El curso se dedica principalmente a las técnicas de inferencia que permiten la generalización de las conclusiones derivadas a partir de una muestra de la población bajo estudio, junto con una evaluación de la incertidumbre y el grado de precisión derivado de esta generalización. Esto implica principalmente el uso de procedimientos de estimación de parámetros, ya sea específicos o a través de intervalos de confianza y procedimientos de prueba de hipótesis, ambos ejemplificados a través de casos relevantes de gestión empresarial. La estadística no es una cuestión de memorización de fórmulas o saber cómo usar una calculadora, más bien identificar qué método es el mejor a fin de encontrar la solución al problema al que nos enfrentamos. El curso asume un conocimiento sólido del análisis matemático y la comprensión de estadística descriptiva básica. Está estructurado para que los estudiantes apliquen conceptos teóricos en un conjunto de casos prácticos y un proyecto, que aplique todos los métodos y técnicas aprendidas. El objetivo de este curso es proporcionar a los estudiantes las herramientas estadísticas necesarias para llevar a cabo un análisis descriptivo e inferencia básica. Se hará especial énfasis en el uso del entorno de programación estadística R, junto con sus bibliotecas consolidadas y ampliamente validadas para el análisis de datos. Al final del curso, los estudiantes podrán entender y llevar a cabo técnicas básicas de estadísticas descriptivas e inferenciales.
Profesores Titulares
Profesores Docentes
--
R1 - Uso de software para simulación, análisis estático y modelización
R2 - Teoría fundamental de la probabilidad incluyendo Variables Aleatorias y Distribuciones Discretas y
Continuas
R3 - Teoría fundamental y práctica del uso de la inferencia estadística para la estimación de parámetros
R4 - Regresión lineal, multilineal y logística y ANOVA unidireccional
1. Probabilidad - Combinatoria - Probabilidad básica, probabilidad condicional y teorema de Bayes - Variables aleatorias - Distribución binomial y Bernoulli - Distribución normal (y de Student) 2. Herramientas - Excel - SPSS (estadística descriptiva y tablas de contingencia) 3. Muestreo - Distribución muestral - Estimación de la población - Intervalos de confianza 4. Correlación y regresión - Correlación entre variables - Análisis de regresión de mínimos cuadrados 5. Modelo ANOVA
Una sesión por semana donde se mostrarán los conceptos básicos y su aplicación en situaciones prácticas. Se resolverán ejercicios en clase y también se propondrán problemas o prácticas para que los estudiantes puedan aplicar los conceptos aprendidos. Algunos de estos ejercicios se analizarán en la siguiente sesión.
Examen Teórico 20% Trabajo en clase 20% Prácticas individuales 20% Midterm 15% Proyecto (en grupos) 25% Las notas del examen midterm y del proyecto final deben ser mayor que 4 puntos. Es decir, si obtienes menos de un 4 en alguno estos conceptos, suspendes la asignatura. Importante: La asignatura estará aprobada si el cómputo global de la nota es superior a 5. Prohibición herramientas de IA: La utilización de IA está prohibido en esta asignatura /actividad docente. Así pues, el uso de estas herramientas por parte del alumnado se considerará fraude y comportará la aplicación de la normativa de copias de La Salle Campus Barcelona (https://www.salleurl.edu/es/normativa-de-copias).
RETAKE POLICY. No hay examen de recuperacion.
Utilización herramientas de IA: Si utilizan herramientas de IA en alguna actividad, se debe indicar un párrafo indicando para qué se ha utilizado IA y cuáles son las indicaciones que se han utilizado para obtener los resultados. No hacerlo es un aviolación a las políticas de honestidad académica.
Examen Teórico 20% Trabajo en clase 20% Prácticas individuales 20% Midterm 15% Proyecto (en grupos) 25% Las notas del examen midterm y del proyecto final deben ser mayor que 4 puntos. Es decir, si obtienes menos de un 4 en alguno estos conceptos, suspendes la asignatura. Importante: La asignatura estará aprobada si el cómputo global de la nota es superior a 5. Prohibición herramientas de IA: La utilización de IA está prohibido en esta asignatura /actividad docente. Así pues, el uso de estas herramientas por parte del alumnado se considerará fraude y comportará la aplicación de la normativa de copias de La Salle Campus Barcelona (https://www.salleurl.edu/es/normativa-de-copias).
RETAKE POLICY. No hay examen de recuperacion.
Utilización herramientas de IA: Si utilizan herramientas de IA en alguna actividad, se debe indicar un párrafo indicando para qué se ha utilizado IA y cuáles son las indicaciones que se han utilizado para obtener los resultados. No hacerlo es un aviolación a las políticas de honestidad académica.
Textos recomendados:
1) Fundamentals of Business Statistics, Sweeney, D. Williams, T. & Anderson, D. Cengage Learning; 6th edition 2011. El curso online recomendado es: https://www.coursera.org/learn/stanford-statistics
2) Diez, D. M., Barr, C. D., & Cetinkaya-Rundel, M. (2012). OpenIntro statistics (Vol. 4). Boston, MA, USA:: OpenIntro.
Guias y handouts elaborados por el profesor del curso