Detalles de la guía

Titulación: GRADO EN CIENCIAS AMBIENTALES
Año académico: 2026-27 Nombre: ESTADÍSTICA Y TRATAMIENTO DE DATOS Denominación en inglés: STATISTICS AND DATA ANALYSIS
Código: 757709203 Carácter: Obligatoria Curso: 1º - Primero Cuatrimestre: Segundo cuatrimestre
Tipo de docencia: Presencial Horas: 0 H. presenciales: 0
Créditos: 6 Grupos grandes: 4 G.R. Aula estándar: 0 G.R. Laboratorio: 0 G.R. Prácticas de campo: 0 G.R. Aula de informática: 2

Profesorado de la asignatura

Nombre Tipo
Isabel Serrano Czaia Coordinador
Monica Ortega Moreno Docente

Datos adicionales del profesorado (Tutorías, Horarios, Despachos, etc... )







NOMBRE             ISABEL SERRANO CZAIA
DEPARTAMENTO                    ECONOMÍA
ÁREA DE CONOCIMIENTOESTADÍSTICA E INVESTIGACIÓN OPERATIVA
UBICACIÓNFAC. CC. EXP. (DESP. 4.3.3) / FAC. CC. TRAB. (DESP. 3.18)
CORREO ELECTRÓNICOiserrano@uhu.esTELÉFONO95921 8223 /9680 

Tutorías (2º cuatrimestre):

  • Martes de 10:00 a 12:00  y Miércoles de 11:00 a 13:00: Facultad de Ciencias Experimentales - Despacho 4.3.3.
  • Martes de 16:00 a 18:00: Edificio Pérez Quintero - Aula de informática
CAMPUS VIRTUALMOODLE







NOMBRE             MÓNICA ORTEGA MORENO 
DEPARTAMENTO                    ECONOMÍA 
ÁREA DE CONOCIMIENTOESTADÍSTICA E INVESTIGACIÓN OPERATIVA 
UBICACIÓNFAC. CC. TRAB. (DESP. 3.18) 
CORREO ELECTRÓNICOortegamo@uhu.esTELÉFONO95921 9589 

Tutorías (2º cuatrimestre):

  • Martes de 9:00 a 12:00 y Jueves de 11:00 a 14:00
CAMPUS VIRTUALMOODLE

Breve descripción (tal como aparece reflejada en la memoria de verificación del título)

La asignatura "Estadística" parte de los conocimientos estadísticos básicos, hasta llegar a técnicas estadísticas avanzadas que facilitan el diseño y análisis de experimentos, buscando fundamentalmente la aplicación sobre modelos interesantes en Ciencias Ambientales y en Geología.

Contenidos:

  • Conceptos fundamentales de descripción de datos y de la Teoría de la Probabilidad.
  • Técnicas de inferencia estadística: Diseño de muestreos, estimación y contrastes de hipótesis estadística.
  • Modelos de estadística avanzada: Regresión, introducción al análisis multivariante.
  • Manejo de herramientas informáticas estadísticas.

Breve descripción (en inglés)

The subject "Statistics and Data Analysis" starts from the basic statistical knowledge, until arriving at advanced statistical techniques that facilitate the design and analysis of experiments, fundamentally looking for the application on interesting models in Environmental Sciences and Geology.

  • Fundamental concepts of data description and probability theory.
  • Statistical inference techniques: sampling design, estimation and statistical hypothesis testing.
  • Advanced statistical models: Regression, introduction to multivariate analysis.
  • Use of statistical computer tools.

Contexto dentro de la titulación

En Ciencias Ambientales y en Geología, incluidas en el campo de las Ciencias Experimentales, surgen situaciones de estudio donde es necesario realizar análisis de datos y la variabilidad en los resultados implica la toma de decisiones en ambientes de incertidumbre. Es por ello que, para cualquier Graduado en estas especialidades, resulta necesario conocer y manejar los instrumentos y técnicas estadísticas de investigación, con las que se pueden modelar y explicar estas situaciones.

Requisitos / Recomendaciones

No se requieren requisitos previos formales.

Se recomienda encarecidamente la asistencia regular a las clases, dado que la participación en las mismas y la resolución de los ejercicios, cuestionarios y otras actividades que se proponen de forma continua son muy importantes para el conocimiento y manejo de las herramientas estadísticas que se estudian.

Competencias. Guía RD 822/2021

COM01: Elaborar y defender con argumentos la resolución de problemas dentro de su área de estudio.

COM02: Tener capacidad de reunir e interpretar datos relevantes (dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.

COM03: Desarrollar habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

COM04: Resolver problemas y tomar decisiones.

COM08: Aplicar los conocimientos teóricos en la práctica.


Conocimientos o contenidos. Guía RD 822/2021

C01: Domina conocimientos básicos en el área de estudio de Ciencias desde la educación secundaria general y procedentes de la vanguardia de su campo de estudio.

C03: Relaciona nociones de informática y estadística con el ámbito de estudio y usa internet como medio de comunicación y como fuente de información.


Destrezas o habilidades. Guía RD 822/2021

HD01: Aplica los conocimientos adquiridos de forma profesional a su trabajo.

HD02: Transmite información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

HD03: Analiza, sintetiza y gestiona información y organiza y planifica tareas relacionadas con su trabajo.

Actividades

  • Clases Teóricas en Grupos Grandes.
  • Clases Prácticas de Informática.
  • Trabajo autónomo, Trabajo en Grupo y Tutorías.

Metodologías

  • Método expositivo (lección magistral).
  • Exposiciones audiovisuales.
  • Seminarios, talleres o debates
  • Resolución de ejercicios y problemas
  • Ejercicios de autoevaluación, resolución de dudas
  • Conocimientos previos y métodos propios
  • Aprendizaje autónomo
  • Aprendizaje cooperativo
  • Atención personalizada a los estudiantes

Desarrollo y justificación

Desarrollo:

En la asignatura de “Estadística y Tratamiento de Datos” se pretenden introducir las herramientas  para el análisis de datos, así como dotar a los estudiantes de los conocimientos y destrezas suficientes para aplicar las técnicas usuales de la estadística a problemas de investigación sobre datos ambientales que requieran establecer relaciones, tomar decisiones, o clasificación de datos.

Esta asignatura se desarrolla combinando clases teórico-prácticas en el aula, con clases de aplicación de las técnicas estadísticas que se estudian  en el aula de informática, utilizando datos reales relacionados con estudios ambientales. Además del contenido teórico, el profesor/a plantea y orienta a los estudiantes en la realización de actividades que les ayuden a reforzar y asimilar los contenidos, incidiendo en el análisis e interpretación de los resultados, tanto en la resolución de problemas en clase, como en actividades de autoevaluación, como en el manejo de herramientas estadísticas en el aula de informática.

Justificación:

Cada día resulta más importante la gestión y toma de decisiones al analizar cuestiones relacionadas con el medio ambiente, ahora bien, el estudio de cualquier fenómeno ambiental requiere de la aplicación de una metodología apropiada para obtener los datos necesarios, resumir y describir la información que proporcionan estos datos, así como para asegurar que los análisis e interpretaciones sean correctos; siendo la Estadística, entre otras ciencias, la que proporciona las herramientas adecuadas que nos permiten abordar estos puntos. En la asignatura Estadística y Tratamiento de Datos se desarrollan las herramientas básicas para la descripción y análisis de datos, así como se introducen las bases metodológicas imprescindibles para una posterior ampliación de conocimientos, todo ello encaminado a adquirir las competencias, destrezas y habilidades adscritas a la asignatura.



Temario

* BLOQUE 1: CONCEPTOS FUNDAMENTALES EN LA DESCRIPCIÓN DE DATOS. ESTADÍSTICA DESCRIPTIVA.

1. Principios básicos en el análisis estadístico de datos. Estadística descriptiva vs Estadística inferencial.

2. Distribuciones de frecuencias y representaciones gráficas.

3. Medidas de tendencia central. Medidas de posición.

4. Medidas de dispersión.

5. Medidas de forma. Diagramas de cajas o box-plot.


* BLOQUE 2: VARIABLES ALEATORIAS Y DISTRIBUCIONES NOTABLES.

1. Introducción a la probabilidad.

2. Variables aleatorias discretas y continuas.

3. Modelos univariantes de distribución de probabilidades discretos y continuos.

4. Teorema Central del Límite. Aproximación entre distribuciones.


* BLOQUE 3: INFERENCIA ESTADÍSTICA.

1. Introducción a la inferencia estadística. Estimación puntual 

2. Distribución de los estimadores en el muestreo.

3. Estimación por intervalos de confianza.

4. Introducción a los contrastes de hipótesis paramétricos. Relación entre intervalos de confianza y contrastes.


* BLOQUE 4: ANÁLISIS DE RELACIONES ENTRE VARIABLES CUALITATIVAS Y CUANTITATIVAS

1. Tablas de contingencia. Estructura e interpretación.

2. Medidas de asociación entre variables cualitativas (χ², V de Cramer).

3. Regresión lineal simple: concepto, supuestos, ajuste e interpretación.

4. Aplicación práctica con datos reales relacionados con el ámbito de estudio. 


* BLOQUE 5: PRÁCTICAS CON HERRAMIENTAS INFORMÁTICAS ESTADÍSTICAS

  • Tratamiento de los contenidos de los bloques 1,2, 3 y 4 sobre datos reales.
  • Contrastes para una y dos muestras paramétricos.
  • Contrastes para una y dos muestras no paramétricos.
  • Análisis de la relación entre variables categóricas: tablas de contingencia.
  • Análisis de regresión.
  • Introducción al análisis de la varianza (ANOVA) y al análisis multivariante.

Las prácticas son sesiones de dos horas semanales (durante 10 semanas) en el aula de informática – se distribuyen entre prácticas con EXCEL y con R + R-COMMANDER.

Bibliografía básica

Bibliografía básica teoría:

  • Canavos, G. C. (1995) PROBABILIDAD Y ESTADÍSTICA. APLICACIONES Y MÉTODOS. Mexico, McGraw - Hill.
  • Cao Abad R., Francisco y otros (2001). INTRODUCCIÓN A LA ESTADÍSTICA Y SUS APLICACIONES. Madrid, Pirámide.
  • Martínez, Eleuterio (2020). ESTADÍSTICA (Libro electrónico). Santiago de los Caballeros : Universidad Abierta para Adultos.
  • Montero Lorenzo J.M. (2007). ESTADÍSTICA DESCRIPTIVA. Madrid, Thomson.
  • Moore, David S. (2000). ESTADÍSTICA APLICADA BÁSICA. Barcelona, Ed. Antoni Bosch.
  • Peña Sánchez de Rivera, D. (1995) ESTADÍSTICA. MODELOS Y MÉTODOS 1. FUNDAMENTOS. Madrid, Alianza Editorial, S.A.

Bibliografía complementaria

Bibliografía específica para ejercicios:

  • Casas Sánchez, J.M. y otros, (1998). PROBLEMAS DE ESTADÍSTICA. DESCRIPTIVA, PROBABILIDAD E INFERENCIA. Madrid, Pirámide.
  • Esteban García, J. y otros, (2005). ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE PROBABILIDAD. Madrid, Thomson.
  • Moore, D.S. (2000). ESTADÍSTICA APLICADA BÁSICA. Barcelona: Antoni Bosch.
  • Pérez López, C. (2003). ESTADÍSTICA. PROBLEMAS RESUELTOS Y APLICACIONES. Madrid, Prentice Hall.
  • Lara Porras, A.M. (2002). ESTADÍSTICA PARA CIENCIAS BIOLÓGICAS Y CIENCIAS AMBIENTALES. PROBLEMAS Y EXÁMENES RESUELTOS. Granada, Proyecto Sur de Ediciones.
  • Zubelzu, S.; Ercoreca, A. (2015) PROBLEMAS RESUELTOS DE ESTADISTICA. Madrid, Pirámide.

Bibliografía prácticas:

  • Charte Ojeda, F. (2008). CÁLCULOS ESTADÍSTICOS CON EXCEL. Madrid: Anaya Multimedia.
  • Pérez López, C. (2008). ESTADÍSTICA APLICADA A TRAVÉS DE EXCEL. Madrid: Prentice Hall.
  • J. Arriaza Gómez... [et al] (2008). ESTADÍSTICA BÁSICA CON R Y R-COMMANDER. Cádiz: Servicio de Publicaciones de la Universidad de Cádiz.
  • Gardener, M. (2012). BEGINNING R [RECURSO ELECTRÓNICO]: THE STATISTICAL PROGRAMMING LANGUAGE. Indianapolis: John Wiley & Sons.
  • Rodríguez Barrios, J. (2022). ANÁLISIS DE DATOS ECOLÓGICOS Y AMBIENTALES: APLICACIONES CON EL PROGRAMA R. Madrid: Ediciones Díaz de Santos.

Sistemas de evaluación (tal como aparecen reflejados en la memoria de verificación del título)

  • Evaluación continua.
  • Evaluación única final.

Convocatoria I

- Alumnos que siguen el proceso de evaluación continua:

1. Evaluación del contenido teórico-ejercicios. Tiene un peso de un 60% sobre la clasificación global:

- Una vez que se complete la parte del temario del bloque 1 (Estadística Descriptiva) se realizará una prueba de los contenidos correspondientes. Para superar esta prueba es obligatorio que la calificación sea igual o superior a 5 puntos. Quien apruebe no necesitará examinarse de esta parte en el examen final de la convocatoria I. Supone un 30% de la parte teórica-ejercicios (18% sobre la calificación global).

- Para los bloques 2, 3 y 4 se realizarán pruebas a lo largo del curso, en el caso de no superarlas realizarán el examen que se celebrará en la fecha fijada en la convocatoria I. Supone un 70% de la parte teórica-ejercicios (42% sobre la calificación global).

2. Evaluación de las prácticas (peso de un 30% sobre la nota final):

- Se realizan dos actividades (Una con Excel y la segunda con Rcmdr) aplicando las técnicas estudiadas sobre un conjunto de datos reales. Estas actividades se califican en una escala de 0 a 10 puntos y cada una de ellas supone un 50% de la nota en prácticas de informática (cada una tiene un peso de un 15% sobre la calificación global). La parte práctica puede considerarse superada siempre y cuando la calificación obtenida en cada una de las actividades sea igual o superior a 5 puntos. Si no se supera alguna de las dos actividades o las dos, se puede volver a realizar la parte que no se apruebe en la fecha fijada para la convocatoria I.

3. Actividades en el aula y cuestionarios on-line. Tienen un peso de un 10% sobre la calificación global. No es necesaria una nota mínima.

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Convocatoria II

- Alumnos que han seguido el proceso de evaluación continua:

1. Se mantiene la nota que hayan obtenido en las actividades en el aula y cuestionarios on-line (10% sobre la calificación global).

2. Evaluación del contenido teórico-ejercicios. Si la han superado en la convocatoria I, se mantiene su nota y no tienen que examinarse de esta parte en la convocatoria II. Para aquellos que no la superen, deberán realizar el examen final del contenido total de la asignatura, resolviendo cuestiones prácticas y ejercicios sobre la aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura. Para aprobar el examen es obligatorio que la calificación sea igual o superior a 5 puntos.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios sólo de la parte que no se haya superado en la convocatoria I (Excel, Rcmdr o ambas). La parte práctica puede considerarse superada siempre y cuando la calificación obtenida en el examen sea igual o superior a 5 puntos.

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Convocatoria III

Constará de tres pruebas:

1. Evaluación del contenido teórico-ejercicios. Se realiza el examen final que constará de ejercicios sobre aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura.

2. Finalizado el examen, el alumno deberá realizar un cuestionario sobre contenidos globales de la asignatura, este cuestionario tiene un peso de un 10% sobre la calificación final.

Para aprobar el contenido de teoría-ejercicios es obligatorio que la calificación en cada uno de los dos puntos anteriores sea igual o superior a 5 puntos.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios con Excel y con Rcmdr, aplicando las técnicas estudiadas sobre un conjunto de datos reales. La parte práctica puede considerarse superada siempre y cuando la calificación obtenida sea igual o superior a 5 puntos (mínimo 2,5 puntos en Excel y 2,5 puntos en Rcmdr).

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Convocatoria extraordinaria

Constará de tres pruebas:

1. Evaluación del contenido teórico-ejercicios. Se realiza el examen final que constará de ejercicios sobre aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura.

2. Finalizado el examen, el alumno deberá realizar un cuestionario sobre contenidos globales de la asignatura, este cuestionario tiene un peso de un 10% sobre la calificación final.

Para aprobar el contenido de teoría-ejericicios es obligatorio que la calificación en cada uno de los dos puntos anteriores sea igual o superior a 5 puntos.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios con Excel y con Rcmdr, aplicando las técnicas estudiadas sobre un conjunto de datos reales. La parte práctica puede considerarse superada siempre y cuando la calificación obtenida sea igual o superior a 5 puntos (mínimo 2,5 puntos en Excel y 2,5 puntos en Rcmdr).

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Evaluación única final para la convocatoria I

Evaluación final única - convocatoria I. Constará de tres pruebas:

1. Evaluación del contenido teórico-ejercicios. Se realiza el examen final que constará de ejercicios sobre aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura.

2. Finalizado el examen, el alumno deberá realizar un cuestionario sobre contenidos globales de la asignatura, este cuestionario tiene un peso de un 10% sobre la calificación final.

Para aprobar el contenido de teoría-ejercicios es obligatorio que la calificación en cada uno de los dos puntos anteriores sea igual o superior a 5 puntos.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios con Excel y con Rcmdr, aplicando las técnicas estudiadas sobre un conjunto de datos reales. La parte práctica puede considerarse superada siempre y cuando la calificación obtenida sea igual o superior a 5 puntos (mínimo 2,5 puntos en Excel y 2,5 puntos en Rcmdr).

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Evaluación única final para la convocatoria II

Evaluación final única - convocatoria II. Constará de tres pruebas:

1. Evaluación del contenido teórico-ejercicios. Se realiza el examen final que constará de ejercicios sobre aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura.

2. Finalizado el examen, el alumno deberá realizar un cuestionario sobre contenidos globales de la asignatura, este cuestionario tiene un peso de un 10% sobre la calificación final.

Para aprobar el contenido de teoría-ejercicios es obligatorio que la calificación en cada uno de los dos puntos anteriores sea igual o superior a 5 puntos.

Si consiguió superar esta parte en la convocatoria I no necesita repetirla en la convocatoria II.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios con Excel y con Rcmdr, aplicando las técnicas estudiadas sobre un conjunto de datos reales. La parte práctica puede considerarse superada siempre y cuando la calificación obtenida sea igual o superior a 5 puntos (mínimo 2,5 puntos en Excel y 2,5 puntos en Rcmdr).

Si consiguió superar esta parte en la convocatoria I no necesita repetirla en la convocatoria II.

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Evaluación única final para la convocatoria III

Constará de tres pruebas:

1. Evaluación del contenido teórico-ejercicios. Se realiza el examen final que constará de ejercicios sobre aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura.

2. Finalizado el examen, el alumno deberá realizar un cuestionario sobre contenidos globales de la asignatura, este cuestionario tiene un peso de un 10% sobre la calificación final.

Para aprobar el contenido de teoría-ejercicios es obligatorio que la calificación en cada uno de los dos puntos anteriores sea igual o superior a 5 puntos.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios con Excel y con Rcmdr, aplicando las técnicas estudiadas sobre un conjunto de datos reales. La parte práctica puede considerarse superada siempre y cuando la calificación obtenida sea igual o superior a 5 puntos (mínimo 2,5 puntos en Excel y 2,5 puntos en Rcmdr).

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Evaluación única final para la convocatoria extraordinaria

Constará de tres pruebas:

1. Evaluación del contenido teórico-ejercicios. Se realiza el examen final que constará de ejercicios sobre aplicación de los métodos estadísticos estudiados. Supondrá un 60% de la calificación de la asignatura.

2. Finalizado el examen, el alumno deberá realizar un cuestionario sobre contenidos globales de la asignatura, este cuestionario tiene un peso de un 10% sobre la calificación final.

Para aprobar el contenido de teoría-ejercicios es obligatorio que la calificación en cada uno de los dos puntos anteriores sea igual o superior a 5 puntos.

3. Evaluación de las prácticas (peso de un 30% sobre la nota final): Se realizará un examen en el aula de informática donde se deberán resolver ejercicios con Excel y con Rcmdr, aplicando las técnicas estudiadas sobre un conjunto de datos reales. La parte práctica puede considerarse superada siempre y cuando la calificación obtenida sea igual o superior a 5 puntos (mínimo 2,5 puntos en Excel y 2,5 puntos en Rcmdr).

--

* Uso de la Inteligencia Artificial en las pruebas y ejercicios que se propongan: Resultará de aplicación la normativa, recomendaciones, protocolos, etc. que la Universidad de Huelva apruebe en relación a este punto.


Esta guía no incluye organización docente semanal orientativa.