Logo

Métodos para el Análisis de Datos

Código: 106220
Créditos: 6
2026/2027
Titulación Tipo Curso
Ciencia, Tecnología y Humanidades OB 2

Profesor/a de contacto

Nombre :
Xavier Roque Rodriguez
Correo electrónico :
xavier.roque@uab.cat

Equipo docente (externo a la UAB)

Ana Arribas Gil
Laura Medialdea Marcos

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

No los hay.

Objetivos

En esta materia se abordarán ideas básicas de probabilidad y estadística, con el objetivo de dar al alumnado las herramientas y conceptos que permiten hoy en día el análisis y la gestión de la información cuantitativa.

Resultados de aprendizaje

  1. Describir algunos de los resultados en la vanguardia de las ciencias, aunque adaptados para la comprensión de alumnos sin conocimientos profundos de la materia.
  2. Realizar estimaciones de orden de magnitud y evitar falacias y errores comunes en el uso de información numérica y en la interpretación de resultados científicos (pruebas diagnósticas, ensayos clínicos, etc).
  3. Usar con competencia herramientas software para analizar, sintetizar y transmitir información cuantitativa, en particular usando gráficas y recursos de infografía.
  4. Recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética.
  5. Aplicar a problemas concretos las principales distribuciones estadísticas, el concepto de regresión a la media, y las nociones básicas de inferencia estadística.
  6. Analizar datos de forma rigurosa para extraer consecuencias a partir de ellos.
  7. Explicar los conceptos matemáticos básicos y familiarizarse con el razonamiento matemático.
  8. Formular y aplicar modelos y lenguajes de programación a la resolución de problemas básicos de estadística y probabilidades.
  9. Resumir los fundamentos de las tecnologías de gestión y análisis de datos, así como las herramientas de representación de la información.

Contenidos

Introducción: datos, información, conocimiento
¿Dónde encontrar información?: recursos, técnicas de búsqueda, fiabilidad
Alfabetización numérica: porcentajes, órdenes de magnitud, linealidad y no linealidad
Técnicas gráficas de representación de la información y visualización científica
Hojas de cálculo como herramientas para tratamiento básico y representación de datos
Correlación y causalidad. De los datos a las teorías
Correlación discreta: el problema de la clasificación. Sensibilidad vs especificidad. Teorema de Bayes
Señal y ruido: fenómenos aleatorios. Distribuciones binomial, normal y de Poisson.
Correlación continua. Regresión a la media
Introducción a la inferencia estadística: encuestas y ensayos clínicos
Fundamentos de programación para el análisis de datos

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tutorías y supervisión de trabajos 4,25 0,17 1, 2, 3, 4, 5, 8
Clases prácticas 16 0,64 1, 2, 3, 5, 8
Estudio y elaboración de trabajos 94,75 3,79 1, 3, 4, 5, 6, 8
Clases teóricas 33 1,32 2, 3, 6, 7, 9

Teoría: Clases teóricas con material de apoyo disponible vía web.
Prácticas: Clases de problemas resueltos en pizarra. Clases con ordenador utilizando software estadístico.
Tutorías colectivas para resolver los problemas, dudas etc.

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 final 45% 2 0,08 1, 2, 4, 5, 6, 7, 8
Trabajo final en grupo 15% 0 0 2, 3, 4, 5, 6, 8
Prueba escrita 1 20% 0 0 1, 6, 7, 9
Prueba escrita 2 20% 0 0 1, 6, 7, 9

Evaluación continua
Realización de dos pruebas escritas con un peso del 40% de la nota final.
Trabajo final en grupos con un peso de 15% de la nota final.

Examen final
Realización de un examen al final del curso con un peso del 45% de la nota final.

En la convocatoria extraordinaria el estudiante hará un nuevo examen y recibe el máximo de 100% de la nota en este examen o una nota ponderando este examen con 50% y el trabajo de curso con 50%, igual que en la convocatoria ordinaria.

En caso de que el estudiante cometa cualquier tipo de irregularidad que pueda conducir a una variación significativa de la calificación de un acto de evaluación, este será calificado con 0, independientemente del proceso disciplinario que pueda derivarse de ello. En caso de que se verifiquen varias irregularidades en los actos de evaluación de una misma asignatura, la calificación final de esta asignatura será 0.

Evaluación única
El alumnado que opte por el sistema de Evaluación única tendrá que entregar dos pruebas escritas (50%) y hacer un examen (50%), en la fecha indicada.

En esta asignatura se permite el uso de tecnologías de Inteligencia Artificial (IA) como parte integrante del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del estudiante en el análisis y la reflexión personal. El estudiante tendrá que: (i) identificar qué partes han sido generadas con IA; (ii) especificar las herramientas utilizadas; y (iii) incluir una reflexión crítica sobre cómo estas han influido el proceso y el resultado final de la actividad. La no transparencia del uso de la IA en esta actividad evaluable se considerará falta de honestidad académica y comporta que la actividad se evalúe con un 0 y no se pueda recuperar, o sanciones mayores en casos de gravedad.

Bibliografía

Bibliografía básica

C. Criado Pérez. La mujer invisible. Descubre cómo los datos configuran un mundo hecho por y para los hombres. Barcelona: Seix Barral, 2020.

D. Huff. Cómo mentir con estadísticas. Barcelona: Crítica, 2015.

D. Peña y J. Romo. Introducción a la Estadística para las Ciencias Sociales. Madrid: Mc Graw Hill Interamericana, 1997.

I. Portilla. Estadística descriptiva para comunicadores. Pamplona: Editorial EUNSA, 2004.

Bibliografía complementaria

D. Rowntree. Statistics Without Tears. London: Penguin Books, 2018.

G. Klass. Just Plain Data Analysis. Lanham, MD: Rowman & Littlefield, 2012 (2nd. ed.).

Software

No se requiere programario específico.

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
(TE) Teoría 20 Español primer cuatrimestre manaña-mixto
(PAUL) Prácticas de aula 20 Español primer cuatrimestre manaña-mixto