Guía docente de Encuestas por Muestreo. Aplicaciones Económicas, Sociales y Medioambientales (SG1/56/1/319)

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

Máster

Máster Universitario en Profesorado de Enseñanza Secundaria Obligatoria y Bachillerato, Formación Profesional y Enseñanzas de Idiomas

Módulo

Módulo de Libre Disposición

Rama

Ciencias Sociales y Jurídicas

Centro en el que se imparte la docencia

Escuela Internacional de Posgrado

Centro Responsable del título

Escuela Internacional de Posgrado

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Sin definir

Profesorado

  • María Del Mar Rueda García
  • Ismael Ramón Sánchez Borrego

Horario de Tutorías

María Del Mar Rueda García

Email
Tutorías anual
  • Miércoles 12:00 a 14:00 (Despacho 5A, Pl. 1 - Facultad de Ciencias)
  • Jueves 12:00 a 14:00 (Despacho 5A, Pl. 1 - Facultad de Ciencias)
  • Viernes 12:00 a 14:00 (Despacho 5A, Pl. 1 - Facultad de Ciencias)

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/