Descripción y contextualización de la asignatura
Estadística Aplicada a la Empresa es una asignatura obligatoria impartida en el
segundo cuatrimestre de 2º curso del Grado en Administración y Dirección de
Empresas. Se sitúa dentro del módulo denominado Avances en la
Administración y Dirección de Empresas (M03).
Es una ampliación de la asignatura Estadística y Análisis de Datos, que se
imparte en el primer cuatrimestre del mismo curso. En ambas asignaturas se
sientan las bases necesarias para afrontar adecuadamente el contenido de la
asignatura Econometría obligatoria en el tercer curso del Grado.
Requiere estar familiarizado, por una parte, con el cálculo diferencial e integral
y nociones de álgebra lineal impartidas en las asignaturas Matemáticas I y
Matemáticas II de primer curso del grado y, por otra parte, con los conceptos
básicos de la estadística descriptiva y la probabilidad correspondientes a la
asignatura Estadística y Análisis de Datos impartida en el primer cuatrimestre
de segundo curso.
El objetivo de esta asignatura es que los alumnos conozcan y sepan utilizar
todos los elementos de la inferencia estadística básica: estimación por punto y
por intervalo, propiedades de los estimadores, contrastes de hipótesis y
pruebas de ajuste, para lo cual como caso previo, se tendrán que familiarizar
con las distribuciones de probabilidad necesarias en esta parte de la
estadística. Además, se pretende que conozcan los métodos de muestreo más
habituales y sepan identificar cuáles son los más apropiados en cada caso. La
materia impartida prepara al alumno para abordar problemas de inferencia
estadística, tan presente en cualquier tratamiento de datos, así como para
continuar con otro tipo de estudios de contenido cuantitativo.
Competencias y Resultados del Aprendizaje
Competencias específicas
C1. Identificar y diferenciar las características de los distintos modelos de
probabilidad teóricos (discretos y continuos) y tipos de convergencias de
sucesiones de variables aleatorias para valorar su utilidad y aplicabilidad en el
ámbito profesional.
C2. Conocer distintos procedimientos de estimación de parámetros (por punto
y por intervalo), así como sus propiedades para poder seleccionar
adecuadamente la mejor alternativa de análisis.
C3. Aplicar la metodología estadística adecuada para el diseño de contrastes de
hipótesis para la toma de decisiones en el ámbito profesional.
C4. Obtener e interpretar los resultados de un análisis estadístico de datos
económicos haciendo uso de las fuentes de información apropiadas y de los
instrumentos informáticos necesarios.
C5. Conocer las diferentes técnicas de muestreo identificando en qué casos es
más conveniente la utilización de cada una de ellas.
Competencias transversales del módulo que se trabajan a lo largo del
curso
CT1. Capacidad para emitir juicios razonados apoyándose en los datos
obtenidos.
CT2. Capacidad para la comunicación escrita y oral con fluidez.
CT3. Capacidad para trabajar en equipo, con responsabilidad y respeto,
iniciativa y liderazgo.
CT4. Capacidad para el pensamiento analítico y la reflexión crítica.
Resultados de aprendizaje
R1. Dominar los métodos estadísticos apropiados y los instrumentos
informáticos disponibles (C1, C2, C3, C5).
R2. Identifica los elementos característicos de las distribuciones de
probabilidad (función de probabilidad, momentos, etc), tanto discretas como
continuas, opera con ellos y conoce sus propiedades (C1, C2).
R3. Utilizar adecuadamente los procedimientos de estimación de parámetros
(C1, C3, C4).
R4. Utilizar adecuadamente los procedimientos de contraste de hipótesis para
la toma de decisiones en el ámbito profesional (C2, C3, C4, C5).
Temario y Contenidos Teórico-Prácticos
Tema 1. Utilización de la estadística en las decisiones económicas.
[2H-M, 1H-S]
Introducción. Casos prácticos. Bases de datos.
Tema 2. Distribuciones binomial y de Poisson.
[5H-M, 2H-PA]
Distribución de Bernoulli (MR 6.3). Distribución binomial y frecuencia binomial
(MR 6.4). Definición y propiedades de la distribución de Poisson (MR 6.5).
Consideraciones prácticas (MR 6.5). Tablas de las distribuciones. Convergencia
de la distribución binomial a la de Poisson y a la Normal. Convergencia de la
distribución de Poisson a la Normal (MR 6.5, 9.3, 9.7).
Ejercicios prácticos 1 y 2 (EP1 y EP2): Ejercicios prácticos sobre las
distribuciones Binomial y Poisson. Resultados de Aprendizaje: R1 y R2.
Tema 3. Distribuciones Gamma, Chi-cuadrado, F y t.
[4H-M, 1H-PA, 1H-S]
Distribución Gamma (MR 7.4). Distribución exponencial (MR 7.4). Distribución
cuadrado de la normal (MR 7.3). Distribución ji-cuadrado de Pearson (MR
7.3.1). Distribución F de Snedecor (MR 7.3.3). Distribución t de Student (MR
7.3.2).
Ejercicio práctico 3 (EP3): Ejercicio práctico sobre las distribuciones
gamma, exponencial, normal, ji-cuadrado, F de Snedecor y t de Student.
Resultados de Aprendizaje: R1 y R2.
Tema 4. Estimación de parámetros. Propiedades de los estimadores.
[8H-M, 2H-PA, 1H-S]
Introducción. Muestra aleatoria y estadístico (RM 1.1 a 1.3). Estimación de
parámetros (RM 3.1). Estimación por punto (RM 3.2). Estimador de máxima
verosimilitud (RM 4.1 y 4.2). Estimador por los momentos (RM 4.3).
Estimadores insesgados (RM 3.3). Estimadores regulares (RM 3.4). Cota de
Cramer-Rao (RM 3.4). Eficiencia (RM 3.4). Convergencia en probabilidad y en
media cuadrática (MR 11.3). Consistencia (RM 3.5).
Ejercicios prácticos 4 y 5 (EP4 y EP5): Ejercicios prácticos sobre
estimadores y sus propiedades. Resultados de Aprendizaje: R1, R2 y R3.
Tema 5. Contrastes de hipótesis. Pruebas de ajuste.
[16H-M, 3H-PA, 4H-S]
Pruebas estadísticas para el contraste de hipótesis (RM 6.1). Diseño de
pruebas estadísticas. Prueba de la razón de verosimilitudes.Teorema de
Neyman-Pearson (RM 6.2). Prueba de ajuste ji-cuadrado a una distribución
total o parcialmente especificada. Contrastes de independencia y
homogeneidad (RM 9.6). Estimación por intervalo y pruebas de hipótesis: de la
media, de la diferencia de medias, de la varianza, de la razón de varianzas, del
parámetro de la distribución de Poisson, de la proporción en una distribución
binomial, de la diferencia de proporciones (RM 5, 7 y 8- partes).
Ejercicios prácticos 6, 7 y 8 (EP6, EP7 y EP8): Ejercicios prácticos sobre
contrastes. Resultados de Aprendizaje: R1, R2 y R4.
Tema 6. Muestreo en poblaciones finitas.
[7H-M, 1H-PA, 2H-S]
Introducción (P Capítulo 2). Muestreo aleatorio simple (P Capítulo 3). Muestreo
estratificado (P Capítulo 4). Muestreo por conglomerados (P Capítulo 7).
Muestreo por conglomerados en dos etapas (P Capítulo 8). Selección real de
unidades (P Capítulo 2.4 y 7.8). Práctica del muestreo.
En los títulos se indican las horas lectivas desglosadas en clases magistrales
(M), prácticas de aula (PA) y seminarios (S) [M, PA, S].
En el detalle del contenido de cada tema, las siglas MR remiten a capítulos o
secciones del libro Martín-Pliego y Ruíz-Maya (2009), mientras que las siglas
RM lo hacen al libro Ruíz-Maya y Martín-Pliego (2005); y la sigla P lo hace al
libro Pérez (2005). El tratamiento de cada cuestión en dichas obras
corresponde aproximadamente al realizado en el curso.
Metodología
La docencia de la asignatura se basará en clases magistrales (M), clases
prácticas (PA) y seminarios (S).
En las clases magistrales se abordará el contenido teórico de la
asignatura y se motivará de forma activa la participación de los
estudiantes a través de preguntas y/o ejercicios puntuales.
En las prácticas de aula se procederá a la resolución de ejercicios y
ejemplos a modo de ilustración de la teoría.
En los seminarios los estudiantes deberán realizar actividades en grupos
en las que desarrollarán una serie de ejercicios, que serán desarrollados
y corregidos de forma conjunta.
El calendario provisional con la distribución de las distintas sesiones
(cronograma provisional) es el siguiente:
El calendario provisional con la distribución de las distintas sesiones
(cronograma provisional) es el siguiente:
Estadística Aplicada a la Empresa
Semanas Lunes Martes Miércoles Jueves Viernes
Semana 16: 27-01 a 31-01 M M M
Semana 17: 03-02 a 07-02 M M M
Semana 18: 10-02 a 14-02 M M PA
Semana 19: 17-02 a 21-02 M M S
Semana 20: 24-02 a 28-02 M M PA
Semana 21: 03-03 a 07-03 M M S
Semana 22: 10-03 a 14-03 M M PA
Semana 23: 17-03 a 21-03 M M S
Semana 24: 24-03 a 28-03 M M PA
Semana 25: 31-03 a 04-04 M M PA
Semana 26: 07-04 a 11-04 M M S
Semana 27: 14-04 a 18-04 M M PA Fiesta Fiesta
Vacaciones de Primavera: 17/04/2025 a 27/04/2025
Semana 28: 28-04 a 02-05 M M PA Fiesta
Semana 29: 05-05 a 09-05 M M M
Semana 30: 12-05 a 16-05 M M S
Tema 1
Tema 2
Tema 3
Tema 4
Tema 5
BIBLIOGRAFIA
Bibliografía básica
Martín Pliego, F.J. y Ruíz Maya, L. (2009). Fundamentos de Probabilidad,
3ª Edición. AC, Madrid.
Pérez, C. (2005). Muestreo Estadístico. Conceptos y problemas resueltos,
Pearson Educación, Madrid.
Ruíz Maya, L. y Martín Pliego, F.J. (2005). Fundamentos de Inferencia
Estadística, 3ª Edición, AC, Madrid.
Bibliografía de profundización
Bain, L. and Engelhardt, M. (1992). Introduction to Probability and
Mathematical Statistics, Second edition. Duxbury Press, Boston.
Levy, P.S. and Lemeshow, S. (1991). Sampling of Populations. Methods
and Applications. Wiley, New York.
Lohr. S.L. (2000). Muestreo: Diseño y Análisis, Internacional Thomson
Editores, Mexico.
Peña, D. (2001). Fundamentos de Estadística, Alianza Editorial, Madrid.
Ross, S. (2001). Probability and Statistics for Engineers and Scientists.
Academic Press, London.
Referencias Bibliográficas Complementarias de Ejercicios
Arteche et al. (2000). Ejercicios de Estadística II: Estadística Empresarial
y para Economistas, Servicio Editorial de la Universidad del País Vasco-
Euskal Herriko Unibertsitatea, Bilbao.
Fernández, K.; Orbe, J. eta Zubia, M. (1996). Estatistika I eta Estatistika
II ariketak. Probabilitate Teoria eta Inferentzia Estatistikoa, UEU, Bilbo.
Garín, A. y Tusell, F. (1990). Ejercicios de Probabilidad e Inferencia
Estadística, Tébar-Flores,Madrid.
Martín Pliego, F.J., Montero, J.Mª y Ruíz Maya, L. (2005). Problemas de
Inferencia Estadística, 3ª Edición, AC, Madrid.
Martín Pliego, F.J., Montero, J.Mª y Ruíz Maya, L. (2006). Problemas de
Probabilidad, 2ª Edición,AC, Madrid.
