ESTADÍSTICA INDUSTRIAL

ETS DE INGENIERÍA INDUSTRIAL
Universidad Politécnica de Cartagena
Normativa: Este documento es copia auténtica imprimible de un documento administrativo firmado electrónicamente y archivado por la Universidad Politécnica de Cartagena.
Firmado Por: Universidad Politécnica de Cartagena - Q8050013E
Url Validación: https://validador.upct.es/csv/H6fmlC0RSPdhOL7qM35mOVqrj Página: 1/15
Modalidad de impartición Presencial
Página | 1
2. Datos del profesorado
Departamento Matemática Aplicada y Estadística
Teléfono 968338914
Horario de atención y ubicación durante las tutorías
Lunes de 10:00 a 13:00 en el HOSPITAL DE MARINA, Planta 0, Despacho B030 (Las tutorías se realizarán online a través de Teams. Los estudiantes interesados en realizar una tutoría deberán contactar con la profesora mediante correo electrónico para acordar día y hora.) Viernes de 10:00 a 13:00 en el HOSPITAL DE MARINA, Planta 0, Despacho B030 (Las tutorías se realizarán online a través de Teams. Los estudiantes interesados en realizar una tutoría deberán contactar con la profesora mediante correo electrónico para acordar día y hora.)
Titulación
Nº de quinquenios 4
Nº de sexenios 3 de investigación y 1 de transferencia
Currículum vitae https://personas.upct.es/perfil/maricarmen.ruiz
ESTADÍSTICA INDUSTRIAL
Página | 2
3. Competencias y resultados del aprendizaje
3.1. Competencias básicas del plan de estudios asociadas a la asignatura
[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
3.2. Competencias generales del plan de estudios asociadas a la asignatura
[CG2]. Capacidad para definir las funciones de producción, compras, aprovisionamiento, suministro y logística en cualquier organización, así como para plantear los necesarios mecanismos de coordinación verticales (entre los diferentes niveles jerárquicos dentro de una misma área/departamento) y transversales (entre mismos niveles jerárquicos pero de diferentes departamentos) en el ámbito de la ingeniería de organización.
3.3. Competencias específicas del plan de estudios asociadas a la asignatura
[CE2]. Realizar análisis estadísticos de datos industriales.
Competencias específicas de la asignatura (para aquellas asignaturas optativas que las tengan)
3.4. Competencias transversales del plan de estudios asociadas a la asignatura
[T5]. Aplicar a la práctica los conocimientos adquiridos.
3.5. Resultados del aprendizaje de la asignatura
Realizar búsquedas avanzadas de recursos, analizar los diferentes recursos disponibles y seleccionar los que sean relevantes en cada caso. Definir, de forma eficiente, los planes de producción, suministro y logística de una empresa u organización. Decidir la técnica de análisis multivariante más adecuada en cada situación. Construir modelos de regresión múltiple relacionados con el sector industrial. Valorar su utilidad en el contexto de la predicción. Aplicar técnicas de reducción de la dimensión e interpretar los resultados. Extraer los factores latentes para datos industriales multivariantes e interpretarlos. Determinar grupos homogéneos de individuos mediante técnicas cluster. Proponer modelos de previsión para series temporales, discutir su idoneidad y su capacidad predictiva.
Página | 3
4.1 Contenidos del plan de estudios asociados a la asignatura
Regresión Lineal Múltiple. Análisis de Componentes Principales y Factorial. Análisis Cluster. Previsión de series temporales.
4.2. Programa de teoría
Unidades didácticas y temas
UNIDAD DIDÁCTICA 1. REVISIÓN DE ESTADÍSTICA BÁSICA Y REGRESIÓN LINEAL MÚLTIPLE.
Tema 1. Revisión de conceptos estadísticos. 1.1. Estadística descriptiva: medidas numéricas, métodos gráficos, ajustes por mínimos cuadrados. 1.2. Variables aleatorias: función puntual de probabilidad, función de densidad, media y varianza. 1.3. Modelos de variables unidimensionales: modelo Normal y Exponencial. 1.4. Inferencia paramétrica: intervalos de confianza y contrastes de hipótesis.
Tema 2. Regresión lineal múltiple. 2.1. Planteamiento e hipótesis del modelo. 2.2. Estimación e inferencia sobre los parámetros de regresión. 2.3. Predicciones y medida de la bondad del ajuste. 2.4. Validación del modelo de regresión. Observaciones influyentes. Multicolinealidad. 2.5. Métodos de selección del conjunto de regresores. 2.6. Transformaciones en los datos: modelos linealizables.
Página | 4
4.2. Programa de teoría
UNIDAD DIDÁCTICA 2. TÉCNICAS DE ANÁLISIS MULTIVARIANTE.
Tema 3. Análisis de componentes principales. 3.1. Objetivo: las componentes principales como técnica de reducción de la dimensión. 3.2. Cálculo de las componentes principales y propiedades. 3.3. Selección del número de componentes a retener. 3.4. Interpretación de las componentes principales.
Tema 4. Análisis Factorial. 4.1. Planteamiento e hipótesis del modelo factorial. 4.2. Estimación de los parámetros del modelo factorial. 4.3. Determinación del número de factores a retener. 4.4. Adecuación muestral y bondad del ajuste. 4.5. Rotación de los factores e interpretación.
Tema 5. Análisis clúster. 5.1. Objetivo: determinación de grupos homogéneos de individuos. 5.2. Medidas de distancia y similitud. 5.3. Algoritmos jerárquicos: dendograma y métodos de enlace. 5.4. Algoritmos de partición: k-medias. 5.5. Determinación del número de grupos adecuado.
UNIDAD DIDÁCTICA 3. SERIES TEMPORALES Y PREDICCIÓN.
Tema 6. Análisis clásico de series temporales. 6.1. Conceptos básicos en series temporales. 6.2. Extracción de las componentes de una serie: enfoque clásico. 6.3. Determinación del esquema de integración.
Tema 7. Métodos de alisado exponencial. 7.1. Método de alisado exponencial simple. 7.2. Método de Holt. 7.3. Método de Holt-Winters. 7.4. Interpretación de los parámetros de alisado.
Tema 8. Procesos estocásticos y modelos ARIMA. 8.1. Conceptos básicos sobre procesos estocásticos. 8.2. Modelos autorregresivos, AR(p). 8.3. Modelos de medias móviles, MA(q). 8.4. Modelos ARIMA(p,d,q). 8.5. Identificación y validación del modelo. Predicciones.
Página | 5
4.3. Programa de prácticas
Nombre y descripción
UNIDAD DIDÁCTICA 1. REVISIÓN DE ESTADÍSTICA BÁSICA Y REGRESIÓN LINEAL MÚLTIPLE.
Práctica 1: Introducción al programa SPSS y repaso de estadística básica. Introducción al manejo del software SPSS en su última versión y realización de ejercicios de estadística descriptiva, intervalos de confianza y contrastes de hipótesis paramétricos con dicho software.
Práctica 2: Regresión lineal múltiple. Desarrollo de un caso práctico que comprende un análisis completo de regresión lineal múltiple con el software SPSS, destacando los métodos de selección del conjunto de regresores, validación del modelo y el cálculo de los intervalos de predicción para nuevos valores de los regresores. Análisis de ejemplos ilustrativos sobre la importancia de la validación de las hipótesis, tamaño muestral empleado, detección de observaciones influyentes y presencia de multicolinealidad.
UNIDAD DIDÁCTICA 2. TÉCNICAS DE ANÁLISIS MULTIVARIANTE.
Práctica 3: Análisis de componentes principales. Desarrollo de un caso práctico que comprende un análisis de componentes principales con el software SPSS, destacando la adecuación de la técnica al caso en estudio, el número de componentes a retener y la interpretación de las componentes resultantes. Análisis de ejemplos ilustrativos sobre el efecto de trabajar con datos originales (matriz de covarianzas) frente a trabajar con datos tipificados (matriz de correlaciones).
Práctica 4: Análisis factorial. Desarrollo de un caso práctico que comprende un análisis factorial con SPSS, destacando la adecuación de la técnica a los datos en estudio, el número de factores a retener y la interpretación de los factores resultantes usando rotaciones.
Práctica 5: Análisis clúster. Desarrollo de un problema de clasificación de individuos con SPSS, usando por un lado métodos jerárquicos con distintos enlaces y distancias, y por otro lado, el algoritmo de las k-medias. También se llevará a cabo la clasificación de las variables del problema. Análisis de ejemplos ilustrativos sobre el efecto de trabajar con datos originales frente a trabajar con datos tipificados, así como el impacto de los outliers en la clasificación.
Página | 6
4.3. Programa de prácticas
UNIDAD DIDÁCTICA 3. SERIES TEMPORALES Y PREDICCIÓN.
Práctica 6: Descomposición clásica de series temporales. Extracción de las componentes de una serie con SPSS con esquemas aditivos y multiplicativos. Modelización de la tendencia y predicciones a medio y largo plazo.
Práctica 7: Métodos de alisado exponencial. Aplicación de técnicas de alisado exponencial a distintas series temporales, con y sin componente estacional y con tendencias de distintos tipos (lineal, cuadrática, etc.). Predicciones a corto plazo.
Práctica 8: Modelos ARIMA. Determinación del proceso estocástico generador de una serie temporal usando metodología ARIMA con SPSS. Uso del correlograma simple y parcial para proponer el modelo generador. Validación del modelo y medidas de bondad de ajuste de Akaike y Schwarz. Predicciones.
Observaciones
Las prácticas consisten en analizar, usando el software SPSS, diferentes conjuntos de datos (reales o simulados) empleando las técnicas estadísticas contempladas en la asignatura.
Prevencion de riesgos
La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la Comunidad Universitaria. Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal de administración y servicios y estudiantes. El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un "Manual de acogida al estudiante en materia de prevención de riesgos" que puedes encontrar en el Aula Virtual, y en el que encontraras instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad. También encontrarás recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún incidente. En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus compañeros.
Página | 7
PART 1. BASIC STATISTICS REVIEW AND MULTIPLE LINEAR REGRESSION.
Unit 1. Basic statistics: a review. Unit 2. Multiple linear regression.
PART 2. MULTIVARIATE ANALYSIS TECHNIQUES.
Unit 3. Principal components analysis. Unit 4. Factorial analysis. Unit 5. Cluster analysis.
PART 3. TIME SERIES AND FORECASTING.
Unit 6. Classical decomposition of time series. Unit 7. Exponential smoothing methods. Unit 8. Stochastic processes and ARIMA models.
4.5. Observaciones
Página | 8
Clase de teoría: Actividades consistentes en sesiones formativas para desarrollar conocimientos teóricos basadas en trabajo sobre conceptos y teorías
Clases magistrales de teoría desarrolladas en el aula de informática mediante el uso de presentaciones y otros recursos, y combinadas con las clases prácticas.
14 100
Clase de problemas: Actividades consistentes en sesiones formativas para desarrollar conocimiento práctico o aplicado basadas en la resolución de ejercicios, problemas o casos prácticos
Clases de resolución de problemas propuestos mediante el uso de software estadístico.
12 100
Clase de prácticas en aula de informática: Actividades para la adquisición de determinadas destrezas mediante el manejo de software específico
Clases de prácticas con software estadístico, desarrolladas en el aula de informática de forma combinada con las clases de teoría.
14 100
Actividades de evaluación (sistema de evaluación continua): pruebas escritas u orales, exposiciones, presentaciones, con carácter individual o de grupo, indicadoras de los conocimientos adquiridos. Se incluyen aquí actividades de evaluación formativa y sumativa
A lo largo del cuatrimestre se realizarán varias actividades de evaluación continua para evaluar los resultados del aprendizaje. Los detalles de cada actividad aparecen descritos en el apartado "Sistemas de evaluación".
5 100
Actividades de evaluación (sistema de evaluación final): pruebas escritas u
En las fechas oficiales fijadas por el centro, se realizarán pruebas equivalentes a las actividades del sistema de evaluación
3 100
Página | 9
Denominación Descripción Horas Presencialidad %
orales, con carácter individual o de grupo, indicadoras de los conocimientos adquiridos. Se incluyen aquí actividades de evaluación sumativa
continua. Los detalles de cada actividad aparecen descritos en el apartado "Sistemas de evaluación".
Tutorías: Tanto las de carácter individual como las realizadas en grupo servirán para asesorar, resolver dudas, orientar, realizar el seguimiento de trabajos o de los conocimientos adquiridos, entre otros
Consultas individuales o grupales de los estudiante en el despacho del profesor.
4 50
Realización de trabajos individuales o en grupo: Aprendizaje autónomo y/o colaborativo del estudiante para desarrollar conocimiento teórico, práctico o aplicado mediante realización de proyectos, informes de prácticas y/o trabajos
Tiempo estimado de dedicación del estudiante a la preparación de los trabajos grupales correspondientes a la actividad de evaluación AEC2 (o en su defecto AEF2).
16 0
Estudio individual: Tiempo dedicado al estudio de la materia
Tiempo estimado de dedicación del estudiante al trabajo y estudio individual para superar la asignatura.
67 0
Página | 10
6. Sistema de evaluación
Denominación Descripción y criterios de evaluación Ponderación %
Prueba oficial individual AEC1 (Actividad de Evaluación Continua 1): Ejercicio de resolución de problemas prácticos haciendo uso de un software estadístico. Para esta actividad de evaluación, será necesario obtener un mínimo de 4 puntos sobre 10. Respecto a la conservación de la calificación obtenida en esta actividad de evaluación, será de aplicación lo establecido en el Reglamento de Evaluación para títulos oficiales de Grado y Máster de la UPCT. Se evalúan los resultados del aprendizaje desde el cuarto punto hasta el octavo (de los reflejados en la memoria del título), así como la competencia transversal T5 y la específica CE2 de dicha memoria.
70 %
Exposición y defensa de trabajos individuales y de grupo
AEC2 (Actividad de Evaluación Continua 2): Durante el cuatrimestre, se propondrá la realización de dos trabajos grupales con exposición oral. Cada trabajo consistirá en desarrollar un caso práctico con la técnica estadística que corresponda. Respecto a la conservación de la calificación obtenida en esta actividad de evaluación, será de aplicación lo establecido en el Reglamento de Evaluación para títulos oficiales de Grado y Máster de la UPCT. Se evalúan los resultados del aprendizaje desde el primer punto hasta el tercero (de los reflejados en la memoria del título), así como la competencia general CG2 y la básica CB8 de dicha memoria.
30 %
Prueba oficial individual AEF1 (Actividad de Evaluación Final 1): Actividad equivalente a la AEC1 del Sistema de Evaluación Continuo. Ejercicio de resolución de problemas prácticos
70 %
Página | 11
haciendo uso de un software estadístico. Para esta actividad de evaluación, será necesario obtener un mínimo de 4 puntos sobre 10.
Exposición y defensa de trabajos individuales y de grupo
AEF2 (Actividad de Evaluación Final 2): Actividad equivalente a la AEC2 del Sistema de Evaluación Continuo. Los estudiantes que no hubieran realizado los trabajos grupales durante el cuatrimestre (AEC2), o bien deseen renunciar a la calificación obtenida en ellos, deberán entregar el día del examen final dos informes equivalentes a los dos trabajos grupales propuestos en el sistema de evaluación continua, pero en este caso sin exposición oral. Dichos informes en el sistema de evaluación final podrán ser de carácter individual o grupal, según determine el profesor. Cada trabajo o informe consistirá en desarrollar un caso práctico con la técnica estadística que corresponda.
30 %
Descripción
Observaciones
Según lo establecido en el artículo 8.3 del Reglamento de Evaluación para los títulos oficiales de Grado y de Máster de la UPCT, para esta asignatura se establece que: si un estudiante desea presentarse a una actividad del sistema de evaluación final habiendo superado la calificación mínima de la actividad correspondiente del sistema de evaluación continua, deberá renunciar a la calificación obtenida en dicha actividad del sistema de evaluación continua con al menos 7 días naturales de antelación a la realización de la nueva actividad a la que desea presentarse. La renuncia deberá
Información
Página | 12
realizarse mediante el formulario disponible en el Aula Virtual de la asignatura y solo tendrá efecto para la convocatoria en la que se presenta el estudiante. La nota final de la asignatura se obtendrá sumando las puntuaciones obtenidas en las distintas actividades de evaluación, teniendo en cuenta sus ponderaciones correspondientes. Para superar la asignatura, el estudiante deberá obtener una nota final de al menos 5 puntos sobre 10 y haber alcanzado la calificación mínima exigida en cada actividad de evaluación.
Página | 13
7. Bibliografía y recursos
Ruiz Abellón, María del Carmen Análisis multivariante, series temporales y fiabilidad aplicaciones con SPSS. Universidad Politécnica de Cartagena. 2008. 9788495781994
Uriel Jiménez, Ezequiel Introducción al análisis de series temporales. Editorial AC. 2000. 8472881342
Uriel Jiménez, Ezequiel Análisis multivariante aplicado. Thomson. 2005. 8497323726
Pérez López, César Métodos estadísticos avanzados con SPSS. Paraninfo. 2005. 8497323874
7.2. Bibliografía complementaria
Pérez López, César Técnicas estadísticas multivariantes con SPSS. Garceta,. 2009. 9788492812004
Peña Sánchez de Rivera, Daniel Ánalisis de series temporales. Alianza. 2005. 8420691283
7.3. Recursos en red y otros recursos
Aula Virtual
Página | 14

ESTADÍSTICA INDUSTRIAL

Documents

Transcript of ESTADÍSTICA INDUSTRIAL