Guía docente de la asignatura
(6585) FUNDAMENTOS DE INFERENCIA ESTADÍSTICA

Curso académico 2026/2027

  1. Identificación

    1. De la asignatura

      Curso Académico
      2026/2027
      Titulación
      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura
      FUNDAMENTOS DE INFERENCIA ESTADÍSTICA
      Código
      6585
      Curso
      SEGUNDO
      Carácter
      OBLIGATORIA
      Número de grupos
      1
      Créditos ECTS
      6.0
      Estimación del volumen de trabajo
      150.0
      Organización temporal
      1º Cuatrimestre
      Idiomas en que se imparte
      Español
      Curso Académico 2026/2027
      Titulación

      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura FUNDAMENTOS DE INFERENCIA ESTADÍSTICA
      Código 6585
      Curso SEGUNDO
      Carácter OBLIGATORIA
      Número de grupos 1
      Créditos ECTS 6.0
      Estimación del volumen de trabajo 150.0
      Organización temporal 1º Cuatrimestre
      Idiomas en que se imparte Español

    2. Del profesorado: Equipo docente

      • CREVILLEN GARCIA, DAVID Docente: GRUPO 1 Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        PROFESOR AYUDANTE DOCTOR

        Área

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Departamento

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Correo electrónico / Página web / Tutoría electrónica

        david.crevillen@um.es Tutoría electrónica: No

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        C1         		Día:
        Miércoles         		Horario:
        10:00-13:00         		Lugar:
        No consta
        Observaciones:
        Despacho 2.05, segunda planta, Facultad de Matemáticas.
        Duración:
        C2         		Día:
        Jueves         		Horario:
        10:30-13:30         		Lugar:
        No consta
        Observaciones:
        Despacho 2.05, segunda planta, Facultad de Matemáticas.
        Duración:
        C1         		Día:
        Martes         		Horario:
        10:00-13:00         		Lugar:
        No consta
        Observaciones:
        Despacho 2.05, segunda planta, Facultad de Matemáticas.
        Duración:
        C2         		Día:
        Martes         		Horario:
        11:30-13:00         		Lugar:
        No consta
        Observaciones:
        Despacho 2.05, segunda planta, Facultad de Matemáticas.
        Duración:
        C2         		Día:
        Miércoles         		Horario:
        10:00-11:30         		Lugar:
        No consta
        Observaciones:
        Despacho 2.05, segunda planta, Facultad de Matemáticas.

  2. Presentación

    La asignatura Fundamentos de Inferencia Estadística es una asignatura obligatoria de segundo curso con un total de seis créditos La Estadística es una rama de las Matemáticas imprescindible en la formación, tanto básica como aplicada, de cualquier persona que pretenda dedicarse al análisis de datos y esta asignatura proporciona a los estudiantes su primer contacto con la Inferencia Estadística, tanto en su base teórica como en sus aplicaciones. El núcleo de la asignatura está dedicado al estudio de distribuciones muestrales, técnicas de estimación paramétrica y no paramétrica y contrastes de hipótesis paramétricos y no paramétricos, asi como al estudio de métodos de simulación y remuestreo. En la asignatura se abordarán los enfoques de la inferencia clásica, bayesiana y en poblaciones finitas

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      Se recomienda que el alumno posea conocimientos de álgebra, cálculo y probabilidad En particular se recomienda haber cursado las siguientes asignaturas del grado: (6572 y 6577) Cálculo I y II, (6574) Algebra Lineal y (6578) Fundamentos de proabilidad y AED

  4. Competencias

    1. Competencias básicas

      • CB1: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
      • CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
      • CB3: Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
      • CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
      • CB5: Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

    2. Competencias de la titulación

      • CG1: Conocer y aplicar la analítica de datos y técnicas estadísticas apropiadas para descubrir nuevas relaciones en los datos y realizar aportaciones a procesos de las organizaciones, así como apoyar en la toma de decisiones.
      • CG4: Capacidad para aplicar los métodos generales de la ciencia e ingeniería de datos en los tipos de datos de dominios específicos, así como en la presentación de los datos, el modelado de datos y procesos, los roles organizacionales y las relaciones entre estos.
      • CE19: Desarrollar y guiar proyectos de explotación de los datos, incluyendo la planificación del proyecto, el diseño de la experimentación, la recolección de los datos y su manejo.
      • CE29: Capacidad para el análisis de un conjunto de datos y la selección y aplicación de las técnicas de inferencia estadística univariante y multivariante más adecuadas para la adquisición de conocimiento para la toma de decisiones.
      • CE31: Conocimiento de herramientas informáticas en el campo del análisis de los datos y modelización estadística, y capacidad para seleccionar las más adecuadas para la resolución de los diferentes problemas.

    3. Competencias transversales y de materia

      • CM1 Conocer el concepto de muestra aleatoria simple y estadístico
      • CM2 Conocer las características de los estadísticos más importantes
      • CM3 Conocer los conceptos de estimador y estimación, así como las propiedades fundamentales
      • CM4 Conocer e interpretar los intervalos de confianza
      • CM5 Conocer la idea general de contrastes de hipótesis paramétricos y no paramétricos
      • CM6 Conocer, interpretar y usar correctamente el p-valor de un contraste
      • CM7 Conocer el enfoque bayesiano para la estimación de parámetros
      • CM8 Conocer el enfoque del muestreo en poblaciones finitas para la estimación de parámetros
      • CM9 Conocer métodos de simulación y remuestreo para el estudio de la distribución en el muestreo y determinación de errores

  5. Contenidos

    1. Teoría

      Tema 1: Introducción a la inferencia estadística. Estadístico y distribución en el muestreo.

      Tema 2: Estimación paramétrica y no paramétrica.

      Tema 3: Intervalos de confianza.

      Tema 4: Contrastes de hipótesis paramétricos y no paramétricos.

      Tema 5: Introducción a la inferencia bayesiana.

      Tema 6: Muestreo en poblaciones finitas.

    2. Prácticas

      • Práctica 1: Simulación y distribución en el muestreo.

        Relacionado con:
        • Tema 1: Introducción a la inferencia estadística. Estadístico y distribución en el muestreo.

      • Práctica 2: Estimación e intervalos de confianza.

        Relacionado con:
        • Tema 2: Estimación paramétrica y no paramétrica.
        • Tema 3: Intervalos de confianza.

      • Práctica 3: Contrastes de hipótesis paramétricos.

        Relacionado con:
        • Tema 4: Contrastes de hipótesis paramétricos y no paramétricos.

      • Práctica 4: Contrastes de hipótesis no paramétricos.

        Relacionado con:
        • Tema 4: Contrastes de hipótesis paramétricos y no paramétricos.

      • Práctica 5: Inferencia bayesiana.

        Relacionado con:
        • Tema 5: Introducción a la inferencia bayesiana.

      • Práctica 6: Muestreo en poblaciones finitas.

        Relacionado con:
        • Tema 6: Muestreo en poblaciones finitas.

  6. Actividades Formativas

    Actividad Formativa Metodología Horas Presencialidad
    AF1: Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas.

    Exposición de los contenidos teóricos de la asignatura por parte del profesor.

    		 28.0 100.0
    AF2: Seminarios y actividades de aula: Exposición, análisis y debate dentro del contexto de aplicaciones específicas de contenidos teóricos, así como planteamiento y resolución de ejercicios y casos prácticos en el aula, tanto al grupo completo como en grupos reducidos. También se contemplan conferencias, debates y seminarios temáticos.

    Planteamiento y resolución de ejercicios y casos prácticos en el aula, que llevan al debate, análisis y exposición de motivos y argumentos.

    		 8.0 100.0
    AF3: Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos.

    Ejercicios y resolución de problemas con el ordenador, usando el programa de análisis de datos R. Se usarán datos reales y datos simulados.

    		 18.0 100.0
    AF4: Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades.

    Trabajo autónomo del alumno para la adquisición de las competencias asociadas a la asignatura.

    		 90.0 0.0
    AF5: Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor.

    Resolución de dudas en sesiones individualizadas o en grupo.

    		 2.0 100.0
    AF6: Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.

    Pruebas individuales, escritas sobre los contenidos teóricos impartidos, de resolución de problemas, con o sin medios informáticos.

    		 4.0 100.0
    Totales 150,00

  7. Horario de la asignatura

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#horarios

  8. Sistemas de Evaluación

    Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    SE1 Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

    Examen de teoría y problemas. La prueba consistirá en un examen escrito en la que se incluirán preguntas de desarrollo sobre los contenidos teóricos de la asignatura y resolución de problemas. Será necesario obtener al menos un 4 sobre 10 en esta prueba para poder aprobar la asignatura. En caso de no cumplirse este requisito, la nota final de la asignatura no podrá superar el valor de 4. Para las convocatorias extraordinarias, los estudiantes podrán conservar la nota obtenida en esta actividad de evaluación siempre que sea superior o igual a 4.

    		 65.0
    SE4 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    Durante el cuatrimestre se propondrá al alumnado la resolución de problemas prácticos con ordenador, mediante el uso del software estadístico empleado en las sesiones prácticas. La entrega se realizará de forma individual. Esta actividad de evaluación tendrá un peso del 35% en la calificación final. Para considerar superada esta parte, será necesario obtener una calificación mínima de 4 sobre 10. Los estudiantes que no puedan realizar esta actividad durante el cuatrimestre, así como aquellos que no alcancen dicha calificación mínima, podrán realizar un examen de prácticas con el mismo peso, el día de la convocatoria oficial. Será necesario obtener al menos un 4 sobre 10 en esta prueba para poder aprobar la asignatura. En caso de no cumplirse este requisito, la nota final de la asignatura no podrá superar el valor de 4. Para las convocatorias extraordinarias, los estudiantes podrán conservar la nota obtenida en esta actividad de evaluación siempre que sea superior o igual a 4.

    		 35.0

  9. Fechas de exámenes

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#examenes

  10. Resultados del Aprendizaje

    • Conocer diferentes técnicas de muestreo, comprender el concepto de estimador y sus propiedades
    • Saber aplicar técnicas estadísticas para realizar estimaciones de parámetros poblacionales, tanto en poblaciones finitas como infinitas
    • Saber plantear e interpretar los resultados de contrastes de hipótesis como herramienta para la toma de decisiones
    • Conocer algunos métodos de simulación y remuestreo
    • Saber resolver problemas de inferencia con software estadístico

  11. Bibliografía

    Grupo: GRUPO 1

    Bibliografía complementaria

    No constan

  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

    Se evaluará la autonomía del alumno en la elaboración de trabajos prácticos y la resolución de problemas propuestos.