You are on page 1of 13

Guía docente de la asignatura

Complementos de
Estadística
(Advanced Statistics)

Titulación: Máster en Ingeniería Industrial


Curso 2017-2018
1. Datos de la asignatura

Nombre Complementos de Estadística (Advanced Statistics)


Materia* Ampliación de Matemáticas y Estadística
Módulo* Complementos de Formación para Grados Especialistas
Código 223109002
Titulación Máster en Ingeniería Industrial
Plan de estudios 2013
Centro Escuela Técnica Superior de Ingeniería Industrial
Tipo Obligatoria
Periodo lectivo Cuatrimestral Cuatrimestre 1 Curso 1º
Idioma Castellano
ECTS 4 Horas / ECTS 30 Carga total de trabajo (horas) 120

* Todos los términos marcados con un asterisco que aparecen en este documento están
definidos en Referencias para la actividad docente en la UPCT y Glosario de términos:
http://repositorio.bib.upct.es/dspace/bitstream/10317/3330/1/isbn8469531360.pdf
2. Datos del profesorado

Profesor responsable José Alberto Egea Larrosa


Departamento Matemática Aplicada y Estadística
Área de conocimiento Estadística e Investigación Operativa
Campus La Muralla, Antiguo Hospital de Marina, Planta Baja,
Ubicación del despacho
Despacho B023
Teléfono 968 33 89 48 Fax 968 33 89 16
Correo electrónico josea.egea@upct.es
URL / WEB Aula Virtual
Horario de atención / Tutorías A determinar a comienzo del curso
Ubicación durante las tutorías A determinar a comienzo del curso

Titulación Doctor en Ingeniería por la Universidad de Vigo


Vinculación con la UPCT Profesor Contratado Doctor
Año de ingreso en la UPCT 2009
Nº de quinquenios (si procede) 2
Optimización con metaheurísticas, modelado de
Líneas de investigación (si procede) procesos.
Nº de sexenios (si procede) 2
Experiencia profesional (si procede)
Otros temas de interés Innovación docente
3. Descripción de la asignatura

3.1. Descripción general de la asignatura


La asignatura Complementos de Estadística se oferta como complemento de formación
para los graduados/as o ingenieros/as técnicos/as en ingeniería industrial que no cursaron
asignaturas de estadística con temas de diseño de experimentos y series temporales. Ésta
supone un paso más en la formación del alumno en la materia de estadística y tiene por
objeto introducir una serie de técnicas aplicadas para diseñar experimentos, realizar
inferencia y predicciones a partir de datos experimentales y/o temporales. La asignatura
tiene un carácter eminentemente aplicado aunque se hará hincapié en los fundamentos
teóricos en los que se apoyan las técnicas estudiadas para hacer un correcto uso de las
mismas.

3.2. Aportación de la asignatura al ejercicio profesional


La asignatura Complementos de Estadística se ha diseñado teniendo en cuenta el perfil
profesional del Ingeniero Industrial/Ingeniero en Tecnologías Industriales. Como
consecuencia, el objetivo de la misma es la formación en la aplicación de técnicas
estadísticas en el entorno industrial y productivo, que ayuden en la toma de decisiones y
en el control de los procesos industriales y organizacionales.

3.3. Relación con otras asignaturas del plan de estudios


La asignatura Complementos de Estadística junto con la asignatura Ampliación de
Matemáticas forma parte de la materia Ampliación de Matemáticas y Estadística dentro
del Módulo Complementos de Formación para Grados Especialistas.

3.4. Incompatibilidades de la asignatura definidas en el plan de estudios


No existen.

3.5. Recomendaciones para cursar la asignatura


Al tratarse de una asignatura de ampliación de materias básicas, será necesario poseer
conocimientos tanto de matemáticas como de conceptos básicos de estadística. El plan de
estudios está diseñado para que estos conceptos se hayan estudiado con anterioridad a
nivel de grado o de ingeniería técnica industrial. Los conocimientos informáticos a nivel de
usuario también serán importantes para cursar esta asignatura. Éstos se habrán visto
durante los estudios de grado / ingeniería técnica industrial.

3.6. Medidas especiales previstas


En previsión de contar con alumnos/as con dificultades motrices, las clases se impartirán
en aulas con total accesibilidad. En caso de dificultades auditivas, el/la alumno/a tendrá el
constante apoyo de presentaciones en pantalla de los conceptos que se vayan
estudiando.
4. Competencias y resultados del aprendizaje

4.1. Competencias básicas* del plan de estudios asociadas a la asignatura


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.

4.2. Competencias generales del plan de estudios asociadas a la asignatura


CG01 - Tener conocimientos adecuados de los aspectos científicos y tecnológicos de:
métodos matemáticos, analíticos y numéricos en la ingeniería, ingeniería eléctrica,
ingeniería energética, ingeniería química, ingeniería mecánica, mecánica de medios
continuos, electrónica industrial, automática, fabricación, materiales, métodos
cuantitativos de gestión, informática industrial, urbanismo e infraestructuras.

4.3. Competencias específicas* del plan de estudios asociadas a la asignatura


Aplicar correctamente los modelos básicos de regresión, análisis de series temporales y
contrastes múltiples para medias (análisis de la varianza) e interpretar los resultados
obtenidos.

4.4. Competencias transversales del plan de estudios asociadas a la asignatura


Aplicar a la práctica los conocimientos adquiridos.

4.5. Resultados** del aprendizaje de la asignatura


1. Saber distinguir cuándo una variable respuesta se ve influida por uno o más factores,
así como saber seleccionar el modelo de diseño de experimentos más adecuado al
objetivo del estudio y a los factores presentes.
2. Conocer la formulación del modelo de regresión lineal múltiple, identificando las
variables explicativas y la variable respuesta.
3. Conocer y saber aplicar la metodología básica de construcción de modelos de series
temporales y predicción a partir de series observadas o simuladas.
4. Aplicar a problemas reales los contenidos metodológicos adquiridos haciendo uso del
entorno de programación R.
** Véase también la Guía de apoyo para la redacción, puesta en práctica y evaluación de los
resultados del aprendizaje, de ANECA:
http://www.aneca.es/content/download/12765/158329/file/learningoutcomes_v02.pdf
5. Contenidos

5.1. Contenidos del plan de estudios asociados a la asignatura


Análisis de la Varianza e Introducción al Diseño de experimentos.
Regresión Múltiple: Modelo, inferencia sobre los parámetros, validación del modelo,
selección de regresores.
Series temporales y predicción: Conceptos básicos, métodos de alisado y modelos ARIMA.

5.2. Programa de teoría (unidades didácticas y temas)


UNIDAD DIDÁCTICA I. DISEÑO DE EXPERIMENTOS
Tema 1. Análisis de la varianza con un factor
1. Formulación del modelo.
2. Sumas de cuadrados e interpretación.
3. Contraste de comparación de medias.
4. Tabla ANOVA.
5. Comparaciones múltiples: Métodos de Bonferroni y Scheffé.
6. Validación de las hipótesis del modelo: Análisis de los residuos.
Tema 2. Análisis de la varianza con varios factores
1. Principios básicos del diseño de experimentos.
2. Factores y bloques.
3. Diseños con una variable de bloque.
4. Descomposición de la variabilidad.
5. Tabla ANOVA.
6. Diseños factoriales con dos factores.
7. Otros diseños.

UNIDAD DIDÁCTICA II: REGRESIÓN LINEAL MÚLTIPLE


Tema 3. Regresión lineal múltiple
1. Formulación del modelo: enfoque matricial.
2. Inferencia sobre los parámetros del modelo y significación de la regresión.
3. Modelos con variables indicadoras.
4. Estimación y validación del modelo. Transformaciones.
5. Prueba de falta de ajuste.
6. Colinealidad y observaciones influyentes.
7. Métodos de selección del mejor conjunto de regresores.
8. Explotación del modelo: predicción.

UNIDAD DIDÁCTICA III: ANÁLISIS DE SERIES TEMPORALES


Tema 4. Análisis clásico de una serie temporal
1. Componentes de una serie temporal.
2. Esquemas aditivo y multiplicativo.
3. Técnicas de alisado exponencial.
Tema 5. Metodología Box-Jenkins
1. Conceptos básicos sobre procesos estocásticos: series temporales.
2. Modelos autorregresivos de orden p, AR(p).
3. Modelos de medias móviles, MA(q).
4. Modelos ARMA(p,q).
5. Modelos ARIMA.
6. Identificación y validación del modelo.
7. Predicciones.

5.3. Programa de prácticas (nombre y descripción de cada práctica)


Práctica 1. Análisis de la varianza: Diseño con un factor. Comparaciones múltiples.
Se realizan diferentes contrastes de hipótesis para determinar el efecto de un factor de
clasificación o de una variable cualitativa sobre una variable respuesta. Se ilustran los
pasos a seguir para la validación de las hipótesis impuestas en el modelo.

Práctica 2. Análisis de la varianza: Diseños con varios factores.


Se realizan diferentes contrastes de hipótesis para determinar el efecto de varios factores
de clasificación o variables cualitativas sobre una variable respuesta. Se introducen los
pasos a seguir para la validación de las hipótesis impuestas en el modelo.

Práctica 3. Regresión lineal múltiple: Ajuste de modelos y validación de las hipótesis.


Se ilustra cómo ajustar el modelo de regresión lineal para predecir una variable
dependiente a partir de otras variables relacionadas. Se realiza la validación de las
hipótesis impuestas en el modelo.

Práctica 4. Regresión lineal múltiple: Selección de variables.


Se presentan diferentes procedimientos para la selección de las variables que estarán
presentes en el modelo.

Práctica 5. Series temporales: Análisis clásico y alisado exponencial.


Se analizan series temporales observadas o simuladas utilizando las técnicas clásicas de
análisis de series temporales. Se ilustra cómo obtener las componentes de una serie
temporal tanto en un esquema aditivo como multiplicativo. Se analizan series temporales
observadas o simuladas utilizando técnicas de alisado exponencial. En particular, se
ilustrarán las técnicas de alisado exponencial simple y doble, y los métodos de Holt y Holt-
Winters.

Práctica 7. Series temporales: Modelos ARIMA.


Se analizan series temporales observadas o simuladas utilizando la metodología
introducida por Box y Jenkins.

Las prácticas se desarrollarán en las aulas de informática del centro y se hará uso del
entorno de programación R para el análisis de datos.

Prevención de riesgos
La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos
fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la
Comunidad Universitaria.
Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que
integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal
de administración y servicios y estudiantes.
El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un “Manual de acogida al estudiante
en materia de prevención de riesgos” que puedes encontrar en el Aula Virtual, y en el que encontraras
instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la
prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad.
También encontrarás recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún
incidente.
En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir
todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su
realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus
compañeros.

5.4. Programa de teoría en inglés (unidades didácticas y temas)


I. EXPERIMENTAL DESIGN
1. One-way Analysis of Variance (ANOVA) .
2. Two-way Analysis of Variance (ANOVA).
II. MULTIPLE LINEAR REGRESSION
3. Multiple linear regression.
III. TIME SERIESANALYSIS
4. Classical time series analysis.
5. Exponential smoothing methods.
6. Box-Jenkins methods.

5.5. Objetivos del aprendizaje detallados por unidades didácticas


UNIDAD DIDÁCTICA I. DISEÑO DE EXPERIMENTOS
Distinguir cuándo una variable respuesta se ve influida por uno o más factores.
Realizar comparaciones de medias en grupos definidos por uno o varios factores usando
diferentes métodos.
Saber seleccionar el modelo de diseño de experimentos más adecuado al objetivo del
estudio y a los factores presentes.

UNIDAD DIDÁCTICA II: REGRESIÓN MÚLTIPLE


Formular el modelo de regresión lineal múltiple, identificando las variables explicativas y
la variable respuesta. Obtener estimaciones puntuales de los parámetros del modelo y ser
capaces de hacer inferencia sobre los mismos.
Obtener medidas de bondad de ajuste y seleccionar el modelo de regresión más
adecuado para un conjunto de datos.
Identificar y resolver problemas asociados a colinealidad, observaciones influyentes y
datos atípicos en regresión.

UNIDAD DIDÁCTICA III: ANÁLISIS DE SERIES TEMPORALES


Conocer la formulación y las propiedades básicas de los modelos de series temporales
más conocidos, especialmente aquéllas que se utilizan en el ajuste de series observadas.
Conocer y saber aplicar la metodología básica de construcción de modelos de series
temporales y predicción a partir de series observadas o simuladas.
Validar las hipótesis asociadas a cada uno de los modelos estudiados.
6. Metodología docente

6.1. Metodología docente*


Actividad* Técnicas docentes Trabajo del estudiante Horas
Clase expositiva utilizando el método de la Presencial: Toma de apuntes.
Clases teóricas en el 14
lección. Resolución de dudas planteadas por Planteamiento de dudas.
aula los estudiantes.
Se tratarán los temas de mayor complejidad No presencial: Estudio de la materia. 14
y los aspectos más relevantes.
Se resolverán problemas tipo y se analizarán Presencial: Participación activa.
casos prácticos. Se enfatizará en la forma de Resolución de ejercicios y problemas. 14
plantear los métodos de resolución y no en Planteamiento de dudas.
Clases de problemas los resultados.
en el aula Se plantearán problemas y/o situaciones No presencial: Resolución de los
reales para que los alumnos los resuelvan de ejercicios y problemas propuestos 21
manera individual o en pequeños grupos, por el profesor.
siendo guiados paso a paso por el profesor.
En estas sesiones se introducirá al alumno Presencial: Asistencia a las sesiones
en el manejo de software específico de prácticas programadas a lo largo 8
Clases prácticas. necesario para la aplicación de los del curso. Participación activa.
Sesiones en el aula procedimientos estadísticos desarrollados
de Informática en las clases teóricas a problemas reales que No presencial: Realización de las
8
suelen involucrar un elevado número de tareas propuestas por el profesor.
datos.
Presencial: Resolución de los
Se realizarán varios seminarios de problemas. Explicación del método
problemas a lo largo del curso. Los alumnos de resolución a los compañeros. 4
Trabajo cooperativo trabajan en grupos para resolver problemas Discusión de dudas y puesta en
reales con el fin de afianzar y aclarar común del trabajo realizado.
conceptos.
No presencial: 8
Las tutorías serán individuales o en grupo Presencial: Planteamiento de dudas
3
con objeto de realizar un seguimiento en horario de tutorías.
Tutorías /
individualizado y/o grupal del aprendizaje.
Seminarios Revisión de exámenes por grupos y No presencial:
motivación por el aprendizaje.
Presencial: Planteamiento del trabajo
y tutorías de seguimiento y
Se plantearán una serie de problemas reales
orientación por grupos. Exposición 4
para su resolución con las herramientas
oral y defensa de los trabajos
informáticas utilizadas en las sesiones
prácticos.
Realización de prácticas. Se realizarán informes donde se
No presencial: Búsqueda y síntesis de
trabajos/informes incluya la metodología aplicada y los
información. Organización del
resultados obtenidos más significativos.
trabajo individual o en grupo.
Dichos informes deberán ser defendidos 12
Elaboración del informe técnico y
mediante la presentación pública del mismo.
preparación de la presentación del
trabajo.
Se realizarán varios cuestionarios de Presencial: Realización de las pruebas
6
Actividades de preguntas de respuesta breve y cuestiones escritas.
teórico-prácticas. Dichas pruebas servirán
evaluación
como seguimiento del grado de asimilación
formativas y/o de los contenidos. Algunas de estas pruebas No presencial:
sumativas se emplean para la evaluación sumativa del
alumno.
Prueba escrita de evaluación (examen Presencial: Realización del examen. 4
Exámenes oficiales oficial). No presencial:
120
6.2. Resultados (4.5) / actividades formativas (6.1)
Resultados del aprendizaje (4.5)
Actividades formativas (6.1) 1 2 3 4 5 6 7 8 9 10
Clases teóricas en el aula x x X
Clases de problemas en el aula x x x
Clases prácticas. Sesiones en el aula de
x
Informática
Trabajo cooperativo x
Tutorías / Seminarios x
Realización de trabajos/informes x
Actividades de evaluación formativas y/o
x x x
sumativas
Exámenes oficiales x x x
7. Metodología de evaluación

7.1. Metodología de evaluación*


Tipo
Resultados
Sistema y criterios de Peso

Formativa*
Sumativa*
Actividad (4.5)
evaluación* (%)
evaluados

Se realizarán 3 pruebas escritas


individuales eliminatorias. Cada una de las
cuales constará de la siguiente estructura:
Cuestiones teórico-prácticas:
Ejercicio de resolución de problemas
teórico-prácticos mediante los cuales se
pretende evaluar la comprensión de los
Pruebas escritas individuales conceptos así como la adquisición de las
X 75 1-4
(1) habilidades previstas (10% cada una).
Prácticas:
Ejercicio de resolución de problemas
usando soporte informático. Se evalúa
principalmente la capacidad de aplicar
conocimientos a la práctica y la capacidad
de análisis y el manejo del software (15%
cada una)
Se realizarán trabajos individuales o
grupales en función del número de
estudiantes, donde habrá que realizar un
informe que incluya un problema práctico
con datos reales resuelto. El alumno debe
buscar un conjunto de datos a los que
deberá aplicar alguna de las técnicas
descritas en la asignatura con el software
Evaluación de trabajos de de prácticas.
X 25 1-4
investigación (2) En esta parte se evaluará la capacidad de
aplicar los conocimientos adquiridos a la
práctica.
Se realizará la exposición oral de los
trabajos y se presentará un informe
escrito. Todos los alumnos deberán
realizar los trabajos propuestos para
poder ser evaluados.
Se superará la asignatura si la puntuación final, sumando todas las puntuaciones obtenidas en las
distintas pruebas, es igual o superior a 5 sobre 10.
Los/las estudiantes que no puedan realizar las pruebas parciales tienen la opción de presentarse a
un examen final que comprenda toda la materia. Esto deberá ser notificado al profesor antes de la
realización de la primera prueba.
Sólo se podrá hacer media si en cada una de las pruebas escritas individuales se obtiene al menos un
30% de la puntuación total. En caso contrario, la parte correspondiente a ese bloque deberá ser
recuperada.
La prueba escrita oficial (1) será voluntaria para aquellos/as estudiantes que hayan obtenido 5
puntos o más en el resto de las pruebas.

Tal como prevé el artículo 5.4 del Reglamento de las pruebas de evaluación de los títulos oficiales de
grado y de máster con atribuciones profesionales de la UPCT, el estudiante en el que se den las
circunstancias especiales recogidas en el Reglamento, y previa solicitud justificada al Departamento y
admitida por este, tendrá derecho a una prueba global de evaluación. Esto no le exime de realizar los
trabajos obligatorios que estén recogidos en la guía docente de la asignatura.
Dicha prueba global (1 y 2) supondrá un 80% de la nota final, mientras que el trabajo (3), que seguirá
siendo obligatorio para poder ser evaluado, tendrá una ponderación de un 20%. Aquellos alumnos
que se presenten en las convocatorias extraordinarias de junio y de septiembre podrán optar por
realizar esta prueba global de evaluación.

7.2. Mecanismos de control y seguimiento (opcional)


8 Bibliografía y recursos

8.1. Bibliografía básica*


Box, G., Hunter, W., Hunter, J. (1988). Estadística para experimentadores. Editorial Reverté.
Devore, J.L. (2006). Probabilidad y estadística para ingeniería y ciencias. Thomson Learning,
México.
Montgomery, D.C., Runger, G.C. (1996). Probabilidad y estadística aplicadas a la ingeniería.
McGraw-Hill, México.
Moore, D.S. (2005). Estadística aplicada básica (2ª edición). Antoni Bosch D.L., Barcelona.
Peña, D. (2002). Regresión y diseño de experimentos. Alianza Editorial, Madrid.
Peña, D. Tiao, G., Tsay, R.S. (2001). A course in time series analysis. Wiley Series in
Probability and Statistics.
R Core Team (2015). R: A language and environment for statistical computing. R Foundation
for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
Uriel, E. (1995). Análisis de datos : Series temporales y análisis multivariante. AC Ediciones.
Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K. (2007). Probabilidad y estadística para
ingeniería y ciencias. Pearson Educación, México.

8.2. Bibliografía complementaria*


Box, G. , Jenkins, G., Reinsel, G. (1994). Time series analysis: Forecasting and control.
Prentice Hall.
Chatterjee, S. Hadi, S., Price, B. (2012). Regression analysis by example. John Wiley & Sons
(Wiley series in probability and statistics).
Makridakis, S., Wheelwriht, S.C., Hyndman, R.J. (1998). Forecasting: methods and
applications. John Wiley & Sons.
Field, A., Miles, J., Field, Z. (2012). Discovering statistics using R. SAGE Publications Inc.
Curso avanzado del paquete estadístico R. Introducción a la modelización estadística.
Universidad de Oviedo. http://uce.uniovi.es/cursolineal/ModelizacionR.pdf

8.3. Recursos en red y otros recursos


Aula virtual de la asignatura accesible para todos los alumnos matriculados a través de la
dirección web https://aulavirtual.upct.es/