Guía docente de la asignatura
(6609) MODELIZACIÓN DE DATOS MULTIDIMENSIONALES Y FUNCIONALES

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
      MODELIZACIÓN DE DATOS MULTIDIMENSIONALES Y FUNCIONALES
      Código
      6609
      Curso
      CUARTO
      Carácter
      OPTATIVA
      Número de grupos
      1
      Créditos ECTS
      4.5
      Estimación del volumen de trabajo
      112.5
      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 MODELIZACIÓN DE DATOS MULTIDIMENSIONALES Y FUNCIONALES
      Código 6609
      Curso CUARTO
      Carácter OPTATIVA
      Número de grupos 1
      Créditos ECTS 4.5
      Estimación del volumen de trabajo 112.5
      Organización temporal 1º Cuatrimestre
      Idiomas en que se imparte Español

    2. Del profesorado: Equipo docente

      • ZAPATA GARCIA, JOSE MIGUEL Docente: GRUPO 1 Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        PROFESOR PERMANENTE LABORAL

        Área

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Departamento

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Correo electrónico / Página web / Tutoría electrónica

        jmzg1@um.es Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        A         		Día:
        Martes         		Horario:
        12:00-14:00         		Lugar:
        868883638, Facultad de Matemáticas y Aulario General B1.2.018 (DESPACHO PROF. JOSE MIGUEL ZAPATA GARCÍA)
        Observaciones:
        Los alumnos podrán solicitar tutoría para cualquier hora y día y si el profesor dispone de ese hueco les atenderá. Alternativamente, se ofrece tutoría online.
        Duración:
        A         		Día:
        Lunes         		Horario:
        12:00-14:00         		Lugar:
        868883638, Facultad de Matemáticas y Aulario General B1.2.018 (DESPACHO PROF. JOSE MIGUEL ZAPATA GARCÍA)
        Observaciones:
        Los alumnos podrán solicitar tutoría para cualquier hora y día y si el profesor dispone de ese hueco les atenderá. Alternativamente, se ofrece tutoría online.
      • BELZUNCE TORREGROSA, FELIX LUIS Docente: GRUPO 1 Coordinación de los grupos:

        Categoría

        CATEDRATICOS DE UNIVERSIDAD

        Área

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Departamento

        ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

        Correo electrónico / Página web / Tutoría electrónica

        belzunce@um.es Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        A         		Día:
        Lunes         		Horario:
        13:00-14:00         		Lugar:
        868883618, Facultad de Matemáticas y Aulario General B1.2.014 (DESPACHO PROF. FÉLIX LUIS BELZUNCE TORREGROSA)
        Observaciones:
        La asistencia al estudiantado presencial se realizará en el despacho 2.10 (código patrimonial B1.2.014) de la Facultad de Matemáticas. Asimismo, se atenderán consultas por correo electrónico y mediante mensaje privado en el Aula Virtual. El horario publicado tiene carácter de referencia, dado que la distribución de mi actividad docente no se mantiene estable durante ninguno de los dos cuatrimestres. Con el fin de garantizar una atención adecuada y evitar desplazamientos innecesarios, se recomienda concertar previamente la tutoría mediante correo electrónico o mensaje privado, procurando adaptarse a la disponibilidad del estudiante.
        Duración:
        A         		Día:
        Martes         		Horario:
        13:00-14:00         		Lugar:
        868883618, Facultad de Matemáticas y Aulario General B1.2.014 (DESPACHO PROF. FÉLIX LUIS BELZUNCE TORREGROSA)
        Observaciones:
        La asistencia al estudiantado presencial se realizará en el despacho 2.10 (código patrimonial B1.2.014) de la Facultad de Matemáticas. Asimismo, se atenderán consultas por correo electrónico y mediante mensaje privado en el Aula Virtual. El horario publicado tiene carácter de referencia, dado que la distribución de mi actividad docente no se mantiene estable durante ninguno de los dos cuatrimestres. Con el fin de garantizar una atención adecuada y evitar desplazamientos innecesarios, se recomienda concertar previamente la tutoría mediante correo electrónico o mensaje privado, procurando adaptarse a la disponibilidad del estudiante.
        Duración:
        A         		Día:
        Miércoles         		Horario:
        13:00-14:00         		Lugar:
        868883618, Facultad de Matemáticas y Aulario General B1.2.014 (DESPACHO PROF. FÉLIX LUIS BELZUNCE TORREGROSA)
        Observaciones:
        La asistencia al estudiantado presencial se realizará en el despacho 2.10 (código patrimonial B1.2.014) de la Facultad de Matemáticas. Asimismo, se atenderán consultas por correo electrónico y mediante mensaje privado en el Aula Virtual. El horario publicado tiene carácter de referencia, dado que la distribución de mi actividad docente no se mantiene estable durante ninguno de los dos cuatrimestres. Con el fin de garantizar una atención adecuada y evitar desplazamientos innecesarios, se recomienda concertar previamente la tutoría mediante correo electrónico o mensaje privado, procurando adaptarse a la disponibilidad del estudiante.

  2. Presentación

    Esta asignatura da continuidad a los contenidos previos de inferencia estadística aplicada al análisis de datos. Su objetivo es introducir herramientas modernas para la modelización de vectores aleatorios mediante el concepto de cópula, así como técnicas para el análisis de datos funcionales, en los que las unidades muestrales son funciones, habitualmente definidas a lo largo del tiempo. En ambos bloques se abordarán los principales métodos estadísticos y su aplicación en distintos ámbitos, como las finanzas, los seguros o la meteorología.

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      Es recomendable haber cursado las asignaturas "Fundamentos de Probabilidad y Análisis Exploratorio de Datos", "Fundamentos de Inferencia Estadística" y "Análisis Estadístico Multivariante".

  4. Competencias

    1. Competencias básicas

      • 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.
      • CG6: Ser capaz de buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo.
      • 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.
      • CE28: Capacidad para la modelización matemática, implementación algorítmica y resolución de problemas de optimización relacionados con la ciencia de datos.
      • 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 cópula como objeto que captura la dependencia en un vector aleatorio multivariante.
      • CM2. Conocer y saber aplicar las principales técnicas que permiten ajustar una cópula a partir de una muestra aleatoria simple de un vector aleatorio multivariante.
      • CM3. Conocer los datos funcionales y la diferencia frente a una serie temporal.
      • CM4. Conocer y saber aplicar las principales técnicas en el análisis de datos funcionales.

  5. Contenidos

    1. Teoría

      Tema 1: Introducción a la modelización multivariante mediante cópulas.

      Tema 2: Inferencia sobre cópulas.

      Tema 3: Vine cópulas.

      Tema 4: Introducción a los datos funcionales.

      Tema 5: Inferencia sobre datos funcionales.

    2. Prácticas

      • Práctica 1: Modelos de cópulas. Dependencia y concordancia.

        Veremos las principales funciones en R que permite estudiar los principales modelos de copulas, en términos de distribución, densidad, simulación y concordancia.

      • Práctica 2: Inferencia en cópulas.

        Veremos las principales funciones funciones en R para al estimación de cópulas, determinación del modelo de cópula y contrastes de bondad de ajuste.

      • Práctica 3: Introducción a los datos funcionales.

        Veremos el uso de R para la construcción de objetos de datos funcionales a partir de observaciones parciales de las funciones y las principales visualizaciones y descripciones de datos funcionales.

      • Práctica 4: Explorando la variabilidad en datos funcionales.

        Vermos el uso de R para el análisis de componentes principales y análisis de regresión en el contexto de datos funcionales.

  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. 18.0 100.0
    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. 2.0 100.0
    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. 20.0 100.0
    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. 67.5 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. 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. 3.0 100.0
    Totales 112,50

  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. 0.0
    SE3 Procedimientos de observación del trabajo del estudiante: Registros de participación, de realización de actividades, cumplimiento de plazos, participación en foros, informes de seguimiento del trabajo fin de grado y registros sobre el desarrollo de las prácticas externas. 10.0
    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. 90.0

  9. Fechas de exámenes

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

  10. Resultados del Aprendizaje

    No constan

  11. Bibliografía

    Bibliografía básica

    • H. Joe (2014). Dependence Modelling with Copulas. CRC Pres, Boca Raton, FL.

    • R.B. Nelsen (2006). A Introduction to Copulas. Springer, New-York.

    • J.O. Ramsay y B.W. Silverman (2005). Functional Data Analysis. Springer, New-York.

    • J.O. Ramsay, G. Hooker y S. Graves (2009). Functional Data Analysis with R and MATLAB. Springer, New-York.

    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