Guía docente de la asignatura
(1891) ESTADÍSTICA

Curso académico 2026/2027

  1. Identificación

    1. De la asignatura

      Curso Académico
      2026/2027
      Titulación
      GRADO EN INGENIERÍA INFORMÁTICA
      Nombre de la asignatura
      ESTADÍSTICA
      Código
      1891
      Curso
      PRIMERO
      Carácter
      FORMACIÓN BÁSICA
      Número de grupos
      4
      Créditos ECTS
      6.0
      Estimación del volumen de trabajo
      150.0
      Organización temporal
      2º Cuatrimestre
      Idiomas en que se imparte
      Español
      Inglés
      Curso Académico 2026/2027
      Titulación

      GRADO EN INGENIERÍA INFORMÁTICA

      Nombre de la asignatura ESTADÍSTICA
      Código 1891
      Curso PRIMERO
      Carácter FORMACIÓN BÁSICA
      Número de grupos 4
      Créditos ECTS 6.0
      Estimación del volumen de trabajo 150.0
      Organización temporal 2º Cuatrimestre
      Idiomas en que se imparte Español, Inglés
    2. Del profesorado: Equipo docente

      • ALMIRA PICAZO, JOSE MARIA Docente: GRUPO 1, GRUPO 2, GRUPO 3 Coordinación de los grupos: GRUPO 1, GRUPO 2 Coordinador de la asignatura

        Categoría

        PROFESORES TITULARES DE UNIVERSIDAD

        Área

        MATEMÁTICA APLICADA

        Departamento

        INGENIERÍA Y TECNOLOGÍA DE COMPUTADORES

        Correo electrónico / Página web / Tutoría electrónica

        jmalmira@um.es https://webs.um.es/jmalmira/miwiki/doku.php Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        A
        Día:
        Viernes
        Horario:
        17:00-20:00
        Lugar:
        868887299, Facultad de Informática B1.3.004 (DESPACHOPROF. JOSE MARIA ALMIRA PICAZO)
        Observaciones:
        No consta
      • CABRERA LOZOYA, ANDRES Docente: GRUPO 1, GRUPO 2, GRUPO 3, GRUPO 4 Coordinación de los grupos: GRUPO 3, GRUPO 4

        Categoría

        PROFESOR AYUDANTE DOCTOR

        Área

        MATEMÁTICA APLICADA

        Departamento

        INGENIERÍA Y TECNOLOGÍA DE COMPUTADORES

        Correo electrónico / Página web / Tutoría electrónica

        andres.cabrera@um.es Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        C2
        Día:
        Jueves
        Horario:
        11:00-14:00
        Lugar:
        868888506, Facultad de Informática B1.3.011 (DESPACHO PROF. ANDRES CABRERA LOZOYA 3.17)
        Observaciones:
        No consta
      • GARCIA CREMADES, JOSE SANTIAGO Docente: GRUPO 3, GRUPO 4 Coordinación de los grupos:

        Categoría

        ASOCIADO A TIEMPO PARCIAL

        Área

        MATEMÁTICA APLICADA

        Departamento

        INGENIERÍA Y TECNOLOGÍA DE COMPUTADORES

        Correo electrónico / Página web / Tutoría electrónica

        js.garciacremades@um.es https://www.santigarciacremades.com Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        A
        Día:
        Miércoles
        Horario:
        11:00-13:00
        Lugar:
        No consta
        Observaciones:
        Previo aviso
      • GONZALEZ MERINO, BERNARDO Docente: GRUPO 1, GRUPO 2, GRUPO 3, GRUPO 4 Coordinación de los grupos:

        Categoría

        PROFESORES TITULARES DE UNIVERSIDAD

        Área

        MATEMÁTICA APLICADA

        Departamento

        INGENIERÍA Y TECNOLOGÍA DE COMPUTADORES

        Correo electrónico / Página web / Tutoría electrónica

        bgmerino@um.es https://sites.google.com/site/homepagebernardogonzalezmerino/home Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        C2
        Día:
        Martes
        Horario:
        11:00-13:00
        Lugar:
        , Facultad de Informática B1.3.013 (DESPACHO 3.19)
        Observaciones:
        No consta
        Duración:
        C2
        Día:
        Jueves
        Horario:
        11:00-13:00
        Lugar:
        , Facultad de Informática B1.3.013 (DESPACHO 3.19)
        Observaciones:
        No consta
  2. Presentación

    Este curso es una introducción a la estadística para ingenieros y científicos que ha sido expresamente diseñado para cubrir las necesidades de la titulación Grado en Informática que se imparte en la Facultad de Informática de la Universidad de Murcia Los contenidos se organizan alrededor de tres grandes bloques:

    1. Estadística Descriptiva: desarrollada con ordenador y enfocada principalmente a estadística unidimensional, aunque incluye una introducción al trabajo con datos multidimensionales
    2. Probabilidad y variables aleatorias: parte de conceptos básicos de probabilidad y aborda el concepto de variable aleatoria discreta y continua
    3. Introducción a la teoría de muestreo: centrándose en los conceptos de intervalo de confianza y contraste de hipótesis

    Dada la ubicación de la asignatura en los estudios de Informática, se incluye también una introducción práctica a la programación y simulación de experimentos y variables aleatorias notables

    Si bien parte de los contenidos forman parte del currículum de Instituto, no se supondrán conocimientos previos de los mismos

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      Es muy aconsejable haber estudiado previamente nociones básicas de Teoría de Conjuntos impartidas en la asignatura de Lógica del primer cuatrimestre Asimismo es recomendable poseer nociones básicas sobre la integral de Riemann que se imparte en la asignatura de Cálculo

  4. Competencias

    1. Competencias básicas

      No constan

    2. Competencias de la titulación

      • CGII1: Capacidad de análisis y síntesis.
      • CGII6: Capacidad de gestión de la información.
      • CGII7: Resolución de problemas.
      • CGII8: Toma de decisiones.
      • CGII9: Trabajo en equipo.
      • CGII10: Trabajo en un equipo de carácter interdisciplinar.
      • CEII8: Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
      • CEII9: Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática.
      • CEII10: Conocimientos para la realización de mediciones, cálculos, valoraciones, tasaciones, peritaciones, estudios, informes, planificación de tareas y otros trabajos análogos de informática.
      • FB1: Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar los conocimientos sobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estadística y optimización.

    3. Competencias transversales y de materia

      No constan

  5. Contenidos

    1. Teoría

      Tema 1: Estadística descriptiva para una y dos variables variables.

      Estadística descriptiva para una variable

      1. Primeros conceptos: población, muestra y variable estadística
      2. Distribuciones de frecuencias
      3. Gráficos
      4. Medidas descriptivas de tendencia central, de localización y de dispersión

      Estadística descriptiva para varias variables

      1. Nubes de puntos
      2. Frecuencias conjuntas, marginales y condicionales
      3. Análisis en función de un factor
      4. Regresión lineal
      5. Covarianza y correlación
      6. Matriz de covarianzas y ajustes no lineales

      Los contenidos de este tema tanto teóricos como prácticos se desarrollarán en clase de prácticas

      Las prácticas de este tema están basadas en recursos producidos por profesores de la asignatura.

      Tema 2: Fundamentos de probabilidad

      1. Definiciones de probabilidad: frecuentista bayesiana y axiomática
      2. Primeros conceptos: experimento aleatorio, espacio muestral y sucesos
      3. Concepto de probabilidad
      4. Combinatoria
      5. Probabilidad condicionada
      6. Fórmula de la Probabilidad Total
      7. Teorema de Bayes

      Los contenidos de este tema tanto teóricos como prácticos se desarrollarán en clase de teoría

      Los contenidos de este tema están basados en recursos producidos por profesores de la asignatura.

      Tema 3: Variables aleatorias discretas y continuas

      1. Función de distribución y función puntual de probabilidad de una v.a. discreta
      2. Función de distribución y función puntual de probabilidad de una v.a. continua
      3. Esperanza y varianza
      4. Desigualdad de Tchebychev
      5. Experimentos de Bernouilli y Poisson
      6. Modelo Uniforme
      7. Variable Binomial
      8. Variable geométrica
      9. Variable de Poisson
      10. Otros modelos discretos
      11. Variable uniforme continua
      12. Variable exponencial
      13. Variable normal
      14. Otros modelos continuos

      Las prácticas de este tema están basadas en recursos producidos por profesores de la asignatura.

      Tema 4: Muestreo, Distribuciones Muestrales, Intervalos de Confianza y Contraste de Hipótesis

      1. Muestra aleatoria
      2. Estadísticos
      3. Distribución de la media muestral (Teorema Central del Límite)
      4. Estudio de algunos estadísticos importantes
      5. Introducción a la teoría de la estimación
      6. Intervalos de confianza
      7. Contrastes de hipótesis

      Las prácticas de este tema están basadas en recursos producidos por profesores de la asignatura.

    2. Prácticas

      • Práctica 1: Estadística descriptiva de una y varias variables

        1. Estadística descriptiva en una variable
        2. Estadística descriptiva con Python
        3. Tipos principales de variables
        4. Medidas descriptivas centrales: media, mediana y moda
        5. Medidas de dispersión: varianza, desviación típica y coeficiente de variación
        6. Tablas
        7. Percentiles
        8. Gráficos: diagrama de barras, de sectores, histogramas y boxplot (o caja de bigotes)
        9. Estadística descriptiva en dos variables
        10. Estudio de dos variables cualitativas: frecuencias conjuntas, marginales y condicionadas
        11. Estudio de variable cualitativa frente a cuantitativa
        12. Estudio de dos variables cuantitativas: nube de puntos, matriz de covarianzas, regresión lineal
        Relacionado con:
        • Tema 1: Estadística descriptiva para una y dos variables variables.
      • Práctica 2: Variable aleatoria

        1. Variables aleatorias en Python
        2. Variables discretas
        3. Valores y probabilidades en Python
        4. Funciones de densidad y distribución de variables discretas
        5. Media y varianza
        6. Trabajo con probabilidades y percentiles
        7. Variables continuas
        8. Valores y probabilidades en Python
        9. Funciones de densidad y distribución de variables continuas
        10. Media y varianza
        11. Trabajo con probabilidades y percentiles
        Relacionado con:
        • Tema 3: Variables aleatorias discretas y continuas
      • Práctica 3: Simulación y generación de variables aleatorias

        1. Generación de muestras en Python
        2. Simulación de experimentos aleatorios
        3. Resampling
        4. Variables aleatorias
        5. Métodos generales: inversión de la función de distribución, composición, etc
        6. Generación de muestras pertenecientes a variables notables
        7. Simulación de una variable uniforme discreta
        8. Simulación de una variable uniforme continua
        9. Simulación de una variable binomial
        10. Simulación de una variable geométrica
        11. Simulación de una variable normal
        12. Simulación de una variable de Poisson
        13. Simulación de una variable exponencial
        Relacionado con:
        • Tema 2: Fundamentos de probabilidad
        • Tema 3: Variables aleatorias discretas y continuas
        • Tema 4: Muestreo, Distribuciones Muestrales, Intervalos de Confianza y Contraste de Hipótesis
      • Práctica 4: Ajuste de datos y bondad del ajuste

        • Comparación de dos conjuntos de datos
        • Métodos gráficos: diagramas Q-Q
        • Test chi cuadrado de bondad de ajuste
        • Métodos gráficos y de bondad de ajuste entre conjuntos de datos y variables aleatorias
          • Obtención de parámetros
          • Diagramas Q-Q
          • Test chi cuadrado de bondad de ajuste
        Relacionado con:
        • Tema 3: Variables aleatorias discretas y continuas
        • Tema 4: Muestreo, Distribuciones Muestrales, Intervalos de Confianza y Contraste de Hipótesis

  6. Actividades Formativas

    Actividad Formativa Metodología Horas Presencialidad
    A1: Actividades con grupo grande de alumnos entre las que se encuentran la presentación en el aula de los conceptos propios de la materia mediante metodología expositiva con lecciones magistrales participativas y medios audiovisuales. También se contemplan en este grupo las actividades de evaluación teórico prácticas. 80.0 40.0
    A2: Actividades con grupo mediano en el aula de resolución de problemas, seminarios, charlas, ejercicios basados en el aprendizaje orientado a proyectos, estudios de casos, exposición y discusión de trabajos relativas al seguimiento individual y/o grupal de adquisición de las competencias. 0.0 12.5
    A3: Actividades con grupo pequeño en el laboratorio relacionadas con la componente práctica de las asignaturas, desarrollo de trabajos con equipo técnico especializado, desarrollo de programas, etc. 70.0 37.5
    A4: Tutorías individualizadas o en grupo muy pequeño orientadas a la dirección, supervisión y asesoría por parte del un profesor de la asignatura, del tutor en el caso de Trabajo Fin de Grado, supervisión del tutor de empresa en el caso de Prácticas de Empresa que de forma periódica constate y redirija el trabajo del alumno hacia la consecución de los objetivo marcados. 0.0 10.0
    A5: Estudio y trabajo autónomo orientado a la asimilación de contenidos, realización de problemas, ejercicios o redacción de informes técnicos o memorias descriptivas, desarrollo de proyectos o prácticas individuales o en 0.0 0.0
    Totales 150,00

  7. Horario de la asignatura

    https://www.um.es/web/estudios/grados/informatica/2026-27#horarios

  8. Sistemas de Evaluación

    Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    IE1 Examen teórico-práctico. En este instrumento incluimos desde el tradicional examen escrito o tipo test hasta los exámenes basados en resolución de problemas, pasando por los de tipo mixto que incluyen cuestiones cortas o de desarrollo teórico junto con pequeños problemas. También se incluye aquí la consideración de la participación activa del alumno en clase, la entrega de ejercicios o realización de pequeños trabajos escritos y presentaciones.

    Primer parcial de teoría que incluirá contenidos sobre Combinatoria y Fundamentos de Probabilidad. Se valorará el método utilizado y la corrección de la solución. Valdrá un 20% de la calificación global.

    Segundo parcial de teoría (realizado en la misma fecha que el examen global de la convocatoria de Junio) incluyendo los contenidos de los temas impartidos en clases de teoría de los que no se hayan examinado en el primer parcial. Se valorará el método utilizado y la corrección de la solución. Valdrá un 40% de la calificación global.

    El examen global constará de dos partes:

    - Una primera parte teórico-práctica que valdrá 6 puntos, que se hará con un examen escrito y corresponde a contenidos impartidos en clase de teoría

    - Una parte práctica que vale 4 puntos, que se hará con Python y corresponde a contenidos desarrollados en clases de prácticas.

    60.0
    IE2 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas. Los resúmenes del estado del arte o memorias de investigación sobre temas concretos. Y la posibilidad de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    2 controles realizados en clases de prácticas. Cada uno de ellos valdrá un 20% de la evaluación global

    Se valorará el método utilizado y la corrección de la solución

    Estas puntuaciones podrán obtenerse también en los diferentes exámenes finales de la asignatura

    40.0

  9. Fechas de exámenes

    https://www.um.es/web/estudios/grados/informatica/2026-27#examenes

  10. Resultados del Aprendizaje

    Objetivos Formativos

    · Distinguir y aplicar convenientemente los distintos tipos de gráficos y tablas

    · Interpretar las medidas descriptivas más conocidas

    · Comparar muestras a partir de las medidas anteriores

    · Aplicar gráficos convenientes para visualizar relaciones entre variables

    · Ajustar datos a modelos lineales y no lineales

    · Interpretar parámetros indicadores de la bondad del ajuste

    · Calcular probabilidades en espacios muestrales finitos

    · Aplicar las propiedades de las probabilidades a la fiabilidad de sistemas

    · Reconocer las hipótesis de la Regla de Bayes y calcular probabilidades finales

    · Obtener la Función de Distribución de una va discreta a partir de la Puntual de Probabilidad y al revés

    · Calcular probabilidades, esperanzas y varianzas de va discretas

    · Reconocer y aplicar los modelos de probabilidad discretos

    · Obtener la Función de Distribución de una va continua a partir de la Densidad y al revés

    · Calcular probabilidades, esperanzas y varianzas de va continuas

    · Reconocer y aplicar los modelos de probabilidad continuos

    · Concebir la metodología estadística como un proceso iterativo en donde se combinan procedimientos descriptivos, de modelización y de inferencia

    · Tratar con muestras aleatorias y su distribución muestral en ejemplos de tamaño reducido

    · Tratar con la distribución de la media muestral a partir de muestras normales y binomiales y a partir de muestras no normales pero de tamaño grande

    · Calcular probabilidades asociadas a los estadísticos más importantes

    · Construir intervalos de confianza para los parámetros más importantes

    · Aplicar convenientemente los intervalos de confianza atendiendo a cada situación experimental

    · Comparar dos medias o dos proporciones muestrales y analizar posibles diferencias significativas

    · Adquirir el lenguaje técnico de la materia

  11. Bibliografía

  12. Observaciones

    NECESIDADES EDUCATIVAS ESPECIALES

    Aquellos estudiantes con discapacidad o necesidades educativas especiales podrán dirigirse al Servicio de Atención a la Diversidad y Voluntariado (ADYV - https://www.um.es/adyv) para recibir orientación sobre un mejor aprovechamiento de su proceso formativo y, en su caso, la adopción de medidas de equiparación y de mejora para la inclusión, en virtud de la Resolución Rectoral R-358/2016. El tratamiento de la información sobre este alumnado, en cumplimiento con la LOPD, es de estricta confidencialidad.

    EVALUACIÓN

    En el procedimiento de evaluación resultarán de aplicación el artículo 135.1.v) de los Estatutos de la Universidad de Murcia, el artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) y la instrucción SG 18/2026 del secretario general de la Universidad de Murcia que interpreta estas normas, disponible en este enlace: https://sede.um.es/sede/documento/normativa/instruccion-del-secretario-general-sg-18-2026-sobre-la-interpretacion-y-aplicacion-del-art-135-1-v-estatutos-umu/24199.pdf

    Se recuerda asimismo que el artículo 22.1 del Reglamento de Evaluación de Estudiantes (REVA) estipula que "el o la estudiante que se valga de conductas fraudulentas, incluida la indebida atribución de identidad o autoría, o esté en posesión de medios o instrumentos que faciliten dichas conductas, obtendrá la calificación de cero en el procedimiento de evaluación y, en su caso, podrá ser objeto de sanción, previa apertura de expediente disciplinario".

    OBSERVACIONES DEL EQUIPO DOCENTE

    MATRÍCULA DE HONOR

    Los estudiantes que obtengan una calificación superior a 9.5 podrán optar por la mención de honor (MH).

    ODS

    Esta asignatura no se encuentra vinculada de forma directa con los Objetivos de Desarrollo Sostenible.