Clases prácticas con software estadístico en laboratorio de informática: R (https://www.r-project.org/) y R-Studio (https://posit.co/download/rstudio-desktop/).
Entregas de ejercicios usando Quarto (https://quarto.org/).

2,4

3,6

5

Se recomienda haber cursado las asignaturas, troncales de segundo curso, "Estadística" y "Probabilidad".

El alumnado debe ser capaz de:

- Aplicar las herramientas estadísticas estudiadas a distintos ámbitos científicos;

- Manejar distintas herramientas estadísticas;

- Resolver problemas con software estadístico.

1. Regresión y Correlación. Análisis Descriptivo.

2. Inferencia. Contrastes e Intervalos.

3.  Introducción al Diseño de experimentos.

4. Introducción al Análisis multivariante.

5. Aplicaciones de la Estadística en diversos ámbitos. Control de calidad. Series temporales.

Examen final: 70%.
Ejercicios con software estadístico que deben ser expuestos mediante un sistema de publicación científica y técnica: 30% (se mantendrá para la convocatoria extraordinaria).

Libros que cubren bastante contenido de la asignatura:
- Mohr, D. L., Wilson, W. J., & Freund, R. J. (2022). Statistical Methods (4th ed). Academic Press. https://ucm.on.worldcat.org/oclc/1025573632
- Ross, S. M. (2021). Introduction to probability and statistics for engineers and scientists. Academic Press, an imprint of Elsevier. https://ucm.on.worldcat.org/oclc/644693785
Libros centrados en modelización con R:
- Everitt, B. (2011). An introduction to applied multivariate analysis with R. Springer. (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/912458669)
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning : with applications in R. Springer. https://ucm.on.worldcat.org/oclc/1262436825 (libro electrónico desde UCM: https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-1-0716-1418-1)
- Faraway, J. J. (2015). Linear models with R. CRC. https://ucm.on.worldcat.org/oclc/914517404
Libros más especializados:
- Brockwell, P. J., & Davis, R. A. (2016). Introduction to time series and forecasting. Springer. https://ucm.on.worldcat.org/oclc/957268865 (libro electrónico desde UCM: https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-3-319-29854-2)
- Mardia, K. V., Kent, J. T., & Taylor, C. C. (2024). Multivariate analysis. John Wiley & Sons. https://ucm.on.worldcat.org/oclc/630163617
- Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2011). Estadística para investigadores : diseño, innovación y descubrimiento (2ª ed). Reverté. https://ucm.on.worldcat.org/oclc/1026181660
- Rencher, A. C., & Schaalje, G. B. (2008). Linear models in statistics. Wiley-Interscience. https://ucm.on.worldcat.org/oclc/912458670
- Toutenburg, H., & Shalabh. (2009). Statistical analysis of designed experiments. In Springer eBooks. Springer. https://ucm.on.worldcat.org/oclc/663096464 (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/663096464)

Material de la asignatura en el Campus Virtual de la UCM.

CG1 - Comprender y utilizar el lenguaje y las herramientas matemáticas para modelizar, simular y resolver problemas, reconociendo y valorando las situaciones y problemas susceptibles de ser tratados matemáticamente.
CG2 - Adquirir la capacidad básicas para enunciar resultados relevantes por su implicación práctica en distintos campos de la Matemática, para desarrollar nuevos métodos y para transmitir y transferir los conocimientos adquiridos.
CG3 - Conocer los modelos, métodos y técnicas relevantes en distintas áreas de aplicación de la Ingeniería Matemática participando en la creación de nuevas tecnologías que contribuyan al desarrollo de la sociedad.
CG4 - Asimilar la formulación de un nuevo objeto, modelo o método matemático, en términos de otros ya conocidos, y ser capaz de utilizarlos en diferentes contextos de aplicación.
CG5 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendo su rango aplicabilidad y limitaciones.

Conocer los principios básicos de los modelos de regresión y del diseño de experimentos
Conocer diversas técnicas y modelos para el análisis de datos multivariantes
Conocer los modelos iniciales de series temporales
Conocer los elementos básicos del control de calidad
Manejar software estadístico y saber interpretar sus resultados

Sesiones teóricas.

Resolución de problemas teóricos y prácticos.