Guía docente de Encuestas por Muestreo. Aplicaciones Económicas, Sociales y Medioambientales (M42/56/1/39)

Curso 2024/2025
Fecha de aprobación por la Comisión Académica 18/07/2024

Máster

Máster Universitario en Estadística Aplicada

Módulo

Módulo I: Aplicaciones de la Estadística

Rama

Ciencias

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Enseñanza Virtual

Profesorado

  • María Del Mar Rueda García
  • Ismael Ramón Sánchez Borrego

Horario de Tutorías

María Del Mar Rueda García

Email
No hay tutorías asignadas para el curso académico.

Ismael Ramón Sánchez Borrego

Email
No hay tutorías asignadas para el curso académico.

Breve descripción de contenidos (Según memoria de verificación del Máster)

1. Introducción a la inferencia en poblaciones finitas

2. Elementos de inferencia en el modelo de población fija

3. Inferencia a partir de modelos de superpoblación

4. Introducción al muestreo no probabilístico

5. Software y resolución computacional de supuestos prácticos 

 

Prerrequisitos y/o Recomendaciones

Se recomienda haber cursado una carrera con amplios contenidos matemáticos y/o estadísticos.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en 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. Los titulados han de saber 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. 
  • CG02. Los titulados han de ser 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. 
  • CG03. Los titulados han de saber 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 
  • CG04. Los titulados deben poseer las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. 
  • CG05. Los titulados han de demostrar una comprensión sistemática del campo de estudio y el dominio de las habilidades y métodos de investigación relacionados con dicho campo. 
  • CG06. Los titulados deben demostrar la capacidad de concebir, diseñar, poner en práctica y adoptar un proceso sustancial de investigación con seriedad académica. 
  • CG07. Los titulados han de realizar una contribución a través de una investigación original que amplíe las fronteras del conocimiento desarrollando un corpus sustancial, del que parte merezca la publicación referenciada a nivel nacional o internacional. 
  • CG08. Los titulados deben ser críticos en el análisis, evaluación y síntesis de ideas nuevas y complejas. 
  • CG09. Los titulados deben saber comunicarse con sus colegas, con la comunidad académica en su conjunto y con la sociedad en general acerca de sus áreas de conocimiento. 
  • CG10. Los titulados han de ser capaces de fomentar, en contextos académicos y profesionales, el avance tecnológico, social o cultural dentro de una sociedad basada en el conocimiento. 

Competencias Específicas

  • CE01. Conocer métodos para el Análisis de Datos 
  • CE02. Conocer diferentes técnicas de Muestreo 
  • CE03. Adquirir conocimientos avanzados en Probabilidad y Procesos Estocásticos 
  • CE04. Profundizar en las técnicas de Modelización Estocástica 
  • CE05. Adquirir conocimientos avanzados en Inferencia Estadística 
  • CE06. Aprender y entender técnicas de Estadística Multivariante 
  • CE07. Saber identificar y aplicar diferentes Modelos Econométricos 
  • CE09. Adquirir conocimientos en Bioestadística 
  • CE10. Dominar el uso de diferentes entornos de Computación Estadística 
  • CE11. Conocer y aplicar técnicas de Control Estadístico de Calidad 
  • CE12. Ser capaz de resolver problemas a través de técnicas de Simulación Estocástica 
  • CE13. Saber llevar a cabo el diseño, programación e implantación programas de computación estadística 
  • CE14. Saber realizar un diseño de experimentos 
  • CE15. Ser capaza de identificar la información relevante para resolver un problema 
  • CE16. Utilizar correcta y racionalmente programas de ordenador de tipo estadístico 
  • CE17. Adquirir capacidades de elaboración y construcción de modelos y su validación 
  • CE18. Ser capaz de realizar un análisis de datos 
  • CE19. Saber gestionar bases de datos 
  • CE20. Ser capaz de realizar una correcta representación gráfica de datos 
  • CE21. Conocer, identificar y seleccionar fuentes estadísticas 

Competencias Transversales

  • CT01. Mostrar interés por la calidad y la excelencia en la realización de diferentes tareas 
  • CT02. Comprender y defender la importancia que la diversidad de culturas y costumbres tienen en la investigación o práctica profesional 
  • CT03. Tener un compromiso ético y social en la aplicación de los conocimientos adquiridos 
  • CT04. Ser capaz de trabajar en equipos interdisciplinarios para alcanzar objetivos comunes desde campos expertos diferenciados. 
  • CT05. Incorporar los principios del Diseño Universal en el desempeño de su profesión 

Resultados de aprendizaje (Objetivos)

• Conocer los diversos enfoques actuales de la inferencia en poblaciones finitas

• Conocer la modelización de superpoblaciones y los estimadores óptimos de la media bajo los principales modelos de superpoblación

• Estar familiarizado con el uso otros diseños muestrales nuevos que están adaptados a los problemas concretos de cada campo de investigación, y particularmente con el problema de estudio de poblaciones humanas y animales

• Saber estimar parámetros simples a partir de datos muestrales provenientes de una encuesta compleja, con un programa de software libre

Programa de contenidos Teóricos y Prácticos

Teórico

  • Tema 1. Introducción a la Inferencia en poblaciones finitas
  • Tema 2. Elementos de muestreo
  • Tema 3. Inferencia basada en el diseño: Estimador de Horvitz-Thompson
  • Tema 4. Inferencia a partir de modelos de superpoblación
  • Tema 5. Introducción al muestreo no probabilístico

 

Práctico

  • Bloque 1. Introducción a la Inferencia en poblaciones finitas

         -Ejemplos prácticos ilustrativos

  • Bloque 2. Elementos de muestreo e inferencia basada en el diseño

          -Ejemplos y ejercicios guiados

  • Bloque 3. Inferencia a partir de modelos de superpoblación

          -Ejemplos y tratamiento computacional de estimadores y modelos de superpoblación con R

  • Bloque 4. Introducción al muestreo no probabilístico

         -Ejemplos y resolución computacional de supuestos prácticos

Bibliografía

Bibliografía fundamental

  • Cassel, C. M., Särndal, C. E. y Wretman, J. H.. Foundations of Inference in Survey Sampling. John Wiley & Sons, New York 1977
  • Hedayat, A. S., Sinha, B. K.. Design and Inference in Finite Population Sampling. John Wiley & Sons 1991
  • Levy, P. S., Lemeshow, S.. Sampling of Populations Methods and Applications. John Wiley & Sons 1991
  • Särndal, C. E., Swensson, B. y Wretman, J.. Model Assisted Survey Sampling. Springer- Verlang 1992
  • Thompson, S.K. 1992. Sampling. New York: Wiley

Bibliografía complementaria

  • Férnandez García, F. R. y Mayor Gallego. Muestreo en Poblaciones Finitas: Curso Básico. De. EUB
  • Gourreroux, C.. Théorie des Sondages. Economica. 1981

Enlaces recomendados

Metodología docente

  • MD01 Lección magistral/expositiva 
  • MD02 Sesiones de discusión y debate 
  • MD03 Resolución de problemas y estudio de casos prácticos 
  • MD04 Prácticas de laboratorio o clínicas 
  • MD05 Seminarios 
  • MD06 Ejercicios de simulación 
  • MD07 Análisis de fuentes y documentos 
  • MD08 Realización de trabajos en grupo 
  • MD09 Realización de trabajos individuales 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

La convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, que consistirá en:

  • Realización de actividades teóricas y prácticas (90%)
  • Interés en la asignatura, actitud y participación activa en el foro de la asignatura (10%)

Evaluación Extraordinaria

Aquellos estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. En esta convocatoria, la realización de actividades teóricas y prácticas supondrá el 100% de la calificación.

Evaluación única final

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas. Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

La evaluación única final consistirá en la realización de ejercicios teóricos y ejercicios prácticos propuestos por los profesores.  Estos ejercicios suponen el 100% de la calificación del alumno.

Información adicional

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).

Software Libre

R  https://cran.r-project.org/