CG1 - Comprender y utilizar el lenguaje y las herramientas matemáticas para modelizar, simular y resolver problemas, reconociendo y valorando las situaciones y problemas susceptibles de ser tratados matemáticamente.
CG2 - Adquirir la capacidad básicas para enunciar resultados relevantes por su implicación práctica en distintos campos de la Matemática, para desarrollar nuevos métodos y para transmitir y transferir los conocimientos adquiridos.
CG3 - Conocer los modelos, métodos y técnicas relevantes en distintas áreas de aplicación de la Ingeniería Matemática participando en la creación de nuevas tecnologías que contribuyan al desarrollo de la sociedad.
CG4 - Asimilar la formulación de un nuevo objeto, modelo o método matemático, en términos de otros ya conocidos, y ser capaz de utilizarlos en diferentes contextos de aplicación.
CG5 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendo su rango aplicabilidad y limitaciones.

Conocer los principios básicos de los modelos de regresión y del diseño de experimentos
Conocer diversas técnicas y modelos para el análisis de datos multivariantes
Conocer los modelos iniciales de series temporales
Conocer los elementos del control de calidad
Manejar software estadístico y saber interpretar sus resultados

Sesiones teóricas.

Resolución de problemas teóricos y prácticos.

Clases prácticas con software estadístico en laboratorio de informática: R (https://www.r-project.org/) y R-Studio (https://posit.co/download/rstudio-desktop/).
Entregas de ejercicios usando Quarto (https://quarto.org/).

2,4

3,6

5

Se recomienda haber cursado las asignaturas, troncales de segundo curso, "Estadística" y "Probabilidad".

El alumnado debe ser capaz de:

- Aplicar las herramientas estadísticas estudiadas a distintos ámbitos científicos;

- Manejar distintas herramientas estadísticas;

- Resolver problemas con software estadístico.

1. Técnicas de regresión.

2. Diseño de experimentos.

3. Análisis multivariante.

4. Modelos básicos de series temporales.

5. Control de calidad de procesos.

6. Aplicaciones de la Estadística en diversos ámbitos.

Examen final: 70%.
Ejercicios con software estadístico que deben ser expuestos mediante un sistema de publicación científica y técnica: 30% (se mantendrá para la convocatoria extraordinaria).

Libros que cubren bastante de la asignatura de forma aplicada con software estadístico:
- Kutner, M. H., Nachtsheim, C., Neter, J., & Li, W. (2005). Applied linear statistical models (5th ed). McGraw-Hill Irwin. https://ucm.on.worldcat.org/oclc/981301116
- Mohr, D. L., Wilson, W. J., & Freund, R. J. (2022). Statistical Methods (4th ed). Academic Press. En la UCM tenemos la 3ª edición (2010), en https://ucm.on.worldcat.org/oclc/1025573632
- Ross, S. M. (2021). Introduction to probability and statistics for engineers and scientists (Sixth edition). Academic Press, an imprint of Elsevier. En la UCM tenemos una edición previa en https://ucm.on.worldcat.org/oclc/644693785

Libros centrados en fundamentos de R con aplicaciones estadísticas:
- Everitt, B. (2011). An introduction to applied multivariate analysis with R. Springer. (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/912458669)
- Faraway, J. J. (2015). Linear models with R (2nd ed). CRC. https://ucm.on.worldcat.org/oclc/914517404

Libros más especializados:
- Brockwell, P. J., & Davis, R. A. (2016). Introduction to time series and forecasting (Third edition). Springer. https://doi.org/10.1007/978-3-319-29854-2 (libro electrónico desde UCM: https://link-springer-com.bucm.idm.oclc.org/book/10.1007/978-3-319-29854-2)
- Mardia, K. V., Kent, J. T., & Taylor, C. C. (2024). Multivariate analysis. John Wiley & Sons. En la UCM tenemos la 1ª edición (1988), en https://ucm.on.worldcat.org/oclc/630163617
- Peña, D. (2019). Regresión y diseño de experimentos (4a reimp). Alianza. https://ucm.on.worldcat.org/oclc/1286067038
- Rencher, A. C., & Schaalje, G. B. (2008). Linear models in statistics (2nd ed). Wiley-Interscience. https://ucm.on.worldcat.org/oclc/912458670
- Toutenburg, H., & Shalabh. (2009). Statistical analysis of designed experiments. In Springer eBooks (3rd ed). Springer. https://doi.org/10.1007/978-1-4419-1148-3 (libro electrónico desde UCM: https://ucm.on.worldcat.org/oclc/663096464)

Material de la asignatura en el Campus Virtual de la UCM.