Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 30 Clase Interactiva: 20 Total: 51
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Estatística, Análise Matemática e Optimización
Áreas: Estatística e Investigación Operativa
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
O obxectivo deste curso é que o estudantado aprenda os conceptos básicos de estatística descritiva, probabilidade, inferencia estatística e modelos de regresión que servirán de base para construír modelos estatísticos avanzados para a análise de datos.
TEMA 1. ESTATÍSTICA DESCRITIVA
1.1 Conceptos xerais.
1.2 Distribucións de frecuencias.
1.3 Representacións gráficas.
1.4 Medidas características: posición, dispersión e forma.
1.5 Estatística descritiva bidimensional. Táboas de continxencia.
TEMA 2. FUNDAMENTOS DA PROBABILIDADE
2.1 Experimento aleatorio. Sucesos e espazo mostral.
2.2 Asignación e definición de probabilidade. Operacións con sucesos.
2.3 Probabilidade condicional. independencia dos acontecementos. Resultados notables.
TEMA 3. VARIABLES ALEATORIAS
3.1 Variable discreta. Soporte, función masa de probabilidade e función de distribución.
3.2 Variable continua. Función de densidade e función de distribución.
3.2 Medidas características.
3.3 Principais modelos de distribucións discretas e continuas.
3.4 Teorema central do límite.
3.5 Aproximación de distribucións.
TEMA 4. INTRODUCIÓN Á INFERENCIA ESTATÍSTICA E A ESTIMACIÓN DE PARÁMETROS
4.1 Introdución á inferencia estatística.
4.2 Estimación dunha poboación.
4.3 Estimación para dúas poboacións.
4.4 Estimación por intervalos de confianza.
TEMA 5. CONTRASTE DE HIPÓTESE
5.1 Introdución ó contraste de hipóteses.
5.2 Procedemento de contraste.
5.3 Contrastes para unha poboación.
5.4 Contrastes para dúas poboacións.
TEMA 6. INTRODUCIÓN Á REGRESIÓN LINEAL
6.1 Estatística descritiva bidimensional para variables continuas. Diagrama de dispersión.
6.2 Modelo de regresión lineal.
BIBLIOGRAFÍA BÁSICA
Agresti, A., e Kateri, M. (2021). Foundations of Statistics for Data Scientists: With R and Python. CRC Press, Boca Raton.
Devore, J. L. (2005). Probabilidad y Estadística para Ingeniería y Ciencias. 6a ed. México: International Thomson Editores.
BIBLIOGRAFÍA COMPLEMENTARIA
Mendenhall, W. M. e Sincich, T. L. (2016). Statistics for Engineering and the Sciences. CRC Press, Boca Raton.
Peña, D. (1991). Fundamentos de Estadística. Alianza Editorial, Madrid.
Peña, D. (1993). Estadística: Modelos y Métodos. Alianza Editorial, Madrid.
Ross, S. M. (2014). Introduction to Probability and Statistics for Engineers and Scientists. Elsevier, Burlington.
A bibliografía recomendada está dispoñible nas bibliotecas da USC.
Tras a finalización deste curso prevese que o estudantado acade as seguintes competencias/resultados da aprendizaxe que se recollen na memoria do Grao en Intelixencia Artificial das Universidades da Coruña, Santiago de Compostela e Vigo: CG2, CG4, CB2, CB3, CB5, TR3, CE1, CE5.
Como resultados de aprendizaxe, o estudantado debe coñecer os fundamentos probabilísticos básicos, os fundamentos da inferencia estatística e os fundamentos dos modelos de regresión. Preténdese que os estudantes sexan capaces de describir un suceso aleatorio nunha ou/e dúas variables estatísticas, elixindo gráficas adecuadas para a súa representación e utilizando técnicas estatísticas adecuadas para cada caso, e que sexan capaces de xustificar a relevancia dunha proba estatística ou contraste de hipótese nunha aplicación concreta. Ademais, debería ser capaz de deseñar os criterios de elixibilidade dunha mostra correctamente para responder a un problema real e debería ser capaz de validar os modelos estatísticos adecuadamente e corrixilos en consecuencia. Tendo todo isto en conta, unha vez rematada a materia, o estudantado deberá ter as bases para construír modelos estatísticos avanzados para a análise de datos.
Docencia expositiva (30 horas). Para a transmisión de coñecementos empregaranse diapositivas e encerado e resolveranse problemas tipo, para que o estudantado poida traballar nos boletíns de exercicios que se facilitan. En canto ao material de seguimento da materia, ademais da bibliografía recomendada, o estudantado contará coa axuda de material adicional no Campus Virtual da USC. Nas clases expositivas traballaranse as seguintes competencias: competencias xerais (CG4), competencias básicas (CB2, CB3 e CB5) e competencias específicas (CE1).
Sesións prácticas na aula de informática e/ou laboratorio (20 horas). Neste tipo de ensinanzas, a implicación do estudantado na resolución dos exercicios prácticos será guiada polo profesor durante as horas impartidas na aula. Estes problemas resolveranse coa axuda dun software que permita resolver os problemas prácticos que vaian xurdindo ao longo do curso. Fóra da aula, o estudantado deberá resolver de xeito autónomo exercicios para consolidar conceptos e afrontar por si mesmo os problemas de análise de bases de datos e funcións de programación no devandito software. Obxectivos desenvolvidos: competencias xerais (CG2, CG4), competencias básicas (CB2 e CB3), competencias transversais (TR3) e competencias específicas (CE1, CE5).
Titorías (1 hora): as titorías están dirixidas ao seguimento da aprendizaxe do estudantado. Nas sesións de titoría realizaranse diferentes actividades que permitan ao estudantado acadar unha visión xeral da materia e, ao mesmo tempo, identificar en que aspectos cómpre mellorar. Obxectivos desenvolvidos: competencias xerais (CG4), competencias básicas (CB2, CB3 e CB5) e competencias específicas (CE1, CE5).
A distribución das horas lectivas (30 horas) e dos seminarios (20 horas), por temas, é a seguinte, en sesións dunha hora:
Tema 1. Estatística descritiva: 5 conferencias, 4 seminarios.
Tema 2. Fundamentos da probabilidade: 4 conferencias, 2 seminarios.
Tema 3. Variables aleatorias: 8 conferencias, 4 seminarios.
Tema 4. Introdución á inferencia e estimación de parámetros: 5 conferencias, 4 seminarios.
Tema 5. Contrastes de hipóteses: 4 conferencias, 4 seminarios.
Tema 6. Introdución á regresión lineal: 4 conferencias, 2 seminarios.
A cualificación da materia realizarase mediante avaliación continua e exame final teórico/práctico. A continuación detállase o peso de cada parte da avaliación.
Avaliación continua (30%):
A avaliación continua consistirá en dúas actividades a desenvolver de forma presencial e escrita, centradas na realización de exercicios e problemas de carácter práctico vinculados á materia. As datas de realización de ditas actividades serán comunicadas na aula e na aula virtual cunha semana de antelación. A nota da avaliación continua calcularase como a media das puntuacións obtidas nas dúas actividades realizadas. No caso de non realizar algunha das actividades, a súa puntuación considerarase cero para o cálculo da media. A nota obtida conservarase entre as dúas oportunidades do mesmo curso académico.
Competencias avaliadas: CG2, CG4, CB2, CB3, TR3, CE1, CE5.
Exame final (70%):
O exame final constará de varias preguntas e exercicios teórico/prácticos sobre os contidos da materia, que poderán incluír a interpretación dos resultados obtidos co software estatístico empregado na docencia interactiva.
Competencias avaliadas: CG2, CG4, CB2, CB3, CB5, TR3, CE1, CE2 e CE5.
De acordo co recollido no artigo 1 do Regulamento de asistencia a clase nas ensinanzas oficiais de grao e máster da USC, a asistencia a clase non terá ningunha valoración específica nesta materia, nin será requisito para superar a materia nin para presentarse ás probas de avaliación.
Considerarase “presentado” a todo estudante que participe en actividades que lle permitan obter, como mínimo, o 50% da avaliación final. O peso da avaliación continua na segunda oportunidade será o mesmo que na primeira oportunidade.
Para os estudantes repetidores, a avaliación levarase a cabo da mesma maneira, e non se conservará ningunha nota obtida no curso pasado (incluída a nota de avaliación continua).
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.
Nesta materia, o estudantado dispón das seguintes docencias impartidas polo profesorado: 30 horas de docencia expositiva, 20 horas de prácticas en aula de informática e/ou laboratorio e 1 hora de titorías. O estudantado deberá dedicar, ademais, 60 horas a afondar no coñecemento das clases expositivas e 39 á resolución de problemas prácticos. Durante estas horas débese afondar nos coñecementos adquiridos, mediante a revisión de conceptos, a práctica da resolución de problemas e a consulta da bibliografía recomendada.
Recoméndase que o estudantado teña adquiridos coñecementos básicos de Álxebra, xa que facilitarán a comprensión dos contidos da materia e o seguimento das actividades propostas. Así mesmo, é aconsellable ter familiaridade co uso básico de ferramentas informáticas de cálculo ou programación.
O seguimento regular das sesións expositivas e interactivas contribuirá de maneira significativa ao progreso na materia. Así mesmo, é aconsellable que o estudantado realice as actividades propostas polo profesorado, como a resolución de problemas, revisión de materiais e exercicios prácticos, co obxectivo de consolidar a aprendizaxe. Recoméndase tamén aproveitar as titorías como espazo para aclarar dúbidas e recibir orientación personalizada.
A materia fará uso do Campus Virtual, que servirá como espazo principal para a comunicación co estudantado e difusión de materiais.
Empregarase o software estatístico R para o desenvolvemento de exercicios prácticos e actividades relacionadas cos contidos da materia (pode descargarse gratuitamente dende a dirección http://www.r-project.org/)
A lingua prioritaria para impartir docencia será o galego.
Beatriz Pateiro Lopez
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Teléfono
- 881813185
- Categoría
- Profesor/a: Titular de Universidade
| Martes | |||
|---|---|---|---|
| 10:00-11:00 | Grupo /CLE_01 | Galego | IA.11 |
| Xoves | |||
| 10:00-12:00 | Grupo /CLIL_02 | Galego | IA.13 |
| Venres | |||
| 10:30-12:30 | Grupo /CLIL_01 | Galego | IA.11 |
| 12:30-13:30 | Grupo /CLE_01 | Galego | IA.11 |
| 18.05.2026 09:15-14:00 | Grupo /CLE_01 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_01 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_02 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_03 | IA.01 |
| 18.05.2026 09:15-14:00 | Grupo /CLE_01 | IA.02 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_01 | IA.02 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_02 | IA.02 |
| 18.05.2026 09:15-14:00 | Grupo /CLIL_03 | IA.02 |
| 07.07.2026 16:00-20:30 | Grupo /CLIL_01 | IA.01 |
| 07.07.2026 16:00-20:30 | Grupo /CLIL_02 | IA.01 |
| 07.07.2026 16:00-20:30 | Grupo /CLIL_03 | IA.01 |
| 07.07.2026 16:00-20:30 | Grupo /CLE_01 | IA.01 |