominar los aspectos matemáticos y estadísticos de problemas económicos y / o de la empresa para la toma de decisiones.
  • Comprender y aplicar los conceptos básicos de la probabilidad y la inferencia estadística, los cálculos estadísticos básicos y de las herramientas infromàtiques que los facilitan. 

Metodología de trabajo


sesiones teóricas

MD1.Clase magistral: Sesiones de clase expositivas basadas en la explicación del profesor en la que asisten todos los estudiantes matriculados en la asignatura

MD3. presentaciones: Formatos multimedia que sirven de apoyo a las clases presenciales.

aprendizaje autónomo

MD4. Cápsulas de vídeo: Recurso en formato vídeo, que incluye contenidos o demostraciones de los ejes temáticos de las asignaturas. Estas cápsulas están integradas en la estructura de la asignatura y sirven a los estudiantes para revisar tantas veces como sea necesario las ideas o propuestas que el profesor necesita destacar de sus clases.

MD9. Resolución de ejercicios y problemas: Actividad no presencial dedicada a la resolución de ejercicios prácticos a partir de los datos suministrados por el profesor

MD11. Tutorías no presenciales: por las que el alumno dispondrá de recursos telemáticos como el correo electrónico y los recursos de la intranet del ESCSET

En las sesiones presenciales se combinarán sesiones de teoría y ejercicios con sesiones de prácticas orientadas a la aplicación de los conceptos trabajados. En las sesiones prácticas se utilizarán ficheros de datos que se tratarán con el software adecuado (Hoja de cálculo Excel, R, Gretl, etc.), con el objetivo de que el estudiante pueda aplicar la metodología estadística adecuada de manera autónoma. Se avisará a qué sesiones de clase es obligatorio el uso de ordenador.

Esta asignatura dispone de recursos metodológicos y digitales para hacer posible su continuidad en modalidad no presencial en el caso de ser necesario por motivos relacionados con la Covidien-19. De esta forma se asegurará la consecución de los mismos conocimientos y competencias que se especifican en este plan docente.

El Tecnocampus pondrá al alcance del profesorado y el alumnado las herramientas digitales necesarias para poder llevar a cabo la asignatura, así como guías y recomendaciones que faciliten la adaptación a la modalidad no presencial.

contenidos


1. Introducción a la inferencia estadística

Concepto de muestra, población, estadístico y parámetro.

Distribuciones poblacionales y muestrales

Distribuciones Binomial y Normal.

La distribución t-Student.

Muestreo.

 

2. Estimación puntual de parámetros poblacionales. Intervalos de confianza de parámetros poblacionales. El tamaño muestral

Distribución de la media muestral, de la proporción muestral y de la suma o diferencia de medias muestrales.

El Teorema del Límite Central.

Concepto de estimador: Robustez, sesgo y eficiencia de un estimador.

Estimación puntual de la media poblacional.

Estimación puntual de la varianza y desviación estándar poblacional.

Estimación puntual de la proporción poblacional.

Error estándar.

Estimación por intervalo. Nivel de confianza. Error de estimación.

Intervalos de confianza de la media poblacional, de la proporción poblacional, de la diferencia de medias poblacionales y de la diferencia de proporciones poblacionales

Relación entre el tamaño muestral y el error de estimación.

Cálculo del tamaño muestral para estimar la media o proporción poblacional.

 

3. Contraste de hipótesis estadísticas

Conceptos de hipótesis nula • la e hipótesis alternativa. Nivel de significación, Error tipo I (alfa), error tipo II (beta). P-valor. Valor crítico. Zona de rechazo de hipótesis nula.

Contraste de la media poblacional.

Contraste de la proporción poblacional.

Contraste de la diferencia de medias poblacionales para muestras independientes.

Contraste de la diferencia de proporciones poblacionales para muestras independientes

 

4. Diseño de experimentos: Análisis de la varianza en un factor iTaules de Contingencia

Comparación de más de dos medias poblacionales.

Análisis de la varianza (ANOVA).

Distribución F de Fisher-Snedecor.

Test de independencia de atributos.

La distribución Ji-Cuadrado.

 

5. Introducción al análisis de los Modelos de Regresión Lineal (simple y múltiple)

El Modelo de Regresión Lineal Simple: Hipótesis previas, inferencias sobre la pendiente y la ordenada en el origen.

Intervalos de confianza para los coeficientes, los valores esperados, y nuevas observaciones.

Análisis de las variaciones. El coeficiente de determinación.

Introducción al Modelo de Regresión Lineal Múltiple. Hipótesis previas. Significación individual de los coeficientes. Significación conjunta del modelo. La bondad del ajuste.

Actividades de aprendizaje


En general la estructura de la semana es la siguiente:

Actividades en el aula

Actividades fuera del aula

  • 1 sesión bisemanal teórico-práctica presencial.
  • 1 sesión bisemanal presencial de seminario de prácticas con un cuestionario final evaluable.
  • 1 sesión teórico-práctica bisemanal no presencial asíncrona.
  • 1 sesiones bisemanal en streaming de seminario de prácticas con un cuestionario final evaluable.
  • Estudio personal, realización de ejercicios propuestos, repasar los apuntes, consultar material didáctico (autónomo).
  • Realización de un trabajo en grupo.
  • Realización de un trabajo individual.
  • Realización de cuestionarios de repaso en Moodle.

 

Sistema de evaluación


El 40% de la nota de la asignatura corresponderá a la evaluación continua durante el curso, a partir de la participación y presentación de trabajos.

El 60% de la nota de la asignatura corresponderá a un examen al final del trimestre, donde el estudiante deberá obtener una cierta calificación mínima de 10 para poder acumular la calificación de la evaluación continua.

Para superar la asignatura es necesario que la nota media ponderada sea superior o igual a 5.

Si el estudiante no supera el curso, podrá optar a una recuperación del examen final (60% de la nota total) en el periodo indicado en el calendario académico, con la condición de obtener un mínimo de 5 puntos sobre 10 para poder acumular la calificación de la evaluación continua. No se hace recuperación de las actividades llevadas a cabo en la evaluación continua.

 

Nota de seminarios y cuestionarios online

10%

Trabajo individual + trabajo en grupo

30%

examen final

60%

Un alumno que no se haya presentado a la primera convocatoria NO puede presentarse a la recuperación.

Bibliografía


básico

MOORE, DS, MCCABE, GP, CRAIG, B, A, (2012) Introduction to the practice of Statistics, 7th edition. Freeman.

MOORE, DS (2009) Estadística aplicada básica, 2a. ed. Antoni Bosch Editor

https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf

Trocitos, MW (2009) An Introduction to Statistical Inference and Its Applications with R. 1st Edition. Chapman and Hall / CRC

Elosu Olid, P., Etxeberria MURGIONDO, J. (2012) R Commander. Gestión y análisis de datos. Cuadernos de Estadística. Editorial La Muralla.

Complementario

Newbold, PAUL, Carlson, W., Thorne, W. (2007), Estadística para los negocios y la economía, 6ta edición, Madrid, Prentice Hall.

MOORE, D., (1995), The basic practice of Satatistics. Freeman.

WONNACOTT, WONNACOTT (1990), Introductory Statistics for business and economics, Wiley and sonidos.

THOMAS, JJ (1980), Introducción al análisis estadístico para economistas. Marcombo.

PEÑA, D., ROMO, J., (1997), Introducción a la estadística para las ciencias sociales, Madrid, McGrau-Hill / Interamericana de España, SAU

JOHNSON, BHATTACHRYYA (1992), Statistics, principles and methods. Wiley and sonidos.

FREEDMAN, D. (1993), Estadística. Modelos y Métodos. Barcelona, ​​A. Bosch ed.

http://www.uoc.edu/in3/emath/

http://www.ugr.es/~proman/ED/Comenzando_DescriptivaUnidim_RCommander.pdf

PEÑA, D. (1991), Estadística. Modelos y Métodos, Madrid. Alianza Universidad Textos.

http://yunus.hacettepe.edu.tr/~ncokca/kndnt/201516_BD/ECO232_R%20Commander_PartOne.pdf

http://yunus.hacettepe.edu.tr/~ncokca/kndnt/201516_BD/ECO232_R%20Commander_PartTwo.pdf

MAYO, D. (2018). Statistical Inference as Severe Testing: How to Get Beyond the Statistics Wars. Cambridge University Press.

Lier, H. Zwanziger, S. (2011) Introduction to the theory of Statistical Inference. 1st edition. Chapman & Hall / CRC Texts in Statistical Science.