asignatura master 2024

La asignatura “MÉTODOS ESTADÍSTICOS” es de carácter OPTATIVO, tiene asignados 6 ETC’s y se ubica en el MÓDULO GENERAL del Máster en Investigación en Economía propuesto por la Facultad de Ciencias Económicas y Empresariales. El Máster tiene como finalidad la adquisición por el estudiante de una formación avanzada, de carácter especializado y multidisciplinar, orientada a la especialización académica y a promover la actividad investigadora y dentro de esta filosofía se encuentra la asignatura de MÉTODOS ESTADÍSTICOS.

Este curso se imparte con el objetivo de asentar en el alumno las bases para profundizar en el conocimiento sobre los Métodos Estadísticos Multivariantes y el Machine Learning en Economía, sin olvidar cuestiones tan importantes como la Exploración y el Preprocesado de los datos, lo que en su conjunto se conoce actualmente como Data Science.

La asignatura de Métodos Estadísticos al desarrollarse en el ámbito del Máster de Investigación en Economía hace suyo el objetivo prioritario del mismo, que es capacitar al alumnado para poder realizar actividades investigadoras y/o de gestión de la investigación, con autonomía y sentido crítico.

Así pues, durante la consecución de los objetivos concretos de cada materia. el estudiante irá adquiriendo las competencias que precisa para conseguir una formación avanzada de carácter especializado y multidisciplinar, orientada a la especialización académica. Más concretamente, se trata de formar a profesionales especializados en investigación en Economía.

El módulo en el que se encuadra la presente asignatura es general y obligatorio para todos los alumnos que cursen el Máster y su objetivo es dotar a éstos de las herramientas básicas que les permitan afrontar con éxito la investigación en una especialidad concreta.

Son necesarios y/o recomendables conocimientos previos de:

• Estadística Descriptiva.
• Análisis matemático.
• Álgebra matricial.
• Cálculo de probabilidades.
• Inferencia estadística y Contraste de hipótesis.
• Econometría.
• Nociones básicas RStudio

Para la tutorización y seguimiento, además del foro del curso virtual, el estudiante podrá plantear cuestiones al profesorado mediante comunicación telefónica y/o presencial y email.

• Los contactos telefónicos y personales se realizarán:
  • Martes de 10 a 14h tfno 91 398 63 94.
  • Jueves de 10 a 14h tfno 91 398 63 32
• Los correos electrónicos son:
  • mgutierrez@cee.uned.es
  • csanchez@cee.uned.es

COMPETENCIAS BÁSICAS

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades  sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

COMPETENCIAS GENERALES

CG01 - Aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios

CG04 - Adquirir habilidades de aprendizaje que permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido y autónomo.

CG06 - Gestionar autónomamente y de forma autorregulada su trabajo.

COMPETENCIAS ESPECÍFICAS

CE01 - Saber identificar las necesidades y demandas de los contextos en los que se exige la aplicación de herramientas metodológicas y aprender a proponer soluciones adecuadas.

CE02 - Desarrollar el razonamiento y pensamiento crítico y la capacidad para realizar análisis de la realidad económica.

CE03 - Preparar los datos para el análisis y aplicar los conocimientos teóricos adquiridos a la práctica mediante la modelación económica, lo que implica conocer las diferentes herramientas de análisis así como su utilidad y aplicabilidad en cada contexto.

CE04 - Resolver problemas económicos en entornos nuevos o poco conocidos.

CE05 - Aprender a tomar decisiones y proponer soluciones apropiadas basándose en los modelos económicos estudiados.

CE06 - Manejar con soltura las Tecnologías de Innovación y Comunicación (TIC), aplicadas al área de Economía.

CE07 - Obtener información de forma efectiva lo que implica ser capaz de buscar, gestionar organizar y analizar la información bibliográfica relevante.

CE08 - Mantener un compromiso ético como investigador en la realización de trabajos.

CE09 - Adquirir habilidades para el inicio y desarrollo de la tesis doctoral.

CE10 - Desarrollar habilidades para evaluar la investigación proyectada por otros profesionales.

CE11 - Llegar a ser capaz de diseñar investigaciones propias en el ámbito del itinerario correspondiente.

CE12 - Conocer los principales modelos teóricos que subyacen en los diversos ámbitos específicos de la investigación.

CE13 - Elaborar informes y asesorar en la toma de decisiones de política económica.

CE14 - Comprender los trabajos de naturaleza cuantitativa que se publican en las revistas propias del ámbito  científico.

CE15 - Desarrollar habilidades que permitan solventar los problemas que se derivan al utilizar un método u otro en el desarrollo de modelos económicos.

CE16 - Adaptar todas las habilidades adquiridas a distintos escenarios económicos.

CE17 - Utilizar las técnicas propias de la econometría en el tratamiento de problemas de carácter económico.

CE18 - Elaborar pronósticos y predicciones sobre las principales variables económicas y empresariales.

CE19 - Aplicar y utilizar las herramientas informáticas propias en el ámbito de la cuantificación económica.

CE20 - Desarrollar tareas de cálculo complejas de forma rápida y eficiente.

CE21 - Programar a un nivel básico en lenguajes informáticos típicos de la investigación en Economía.

CE22 - Ser capaz de aplicar las herramientas propias de la modelización matemática en el planteamiento de problemas de decisión en Economía.

CE23 - Aprender a expresar en términos matemáticos ciertas decisiones económicas.

CE24 - Ser capaz de interpretar en términos económicos los resultados matemáticos.

CE25 - Aprender a resolver problemas económicos basándose en los modelos de optimización estática y dinámica, aplicando correctamente los principales teoremas de la optimización.

CE26 - Aprender a formular problemas económicos que impliquen una evolución en el tiempo como sistemas dinámicos.

CE27 - Aplicar los métodos de resolución de sistemas de ecuaciones en diferencias finitas o diferenciales más habituales en Economía.

CE28 - Conocer y entender las implicaciones y aplicaciones prácticas derivados de la utilización de los diferentes métodos estadísticos estudiados

CE29 - Ser capaz de formular problemas matemáticos en términos de modelos estadísticos

La preparación de esta materia debe ofrecer las bases para profundizar en el conocimiento sobre los Métodos Estadísticos y el Machine Learning y su aplicación en el ámbito de la Economía y la Empresa.

El estudiante deberá ser capaz de discriminar con espíritu crítico entre los métodos más adecuados para cada problema concreto, conociendo las implicaciones de cada método, considerando su campo de aplicación junto con la formulación e interpretación del mismo. En conjunto, la materia busca favorecer un espíritu crítico que facilite al alumno la capacidad de discriminar con criterio la adecuación de cada método a cada problema, teniendo en cuenta que dichos procedimientos son herramientas, y no son un fin en sí mismos.

Para el estudio de esta asignatura el estudiante dispondrá de una serie de manuales recomendados por el equipo docente en el que encontrará casos prácticos para consolidar los conceptos teóricos aprendidos.

Las actividades se desarrollarán con la metodología a distancia propia de la UNED, que integra la enseñanza con la utilización de las TIC en el campus virtual, en sus diferentes posibilidades y que se concretan en las siguientes:

• Trabajo autónomo: estudio de los contenidos teóricos a través de lectura de orientaciones, asimilación de contenidos de unidades didácticas, asimilación de material complementario, preparación de las pruebas presenciales y realización de las mismas.

• Trabajo de interacción con los equipos docentes y tutores. Esta interacción está, por un lado, mediada por las orientaciones y los materiales de estudio propuestos por el equipo docente y, por otro, basada en la comunicación entre docentes y estudiantes para la resolución de dudas y en las actividades llevadas a cabo.

El alumno podrá utilizar todos los medios existentes en la biblioteca de la UNED y en la de su centro asociado en los horarios establecidos al efecto.

La tendencia actual en el aprendizaje de este tipo de técnicas es el aprendizaje colaborativo. En este contexto, existen numerosas webs donde se puede localizar abundante documentación de forma abierta y gratuita, tanto a nivel teórico cómo práctico, con ejemplos de todo tipo. Las dos fundamentales que deben conocerse, siendo muy recomendable visitarlas dada su importancia en la comunidad científica son el CRAN de R y github, en las áreas de documentación, donde además podemos descargar el software R y RStudio,

• https://cran.r-project.org/
• https://github.com/rstudio/rstudio

De la misma manera, en el curso virtual de la asignatura el equipo docente propondrá diferentes recursos web que son de libre disposición para que cualquier estudiante pueda acceder a ellos, siguiendo el ejemplo de otras universidades. Cuando el estudiante, en sus trabajos, haga uso de ellos los citará como referencias bibliográficas siguiendo las normas de citación.

Recursos de apoyo:

• Ciencia de datos con R (disponible online).  Gema Fernández-Avilés y José-María Montero, 2022. Editorial, McGraw Hill.