![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2024_25 | |||||||||||||||||||||||||||||||||||||||
Asignatura | ESTADISTICA AVANZADA II | Código | 00511021 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
6 | Obligatoria | Tercero | Primero |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | ECONOMIA Y ESTADISTICA |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | jiabag@unileon.es mmartp@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http:// | |||||||||||||||||||||||||||||||||||||||
Descripción general | Técnicas estadísticas multivariantes y de aprendizaje automático para variables cualitativas. Aplicaciones con software estadístico específico (R/RStudio). | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Código | |
A16272 | 511E3 Capacidad para poner en práctica técnicas de investigación de mercados |
A16274 | 511E5 Capacidad para analizar entornos económicos y empresariales y su influencia en el ámbito de la investigación de mercados y marketing |
A16278 | 511EB2 Capacidad para realizar investigaciones y análisis de mercados |
B5100 | 511CG7 Demostrar que posee y comprende los conocimientos en el área del marketing y de la investigación de mercados. |
B5101 | 511CG8 Aplicar los conocimientos anteriores a su trabajo en cualquier campo relacionado con el marketing y con la investigación de mercados. En este sentido, debe ser capaz de elaborar y defender argumentos, así como resolver problemas en las áreas de estudio especificadas. |
B5102 | 511CG9 Reunir e interpretar datos relevantes sobre todas las áreas del marketing y de la investigación de mercados, así como emitir juicios razonados sobre temas relevantes de carácter científico, social o ético, apoyándose en dichos datos. |
B5107 | 511CT4 Capacidad de aprender |
B5108 | 511CT5 Capacidad para el pensamiento analítico |
B5109 | 511CT6 Manejar con destreza las tecnologías de la información |
C3 | CMECES3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética. |
Resultados de aprendizaje |
Resultados | Competencias | ||
Identificar, plantear y resolver problemas mediante la utilización de la técnica estadística multidimensional adecuada en el campo del marketing e investigación de mercados. | A16272 A16274 A16278 |
B5100 B5101 B5102 B5107 B5108 |
C3 |
Capacidad para analizar entornos económicos y empresariales desde un punto de vista multidimensional. | A16272 A16274 A16278 |
B5100 B5101 B5102 B5107 B5108 |
C3 |
Comprender las técnicas factoriales aplicadas a variables cualitativas y los modelos logarítmico lineales. | A16272 A16278 |
B5100 B5101 B5107 B5108 B5109 |
C3 |
Predecir e interpretar resultados a partir de modelos de respuesta discreta y técnicas de segmentación. | A16272 A16278 |
B5100 B5101 B5107 B5108 B5109 |
C3 |
Comprender y aplicar técnicas específicas con gran aplicación en el marketing e investigación de mercados como el análisis conjunto y el análisis de datos textuales. | A16272 A16278 |
B5100 B5101 B5107 B5108 B5109 |
C3 |
Contenidos |
Bloque | Tema |
Tema 1. Introducción Tema 2. Visualización de datos Tema 3. Minería de textos Tema 4. Análisis de correspondencias y escalamiento multidimensional Tema 5. Modelos log-lineales y reglas de asociación Tema 6. Técnicas de segmentación jerárquica: árboles de clasificación Tema 7. Modelos de respuesta discreta: regresión logística Tema 8. Análisis conjunto |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Dirigidas | 40 | 40 | 80 | ||||||
Supervisadas | 10 | 30 | 40 | ||||||
Autónomas | 0 | 20 | 20 | ||||||
Sesión Magistral | 0 | 0 | 0 | ||||||
Realización y exposición de trabajos. | 7.5 | 0 | 7.5 | ||||||
Pruebas mixtas | 2.5 | 0 | 2.5 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Dirigidas | Clases magistrales: (ver más abajo en "Sesión magistral") Clases prácticas en aula de informática: sesiones en las que el profesor guiará a los alumnos en el manejo del software estadístico R para aplicar las distintas técnicas estadísticas estudiadas a la resolución de problemas y para la interpretación de sus resultados. Para poder realizar las pruebas y/o entregar las tareas con software estadístico, podrá ser necesario haber superado las prueba de control (tipo test) de acceso al aula de informática que se podrán realizar en algunas de esas sesiones. Asimismo, será necesaria la elaboración y presentación de un informe de prácticas que recogerá todos los aspectos relacionados con el desarrollo de las mismas. |
Supervisadas | Como complemento a las clases en el aula informática y con el fin de que el alumno mejore su competencia en el manejo de R, el profesor propondrá la realización de varias prácticas, algunas de las cuales se considerarán en la evaluación continua. De igual modo, la elaboración del trabajo grupal obligatorio será supervisado por el profesor en sesiones periódicas. |
Autónomas | Se proporcionan actividades con las que el estudiante pueda prepararse antes de la evaluación. Estas actividades se utilizan como instrumento de enseñanza-aprendizaje, resolviendo presencialmente o mediante foros todas las dudas que puedan surgir en cuanto a interpretaciones y las soluciones alcanzadas. |
Sesión Magistral | Exposición oral de los elementos más relevantes de cada tema que se complementará con el uso de la pizarra o el cañón de proyección, y el empleo de diversos materiales de apoyo y la bibliografía recomendada. Los alumnos contarán previamente con la documentación pertinente para el correcto seguimiento de los temas y trabajarán sobre los materiales, bibliografía o recursos que hayan sido recomendados por el profesor. De este modo, estarán en disposición de participar de forma activa en las clases en que se aborden dichos contenidos. |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Supervisadas | Prácticas presenciales con software estadístico | 30% | |
Realización y exposición de trabajos. | Realización de un trabajo en grupo | 20% | |
Pruebas mixtas | Una prueba escrita con preguntas de carácter teórico y práctico | 50% | |
Otros comentarios y segunda convocatoria | |||
Prácticas presenciales con software estadístico Las prácticas con software estadístico son exclusivamente presenciales. Para poder entregar dichas prácticas, podrá ser necesario haber superado una prueba de control (tipo test) de acceso que se podrán realizar en algunas de esas sesiones. Asimismo, será necesaria la elaboración y presentación de un informe de prácticas que recogerá todos los aspectos relacionados con el desarrollo de las mismas. 1ª Convocatoria Ordinaria: Para superar la asignatura, los alumnos deberán alcanzar una nota mínima de 4 sobre 10 tanto en la prueba escrita como en el trabajo, así como alcanzar una nota media ponderada global en la asignatura de 5 sobre 10. En caso contrario, su calificación será la menor entre 4 y esa nota media ponderada. 2ª Convocatoria Ordinaria: - Los estudiantes que hayan obtenido una calificación inferior a 4 en la prueba escrita, realizarán una prueba de recuperación y esa nota sustituirá a la obtenida en la 1ª convocatoria para el cálculo de la nota media ponderada global. - Los estudiantes que hayan obtenido una calificación inferior a 4 en el trabajo, deberán corregirlo y presentarlo de nuevo y esa nota sustituirá a la obtenida en la 1ª convocatoria para el cálculo de la nota media ponderada global. - No existe prueba de recuperación para las prácticas con software estadístico dado que son parte de la evaluación continua por lo que la calificación que se asigne a esta parte en la 2ª convocatoria será la misma que la ya obtenida en la 1ª. - Los estudiantes que, habiendo alcanzado superado en la 1ª convocatoria la nota mínima de 4 en el trabajo y en la prueba escrita, no lleguen a alcanzar una nota media ponderada global de 5 sobre 10, deberán intentar subir su nota en la prueba escrita y/o en el trabajo para poder superar la asignatura. - Al igual que en la 1ª convocatoria, para superar la asignatura se deberá alcanzar una nota mínima de 4 sobre 10 en la prueba escrita y en el trabajo, así como alcanzar una nota media ponderada de 5 sobre 10. En caso contrario, la calificación será la menor entre 4 y esa nota media ponderada. - La prueba escrita y la entrega del trabajo se realizarán en la fecha establecida por el Calendario Escolar y por el Centro para la realización de las pruebas correspondientes a la 2ª Convocatoria Ordinaria.
En la fecha establecida por el Calendario Escolar y por el Centro, se realizará un examen sobre 10 puntos que constará iguales de preguntas y de ejercicios a resolver en el aula de informática. Para superar la asignatura será necesario obtener una nota global de 5 puntos. Comentarios relativos a la realización de exámenes: Durante el desarrollo de las pruebas sólo se permitirá manejar aquel material que autorice el profesor responsable de la asignatura, quedando terminantemente prohibida la tenencia y uso de otros dispositivos móviles y/o electrónicos durante la celebración de los exámenes. La simple tenencia de dichos dispositivos así como de apuntes, libros, carpetas o materiales diversos no autorizados durante las pruebas de evaluación, supondrá la retirada inmediata del examen, su expulsión del mismo y su calificación como suspenso, comunicándose la incidencia a la Autoridad Académica del Centro para que realice las actuaciones previstas en las Pautas de Actuación en los Supuestos de Plagio, Copia o Fraude en Exámenes o Pruebas de Evaluación , aprobadas por la Comisión Permanente del Consejo de Gobierno de 29 de enero de 2015. |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica |
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
Álvarez Liébana, J. (15-09-2022). Introducción a R: aprendiendo R sin morir en el intento. https://javieralvarezliebana.es/curso-intro-R/ Álvarez Liébana, J. y Valverde Castilla, G. (30-01-2022). Analizando datos, visualizando información, contando historias. https://javieralvarezliebana.es/curso-manual-dataviz-ECI-2022/ Fernández Avilés, G. & Montero, J.M. (dirs.) (01-01-2024). Fundamentos de ciencia de datos con R. https://cdr-book.github.io/index.html Wickham, H. & Grolemund, G. (06-06-2023). R para ciencia de datos. https://es.r4ds.hadley.nz/ |
|
Complementaria |
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
Recomendaciones |
Asignaturas que se recomienda cursar simultáneamente | ||
|
Asignaturas que se recomienda haber cursado previamente | ||||
|