ESTADSTICA

Curso 2015-2016
ORGANIZACIN DOCENTE
La organizacin docente que se propone para esta asignatura es de 4 horas de enseanza
+ 4 horas de estudio y trabajo personal por semana.
Las 4 horas de enseanza presencial por semana incluyen:
Presentacin y estudio de los conceptos y mtodos estadsticos bsicos.
Resolucin de ejercicios en clase.
Trabajo tutelado con programas informticos de Estadstica.
Tutoras en grupo en las cuales los alumnos trabajan en la resolucin de
ejercicios tutelados por el profesor.
Realizacin de controles intermedios para la evaluacin.
Todo esto ir complementado, naturalmente, con tutoras individuales a peticin del
alumno.
MTODO DE EVALUACIN
Durante el curso se llevarn a cabo las siguientes pruebas de evaluacin:
Controles intermedios: Durante el curso, se efectuarn 2 controles intermedios. Su
objetivo fundamental es incentivar la preparacin continua de la asignatura. La
puntuacin de cada control ser sobre 1 punto.
El primer control se efectuar una vez finalizado el segundo tema.
El segundo control se efectuar una vez finalizado el cuarto tema.
Evaluacin final: Al final del curso, se efectuar una evaluacin final (los alumnos que
no se presenten a la evaluacin final sern calificados como No evaluados). Su
objetivo fundamental es evaluar la comprensin global de la asignatura. La puntuacin
de la evaluacin final ser sobre 10 puntos.
Calificacin final (convocatoria ordinaria): La calificacin final de la convocatoria
ordinaria se obtendr a partir de la puntuacin de los controles intermedios (C1 y C2)
y de la puntuacin de la evaluacin final (EF), siempre que se haya obtenido al menos
un 4 en dicha evaluacin final:

Naturalmente, si el resultado al calcular CF fuera superior a 10, la calificacin final

sera 10.
Calificacin final (convocatoria extraordinaria): La calificacin final de la
convocatoria extraordinaria ser la calificacin del examen realizado en esa
convocatoria.

OBJETIVOS DEL CURSO

Los objetivos fundamentales de esta asignatura son:
Introduccin de los mtodos estadsticos bsicos necesarios para el anlisis de los datos
experimentales.
Aplicacin de los mtodos estadsticos bsicos e interpretacin de los resultados
obtenidos en un anlisis estadstico
Introduccin a programas informticos de Estadstica.
PROGRAMA

ESTADSTICA DESCRIPTIVA (alrededor de 3 semanas). Estadstica

descriptiva de una variable: principales resmenes grficos y numricos de
datos cuantitativos. Estadstica descriptiva de dos variables: covarianza, recta
de regresin, coeficiente de correlacin.
MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO (alrededor de
2 semanas). Variables aleatorias discretas y continuas. Modelos de probabilidad
ms importantes: Bernoulli, Binomial, Poisson, Normal, Muestreo aleatorio.
Estadsticos.
ESTIMACIN PUNTUAL (alrededor de 2 semanas). Concepto de estimador
puntual de un parmetro. Mtodo de los momentos y de mxima verosimilitud.
INTERVALOS DE CONFIANZA (alrededor de 3 semanas). Concepto de
intervalo de confianza para estimar un parmetro. Intervalos de confianza en los
modelos ms importantes. Datos emparejados. Determinacin del mnimo
tamao muestral.
CONTRASTES DE HIPTESIS (alrededor de 4 semanas). Concepto de
contraste de hiptesis. Eleccin de hiptesis nula y alternativa. Nivel de
significacin y regin de rechazo. Contrastes de hiptesis en los modelos ms
importantes. Datos emparejados. Relacin entre intervalos de confianza y
contrastes de hiptesis. Concepto de p-valor. Contraste de bondad de ajuste.

Las referencias de consulta para este curso son:

DE LA HORRA, J. Estadstica Aplicada (3 ed). Ediciones Daz de Santos,
2003.
MOORE, D. S. 'Estadstica aplicada bsica'. Antoni Bosch, 1999.
MILTON, S. Estadstica para Biologa y Ciencias de la Salud (3 ed.
ampliada). McGraw-Hill, 2007.
SAMUELS, WITMER y SCHAFFNER Fundamentos de Estadstica para las
Ciencias de la Vida) (4 ed.). Pearson Universidad, 2012.
TOWNEND, J. Practical Statistics for Environmental and Biological
Scientists. Wiley, 2002.
==============================================================
Profesor del Grupo 121: Jess Gonzalo Prez
Departamento de Matemticas. Edificio de Ciencias, mdulo 17, despacho 311.
Telfono: 91 497 3812
E-mail: jesus.gonzalo@uam.es
Pgina web: http://web.uam.es/jesus.gonzalo/
Horario de tutoras individuales: se fijan a peticin individual del alumno.

Error cuadrtico medio (ECM)

Otro criterio razonable para escoger un determinado estimador de un
parmetro es tomar aquel que cometa, en promedio, el menor error en la
estimacin. Como, en principio, queremos penalizar igualmente los errores
por defecto que por exceso podramos establecer como cantidad a minimizar
la esperanza de la diferencia entre el estadstico T y el parmetro (en valor
absoluto para impedir que los errores por defecto y por exceso se anulen
mutuamente):

Aunque este operador resulta razonable, presenta el inconveniente de que la

funcin valor absoluto es complicada de manejar desde un punto de vista
matemtico. Por dicha razn suele utilizarse el error cuadrtico medio (ECM)
de un estimador T, definido como sigue:

Una propiedad interesante del ECM es que puede descomponerse como la

suma de dos componentes: la varianza del estimador ms su sesgo al
cuadrado:

Por tanto, en el caso de comparar diversos estimadores centrados de un

parmetro , el ECM coincidir con sus varianzas. Con lo que el estimador
con menor ECM coincidir con el de menor varianza.
Debe quedar claro, sin embargo, que el estimador con menor ECM no debe
ser necesariamente centrado. De hecho, no siempre existir el estimador con
ECM mnimo. En realidad, si no nos restringimos a estimadores centrados,
suele suceder que para unos determinados valores de sea un estimador el que
produzca un ECM menor, mientras que para otros valores de sea otro
estimador el que obtenga un ECM menor.