UNIVERSIDAD AUTÓNOMA DE MADRID

Transcripción

1 Universidad Autónoma de Madrid UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Asignatura: FUNDAMENTOS DE ESTADÍSTICA Código: Grupo: Master en Metodología de las Ciencias del Comportamiento y de la Salud Titulación: PSICOLOGÍA

2 1. ASIGNATURA / SUBJECT 1.1. Nombre / Name FUNDAMENTOS DE ESTADÍSTICA 1.2. Código / Code 1.3. Tipo / Type OPTATIVA 1.4. Nivel / Level POSGRADO 1.5. Curso / Year POSGRADO 1.6. Semestre / Semester SEGUNDO 1.7. Número de créditos / Credits Number or ECTS 5 2 de 10

3 1.8. Idioma en el que se imparte / Subject Language ESPAÑOL 1.9. Requisitos Previos / Previous Aptitudes or Previous Requirements Conocimientos de análisis de datos al nivel de las asignaturas de grado en ciencias sociales. Matemáticas al nivel del bachillerato y recomendable programación de ordenadores a nivel introductorio. Interés por la modelización y programación Aula? / Classroom? Es obligatoria la asistencia? / Is it obligatory to attend the courses? No Objetivos y Competencias a Desarrollar / Objectives and Competitions to Develop El curso va dirigido a estudiantes graduados en psicología y otras ciencias sociales. El propósito es profundizar en los aspectos formales de los métodos estadísticos tomando como base lo aprendido en las asignaturas de grado de estas carreras. Además, ser capaz de elaborar software sencillo para aplicar estos métodos. Tras la realización de este curso, el alumno ha de ser capaz de: 1. Conocer los conceptos básicos sobre funciones de distribución y variables aleatorias. 2. Conocer las distribuciones más habituales para variables discretas y continuas. 3. Desarrollar los métodos de estimación máximo verosímil y bayesiano. 4. Desarrollo del método de bondad de ajuste por razón de verosimilitudes en casos sencillos. 5. Realizar la programación informática de los métodos de estimación y contraste para su aplicación con datos reales. 3 de 10

4 1.13. Contenidos del Programa / Program Contents Los contenidos del programa tienen una doble vertiente, teórica y práctica. La parte teórica comprende el estudio de los conceptos y formulaciones correspondientes a cada tema, así como la realización de problemas y ejercicios. La parte práctica consiste en elaborar programas informáticos que puedan aplicar los métodos estadísticos en cualquier muestra. El temario detallado es el siguiente 1. Introducción a la probabilidad. Función de distribución, densidad y probabilidad. Variable aleatoria discreta y continua. Valor esperado y varianza de una distribución. 2. Distribuciones discretas (Bernoulli, binomial, multinomial, Poisson) y continuas (normal y exponencial). 3. Métodos de estimación. Mínimos cuadrados, método de los momentos, máxima verosimilitud y bayesiano. 4. Contraste de hipótesis. Razón de verosimilitudes. 5. Ejemplos de modelos. Regresión lineal, polinómica, logística y Poisson. 4 de 10

5 1.14. Referencias de Consulta Básicas / Basic References of Consultation, Recommended Bibliography Libro de texto de la asignatura Revuelta, J. y Ponsoda, V. (2005). Fundamentos de estadística, segunda edición. Madrid. UNED Ediciones. Bibliografía adicional Andersen, E. B. (1980). Discrete statistical models with social science applications. Amsterdam. North Holland. López Cachero, M. (1996). Fundamentos y métodos de estadística. Madrid. Pirámide. Mood, A. M. Graybill, F. A. y Boes, D. C. (1974). Introduction to the theory of statistics. London. McGrawn-Hill International. Peña, D. (2008). Fundamentos de estadística, segunda edición. Madrid. Alianza editorial. Ruiz-Maya, L. (2004). Fundamentos de inferencia estadística, tercera edición. Madrid. AC. 5 de 10

6 2. Datos del Profesor/a / Professor Data 2.1. Nombre y Apellidos / Name and Surname Javier Revuelta 2.2. Centro / Department or Centre FACULTAD DE PSICOLOGÍA DEPARTAMENTO DE PSICOLOGÍA SOCIAL Y METODOLOGIA 2.3. Despacho / Office Despacho número 5 (edificio anexo de Psicologia) 2.4. Correo Electrónico / E Mail address javier.revuelta@uam.es 2.5. Teléfono / Telephone Number Web del profesor/a / Professor Website Horario de tutoría? / Professor s Consultations Timetable 6 de 10

7 3. Métodos Docentes / Educational Methods El seguimiento del curso a distancia se basa en diferentes tipos de actividades, basados en diversos materiales: 1. Guías los temas. Son una introducción breve a cada tema en la que se explican los principales conceptos. Sirven para tener una idea general del tema antes de su estudio en profundidad y como material de referencia de los aspectos más importantes. Se proporcionan a través de internet. 2. Libro de texto de la asignatura. Se trata del libro referido en el apartado 1.14 de esta guía docente. Proporcionan la explicación detallada de cada tema que puede consultarse una vez estudiada la guía del mismo. Además, contienen ejercicios para ser realizados como trabajo personal del alumno, que no son utilizados en la evaluación del curso. 3. Ejercicios semanales de cada tema. Se realizan en formato electrónico o de lápiz y papel, y deben entregarse al profesor antes de las fechas indicadas. Cuentan para la evaluación del curso y sirven para fijar un ritmo adecuado de estudio de los temas. Se proporcionan a través de internet. 4. Trabajo práctico. Aquellos alumnos que conozcan lenguajes de programación tales como Matlab, R, C, etc. pueden realizar voluntariamente un trabajo práctico que será relevante para la evaluación del curso. El tema del trabajo será propuesto por el alumno y consensuado con el profesor. El propósito es que el alumno escoja un tema de su interés, que posiblemente pueda tener continuidad como trabajo de fin de master. Un ejemplo típico de trabajo práctico consiste en seleccionar un determinado modelo estadístico, desarrollar los estimadores, realizar la programación de los mismos y aplicarlos a una muestra. También pueden realizarse estudios de simulación sobre recuperación de parámetros, estimación de la tasa de rechazos de un contraste y la potencia, distribución de un estadístico, etc. 7 de 10

8 4. Tiempo estimado de Trabajo del Estudiante / Estimated work task student time El tiempo estimado de trabajo por parte del alumno es de 125 horas a lo largo del cuatrimestre. La distribución de esas horas en función del tipo de actividad es la que se resume en la siguiente tabla: Tipo de actividad Forma Horas Estudio teórico Ejercicios semanales Trabajo práctico Estudio de los temas del libro, guías de los temas y ejercicios del libro Realización de los ejercicios de evaluación de cada tema con periodicidad semanal Trabajo práctico de carácter voluntario. El tiempo dedicado al mismo se descuenta de las otras actividades de 10

9 5. Métodos de Evaluación y Porcentaje en la Calificación Final / Evaluation Methods and Percentage in the Final Qualification La evaluación puede realizarse de tres maneras. Aquellos alumnos que quieran ser evaluados mediante un trabajo modalidades 2 y 3 de evaluación- deberán comunicarlo al profesor el las primeras semanas del curso junto con una propuesta de trabajo. La decisión sobre el modo de evaluación de la asignatura la tomará el profesor durante el curso basándose en la marcha del trabajo. 1ª- Basada en los ejercicios semanales y el examen final, que se ponderan del siguiente modo: Ejercicios semanales Examen final 70% 30% 2ª- Trabajo práctico. La evaluación del curso puede basarse exclusivamente en un trabajo práctico. Se realiza una evaluación continua, presentando los resultados parciales sobre la marcha del curso. 3ª- Modalidad mixta. Se basa en un trabajo práctico complementado con ejercicios o un examen final. Se utiliza en aquellos casos en que el trabajo práctico constituye una parte relevante de la calificación final, aunque no tiene la amplitud suficiente como para ser el único criterio de evaluación. 9 de 10

10 6. Cronograma de Actividades / Activities Cronogram El siguiente cronograma está organizado en un calendario de 15 semanas. El cronograma describe la secuencia aproximada en que se presentan los conceptos fundamentales a lo largo del curso, y comprende en paralelo la exposición teórica y la realización de prácticas informáticas. Semana Actividad 1 Presentación del curso 2 Conceptos previos 1 3 Conceptos previos 2 4 Tema 1. Introducción a la probabilidad 5 Variables aleatorias 6 Distribuciones conjuntas y condicionadas 7 Tema 2. Distribuciones discretas 8 Distribuciones continuas 9 Tema 3. Mínimos cuadrados 10 Máxima verosimilitud Máxima verosimilitud Estimación bayesiana 13 Tema 4. Contraste de hipótesis 14 Conceptos básicos sobre contrastes 15 Razón de verosimilitudes 10 de 10