CG1 - Comprender y utilizar las técnicas y modelos de la Estadística con el lenguaje matemático adecuado.
CG2 - Adquirir la capacidad para enunciar y demostrar proposiciones en distintos campos de la Estadística.
CG4 - Asimilar la definición de nuevos objetos matemático-estadísticos, en términos de otros ya conocidos, y ser capaz de utilizar dichos objetos en diferentes contextos.
CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CT1 - Haber demostrado poseer y comprender conocimientos en el área de las Matemáticas y la Estadística, partiendo de la base de la educación secundaria general, y alcanzando un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de dicha área.
CT2 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y que posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro del área de la Estadística, con base en las Matemáticas.
CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

CE1 - Proponer, analizar, validar e interpretar modelos de situaciones en las que se presenten fenómenos estocásticos utilizando las herramientas estadístico-matemáticas más adecuadas.
CE2 - Resolver problemas de Estadística mediante herramientas matemáticas e informáticas.

Sesiones académicas teóricas.

Trabajo individual o en grupos tutorizado por el profesor.
Resolución de problemas y dudas por parte del profesor.

Sesiones académicas de problemas con software específico.

Laboratorios de informática.

Presentación de las prácticas de grupo.

2,4

3,6

7

Iniciar al estudiante en el conocimiento de Métodos de Simulación y de Inferencia Estadística usando técnicas computacionales.

No hay requisitos, pero se recomienda al estudiante haber cursado con aprovechamiento las asignaturas "Probabilidad" y "Estadística".

Saber las técnicas de generación de números aleatorios uniformes y variables aleatorias discretas y continuas. (CG1)
Conocer métodos para la reducción de la varianza. (CG1)
Saber aplicar los métodos de simulación en inferencia estadística. (CG1, CE1)
Saber realizar inferencia estadística con métodos de remuestreo (CG4, CE3)
Conocer métodos de estimación de curvas. (CG4, CE3)

Generación de números aleatorios y variables aleatorias.
Análisis estadístico de datos simulados y técnicas de reducción de la varianza.
Métodos Monte Carlo en inferencia estadística.
Técnicas de inferencia basadas en remuestreo.
Estimación de curvas.

Examen o prueba objetiva 75.0%
Entrega de prácticas o proyectos 25.0%
NOTA: Evaluación válida tanto para la convocatoria ordinaria como extraordinaria.

Berry, K.J. y col. (2021). Permutation Statistical Methods with R. Springer Cham.
Dikta, G. y M. Scheer (2021). Bootstrap Methods With Applications in R. Springer Cham.
Efron, B. y R. Tibshirani (1993). An Introduction to the Bootstrap. Chapman Hall/CRC.
Gentle (2003). Random Number Generation and Monte Carlo Methods. Springer, New York.
Main, P., H. Navarro y A. Morales (2019). Simulación con ejercicios en R. Uned-Ediciones Complutense.
Ripley, B.D. (2008). Stochastic Simulation. Wiley.
Robert, C.P. y Casella, G. (1999). Monte Carlo Statistical Methods. Springer.
Shao, J. y D. Tu (1995). The jackknife and bootstrap. Springer, New York.
Silverman, B.W. (1986). Density Estimation for Statistics and Data Analysis. Chapman Hall, London.

Material disponible en Campus Virtual
Software libre R