Guía en formato PDF
Logo

Herramientas Informáticas para la Estadística

Código: 104849
Créditos: 6
2026/2027
Titulación Tipo Curso
Estadística Aplicada FB 1

Profesor/a de contacto

Nombre :
Joaquim Roé Vellvé
Correo electrónico :
joaquim.roe@uab.cat

Equipo docente

Jose Maria Mondelo Gonzalez

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Al ser una asignatura de primero de grado y el primer semestre, no tiene ningún prerrequisito.

Objetivos

Los objetivos principales de la asignatura son los siguientes:

 

  • Familiarizarse con el uso de un manipulador algebraico y de cálculo. Este manipulador debe considerarse como una herramienta habitual en el estudio del resto de asignaturas.
  • Aprender a estructurar y redactar textos científicos con el procesador de textos LaTeX.
  • Familiarizarse con el concepto de paquete estadístico. En particular, crear y transformar bases de datos y habituarse a entornos de trabajo en modo gráfico y consola.
  • Aprender a utilizar un sistema operativo en línea de comando, aprovechando su potencia para fusionar, separar o extraer datos de archivos o conjuntos de archivos.
  • Introducirse en la formalización de algoritmos mediante un lenguaje de programación.

Resultados de aprendizaje

  • CM02 (Resolver problemas mediante programación estructurada, diseñando algoritmos adecuados.) Resolver problemas mediante programación estructurada, diseñando algoritmos adecuados.
  • CM04 (Programar soluciones algorítmicas para resolver problemas dentro de un contexto vinculado a la Estadística.) Programar soluciones algorítmicas para resolver problemas dentro de un contexto vinculado a la Estadística.
  • KM05 (Reconocer estructuras propias de los lenguajes de programación de alto nivel (variables, bucles, arreglos, listas, diccionarios, tuplas, etc.), funciones y clases.) Reconocer estructuras propias de los lenguajes de programación de alto nivel (variables, bucles, arreglos, listas, diccionarios, tuplas, etc.), funciones y clases.

Contenidos


  1. Breve introducción a la informática. Recursos informáticos de la universidad disponibles para la asignatura.

  2. Procesador de textos (LaTeX): Estructura de un fichero TeX. Fórmulas. Material flotante.

  3. Paquetes estadísticos (R): Entornos de trabajo. Declaración de variables. Creación, obtención y manipulación de bases de datos. Herramientas descriptivas. Entorno gráfico.

  4. Manipulador algebraico y de cálculo (Sage): Cálculos numéricos y algebraicos. Gráficos de funciones. Resolución de ecuaciones. Definición de funciones. Listas, conjuntos y sucesiones. Programación lógica, iteraciones y procedimientos.

  5. Sistema operativo (Bash): La consola. Primeras instrucciones y obtención de ayuda. Manipulación de archivos.

  6. Programación (Python): introducción al Python.

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Preparación del examen del manipulador algebraico y de cálculo 25 1 CM02, CM04, KM05
Preparación del examen de LaTeX 12,5 0,5
Preparación del examen de programación 32 1,28 CM02, CM04, KM05
Preparación del examen del paquet estadístico 25 1 CM02, CM04, KM05
Clases prácticas 47 1,88 CM02, CM04, KM05

Las clases prácticas se hacen en aulas informatizadas o preparadas para el uso de portátiles.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Examen de LaTeX 0.13 1 0,04 CM04
Examen manipulador algebraico y de cálculo 0.26 1,5 0,06 CM02, CM04, KM05
Examen del paquete estadístico R 0.22 1,5 0,06 CM02, CM04, KM05
Examen de programación (sistema operatiu i Python) 0.22 1,5 0,06 CM02, CM04, KM05
Examen final 0.43 3 0,12 CM02, CM04, KM05

La evaluación continua (mediante entregas y exámenes parciales) permite obtener una nota de la asignatura; para aprobar serà necesario que esta nota sea igual o superior a 5 y la nota de cada bloque en que se divide la asignatura sea igual o superior a 3. Se reserva un espacio de 4 horas para evaluar de nuevo los exámenes no superados de la evaluación continua. Las notas de las entregas no son recuperables.


En esta asignatura no se permite el uso de tecnologías de Inteligencia Artificial (IA) en ninguna de sus fases. Cualquier trabajo que incluya fragmentos generados con IA será considerado una falta de honestidad académica y podrá conllevar una penalización parcial o total en la calificación de la actividad, o sanciones más graves en los casos de mayor gravedad.

Bibliografía

Como esta asignatura se realiza con ordenadores, la fuente principal de información será la ayuda de los programas que se utilizan. Además, como bibliografía complementaria, recomendamos los recursos online siguientes:

  • Tobias Oetiker, Hubert Partl, Irene Hyna and Elisabeth Schlegl. The not so short introduction toLaTeX2E (or LaTeX in 139 minutes). https://tobi.oetiker.ch/lshort/lshort.pdf
  • W.N. Venables, D.M. Smith and the R Development Core Team: An introduction to R.https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
  • GNU Bash manual, https://www.gnu.org/software/bash/manual/
  • Python Software Foundation, The Python Language Reference, https://docs.python.org/3/reference/
  • The Sage Reference Manual, https://doc.sagemath.org/html/en/reference/

 

Software

SageMath, R, Python, LaTeX y GNU/Linux.

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(PLAB) Prácticas de laboratorio 1 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 2 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 3 Catalán primer cuatrimestre tarde