Resultados de aprendizaje: 

Reconocer un problema matemático - estadístico entre los propuestos  en la asignatura 

Clasificar un problema estadístico y resolverlo 

Clasificar problemas estadísticos y resolverlos según las técnicas estadísticas establecidas 

Aplicar los distintos métodos estadísticos para resolver problemas 

Comparar las técnicas de inferencia estadística seleccionando la solución más adecuada al problema planteado 

Descripción de contenidos mínimos: 

Estadística descriptiva con R. 

Probabilidad.  Variables aleatorias. 

Inferencia estadística. Lenguaje estadístico. 

Programa detallado: 

1. Estadística descriptiva en una y varias variables estadísticas con R. Medidas de centralización, dispersión  y relaciones lineales entre variables estadísticas. Regresión y correlación. 

2. Probabilidad. Sucesos independientes. Probabilidad condicionada. Teorema de la Probabilidad Total y Teorema de Bayes. 

3. Variables aleatorias . Distribución de variables aleatorias. Distribuciones notables. Convergencia: Teorema Central del Límite. 

4. Vectores aleatorios. Distribuciones conjuntas, marginales y condicionadas. Independencia.

4. Inferencia Estadística con R. Distribuciones asociadas a la Normal. Estimación puntual y por intervalos. Contrastes de hipótesis. Inferencia bayesiana. 

Programa detallado en inglés: 

1. Descriptive statistics in single and multiple statistical variables with R. Measures of central tendency, dispersion and linear relationships between statistical variables. Regression and correlation. 

2. Probability. Independent events. Conditional probability. TLaw of Total probability and Bayes theorems. 

3. Random variables. Distribution of a random varible. Notable distributions. Convergence: The Central Limit Theorem. 

4. Random vectors. Joint, marginal and conditional distributions. Independence.

4. Statistical inference with R.  Sampling from the Normal distribution. Point and interval estimation. Hypothesis testing.  Bayesian inference.