ECTS credits ECTS credits: 6
ECTS Hours Rules/Memories Student's work ECTS: 99 Hours of tutorials: 3 Expository Class: 24 Interactive Classroom: 24 Total: 150
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Quantitative Economy
Areas: Quantitative Economics (USC-specific)
Center Faculty of Economics and Business Studies
Call: Second Semester
Teaching: With teaching
Enrolment: Enrollable
Esta materia se compone de dos partes relativamente diferenciadas. La primera, centrada en las técnicas de encuestas, busca que el alumnado adquiera conocimientos sobre los métodos de muestreo de poblaciones finitas, aprendiendo a diseñar métodos de recogida de información mediante encuestas y su tratamiento posterior. La segunda parte, centrada en las técnicas de análisis multivariante, pretende que el alumnado conozca estas técnicas de exploración de datos desde un enfoque básicamente aplicado, aprendiendo a identificar que casuísticas concretas permite analizar cada técnica, que supuestos se deben cumplir, como aplicar el software estadístico para llevar a cabo cada análisis, así como la interpretación correcta de resultados.
TÉCNICAS DE ENCUESTAS
Tema 1. Conceptos básicos del muestreo
1.1 Población y muestra
1.2 Muestreo probabilístico. Caracteres y características de la población. Población y marco. Unidades de muestreo y unidades elementales
1.3 Errores de muestreo y errores ajenos al muestreo
Tema 2. Muestreo aleatorio simple
2.1 Como seleccionar una muestra aleatoria simple (m.a.s.)
2.2 Estimación del promedio y del total de una población
2.3 Comparación de las estimaciones
2.4 Determinación del tamaño de la muestra
Tema 3. Muestreo aleatorio estratificado
3.1 Como seleccionar una muestra aleatoria estratificada
3.2 Estimación del promedio y del total de la población
3.3 Afijación de la muestra
3.4 Determinación del tamaño de la muestra
Tema 4. Muestreo de conglomerados
4.1 Como seleccionar una muestra por conglomerados.
4.2 Estimación del promedio y del total de la población
4.3 Muestreo de conglomerados monoetápico
4.4 Muestreo bietápico
Tema 5. Muestreo sistemático con arranque aleatorio
5.1 Como seleccionar una muestra sistemática
5.2 Estimación del promedio y del total de la población
5.3 Comparación con el muestreo estratificado y con el de conglomerados.
ANÁLISIS DE DATOS
Tema 6. Análisis multivariante. Introducción
6.1 Conceptos básicos: individuos, variables, escalas, matriz de datos, ...
6.2. Análisis exploratorio de datos. Aplicaciones con software estadístico (SPSS, R,..).
6.3. Tipos de técnicas multivariantes. Clasificación
Tema 7. Análisis Factorial Exploratorio (AF) y Análisis de Componentes Principales (ACP)
7.1. Objetivo, variables y requisitos de la AF y de la ACP. Similitudes y diferencias.
7.2. Planteamiento del modelo AF e hipótesis.
7.3. Planteamiento del modelo ACP. Interpretación geométrica.
7.4. Etapas: adecuación del modelo, determinación del nº de factores/componentes, métodos de extracción, rotación, interpretación de factores/componentes, representaciones gráficas, bondad del modelo, puntuaciones,...
7.5. Aplicaciones con software estadístico. Interpretaciones de resultados.
Tema 8: Análisis Factorial de Correspondencias (AFC)
8.1. Objetivo, variables y requisitos.
8.2. Fundamentación y planteamiento de la AFC Simple. Etapas.
8.3. AFC Múltiple. Etapas.
8.4. Aplicaciones con software estadístico. Interpretaciones de resultados.
Tema 9: Análisis Clúster o de Conglomerados (AC)
9.1. Objetivo, variables y requisitos. Medidas de distancia y similitud.
9.2. Métodos o algoritmos jerárquicos de conglomeración. Determinación del número de conglomerados. Interpretación y validación de la solución clúster,...
9.3. Métodos no jerárquicos: el método de las k-medias.
9.4. Aplicaciones con software estadístico. Interpretaciones de resultados.
Tema 10. Análisis Discriminante (AD)
10.1. Objetivo, variables y requisitos. Relación AD vs. AC.
10.2. Planteamiento del modelo AD y supuestos básicos.
10.3. Etapas: adecuación del modelo, elección de las variables discriminantes, estimación y grado de discriminación de la/s función/s discriminantes, clasificación de nuevos casos, bondad del modelo, ...
10.4. Aplicaciones con software estadístico. Interpretaciones de resultados.
Bibliografía básica
ALDÁS, J.; URIEL, E. (2017): Análisis multivariante aplicado con R. Madrid: Paraninfo
BOZA, J.; PÉREZ-RODRÍGUEZ, J.V. ; DE LEÓN, J. ( 2021 ): Introducción a las técnicas de muestreo. Ed. Pirámide
HAIR, J.F.; ANDERSON, R.E.; TATHAM, R.L.; BLACK, W.C. (2004). Análisis multivariante. Madrid: Pearson-Prentice Hall.
MATEOS-APARICIO, G.; HERNÁNDEZ, A. (2021): Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA. Madrid: Pirámide
PEREZ LOPEZ, C.(2005): Muestreo estadístico. Conceptos y problemas resueltos. Madrid: Pearson Education.
SANTOS, J.; MUÑOZ, A. ; JUEZ, P.; CORTIÑAS, P. (2004): Diseño de encuestas para estudios de mercado. Técnicas de Muestreo y Análisis Multivariante. Madrid: Centro de Estudios Ramón Areces.
SCHEAFFE, R. L, MENDENHALL, W e OTT, L. (2006). Elementos de muestreo, 6º ed. Madrid: Paraninfo.
VICENTE VÍRSEDA, J.A.; GONZÁLEZ ARIAS, J.; PARRA RODRÍGUEZ, F.J.; BELTRÁN PASCUAL, M. (2019): Métodos de data science aplicados a la economía y a la dirección y administración de empresas. Madrid : UNED E Libro (usc.gal)
Bibliografía complementaria
APARICIO, F. (1991): Tratamiento informático de encuestas. Madrid: RA-MA.
AZORÍN, F.; SÁNCHEZ, L. (1986): Métodos y aplicaciones del muestreo. Madrid: Alianza.
CID, A.; DELGADO, C. A.; LEGUEY, S. (1999). Introducción al muestreo en poblaciones finitas. Madrid: Nuevas Estructuras.
COCHRAN, W.G. (1971): Técnicas de muestreo. México: C.E.C.S.A.
FREIXA, M.; SALAFRANCA, L.; GUARDIA,J.; FERRER, R.; TURBANY,J. (1992): Análisis exploratorio de datos: nuevas técnicas estadísticas. Barcelona: PPU
GARZA, J. de la; MORALES, B.N; GONZÁLEZ, B.A. (2013): Análisis estadístico multivariante. Un enfoque teórico y práctico. México: McGrawHill.
KISH, L. (1972): Muestreo de encuestas. México: Trillas.
KISH, L.(1995) : Diseño estadístico para la investigación. Madrid: CIS
LËVY, J-P.; VARELA, J. (Dir.) (2003) Análisis multivariable para las ciencias sociales. Madrid: Pearson-Prentice Hall.
LÓPEZ-ROLDÁN, P.; FACHELLI, S. Metodología de la investigación social cuantitativa. Bellaterra: Universitat Autònoma de Barcelona, 2015. <https://ddd.uab.cat/record/129382> [Consulta: 16/03/2020]. https://ddd.uab.cat/record/129382?ln=ca
MARTIN, P.J.; LAFUENTE, M. ; FAURA, U. (2015): Guía práctica de estadística aplicada a la empresa y al márketing. Madrid: Paraninfo.
MIRÁS, J. (1985): Elementos de muestreo para poblaciones finitas. Madrid: INE.
PARDO, A. ; RUIZ, M.A. (2002) SPSS 11. Guía para el análisis de datos. Madrid: McGraw Hill
RUEDA, M. Del Mar y ARCOS, A. (1998): Problemas de muestreo en poblaciones finitas. Grupo Editorial Universitario.
SALVADOR FIGUERAS, M. Análisis Multivariante, [en línea] 5campus.org, Estadística <http://www.5campus.org/leccion/cluster> [16/03/2020]]
http://ciberconta.unizar.es/cv/manuelsalvador.htm
URIEL, E. ; ALDÁS, J. (2005): Análisis Multivariante Aplicado. Madrid: Thomson.
VIDAL DÍAZ DE RADA, I. (2002): Técnicas de Análisis Multivariante para Investigación Social y Comercial. Ejemplos prácticos utilizando SPSS versión 11. Madrid: Ra-Ma.
Esta materia cuenta con Aula Virtual.
Competencias de la titulación a las que contribuye la materia:
- Saber elaborar y defender argumentos sobre cuestiones económicas a nivel general, así como resolver problemas sobre estas cuestiones, haciendo uso de sus conocimientos sobre la realidad económica y empresarial, las teorías, los modelos y los métodos científicos propios.
- Saber identificar, reunir e interpretar datos relevantes sobre cuestiones relacionadas con el ámbito económico y empresarial, incorporando en la elaboración de juicios y propuestas las consideraciones pertinentes sobre su dimensión social, científica o ética.
- Elementos básicos de estadística, probabilidad e inferencia estadística.
- Identificar las fuentes de información económica relevante y su contenido.
Competencias específicas de la materia:
- Conocer y comprender los métodos de obtención de la información estadística por muestreo.
-Conocer los métodos de diseños de encuestas.
- Conocer y comprender las técnicas de análisis de conjuntos numerosos de datos,
aprendiendo a seleccionar las más adecuadas en cada caso.
- Manejar programas de computador adecuados para la utilización de dichas técnicas.
-Desarrollar capacidades de comprensión, razonamiento, crítica y expresión oral y escrita, mediante la utilización de un léxico estadístico-económico adecuado.
Competencias transversales:
CT1 - Análisis y síntesis
CT5 - Conocimientos de tecnologías de la información
CT6 - Resolución de problemas
CT9 - Autonomía en el aprendizaje
CT10 - Trabajo en equipo
Clases expositivas: tienen como objeto la introducción y explicación de los aspectos básicos de la materia, facilitando al alumnado la información adicional necesaria que permita un adecuado desarrollo del proceso de aprendizaje autónomo.
Clases interactivas: se busca que el alumnado aprenda a aplicar las técnicas de muestreo y de análisis multivariante al estudio de la realidad económica, diferenciando que tipo de técnica utilizar en cada caso, como aplicarla y que conclusiones se obtienen del análisis realizado. Se propondrán problemas, actividades y trabajos que el alumnado deberá resolver individualmente y/o en grupos reducidos, en la clase o de forma autónoma, fomentando la cooperación y el trabajo colaborativo en equipo.
Prácticas con ordenador (con programas estadísticos como el SPSS o similares): constituyen un aprendizaje imprescindible para iniciarse en el análisis de grandes bases de datos que caracterizan los fenómenos de la realidad socioeconómica actual. También facilitan la adquisición de habilidades en el manejo de las TIC y serán de gran ayuda para desarrollar con éxito la parte empírica del trabajo en equipo que se planifica realizar en la segunda parte de la materia.
Trabajo en equipo: se formarán equipos de trabajo que, de forma colaborativa y autónoma, realicen el desarrollo teórico y empírico de alguna de las técnicas multivariantes que figuran en el temario, presentando su trabajo ante el resto del alumnado en las últimas semanas de clase. Mas detalles sobre la conformación de los equipos, su funcionamiento, el contenido del trabajo, etc se proporcionarán en el aula virtual en el apartado correspondiente al trabajo.
Tutorías: pretenden facilitar al alumnado asesoramiento para el desarrollo de las actividades propuestas, muchas de ellas a realizar de forma autónoma, así como atender cualquier duda relacionada con la materia.
OPORTUNIDAD COMÚN (1ª OPORTUNIDAD)
El/la estudiante deberá optar al inicio del semestre (antes de terminar la 3ª semana de clase) entre un sistema de evaluación continua y un sistema de evaluación única. El sistema de evaluación por excelencia será el de evaluación continua, desarrollando actividades y empleando instrumentos de evaluación que permitan medir el aprendizaje continuado de conceptos y métodos, así como la capacidad de seleccionar las técnicas idóneas, aplicarlas e interpretar correctamente los resultados. Se basará fundamentalmente en la realización de pruebas escritas y tareas de evaluación continua (asistencia y participación activa, controles, actividades, trabajos en equipo, prácticas con ordenador, ...). La evaluación continua requiere asistencia habitual a clase (>80%) y participación activa.
A) SISTEMA DE EVALUACIÓN CONTINUA
Instrumentos evaluativos y su peso en la nota final:
- EXAMENES: 60% de la calificación total (6 puntos). El temario consta de dos partes diferenciadas, repartiéndose los 6 puntos a partes iguales entre ambas.
- ACTIVIDADES DE EVALUACIÓN CONTINUA (40% de la calificación total; 4 puntos):
+ Participación en clase, resolución de ejercicios, pruebas,… (Técnicas de Encuestas; 2 puntos)
+ Trabajo en equipo, asistencia y participación en clase, informes/pruebas de prácticas con ordenador,…(Análisis de Datos; 2 puntos).
Además del examen final, a realizar en la fecha establecida por la facultad, a mediados del cuatrimestre el alumnado tendrá la oportunidad de liberar la 1ª parte de la materia a través de una prueba/parcial. Superar la 1ª parte por evaluación continua sin necesidad de ir al examen final requiere obtener una nota total no inferior 2,5 (de 5 ptos).
El examen de la 2ª parte de la materia se realizará en la fecha del examen final. Superar esta parte también requiere una nota total no inferior 2,5 de un total de 5 puntos.
En el caso de ir al examen final con toda la materia, para superarla se necesita una cualificación global no inferior a 5 ptos.
B) SISTEMA DE EVALUACIÓN ÚNICA
El/la estudiante será calificado exclusivamente a través del examen final que puntuará sobre 10 puntos.
OPORTUNIDAD EXTRAORDINARIA O DE RECUPERACIÓN (2ª OPORTUNIDAD)
En la evaluación extraordinaria de Julio, el/la estudiante que hubiera elegido el sistema de evaluación continua podrá mantenerse en el o cambiar al sistema de evaluación única. Para esto, en el momento del examen, hará constar si se mantiene en el sistema de evaluación continua (en el que el examen puntuará sobre 6 puntos) o si opta por el de evaluación única (en el que el examen puntuará sobre 10 puntos). Para obtener la calificación final de la materia, en el primer caso se mantendrá la puntuación de evaluación continua obtenida a lo largo del curso que será sumada a la del examen, mientras que en el segundo caso la calificación final de la materia será la obtenida en el examen.
Para poder realizar los exámenes es obligatorio presentar un documento identificativo que tenga carácter oficial (DNI, Tarjeta Universitaria, Pasaporte,...).
El alumnado que disponga de dispensa de asistencia a clases será evaluado a través del sistema de evaluación única. El alumnado repetidor podrá elegir entre evaluación única y evaluación continua, al igual que el alumnado de primera matrícula.
Según la normativa de Permanencia vigente en la USC para los estudios de Grado y Máster (art. 5.2), la mera asistencia y/o participación en cualquiera de las actividades sujetas a evaluación supondrá que la nota final del estudiante sea distinta de NO PRESENTADO.
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de calificaciones.
Por ser una materia de 6 ECTS, el número de horas totales que cada estudiante deberá dedicar a la materia son 150, distribuidas de la siguiente manera: 50 horas presenciales y 100 horas no presenciales de trabajo autónomo del alumnado.
Asistencia regular a clase.
Participación activa.
Debatir contenidos en la clase.
Trabajar de forma continuada.
Realizar todas las tareas propuestas.
Idioma: gallego
Uso de Aula Virtual: si
Docencia Interactiva: Aula Informática, Aula de Pizarra
Software: SPSS, R,…
Marina Lois Mosquera
- Department
- Quantitative Economy
- Area
- Quantitative Economics (USC-specific)
- Phone
- 881811521
- marina.lois [at] usc.es
- Category
- Professor: University School Lecturer
Angela Troitiño Cobas
Coordinador/a- Department
- Quantitative Economy
- Area
- Quantitative Economics (USC-specific)
- Phone
- 881811556
- angela.troitino [at] usc.es
- Category
- Professor: University Lecturer
| Wednesday | |||
|---|---|---|---|
| 09:30-11:30 | Grupo /CLE_01 | Galician | Classroom 29 |
| Friday | |||
| 11:00-12:30 | Grupo /CLE_01 | Galician | Classroom 29 |
| 05.21.2025 16:00-19:00 | Grupo /CLIL_1 | Classroom 08 |
| 05.21.2025 16:00-19:00 | Grupo /CLE_01 | Classroom 08 |
| 05.21.2025 16:00-19:00 | Grupo /CLIL_2 | Classroom 08 |
| 07.01.2025 16:00-19:00 | Grupo /CLIL_2 | Classroom 26 |
| 07.01.2025 16:00-19:00 | Grupo /CLIL_1 | Classroom 26 |
| 07.01.2025 16:00-19:00 | Grupo /CLE_01 | Classroom 26 |