NO EXISTEN CAMBIOS
La guía de la asignatura ha sido actualizada con los cambios que aquí se mencionan.
La asignatura de Estadística Aplicada se imparte en el segundo semestre del “Máster universitario en Humanidades Digitales: métodos y buenas prácticas” de la UNED y tiene asignados un total de 4 créditos ECTS. Es una asignatura de carácter práctico y su objetivo fundamental es el de formar al alumno en el conocimiento de técnicas estadísticas avanzadas aplicables a los distintos ámbitos de las humanidades digitales.
1. Encuadramiento de la asignatura en el contexto del máster, y de los estudios humanísticos en general, a la luz de las competencias asignadas
La asignatura de Estadística Aplicada se cursa en el segundo cuatrimestre del máster y el sentido de su inclusión en el mismo se basa en la necesidad de que el alumno adquiera una serie de conocimientos sobre las principales técnicas y procedimientos estadísticos necesarios para el desarrollo de una investigación, que se concreta en el Trabajo de Fin de Máster que debe realizar de manera obligatoria.
2. Perfil de estudiante
Los contenidos de esta materia han sido diseñados considerando que el alumno que participa en el máster no posee, en general, una formación avanzada en el campo de la Estadística pero sí un conocimiento básico tanto estadístico como de programación. Por este motivo, se ha intentado seleccionar una serie de técnicas básicas de análisis estadístico, cuyo aprendizaje puede resultar útil para ser aplicado posteriormente a una investigación concreta.
3. Justificación de la relevancia de la asignatura
La importancia de la asignatura estriba en el interés de conocer técnicas y herramientas estadísticas para el tratamiento, análisis e interpretación de datos. La asignatura está concebida para que el alumno pueda emplear técnicas estadísticas básicas en sus futuros trabajos de investigación, gestionando de forma rápida y eficaz los datos disponibles para su desarrollo.
Aunque no existen requisitos obligatorios para cursar esta asignatura, es recomendable el conocimiento de alguna lengua extranjera moderna, preferentemente inglés o francés, para poder acceder a un mayor número de fuentes de recursos (datos, artículos, libros…) que no siempre están traducidos al castellano, o se traducen muy posteriormente a su publicación.
Asimismo, es deseable que los alumnos tengan conocimientos básicos de programación (Python), que serán adquiridos en la asignatura "Competencias digitales y de programación para Humanistas". Sin ser necesarios, ciertos conocimientos de estadística básica serán de gran ayuda. Los alumnos han de tener acceso a un equipo conectado a Internet.
Dr. Joaquín Osorio Arjona (Coordinador de la asignatura)
- Lunes de 10:30 a 14:30 y de 16:00 a 18:00 horas.
- Teléfono: 91.398.67.21
- Correo electrónico: joaosoarj@geo.uned.es
- Dirección postal: Facultad de Geografía e Historia. UNED. Paseo Senda del Rey, 7. 4.ª planta. Despacho 4.11. 28040 Madrid.
Dr. Ramón Pellitero Ondicol
- Lunes de 15:00 a 19:00 horas.
- Teléfono: 91.398.67.27
- Correo electrónico: rpellitero@geo.uned.es
- Dirección postal: Facultad de Geografía e Historia. UNED. Paseo Senda del Rey, 7. 4.ª planta. Despacho 4.18. 28040 Madrid.
COMPETENCIAS BÁSICAS Y GENERALES
CG2 - Conocer e identificar las nuevas técnicas y herramientas digitales para su empleo en la práctica profesional e investigadora en el ámbito de las Humanidades Digitales.
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 ESPECÍFICAS
CE3 - Analizar y formalizar la información con herramientas digitales en el ámbito de las Humanidades Digitales.
CE8 - Conocer y saber aplicar diferentes técnicas y tipos de representación de datos digitales y del resultado de su análisis, en el ámbito de las Humanidades Digitales.
CE7 - Aplicar las tecnologías digitales en el tratamiento y la preservación de datos de diferente tipología en el ámbito de las Humanidades Digitales.
CE9 - Utilizar bases de datos, archivos y centros documentales en línea para su consulta y aplicación a un análisis original y propio en el ámbito de las Humanidades Digitales.
CE5 - Desarrollar aplicaciones o proyectos originales e innovadores en el campo de las Humanidades Digitales de carácter profesional e investigador.
· Identificar problemáticas presentes en las Humanidades y aprender a abordarlas utilizando los conceptos y técnicas estadísticas adecuadas.
· Adquirir conocimientos básicos sobre las principales técnicas y procedimientos estadísticos para el desarrollo de una investigación.
· Manejo de Python para el tratamiento estadístico de los datos.
· Representación adecuada de datos y manejo de Python para su visualización.
La naturaleza de la información estadística
El Tema 1 tiene un carácter introductorio y permite distinguir los tipos de variables cualitativas (aquellas que se miden en una escala nominal u ordinal) de las variables cuantitativas (aquellas que se miden en una escala de intervalo o de razón), dado el diferente tratamiento estadístico de ambos tipos de variables. Así mismo, se introducirá al alumno a las principales librerías de Python para el tratamiento estadístico de los datos.
Estadística descriptiva
El Tema 2 aborda el estudio de la distribución de los valores de una única variable. Para ello los estudiantes aprenderán procedimientos estadísticos como el análisis exploratorio de datos, el análisis de las distribuciones de frecuencias y sus representaciones gráficas. En una segunda fase, estudiarán los principales estadísticos de centralidad (moda, mediana y media aritmética), de posición no centralizada (cuantiles), de dispersión (recorrido, rango intercuartílico, varianza, desviación típica), y de forma (asimetría y curtosis).
Relación entre variables
El Tema 3 tiene como objetivo analizar la relación entre variables cualitativas y entre variables cuantitativas, mediante técnicas de correlación y de regresión. Para ello aprenderán a expresar dicha relación, mediante determinados procedimientos estadísticos como los coeficientes de correlación de Spearman o de Pearson. Una vez superada esta primera fase de conocimiento de la medida de relación por medio de coeficientes de correlación, los alumnos procederán a adquirir el conocimiento de los modelos de regresión lineal tanto simple como múltiple, así como la interpretación de sus parámetros y resultados.
Estadística inferencial
El Tema 4 incluye el estudio de la estadística inferencial y su aplicación en la medición de pruebas estadísticas para deducir, a partir de muestras extraídas de un colectivo, si se cumplen determinadas hipótesis en un trabajo de investigación. En primer lugar los alumnos aprenderán las características básicas de determinadas distribuciones de probabilidad como la distribución normal o de Gauss. En una fase siguiente, el objetivo que se pretende alcanzar es el de la realización de tests de significación estadística, con el objeto de poder confirmar una hipótesis formulada sobre la población. De esta manera, los alumnos aprenderán a plantear una hipótesis de trabajo sobre una investigación concreta, comprobando si se cumple o no, dentro de unos márgenes de error.
Geoestadística
El Tema 5 introduce al alumnado al campo de la geoestadística y al uso de herramientas como la autocorrelación espacial para estudiar el efecto del espacio en la distribución de los datos, modelos de Regresión Geográficamente Ponderada para analizar la influencia de las variables de un modelo en el espacio, o técnicas de interpolación para predecir valores en un área a partir de datos de lugares cercanos.
La materia está planteada para su realización a través de la metodología general de la UNED, en la que se combinan distintos recursos y los medios impresos con los audiovisuales y virtuales.
La metodología estará basada en los siguientes elementos:
1. Materiales de estudio: guía de estudio y web; textos obligatorios; materiales audiovisuales; bibliografía, y otros materiales aportados por el equipo docente.
2. Participación y utilización de las distintas herramientas del Entorno Virtual de Aprendizaje.
3. Tutorías en línea y telefónica: participación en los foros; comunicación e interacción con el profesorado.
4. Evaluación continua y sumativa: actividades prácticas de evaluación continua.
5. Trabajo individual o en grupo: lectura analítica de cada tema y realización de las actividades de aprendizaje propuestas.
La planificación del contenido debe realizarse en el segundo semestre del curso, en los meses de febrero a mayo. Se aconseja el reparto siguiente para terminar el curso con aprovechamiento:
Febrero, en este primer mes de contacto con la asignatura se deberán abordar los dos primeros temas.
Marzo, se aconseja abordar los temas tercero y cuarto. Realización de la primera práctica evaluable.
Abril, estudio del último tema y realización de la segunda práctica evaluable.
Mayo, realización de la tercera práctica de carácter optativo.
TIPO DE PRUEBA PRESENCIAL
|
| Tipo de examen |
| Tipo de examen |
No hay prueba presencial |
| CARACTERÍSTICAS DE LA PRUEBA PRESENCIAL Y/O LOS TRABAJOS |
CARACTERÍSTICAS DE LA PRUEBA PRESENCIAL Y/O LOS TRABAJOS
|
| Requiere Presencialidad |
| Requiere Presencialidad |
No |
| Descripción |
| Descripción |
Entrega de dos trabajos guiados obligatorios y un trabajo guiado optativo en los que se aplicará en datos reales los procedimientos estadísticos aprendidos.
La fecha de entrega se anunciará oportunamente en el campus virtual. No se admitirán entregas fuera de los plazos previstos.
|
| Criterios de evaluación |
| Criterios de evaluación |
Se valorará:
La adquisición de los contenidos teóricos fundamentales de la disciplina.
La aplicación de los conceptos clave de la asignatura.
La soltura en el empleo de los distintos cálculos y su interpretación.
El cumplimiento de las normas de los trabajos solicitados en todos sus puntos, la corrección y adequación de su contenido, la ortografía, las expresiones gramaticales y el empleo de un estilo impersonal.
|
| Ponderación de la prueba presencial y/o los trabajos en la nota final |
| Ponderación de la prueba presencial y/o los trabajos en la nota final |
100% |
| Fecha aproximada de entrega |
| Fecha aproximada de entrega |
Primer trabajo: finales de marzo. Segundo trabajo: finales de abril. Tercer trabajo optativo: finales de mayo. |
| Comentarios y observaciones |
| Comentarios y observaciones |
|
| PRUEBAS DE EVALUACIÓN CONTINUA (PEC) |
PRUEBAS DE EVALUACIÓN CONTINUA (PEC)
|
| ¿Hay PEC? |
| ¿Hay PEC? |
No |
| Descripción |
| Descripción |
|
| Criterios de evaluación |
| Criterios de evaluación |
|
| Ponderación de la PEC en la nota final |
| Ponderación de la PEC en la nota final |
|
| Fecha aproximada de entrega |
| Fecha aproximada de entrega |
|
| Comentarios y observaciones |
| Comentarios y observaciones |
|
OTRAS ACTIVIDADES EVALUABLES
|
| ¿Hay otra/s actividad/es evaluable/s? |
| ¿Hay otra/s actividad/es evaluable/s? |
No |
| Descripción |
| Descripción |
|
| Criterios de evaluación |
| Criterios de evaluación |
|
| Ponderación en la nota final |
| Ponderación en la nota final |
|
| Fecha aproximada de entrega |
| Fecha aproximada de entrega |
|
| Comentarios y observaciones |
| Comentarios y observaciones |
|
¿Cómo se obtiene la nota final?
|
La nota de la asignatura es la suma ponderada de los dos primeros trabajos de carácter obligatorio (50% cada uno). Para aprobar la asignatura es necesario aprobar los dos trabajos de forma individual.
En caso de suspender una de las dos prácticas obligatorias se suspenderá la convocatoria pero se guardará la nota de la práctica aprobada para la siguiente convocatoria del mismo curso.
La nota del trabajo optativo solo se tendrá en cuenta si es mayor que la nota global de la asignatura. Este trabajo solamente bajará la nota de la asignatura en caso de suspenderse. Si se suspende este trabajo optativo, no se suspenderá la asignatura.
|
No existe un manual para esta asignatura. El equipo docente colgará los contenidos en el curso virtual. No obstante, la mayoría de contenidos están presentes en los siguientes libros:
Título: Análisis Estadístico de la Información Geográfica
Autor: José Miguel Santos Preciado y Francisco Javier García Lázaro.
Editorial: U.N.E.D.
Varios ejemplares disponibles en distintas bibliotecas UNED.
Título: Estadística Aplicada a las Ciencias Sociales
Autor: Ramón Pérez Juste
Editorial: U.N.E.D.
Disponible en:
httpss://www.intecca.uned.es/upload/noticias/20130614114556u_CURSO0DEESTADISTICAAPLICADA.pdf
Título: Big Data in Computational Social Science and Humanities
Autor: Shu-Heng Chen (Ed.).
Editorial: Springer.
Año: 2018
Disponible para su descarga a través del acceso a la biblioteca en el Campus Virtual
Título: STATSREF: Statistical Analysis Handbook
Autor: Michael J de Smith
Año: 2024
https://www.statsref.com/HTML/index.html
Título: Geospatial Analysis - A Comprehensive Guide
Autor: Michael J de Smith, Michael F Goodchild, Paul A Longley
Año: 2025
https://www.spatialanalysisonline.com/HTML/index.html
La asignatura se encontrará virtualizada en la plataforma que para ello dispone la UNED. En ella el estudiante encontrará las últimas novedades relativas a la asignatura y los materiales necesarios para su estudio, así como una serie de foros para comunicarse con el equipo docente y con sus compañeros.
Horarios de
ESTADÍSTICA APLICADA
Cargando, esto puede tardar un poco...
Cargando...
