Competencias de la titulación a las que contribuye la asignatura
- Comprender los conceptos fundamentales relacionados con la estadística descriptiva y matemática.
- Saber aplicar los métodos, técnicas y procedimientos explicados para resolver ejercicios y problemas de estadística. Responsable: Dra. MARIA QUINTANA APARICIO
Unidad que imparte: Curso:
Créditos ECTS:
801 - EUNCET - Centro Universitario Euncet 2013
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS (Plan 2009). (Unidad docente Obligatoria)
6 Idiomas docencia: Inglés
Unidad responsable: 801 - EUNCET - Centro Universitario Euncet
Titulación:
Profesorado
Específicas:
Generales:
2. Aplicar al análisis de los problemas, criterios profesionales basados en la aplicación de técnicas y herramientas avanzadas.
3. Usar habitualmente las Tecnologías de la Información y Comunicación (TIC) en todo su desempeño profesional. 1. PENSAMIENTO ANALÍTICO_N2. Ser capaz de descomponer un tema o un problema y analizar las premisas que lo forman, indagar en las relaciones entre ellas e identificar sus implicaciones y consecuencias con el fin de juzgar la fiabilidad.
Objetivos de aprendizaje de la asignatura Clase expositiva participativa
Trabajo autónomo
Aprendizaje basado en problemas / casos Metodologías docentes
Capacidades previas
Universitat Politècnica de Catalunya
2 / 6 Dedicación total: 150h Grupo grande/Teoría:
Grupo mediano/Prácticas: Grupo pequeño/Laboratorio: Actividades dirigidas: Aprendizaje autónomo: 0h 37h 30m 18h 45m 6h 15m 87h 30m 0.00% 25.00% 12.50% 4.17% 58.33% Horas totales de dedicación del estudiantado
Contenidos
Módulo 1. Métodos de muestreo y Teorema
central del límite
Módulo 2. Estimación e intervalos de confianza
Dedicación: 12h 30m Dedicación: 12h 30m Grupo mediano/Prácticas: 4h Actividades dirigidas: 3h Aprendizaje autónomo: 5h 30m Grupo mediano/Prácticas: 4h Actividades dirigidas: 3h Aprendizaje autónomo: 5h 30m 1. Explicar porque una muestra es a menudo la única opción posible para estimar valores de la población. 2. Describir los métodos para seleccionar una muestra.
3. Definir el error de muestreo.
4. Describir la distribución muestral de la media muestral. 5. Explicar el teorema central del límite.
6. Definir el error estándar de la media.
7. Aplicar el teorema central del límite para encontrar probabilidades de las medias muestrales.
Cuando hayáis completado este capítulo, seréis capaces de: 1. Definir un punto de estimación.
2. Definir el nivel de confianza.
3. Calcular un intervalo de confianza por la población mediana cuando la desviación estándar de la población sea conocida.
4. Calcular el nivel de confianza por la población mediana cuando la desviación estándar de la población sea desconocida.
5. Calcular el intervalo de confianza para una proporción de la población.
6. Calcular la medida de muestra necesaria para estimar una proporción de la población o la media de la población.
7. Ajustar un intervalo de confianza por poblaciones finitas. Descripción:
Universitat Politècnica de Catalunya
4 / 6
Módulo 3. Test de hipótesis de una muestra
Módulo 4. Test de hipótesis de dos muestras
Dedicación: 25h Dedicación: 25h Grupo mediano/Prácticas: 8h Actividades dirigidas: 6h Aprendizaje autónomo: 11h Grupo mediano/Prácticas: 8h Actividades dirigidas: 6h Aprendizaje autónomo: 11h Cuando hayáis completado este capítulo, seréis capaces de:
1. Definir una hipótesis.
2. Explicar los cinco pasos del procedimiento del test de hipótesis. 3. Describir los errores Tipos I y Tipos II.
4. Definir el término estadístico y explicar cómo se utiliza. 5. Diferenciar entre test de hipótesis de una y dos colas.
6. Realizar un test de hipótesis sobre una media de la población. 7. Interpretar y calcular el P-value.
8. Realizar un test de hipótesis sobre una proporción de la población. 9. Calcular la probabilidad del error Tipo II.
Cuando hayáis completado este capítulo, seréis capaces de:
1. Probar la hipótesis que las medias de dos poblaciones independientes con desviaciones estándar conocidas son iguales.
2. Llevar a cabo un test de hipótesis por las proporciones de dos poblaciones.
3. Realizar un test de hipótesis de las medias de dos poblaciones independientes para contrastar si son iguales suponiendo desviaciones de población iguales pero desconocidas.
4. Llevar a cabo un test de hipótesis de las medias de dos poblaciones independientes por contrastar si son iguales, suponiendo desviaciones estándar desiguales pero desconocidas.
5. Explicar la diferencia entre muestras independientes y dependientes. 6. Llevar a cabo un test de hipótesis por observaciones dependientes. Descripción:
Módulo 5. Análisis de varianza
Módulo 6. Correlación y regresión lineal
Dedicación: 25h Dedicación: 25h Grupo mediano/Prácticas: 8h Actividades dirigidas: 6h Aprendizaje autónomo: 11h Grupo mediano/Prácticas: 8h Actividades dirigidas: 6h Aprendizaje autónomo: 11h Cuando hayáis acabado este capítulo, seréis capaces de:
1. Listar las características de la distribución F y localizar los valores en una tabla F.
2. Realizar una prueba de hipótesis para determinar si las variantes de dos poblaciones son iguales. 3. Describir el planteamiento ANOVA para contrastar las diferencias entre las medias de muestras. 4. Identificar y organizar los datos en una tabla ANOVA.
5. Llevar a cabo una prueba de hipótesis de un factor por tres o más medianos y describir los resultados. 6. Desarrollar un intervalo de confianza por las diferencias entre las medias e interpretar los resultados. 7. Llevar a cabo una prueba de hipótesis de dos factor por tres o más medios y describir los resultados. 8. Realizar un ANOVA de dos factores e interacción y describir los resultados.
Cuando hayáis completado este capítulo, seréis capaces de:
1. Definir los términos de variable independiente y variable dependiente.
2. Calcular, comprobar, e interpretar la relación entre dos variables utilizando el coeficiente de correlación. 3. Aplicar el análisis de regresión para estimar la relación lineal entre dos variables.
4. Interpretar el análisis de regresión.
5. Evaluar la importancia de la pendiente de una ecuación de regresión. 6. Evaluar una ecuación de regresión para estimar la variable dependiente. 7. Calcular e interpretar el coeficiente de determinación.
8. Calcular e interpretar los intervalos de confianza y predicción . Descripción:
Universitat Politècnica de Catalunya
6 / 6 Examen final (60%)
- Examen final escrito de todos los contenidos de la asignatura: 60 % Evaluación continuada (40%)
- Control/s o prueba/se parcial/s: 20%
- Ejercicios, problemas, elaboración de informes o trabajos: 20%
La calificación final de la asignatura (QF) se calculará a partir de la siguiente fórmula: QF = Nota Examen Final x 60% + Nota Evaluación continuada x 40%
Nota mínima Examen final 40 puntos sobre 100
La asignatura queda aprobada con una QF igual o superior a 50 puntos sobre 100
Las competencias genéricas se evaluarán a partir de las actividades realizadas a lo largo de la asignatura y se consideran superadas si el estudiante/a obtiene una puntuación igual o superior a 3 en la evaluación de la rúbrica.
Sistema de calificación
Bibliografía
Módulo 7. Análisis de regresión múltiple
Dedicación: 25hGrupo mediano/Prácticas: 8h Actividades dirigidas: 6h Aprendizaje autónomo: 11h
Básica:
Lind, D.; Marchal, W.; Wathen, S.. Statistical techniques in business and economics. 15ª. Regne Unit: McGraw-Hill, 2011. ISBN 9780071316989.
Cuando hayáis completado este capítulo, seréis capaces de:
1. Describir la relación entre varias variables independientes y una variable dependiente utilizando el análisis de regresión múltiple.
2. Establecer, interpretar y aplicar una mesa ANOVA.
3. Calcular e interpretar las medidas de asociación en regresión múltiple.
4. Llevar a cabo un test de hipótesis para determinar si un conjunto de coeficientes de regresión definen de cero. 5. Llevar a cabo un test de hipótesis por cada coeficiente de regresión.
6. Utilizar un análisis residual para evaluar las premisas del análisis de la regresión múltiple. 7. Evaluar los efectos de las variables independientes correlacionadas.
8. Evaluar y utilizar las variables independientes cualitativas. 9. Explicar la posible interacción entre las variables independientes. 10. Explicar la regresión escalonada.
