análisis de datos (41203) es rev · pdf fileacumulará al examen final (es decir,...

[Análisis de datos – Curso 2016-2017] - 1

PLAN DOCENTE DE LA ASIGNATURA

• Análisis de datos

1. Datos descriptivos de la asignatura Nombre de la asignatura: Análisis de datos Curso académico: 2016-2017 Curso: 1º Trimestre: 2º Titulación/Estudios: Grado en Negocios y Marketing Internacionales (GNMI) Código de la asignatura: 41203 Número de créditos: 4 Número total de horas de dedicación: 100 Lengua de docencia: Español (G2) / Catalán (G1) Profesorado: Marta Segura Bonet Horario: GRUPO 1 GRUPO 2 Sesiones magistrales

Lunes, 11:45-12:45 Martes, 9:45-10:45

Sesiones magistrales Lunes, 9:45-10:45 Martes, 11:45-12:45

Seminarios 101: Viernes, 9:00-9:55 102: Viernes, 10:00-10:55

Seminarios 201: Viernes, 11:30-12:25 202: Viernes, 12:30-13:25

Horas de consulta: Martes, 15:00-17:00 2. Presentación de la asignatura Análisis de datos es una asignatura basada en el estudio de métodos de presentación, tratamiento y análisis de datos.

Los contenidos de la asignatura Análisis de datos coinciden con el ámbito de actuación de la denominada estadística descriptiva, que constituye la parte más básica y elemental de la estadística. Esta materia es conocida también con el nombre de Estadística descriptiva.

Este es un curso eminentemente práctico y en el que se van a trabajar los conceptos estadísticos de forma intuitiva, recurriendo muy marginalmente a los fundamentos matemáticos de base.

A lo largo del curso se sentarán las bases del conocimiento estadístico y se desarrollaran competencias instrumentales de utilidad en múltiples asignaturas del GNMI.


Además de trabajar los conceptos y las técnicas relacionadas con la estadística descriptiva, el curso también introduce el uso del ordenador para el tratamiento de los datos, a través del recurso a un paquete estadístico (el SPSS) y a las aplicaciones estadísticas de una hoja de cálculo (Excel, de Microsoft).

Una vez establecidas las competencias de la asignatura, el curso presenta los conceptos básicos del análisis estadístico y las técnicas numéricas y gráficas que permiten analizar varios conjuntos de datos. También se presentan técnicas para el análisis de datos estadísticos de tipología temporal.

La asignatura de Análisis de datos tiene relación de continuidad con la asignatura Estadística (impartida en el tercer trimestre del primer curso del GNMI). Dicha asignatura desarrolla conceptos propios de la estadística inferencial, necesaria para extrapolar las características de una población a partir de los datos recogidos a nivel muestral. A efectos prácticos, ambas asignaturas utilizan el mismo manual de referencia y los mismos paquetes estadísticos para las aplicaciones prácticas. En resumen, Análisis de datos es un curso en el cual se internalizan los conceptos básicos de la estadística descriptiva y se aplican de forma práctica en el análisis de varias bases de datos, ya sea manualmente o con la ayuda del ordenador.

3. Competencias a trabajar en la asignatura Competencias generales Instrumentales G.I.1. Capacidad de búsqueda, análisis, valoración y síntesis de la información. G.I.4. Capacidad para afrontar y resolver problemas. Para la aplicabilidad G.A.2. Capacidad para aplicar criterios cuantitativos y aspectos cualitativos en la toma de decisiones.

Competencias específicas

Disciplinarias E.D.12. Ilustrar las principales fuentes de información estadística económica y empresarial disponibles, nacional e internacionalmente.

Profesionales

E.P.2. Capacidad para el análisis de indicadores económicos y de mercado en la toma de decisiones de la organización. E.P.21. Capacidad de investigación y explotación de diferentes recursos de información. E.P.22. Capacidad para contrastar los conocimientos adquiridos en el proceso de formación y adaptarlos a situaciones reales. E.P.23. Capacidad para aplicar y ampliar el razonamiento abstracto. E.P.24. Desarrollar la capacidad de síntesis.

Las competencias indicadas anteriormente se interrelacionan con las competencias básicas recogidas en el RD 1393/2007, a saber:


a. Competencia para la comprensión de conocimientos, partiendo de la base de la educación secundaria general. b. Competencia para la aplicación de conocimientos al trabajo diario en la gestión o el marketing internacionales, en particular, la competencia de elaboración y defensa de argumentos y la resolución de problemas. c. Competencia para reunir e interpretar datos relevantes que permita emitir juicios reflexivos sobre la realidad económica y social. d. Competencia para comunicarse y transmitir información (ideas, problemas, soluciones) a públicos especializados y no especializados. e. Competencias para desarrollar actividades de aprendizaje de forma relativamente autónoma. De esta forma, las competencias desarrolladas en la asignatura se estructuran entre las que se consideran un desarrollo o concreción de las competencias básicas y las que definen el perfil profesional del graduado, tanto en lo que respecta a competencias generales como específicas, y las competencias propias de la asignatura. Competencia básica: comprensión de conocimientos Competencias generales. G.A.2. Competencia básica: aplicación de conocimientos Competencias específicas. E.P.23 Competencia básica: reunir e interpretar datos Competencias generales. G.I.1 Competencias específicas. E.D.12, E.P.2, E.P.24. Competencia básica: desarrollar actividades de aprendizaje Competencias generales. G.I.4. Competencias específicas. E.P.21, E.P.22. Competencias que definen el perfil profesional

- De forma general, estas competencias tienen en común los siguientes elementos clave para conseguir la profesionalización del alumno en el ámbito de los negocios y el marketing internacionales:

- - capacitar al estudiante para su adaptación a equipos y entornos dinámicos;

- - capacitar al estudiante para que cree su propia visión integral del funcionamiento de un negocio o proyecto de marketing internacional;

- - capacitar al estudiante para la toma de decisiones complejas y los procesos de negociación.

Competencias generales. G.I.4


Resultados de aprendizaje Representar de forma sintética datos en forma de tablas, gráficos, etc. Realizar descripciones y tratamientos básicos de datos. 4. Contenidos

I. INTRODUCCIÓN

Tema 1. ¿Qué es la estadística?

Definición de estadística. El análisis de datos dentro de la estadística. Características de los datos socioeconómicos. Variable estadística: tipos de variables y distribución de valores. Distribuciones de datos.

II. ANÁLISIS DE DISTRIBUCIONES.

Tema 2. Descripción gráfica de las distribuciones

Histograma, diagramas de barras y diagramas de pastel. Distribuciones simétricas y asimétricas. Gráficos de series temporales. Diagramas de caja.

Tema 3. Descripción numérica de las distribuciones.

Medidas de centro y de variabilidad. Descripciones numéricas: mediana, media, recorrido, cuartiles, desviación típica. Transformación de los datos.

Tema 4. Variables aleatorias y distribuciones de probabilidad

Experimentos aleatorios, resultados, sucesos. El concepto de probabilidad. Variables aleatorias. Variables aleatorias discretas y continuas. Ejemplos de variables aleatorias discretas y continuas.

Tema 5. Distribuciones normales

Curva de densidad de probabilidad. Media y mediana en una curva de densidad. Distribución normal y distribución normal estándar. Propiedades de la distribución normal. Cálculos con distribuciones normales.

III. ANÁLISIS DE RELACIONES

Tema 6. Análisis de dos variables numéricas

Diagramas de dispersión. Correlación lineal de Pearson. Recta de regresión. Variables latentes.

Tema 7. Análisis de dos variables categóricas

Tablas de contingencia. Distribuciones marginales. Distribuciones condicionales. Paradoja de Simpson.

IV. ESTADÍSTICA ECONÓMICA

Tema 8. Números índice

Números índice simples y complejos. Índice de precios, de cantidades y de gasto total.

Tema 9. Medidas de desigualdad y concentración


Medidas de desigualdad, índice de Gini y curvas de Lorenz: cálculo e interpretación. Índices de concentración: cálculo e interpretación.

Tema 10. Series temporales

Representación gráfica de series temporales. Principales componentes de las series temporales. Tendencia y fluctuaciones a medio y corto plazo.

5. Evaluación Criterios de evaluación de la convocatoria La calificación del curso se fundamentará en diferentes actividades de evaluación continua y en un examen final que evaluarán el grado de consecución de las distintas competencias trabajadas durante el curso. Elementosdeevaluación

Períodotemporal Tipodeevaluación Agentedeevaluación Tipodeactividad

Agrupamiento Peso(%)

Continua Síntesis Docente Autoeval.

Coeval.

Indiv. Grupo(#)

Cuestionarios Moodledurante las clasesmagistrales (senecesitaunmínimode4puntos)

Semanalmente-

Durantelassesiones

magistrales

X X Conceptualyevaluacióndeltrabajoexante

yexpost

X 10%

Resolución y entregade listas de ejercicios(9 listas) (se necesitaun mínimo de 4puntos)

Semanalmente-

Previoalasesióndeseminario

X X Aplicación X 10%

Pruebas “sorpresa” deseguimiento de laasignatura(senecesitaun mínimo de 4puntos)

Periódicamente X X Conceptualyseguimientodelaasignatura

X 10%

Proyectoenequipo(se necesita unmínimode5puntos)

Alolargodelcurso

X X Aplicación X 15%

Examen parcial (sinrequisitomínimo)

Amitaddecurso X X 15%

Examenfinal(se necesita unmínimode4puntos)

Semanadeexámenes

X Síntesis X 40%

En la evaluación del curso se requiere una nota mínima de 4 en cada uno de los epígrafes en los que se divide la evaluación continua, exceptuando el examen parcial. En el caso del proyecto en equipo, se requiere una calificación mínima de 5.

Si no se superan los requisitos establecidos anteriormente (un mínimo de 4 en todos los epígrafes de la evaluación continua exceptuando el examen parcial), la asignatura quedará suspendida, independientemente de la realización o no del examen final. En estos casos se recomienda anular convocatoria y la nota asignada a la evaluación continua será la mínima obtenida en los epígrafes evaluados.

Si, por motivos justificados, un estudiante no puede realizar el examen parcial, el 15 % correspondiente a su peso en la evaluación total se acumulará al examen final (es decir, el examen final tendrá un peso del 55 % en lugar del 40 %).


Si se obtiene menos de un cinco en el proyecto de trabajo en equipo y se tienen superados los diferentes epígrafes de la evaluación continua, el estudiante puede presentarse al examen final pero no podrá superar la asignatura hasta que haya mejorado la nota asociada al proyecto de trabajo en equipo.

La realización del examen final es condición necesaria para poder superar la asignatura. Se requiere una calificación mínima de 4. Si la nota del examen final es inferior a 4, la nota de la asignatura coincidirá con la calificación obtenida en el examen final. En caso de no asistir al examen final y de no anular convocatoria, el estudiante obtendrá la calificación de “no presentado”.

El examen final se evaluará sobre 11 puntos. Solamente se evaluará la pregunta extra en aquellos casos en los que el estudiante obtenga como mínimo un 4 en las cuestiones restantes.

Criterios de evaluación en las actividades de recuperación

Se mantendrán las calificaciones obtenidas en la evaluación continua.

Solo pueden presentarse a las actividades de recuperación de la asignatura Análisis de datos aquellos alumnos que hayan superado los requisitos mínimos asociados a la evaluación continua y que hayan sacado más de un 2’5 en el examen final.

Las actividades de evaluación objeto de recuperación son:

• El proyecto en equipo: realización de actividades de mejora del trabajo con el objeto de alcanzar el mínimo requerido (5 puntos). Estas actividades de mejora se podrán realizar de forma individual o en grupo (en el caso de que más de un integrante de un mismo grupo de trabajo no haya superado esta actividad de síntesis) y se centrarán en el mismo proyecto desarrollado durante la convocatoria ordinaria. Es necesario una nota mínima de 5 puntos para poder superar la asignatura y realizar el examen final (para ello, habrá que entregar el trabajo realizado un día antes de la fecha prevista de realización del examen de recuperación).

• El examen final: seguirá teniendo una ponderación del 40 %.

El examen de recuperación se programará en la fecha que fije la dirección de ESCI. En caso de no asistir al examen de recuperación, el estudiante mantendrá la calificación obtenida inicialmente.

La copia y/o el plagio total o parcial en trabajos y/o exámenes implicará suspender la asignatura con una calificación de cero sin derecho a recuperación, sin perjuicio de la aplicación de las demás sanciones previstas en el reglamento de Régimen disciplinario de los estudiantes de la Universitat Pompeu Fabra en función de la gravedad de la infracción. Trabajo de competencias y evaluación de resultados de aprendizaje GI1 GI4 GA2 ED12 EP2 EP21 EP22 EP23 EP24 Resultados

de aprendizaje

Test Moodle X X Resolución y X X X X X X X X


entrega de listas de ejercicios Proyecto en equipo

X X X X X X X X X

Pruebas “sorpresa”

X X X X X X X X X

Examen parcial

X X X X X X X X X

Examen final X X X X X X X X X 6. Bibliografía y recursos didácticos

Bibliografía

Manual de referencia:

• David S. Moore, Estadística aplicada básica (2ª edición), Antoni Bosch editor 2010.

• Benítez, M.ªD. et al., Estadística Descriptiva, Mc Graw Hill, 2013.

• Lind, D., Marchal, W. y Wathen, S., Estadística Aplicada a los negocios y a la economía (13ª edición), Mc Graw Hill, Interamericana, 2008.

• Moore, D. and McCabe, G., Introduction to the practice of statistics (6th edition), Editorial Freeman, 2009.

• Newbold, P. Estadística para los negocios y la economía, Prentice-Hall, Madrid, 1997.

• Peña Sánchez de Rivera, Estadística. Modelos y métodos (7ª edición), Madrid, Alianza, 1994, vol I.

• Pérez Suarez, R., Análisis de datos económicos y métodos, Madrid, Pirámide, 1993.

• Sánchez Carrión, J.J., Manual de análisis de datos, Madrid, Alianza, 1995.

• Verzani, J., Using R for Introductory Statistics, Chapman & Hall/CRC, Boca Raton, FL, 2005.

Recursos didácticos

• Transparencias en PowerPoint para cada sesión, vinculadas al espacio docente de la asignatura en Aul@-ESCI (plataforma Moodle). Estarán disponibles con anterioridad al inicio de las correspondientes sesiones magistrales.

• Cuestionarios de evaluación de elección múltiple vinculados al espacio docente de la asignatura en Aul@-ESCI, con evaluación inmediata.

• Listas de cuestiones y de ejercicios vinculados al espacio docente de la asignatura en Aul@-ESCI.

• Videos Khan Academy (www.kahnacademy.org).

• Ejercicios en Excel y SPSS.

• Artículos de interés.


7. Metodología La metodología de la asignatura se basa en las siguientes actividades: Clases magistrales (presenciales, en el aula). 20 sesiones magistrales para la presentación de conceptos y aplicaciones básicas, donde se produce la transmisión de conocimiento del profesor al alumno. Los estudiantes deberán preparar previamente los contenidos especificados en el cuadro de programación académica. Dicho trabajo previo será evaluado mediante cuestionarios Moodle específicos al inicio de las clases magistrales. Clases de seminarios (presenciales, en el aula). 9 sesiones de seminarios en las que se trabajarán, de forma conjunta, las listas de ejercicios, las cuestiones planteadas, el uso de los paquetes estadísticos SPSS i Excel y el proyecto en equipo. Listas de ejercicios (dirigidos dentro y fuera del aula). Trabajo autónomo individual del estudiante para comprender y aprender, a partir de la práctica, los conceptos presentados en clase. Pruebas sorpresa (dirigidas dentro y fuera del aula). Trabajo autónomo individual del estudiante para comprender y aprender, a partir de la práctica, los conceptos presentados en clase. Proyecto en equipo (dirigido fuera del aula). Trabajo autónomo en equipo donde el aprendizaje se produce mediante la práctica y mediante la interacción con los componentes del equipo. Preparación y realización del examen final (autónomo). Trabajo autónomo individual.

ACTIVIDADES PRESENCIALES (en el

aula) DIRIGIDAS (fuera del

aula) AUTÓNOMAS

Profesor: - Exposición oral. - Resolución de

ejercicios - Planteamiento y

análisis de cuestiones.

Estudiante:

- Resolución de los cuestionarios de autoevaluación.

- Realización de pruebas “sorpresa”.

- Discusión activa y participación en la resolución de

Profesor: - Preparación del

material de soporte.

- Preparación de los ejercicios.

- Preparación de los cuestionarios de evaluación.

- Preparación de las pruebas “sorpresa”.

Estudiante: - Resolución de los

ejercicios. - Preparación

conjunta del proyecto en equipo

Estudiante:

- Lectura y preparación previa de las clases teóricas.

- Resolución de los ejercicios.

- Estudio personal.


ejercicios.

El siguiente cuadro presenta el total de horas que el alumno dedicará a este curso en las diferentes actividades.

Magistral Seminario Trabajo autónomo individual

Trabajo autónomo

equipo

Preparación examen

Realización examen

Total

Semana 1 2 1 3 Semana 2 2 1 2 2 7 Semana 3 2 1 3 2 8 Semana 4 2 1 4 3 10 Semana 5 2 1 4 3 3,5 13,5 Examen Parcial

1,5 1,5

Semana 6 2 1 4 3 10 Semana 7 2 1 4 3 10 Semana 8 2 1 4 3 10 Semana 9 2 1 5 8 Semana

10 2 1 4 10 17

Examen final

2 2

Total 20 9 35 19 13,5 3,5 100 8. Programación de actividades

1) Distribución de horas entre teoría y seminarios por semana:

• 2 horas de clases magistrales y 1 h de seminario (a partir de la 2ª semana de clase).

2) Programación de actividades en el plan de estudios.


PLANIFICACIÓN DE LA ASIGNATURA 2016-2017

SEMANA # SESIÓN FECHA ACTIVIDAD PREVIA T ACTIVIDAD EN CLASE T ACTIVIDAD POSTERIOR T Semana 1 1 Sesión 1 Lunes, 9 de

enero Leer con detalle el PDA de Análisis de datos

Tema 1. Introducción al análisis de datos. 60 Estudio y comprensión de los conceptos presentados en clase.

30

2 Sesión 2 Martes, 10 de enero

Buscar los conceptos de histograma, diagrama y distribución en el manual de referencia.

10 Tema 2. Descripción gráfica de las distribuciones. CM 1

60 Estudio y comprensión de los conceptos presentados en clase.

30

Semana 2 3 Sesión 3 Lunes, 16 de enero

Identificar diferentes alternativas a la hora de representar gráficamente datos.

15 Tema 2. Descripción gráfica de las distribuciones. CM 2-1


40


Buscar los conceptos de media, mediana y moda.

15 Tema 3. Descripción numérica de las distribuciones. CM 2-2


40

Previo seminario

Elaboración de la lista de ejercicios 1 (entrega en papel antes de las 12:00 del jueves 19 de enero). “Jugar” con el SPSS.

60

5 Seminario 1 Viernes, 20 de enero

Resolución de la lista de ejercicios 1. Explicación del proyecto de trabajo en equipo. Introducción al SPSS.

55 Trabajo individual de comprensión de los ejercicios resueltos en clase. Realización de ejercicios complementarios. Práctica de uso del SPSS. Presentación del proyecto de trabajo.

30


Buscar las diferencias entre media, mediana y moda. Ventajas e inconvenientes de cada una de ellas.



60


Buscar información sobre las medidas de dispersión (rango, varianza…).



60

Previo seminario

Elaboración de la lista de ejercicios 2 (entrega en papel antes de las 12:00 del jueves 26 de enero). “Jugar” con el SPSS.

60

8 Seminario 2 Viernes, 27 de enero

Resolución de la lista de ejercicios 2. Directrices del proyecto de trabajo en equipo. Elección del proyecto y diseño de la encuesta. Práctica SPSS.

55 Trabajo individual de comprensión de los ejercicios resueltos en clase. Realización de ejercicios complementarios. Práctica de uso del SPSS. Preparación del proyecto de trabajo.

30


Buscar los conceptos de experimento aleatorio, probabilidad y variable aleatoria.

15 Tema 4. Variables aleatorias y distribuciones de probabilidad.


60


Buscar información sobre distintos tipos de variables aleatorias y su clasificación.

15 Tema 4. Variables aleatorias y distribuciones de probabilidad. CM 4


60

Previo seminario

Elaboración de la lista de ejercicios 3 (entrega en papel antes de las 12:00 del jueves 2 de febrero).

60


Desarrollo del proyecto de trabajo. 11 Seminario 3 Viernes, 3 de

febrero Resolución de la lista de ejercicios 3.

Directrices del proyecto de trabajo en equipo. Elección del proyecto y diseño de la encuesta.

55 Trabajo individual de comprensión de los ejercicios resueltos en clase. Realización de ejercicios complementarios. Preparación del proyecto de trabajo.

30

Semana 5 12 Sesión 9 Lunes, 6 de febrero

Buscar información sobre el concepto y las propiedades de la distribución normal.

15 Tema 5. Distribución normal: concepto. CM 5-1


60

13 Sesión 10 Martes, 7 de febrero

Practicar cálculos estadísticos a partir de las tablas de la N (0, 1).

15 Tema 5. Distribución normal: aplicaciones prácticas. CM 5-2


60

Miércoles, 8 de febrero

EXAMEN PARCIAL 90

Previo seminario

Elaboración de la lista de ejercicios 4 (entrega en papel antes de las 12:00 del jueves 9 de febrero). Desarrollo del proyecto de trabajo.

60

14 Seminario 4 Viernes, 10 de febrero

Resolución de la lista de ejercicios 4. Presentación proyecto de trabajo.


30


Buscar información sobre el concepto de diagrama de dispersión.

15 Tema 6. Análisis de dos variables numéricas. CM 6-1


60


Buscar información sobre los conceptos de coeficiente de correlación y de recta de regresión.

15 Tema 6. Análisis de dos variables numéricas. CM 6-2


60

Previo seminario


60


Resolución de la lista de ejercicios 5.


30


Asimilar el concepto de tabla de contingencia y las propiedades asociadas.

15 Tema 7. Análisis de dos variables categóricas.


60


El concepto de paradoja de Simpson. 15 Tema 7. Análisis de dos variables categóricas. CM 7-1


60

Previo seminario


60



Resolución de la lista de ejercicios 6.

55 Trabajo individual de comprensión de los ejercicios resueltos en clase. Práctica de uso del SPSS. Preparación del proyecto de trabajo.

30


Buscar ejemplos de números índice. Concepto y propiedades.

15 Tema 8. Números índice. CM 7-2


60


Buscar información sobre la tipología de números índice. Cambios de base.

15 Tema 8. Números índice: cambios de base. CM 8-1


60

Miércoles, 1 de marzo

Entrega del proyecto de trabajo en equipo (antes de las 12:00 horas). Colgar el trabajo en la actividad Turnitin!

Jueves, 2 de marzo

Notas autoevaluación del trabajo en equipo (mandar @ antes de las 8:00 h).

Previo seminario

Elaboración de la lista de ejercicios 7 (entrega en papel antes de las 12:00 del jueves 2 de marzo). Desarrollo del proyecto de trabajo.

60

23 Seminario 7 Viernes, 3 de marzo


55 Trabajo individual de comprensión de los ejercicios resueltos en clase. Realización de ejercicios complementarios.

30

Semana 9 24 Sesión 17 Lunes, 6 de marzo

Buscar referencias sobre el índice de Gini y la curva de Lorenz.

15 Tema 9. Medidas de desigualdad. CM 8-2


60

25 Sesión 18 Martes, 7 de marzo

Análisis de la desigualdad y de la concentración de una variable.

15 Tema 9. Medidas de desigualdad y concentración. CM 9-1


60

Previo seminario

Elaboración de la lista de ejercicios 8 (entrega en papel antes de las 12:00 del jueves 9 de marzo). Preparación de la presentación del proyecto de trabajo en equipo.

60




30

Semana 10 27 Sesión 19 Lunes, 13 de marzo

Análisis del concepto de serie temporal. 15 Tema 10. Series temporales. CM 9-2


60

28 Sesión 20 Martes, 14 de marzo

Buscar información sobre los componentes de una serie temporal.

15 Tema 10. Series temporales. CM 10


60

Previo seminario

Elaboración de la lista de ejercicios 9 (entrega en papel antes de las 12:00 del jueves 16 de marzo). Preparación de la presentación del proyecto de trabajo en equipo.

60


Resolución de la lista de ejercicios 9. Presentación proyecto de trabajo. Reflexiones finales.


30

T: identifica el tiempo de dedicación expresado en minutos.

análisis de datos (41203) es rev · pdf fileacumulará al examen final (es decir,...

Documents