MU en Estadística Aplicada

TTULO: Mster Universitario en
Estadstica Aplicada
UNIVERSIDAD DE GRANADA
Mster en Estadstica Aplicada
Pg. 1
ndice
1. Descripcin del ttulo

2. Justificacin
3. Objetivos
4. Acceso y admisin de estudiantes
5. Planificacin de las enseanzas
6. Personal acadmico
7. Recursos materiales y servicios
8. Resultados previstos
9. Sistema de garanta de calidad del ttulo
10. Calendario de implantacin
Apndice. Sistema de Garanta de
Calidad del
Programa Oficial del Posgrado, Mster en Estadstica
Aplicada, de la Universidad de Granada
Pg. 2
Representante Legal de la universidad
1 Apellido
Nombre
Cargo que ocupa
GONZLEZ
FRANCISCO
RECTOR
2 Apellido
NIF
LODEIRO
01375339-P
Representante del ttulo
1 Apellido
Nombre
Cargo que ocupa
CRUZ
LUIS
DIRECTOR DE LA ESCUELA DE PSGRADO
2 Apellido
NIF
PIZARRO
27212145-V
Universidad Solicitante
Nombre de la Universidad
CIF
UNIVERSIDAD DE GRANADA
Q1818002F
Centro, Departamento o
Instituto responsable del ttulo
ESCUELA DE POSGRADO. UNIVERSIDAD DE GRANADA
Direccin a efectos de notificacin
Correo electrnico
Direccin postal
Cdigo Postal
Provincia
FAX
vicengp@ugr.es
AVDA. DEL HOSPICIO, S/N
18071
GRANADA
958243012
Poblacin
CC.AA.
Telfono
GRANADA
ANDALUCA
958248554
Descripcin del ttulo
Denominacin
ESTADSTICA APLICADA
Centro/s donde se imparte el ttulo

Ttulo Conjunto
Ciclo
CEVUG / FACULTAD DE CIENCIAS

SI
NO X
Universidad(es) participantes
Universidad
Departamento
ESTADSTICA E INVESTIGACIN
OPERATIVA
GRANADA
Convenio (archivo pdf)

Tipo de enseanza:
A distancia
Rama de conocimiento:
Arte y Humanidades
Presencial
Ciencias Sociales y Jurdicas
MSTER
Semipresencial
Ciencias
Ciencias de la Salud
Ingeniera y Arquitectura
Pg. 3
N de plazas de nuevo ingreso ofertadas en el primer ao de implantacin
25
N de plazas de nuevo ingreso ofertadas en el segundo ao de implantacin
25
N de plazas de nuevo ingreso ofertadas en el tercer ao de implantacin
25
N de plazas de nuevo ingreso ofertadas en el cuarto ao de implantacin
25
N de ECTs del ttulo
60
N Mnimo de ECTs de matrcula por el estudiante y periodo lectivo
24
Normas de permanencia (archivo pdf)

Segn acuerdo de la Comisin de Doctorado en su sesin de 28 de marzo de 2007 con Directrices sobre evaluacin de
Trabajos de investigacin tutelada en Msteres oficiales, los alumnos tendrn una convocatoria por curso acadmico, en
septiembre, para completar el mdulo de investigacin. El alumno que no haya completado dicho mdulo tendr otra
convocatoria en el curso siguiente, igualmente en septiembre. Se puede estudiar la conveniencia de establecer una
convocatoria extraordinaria en diciembre, de modo que el alumno no tenga que esperar hasta septiembre para ser
evaluado.
La permanencia de los estudiantes de este Mster se regirn por las siguientes normas:
1. Los estudiantes dispondrn de un nmero mximo de cuatro convocatorias por asignatura, dos por curso acadmico
(convocatorias de febrero/junio o septiembre/diciembre), siempre que el Programa siga impartindose.
A efectos de limitacin de convocatorias, nicamente se computarn las convocatorias de las asignaturas calificadas.
2. A fin de exigir a sus estudiantes un rendimiento acadmico mnimo que pueda garantizar un aprovechamiento
razonable, se establece la permanencia mxima siguiente:
Estudiante de Mster con una carga lectiva de 60 crditos ECTS: el nmero mximo de aos de permanencia ser de 4.
Estudiante de Mster con una carga lectiva entre 61 y 90 crditos: el nmero mximo de aos de permanencia ser de 5.
Estudiante de Mster con una carga lectiva entre 91 y 120 crditos el nmero mximo de aos de permanencia de 6.
3. Aquellos estudiantes que agoten el nmero mximo de convocatorias por asignatura o el mximo de aos de
permanencia, podrn solicitar para continuar cursando los estudios del mismo Mster una convocatoria adicional (de
gracia, extraordinaria) antes del da 31 de octubre mediante instancia dirigida al Coordinador, que la elevar ante el
rgano de la Universidad competente para resolver sobre dicha peticin.
4. Agotadas las convocatorias o aos de permanencia, se proceder el cierre del expediente del estudiante en las
enseanzas de este ttulo de Mster, sin perjuicio de que pueda cursar otro ttulo de posgrado.
Naturaleza de la institucin que concede el ttulo

Naturaleza del centro Universitario en el que el titulado ha finalizado sus estudios:
PBLICA
PROPIO
ADSCRITO
Profesiones para las que capacita una vez obtenido el ttulo

Lenguas utilizadas a lo largo del proceso formativo
ESPAOL
Pg. 4
2. JUSTIFICACIN
2.1
Justificacin del ttulo propuesto, argumentando

acadmico, cientfico o profesional del mismo
el
inters
La Universidad de Granada tiene una larga y amplia experiencia en la formacin para la

investigacin y para fines profesionales de estadsticos especializados tanto en los
fundamentos tericos de la Estadstica, Probabilidad e Investigacin Operativa, como en los
mtodos y tcnicas correspondientes.
Desde 1972, esta Universidad, con el apoyo fundamental del Departamento de Estadstica e
Investigacin Operativa, ha sido promotora y responsable de las siguientes titulaciones en
Estadstica e Investigacin Operativa:
a) En el periodo 1972-2002, ha impartido la especialidad de Estadstica e Investigacin
Operativa en la Licenciatura en Matemticas (Facultad de Ciencias, Universidad de
Granada), que fue la segunda en implantarse en Espaa, tras la de la Universidad
Complutense. A lo largo de treinta promociones, ms de seiscientos cuarenta alumnos
han cursado dicha especialidad, muchos de los cuales desarrollan su labor profesional
como profesores universitarios y en servicios de la Administracin y Empresas
privadas.
b) Simultneamente, fue responsable de la Escuela de Estadstica e Investigacin
Operativa de la Universidad de Granada, que desarroll su labor dirigida a la
formacin estadstica de profesionales de distintos mbitos (militares, mdicos,
ingenieros, etc.). Estos estudios, de dos cursos acadmicos, son un precedente de los
actuales msteres de fines profesionales, y se desarrollaron desde 1972 hasta la
implantacin de los estudios oficiales de Diplomado en Estadstica en 1990.
c)
A partir de 1990, aprobada por vez primera en Espaa una titulacin propia en
Estadstica (Diplomatura en Estadstica) este Centro fue de los primeros en Espaa en
implantar dicha titulacin, que ha venido impartindose hasta la fecha y que han
cursado ya ms de quince promociones, con una media de treinta alumnos por
promocin.
d) Desde 1995, establecido el nuevo ttulo de Licenciado en Ciencias y Tcnicas

Estadsticas (licenciatura de segundo ciclo) este Centro de nuevo fue pionero en
Espaa en su implantacin, y ha continuado desarrollndolo hasta la fecha. En estos
aos, doce promociones, con una media de veinticinco alumnos por promocin, han
cursado la titulacin.
e) En cuanto al tercer ciclo, el Departamento de Estadstica e Investigacin Operativa ha
desarrollado ininterrumpidamente desde 1970, la formacin de Doctorado en
Estadstica e Investigacin Operativa, a travs de las distintas modalidades por las
que ha pasado el tercer ciclo en la universidad espaola. Ms de cien tesis doctorales
se han defendido en dicho Programa de Doctorado en sus sucesivas versiones,
fundamentalmente, para titulados en Matemticas y en Ciencias y Tcnicas
Estadsticas, de ellos ms de veinticinco extranjeros. En 2003, se transform en
Programa de Doctorado interuniversitario en Estadstica e Investigacin Operativa
(Universidades de Granada y Sevilla) coordinado desde la Universidad de Granada y
que posteriormente, en 2006, fue evaluado por la ANECA, obteniendo la mencin de
calidad.
f)
En 2007, a partir del Doctorado con mencin de calidad MCD2007-00027, antes

indicado, este Departamento propuso a la Universidad de Granada el Mster en
Estadstica Aplicada, segn la normativa de los estudios de doctorado regulados por el
Real Decreto 1393/2007, que fue favorablemente informado por la Junta de Andaluca
e implantado con su autorizacin a partir del curso 2008-2009, con treinta y cuatro
Pg. 5
alumnos, y que es la base inmediata del actual Mster en Estadstica Aplicada.

Aunque en los comentarios anteriores nos hemos centrado en experiencias anteriores en el
ttulo en la Universidad de Granada, como se especificar ms adelante en el Apartado 2.2,
existen estudios similares, con distintos enfoques, al Mster propuesto, tanto en universidades
espaolas como extranjeras.
INTERS ACADMICO
La propuesta del ttulo de Mster en Estadstica Aplicada responde a la adaptacin del
Doctorado en Estadstica e Investigacin Operativa, con mencin de calidad MCD200700027, a los estudios de doctorado regulados por REAL DECRETO 1393/2007, de 29 de
octubre, por el que se establece la ordenacin de las enseanzas universitarias oficiales.
El Mster en Estadstica Aplicada tiene como finalidad primordial la adquisicin por el estudiante
de una formacin avanzada, de carcter especializado, orientada a las aplicaciones estadsticas,
o bien a promover la iniciacin en tareas investigadoras, en esta ltima lnea, el Mster en
Estadstica Aplicada constituye el periodo de formacin del Doctorado en Estadstica e
Investigacin Operativa. De forma ms precisa:
Formar en tcnicas avanzadas para desarrollar tareas especficas en empresas privadas,

organismos pblicos y asesora estadstica.
Ampliar conocimientos transmitindoles mtodos y tcnicas no estudiadas en los cursos

de grado y que son de inters para una formacin completa y actualizada.
Incrementar la capacidad, crtica, respecto de las posibilidades que la Estadstica tiene

para abordar y resolver problemas que se plantean en los distintos campos del saber.
Formar en la metodologa de la investigacin propia de este rea de conocimiento, lo

que se plasmar en el trabajo de fin de mster.
Apoyar en la incorporacin a grupos de investigacin, especialmente en empresas, o en

la creacin de sus propias empresas.
Por ltimo, desde el punto de vista acadmico, destacamos algunos de los valores del Plan de
Estudios propuesto:
1.
Los estudios del Mster en Estadstica Aplicada se centran en una formacin de carcter
avanzado y en el desarrollo, adems de las competencias de carcter general, de
competencias especficas y avanzadas tanto tericas y prcticas.
2.
Introduce posibilidades de formacin interdisciplinaria, de acuerdo con las nuevas

fronteras de la Estadstica y con la evolucin reciente de las salidas profesionales de los
estadsticos.
3.
Fomenta y se beneficia del uso de la infraestructura cientfica existente en la

Universidad de Granada por lo que incluye un cierto grado de transversalidad; en
particular, intenta aprovechar el espectro de posibilidades cientficas existentes
actualmente.
4.
El Mster est estructurado de forma que puedan tener acceso alumnos procedentes de
distintos grados, en especial de los diversos grados relacionados con la estadstica ya
existentes.
5.
Desde el punto de vista de los aprendizajes, este Plan de Estudios se fundamenta sobre
la fenomenologa conocida y la teora actualmente aceptada, y cubre aspectos
metodolgicos en relacin con el anlisis e interpretacin de situaciones concretas y con
la resolucin de problemas. Tambin pretende dotar al estudiante de prctica y agilidad
en diversas tcnicas instrumentales avanzadas. La capacidad de trabajar en grupo, con
Pg. 6
diferentes grados definidos de autonoma, y la capacidad de insertarse rpidamente en

el ambiente de trabajo son fomentadas en estos estudios.
INTERS CIENTFICO
A la vista de los antecedentes antes expuestos resumidamente, en relacin con los estudios
de Doctorado en Estadstica e Investigacin Operativa en la Universidad de Granada a lo largo
de las ltimas dcadas, as como de la Licenciatura en Ciencias y Tcnicas Estadsticas, que
creemos que justificaran por s solos sobradamente el establecimiento del Mster que se
solicita y aseguraran su demanda, existen otras razones de tipo investigador con gran inters
actual y futuro que justifican tambin su implantacin y que a continuacin indicamos.
En efecto, a los tradicionales campos de investigacin de la Estadstica Aplicada, se han unido
en las ltimas dcadas importantes lneas como por ejemplo:
Minera de datos.
Estadstica Medioambiental y del Cambio Climtico.
Anlisis de Riesgos (Finanzas, Geofsica y Meteorologa, etc.).
Modelizacin estocstica en la Economa y Finanzas, Hidrologa, Crecimiento celular.
Supervivencia y Demografa Estadstica.
Estadstica computacional.
Mtodos estadsticos en Microarray Data en Gentica, Biologa Molecular y otros

campos afines.
Control estadstico de calidad. Normativas de calidad.
Muestreo estadstico avanzado.
Bioestadstica y Estadstica Sanitaria.
La formacin en estos perfiles requiere capacidades y destrezas que implican el manejo de una
amplia gama de tcnicas de distintos campos de la Estadstica con naturaleza, metodologa y
objetivos muy diferentes, como Modelos Lineales, Tcnicas Multivariantes avanzadas, Modelos
Dinmicos y Procesos Estocsticos, Diseos Experimentales, Fiabilidad y Supervivencia,
Muestreo, etc. Adems, estas tcnicas estn continuamente amplindose, tanto tericamente
como desde el punto de vista aplicado, por ejemplo, a travs de su extensin a datos reales de
naturaleza cada vez ms compleja (cualitativos, ordinales, continuos, espaciales, espaciotemporales, funcionales, etc.) o a travs de la presencia de variables estructurales latentes,
entre otras vas de innovacin terica y aplicada.
El cada vez mayor nivel tcnico, terico y prctico de los mtodos de la Estadstica y su
aplicacin masiva en la investigacin experimental, socioeconmica y en ciencias humanas,
hace que se requiera una formacin de nivel alto en mtodos estadsticos, basada en slidos
fundamentos de Clculo de Probabilidades, Estadstica Matemtica y otras materias bsicas
imprescindibles para su establecimiento riguroso. Todo ello justifica el establecimiento de un
Mster en Estadstica Aplicada que, una vez implantado el Grado en Estadstica (actualmente
en fase de establecimiento en la Universidad de Granada, adaptado a la nueva estructura de
titulaciones universitarias en el contexto del EEES y de cuatro cursos acadmicos ), vendr a
sustituir en gran parte a la actual Licenciatura de segundo ciclo en Ciencias y Tcnicas
Estadsticas, a la que sustituye en gran parte, perfeccionando sus objetivos y adaptndola a las
actuales necesidades formativas tanto desde el punto de vista profesional avanzado como
desde el de la preparacin a la investigacin en importantes lneas consolidadas contrastadas
internacionalmente que estn activas en el Departamento de Estadstica e Investigacin
Operativa de la Universidad de Granada (Ver apartado 6 de la presente memoria de
verificacin).
Pg. 7
El Ttulo de Mster en Estadstica Aplicada que se propone, con orientaciones de investigacin y

profesionalizante, permitir a los alumnos interesados cursar estudios de posgrado, necesarios
para seguir una especializacin en la materia de su inters. Ello asegura una amplia oferta
formativa de ampliacin de los estudios de Grado, respaldada fundamentalmente por los grupos
de investigacin del Departamento de Estadstica e Investigacin Operativa, con amplia
experiencia en proyectos nacionales e internacionales, y en contratos con empresas y
administracin pblica, que permitirn acoger a todos los alumnos interesados, completndose
as su nivel de estudios.
INTERS PROFESIONAL
Se ha podido comprobar que los actuales Licenciados en Ciencias y Tcnicas Estadsticas y
Doctores en Estadstica, ocupan puestos de trabajo directamente relacionados con sus estudios,
cuestin que se ha de valorar muy positivamente respecto del ttulo de mster que se propone.
De hecho, observando la demanda laboral que aparece en la prensa, buscadores por Internet,
bolsas de trabajo, etc., se trata de un perfil ampliamente demandado en el mercado de trabajo.
Entre los empleadores existe una creciente demanda de titulados en Estadstica, y los
conocimientos de Estadstica son, junto con los de Informtica, los ms valorados por las
empresas y organismos que emplean licenciados. As, desde el INE se declara la necesidad que
tienen todas las administraciones pblicas de disponer de capital humano con formacin slida
y avanzada en Estadstica. Es posible que ello sea razn suficiente para justificar la existencia
no slo de un ttulo de Grado en Estadstica, sino tambin del ttulo de mster. Sin embargo, no
es la nica razn. A continuacin se recogen otras razones:
El desarrollo, difusin y divulgacin de la Estadstica.

Es conocido que cualquier otra rea cientfica utiliza la Estadstica para su propio
desarrollo. Por ello es necesaria la investigacin en Estadstica y su divulgacin, y ello
debe realizarse por profesionales con la formacin adecuada. La inexistencia de estos
profesionales provocara, en muchos casos, la aplicacin errnea de tcnicas
estadsticas avanzadas e impedira el progreso y avance de dichas reas.
El mercado laboral.
Segn se desprende de las encuestas a egresados recogidas en el Libro Blanco, la tasa
de desempleo actual es inferior al 10%, ms de la mitad de los titulados encuentran
empleo en menos de tres meses y la mayora de ellos reconocen trabajar en
actividades relacionadas con sus estudios. Es decir, el mercado laboral necesita de
titulados en Estadstica.
Demanda de los empleadores.

Igualmente, del anlisis de las encuestas realizadas a los empleadores, se manifiesta la
necesidad de profesionales con competencias que son proporcionadas de manera
especfica por el ttulo que aqu se presenta.
Se enumeran a continuacin algunos de los perfiles profesionales ms relevantes y que figuran

en la encuesta a empleadores (Empresas y Administraciones Pblicas), bien entendido que se
trata de una simplificacin de las muy diversas salidas profesionales de los titulados en
Estadstica.
Administraciones Pblicas. Institutos oficiales de Estadstica, proyeccin demogrfica y
tendencias sociales.
Ciencias de la vida. Sanidad, medicina, salud pblica, industria farmacutica, ensayos
clnicos, medio ambiente, biologa, agricultura, ciencias del mar.
Economa y finanzas. Ciencias actuariales, evaluacin de riesgos y concesin de crditos,
anlisis burstil, gestin de cartera de valores, investigacin de mercados, anlisis de la
competencia.
Industria y servicios. Diseo de experimentos, calidad total, mejora de procesos y productos,
logstica, gestin de inventarios, planificacin de la produccin, gestin ptima de recursos.
Docencia e investigacin. Enseanza secundaria, docencia universitaria e investigacin,
Pg. 8
formacin continuada, investigacin bsica.

1.
2.2 Referentes externos a la universidad proponente que avalen la

adecuacin
de
la
propuesta
a
criterios
nacionales
o
internacionales
para
ttulos
de
similares
caractersticas
acadmicas
En primer lugar, se parti de las indicaciones recogidas en el Libro Blanco de la Titulacin
Grado de Estadstica, documento elaborado con participacin de cuatro profesores del
Mster. Este documento fue elaborado por representantes de todas las universidades
espaolas que imparten las titulaciones de Diplomado en Estadstica o Licenciado en Ciencias
y Tcnicas Estadsticas y se aprob por unanimidad. Constituye por tanto el mejor referente
posible de acuerdo con el conocimiento existente en la Universidad espaola.
Asimismo se realiz por la Comisin Acadmica una bsqueda y revisin de todos los estudios
de nivel y orientacin similares reflejados en Internet, para terminar de adecuar nuestra
oferta.
Estos son algunos de los msteres en estadstica, nacionales, que sirven como referentes
externos.
Mster en Estadstica Aplicada y Estadstica para el Sector Pblico.

Instituto Nacional de Estadstica y Universidad de Alcal.
http://www.ine.es/ine/master/master.htm
Mster en tcnicas estadsticas.
Universidade da Corua, Universidade de Santiago de Compostela y Universidade de Vigo.
http://www.udc.es/dep/mate/mte/
Mster en bioestadstica.
Universidad de Valencia.
http//www.masterbioestadistica.com/
Mster en Estadstica e Investigacin Operativa
UPC Universidad Politcnica de Catalua
http://www.mastersfme.upc.edu/
Mster en Estadstica Aplicada.
UNED.
http://www.uned.es/master-estadistica-aplicada/
De otra parte, podemos citar los siguientes, en el mbito exterior a Espaa:
MASTER'S IN STATISTICS
UNIVERSITY OF TEXAS AT AUSTIN. USA.
Pg. 9
http://www.ma.utexas.edu/users/mks/statgrad/statgradindex.html
Master of Statistics.
University of New South Wales. Sydney. Australia.
http://www.maths.unsw.edu.au/honpg/future/coursework/mstat.html
Master of Statistics.
Universiteit Hasselt. Blgica.
http://www.censtat.uhasselt.be/student/master/studyguide.asp
MSc Programme in Statistics.
Lancaster University (UK).
http://www.maths.lancs.ac.uk/department/postgraduate/Stats
2.3. Descripcin de los procedimientos de consulta internos utilizados

para la elaboracin del plan de estudios
Se ha creado una Comisin de Plan de Estudios en el seno del Mster actual que, en unin de
la Comisin Acadmica, ha realizado el diseo inicial del Plan de Estudios. Esta Comisin ha
presentado una propuesta que ha sido debatida por:
a) Los profesores del Mster actual
b) Los alumnos del Mster actual
c) El Consejo del Departamento de Estadstica e Investigacin Operativa, formado por
Profesores, Alumnos y PAS
Asimismo, se dispone de un informe de viabilidad elaborado por el Centro de Enseanzas
Virtuales de la Universidad de Granada (CEVUG), as como el compromiso de aceptacin por
parte del profesorado implicado en la enseanza virtual propuesta.
La propuesta ha sido aprobada en los diferentes mbitos y es la que aqu se presenta
2.4. Descripcin de los procedimientos de consulta externos utilizados

para la elaboracin del plan de estudios
Nos hemos dirigido a dos conjuntos de poblacin con la finalidad de que valoren la propuesta:
a) El conjunto de posibles empleadores, incluyendo Investigadores, Organismos Pblicos
(Centro Andaluz e Prospectiva, Instituto de Estadstica de Andaluca, Instituto Nacional de
Estadstica, y Eurostat) y Empresas Privadas
b) El conjunto de egresados de la Diplomatura en Estadstica, Licenciatura en Ciencias y
Tcnicas Estadsticas, Licenciatura en Matemticas (Especialidad y Orientacin en
Estadstica)
En el primer caso hemos contactado con una persona de relevancia de cada uno de los citados
y en el segundo nos hemos dirigido a dos personas de cada una de las titulaciones citadas y
hemos abierto un foro en la parte de egresados de nuestra pgina web. A todos ellos se les ha
presentado la propuesta inicial y sus indicaciones han sido consideradas por la Comisin de
Pg. 10
Plan de Estudios e incorporadas, en su caso, en la propuesta definitiva. La Comisin decidi

asimismo incluir a estos asesores dentro de las actividades del Mster para que su opinin se
incorpore de modo no accidental, sino contnuo.
PROCEDIMIENTOS DE CONSULTA INTERNOS Y EXTERNOS. PRINCIPALES

RESULTADOS
El procedimiento de consulta interno ha consistido en

1. Anlisis de los estudios previos
2. Anlisis de los rendimientos obtenidos en dichos planes e identificacin de
fortalezas y debilidades
3. Encuesta cualitativa a los profesores directamente implicados en la docencia en
UGR
4. Encuesta cualitativa a una muestra de investigadores de UGR que utilizan la
Estadstica
El procedimiento de consulta externo ha consistido en
1. Encuesta realizada a veintids egresados de los estudios anteriores, identificando
las carencias en formacin y las fortalezas de la recibida, tanto para el ejercicio de
la profesin como para la realizacin de tareas de investigacin.
2. Taller de trabajo con tres profesionales de la Estadstica en el mbito no
universitario: Uno del Instituto de Estadstica de Andaluca, uno del Instituto
Nacional de Estadstica, y uno de una empresa privada.
3. Taller de trabajo con cuatro profesores universitarios implicados en la docencia en
estudios similares: Dos de la Universidad de Jan y dos de la Universidad de
Sevilla.
Los principales resultados obtenidos en la consulta han sido:
2. Apuesta decidida por la formacin virtual que permite a los graduados realizar esta
etapa de formacin de modo simultneo a su insercin en el tejido laboral
3. Necesidad de inclusin de relaciones con el tejido empresarial, fomentando la
realizacin de Prcticas de Empresa.
4. Mantenimiento de las lneas de investigacin en Estadstica Terica,
complementndolas con aplicaciones prcticas de nivel avanzado y con soporte
informtico
Pg. 11
3. OBJETIVOS
3.1 Objetivos
La Declaracin de Bolonia (1999), suscrita por 29 estados europeos, entre ellos Espaa, sent
las bases para la construccin del Espacio Europeo de Educacin Superior (EEES),
extendindose el plazo temporal para su realizacin hasta el ao 2010.
En las posteriores Conferencias de Ministros de los pases participantes en este proceso de
convergencia europea celebradas hasta ahora en Praga (2001), Berln (2003), Bergen (2005) y
Londres (2007), se han ido definiendo objetivos concretos y plazos para su consecucin.
En la reunin celebrada en Bergen los ministros responsables de la educacin superior se
comprometieron, entre otros objetivos, a la elaboracin de los marcos de cualificaciones
nacionales para la educacin superior. Entre ellos se crea el Marco Espaol de Cualificaciones
para la Educacin Superior (MECES) que pretende un doble objetivo. Por un lado informar a la
sociedad y en particular a los estudiantes sobre cules son las exigencias de aprendizaje de
cada nivel, y por otro a los empleadores sobre cules son las correspondientes competencias de
quienes van a ser empleados.
Este marco contempla la existencia de tres ciclos (permitiendo, en cada contexto nacional, la
posibilidad de ciclos intermedios), cada uno de ellos descrito en trminos de descriptores
genricos basados en resultados del aprendizaje y destrezas o competencias e incluyendo una
cuantificacin orientativa de los crditos que se deben asignar a los dos primeros ciclos. El
tercer ciclo se caracteriza por una comprensin sistemtica de un campo de estudio y maestra
en las habilidades y mtodos de investigacin relacionados con dicho campo, as como una
serie de habilidades ms complejas relacionadas con la promocin del conocimiento, el anlisis
crtico, y la elaboracin y puesta en marcha de una investigacin.
El ttulo de Mster Universitario en Estadstica Aplicada est orientado a la formacin de nivel
superior de profesionales e investigadores capacitndolos para el desempeo competente de
actividades de investigacin, desarrollo e innovacin vinculadas con la Estadstica. Dotaremos a
los alumnos del master en la adquisicin de destrezas que repondan a las necesidades
estadsticas en los diferentes perfiles profesionales que se establecen segn la encuesta a
empleadores (Empresas y Administraciones Pblicas):
Actividades relacionadas con las Administraciones Pblicas. Institutos oficiales de

Estadstica (sea cual sea su mbito de inters), proyeccin demogrfica, tendencias
sociales, mercado de trabajo, estudios de asignacin ptima de recursos a
unidades/proyectos.
Actividades relacionadas con el campo de la salud y de las ciencias naturales. Sanidad,

medicina, salud pblica, servicios de sanidad, industria farmacutica, ensayos clnicos,
sanidad animal. Medio ambiente, ciencias de la vida, biologa, gentica, agricultura,
ciencias del mar.
Actividades relacionadas con la economa y las finanzas. Ciencias actuariales, seguros,

banca, evaluacin de riesgos y concesin de crditos, anlisis burstil gestin de
cartera de valores, gestin, anlisis financiero, investigacin de mercados, anlisis de la
competencia, polticas ptimas de precios.
Actividades relacionadas con la industria y servicios (incluyendo los de informtica).

Diseo de experimentos, control de calidad, mejora de procesos y productos, logstica,
gestin de inventario, planificacin de la produccin, gestin ptima (de recursos
energticos, de redes de telecomunicaciones, de transporte, de plantillas, etc.)
Pg. 12
Actividades relacionadas con la docencia y la investigacin. Enseanza secundaria,

docencia universitaria e investigacin, formacin continuada, investigacin avanzada.
El principal objetivo consiste pues en dotar al estudiante de las capacidades y destrezas

necesarias para aplicar tcnicas de anlisis estadstico en la resolucin de problemas de diversa
ndole en los que es necesario realizar gran variedad de tareas especficas que acompaan a
cualquier proceso de anlisis de datos, con objeto de elaborar conclusiones que faciliten la toma
de decisiones en situaciones complejas que se caracterizan por estar sometidas a distintos
grados de incertidumbre.
Podemos resumir los objetivos generales que se persiguen en los siguientes apartados:
OG1.
Proporcionar al estudiante una formacin especializada y avanzada en Estadstica,

Probabilidad y Computacin, transmitindoles conocimientos no adquiridos en
estudios de grado inferior.
OG2. Proporcionar una formacin global que facilite el acceso a puestos de trabajo
altamente cualificados (en empresas u organismos pblicos) y la incorporacin a
equipos multidisciplinares de modo que sea capaz de colaborar y trabajar
conjuntamente con expertos especialistas de otras disciplinas como la biologa, la
sanidad, la ingeniera, el marketing, etc., elaborando los modelos adecuados al
contexto.
OG3. Introducir al estudiante en la investigacin, como parte integrante de su formacin,
mediante la realizacin de un trabajo fin de master y preparndole para la eventual
realizacin posterior de una tesis doctoral.
Los objetivos especficos que se persiguen con el programa de Mster en Estadstica Aplicada
pueden resumirse en los siguientes puntos:
OE1. Ser capaz de disear el proceso de adquisicin de datos.
OE2. Ser capaz de comprender los datos.
OE3. Ser capaz de gestionar conjuntos de datos de cualquier naturaleza.
OE4. Tener la capacidad para percibir la naturaleza de los problemas y de determinar la
influencia de informacin concomitante en el establecimiento de relaciones de
inters.
OE5. Ser capaz de identificar o crear el modelo adecuado en cada caso .
OE6. Estar capacitado para manipular computacionalmente los modelos aprovechando
la potencia de los mtodos estadsticos, de optimizacin, etc.
OE7. Estar capacitado para realizar el anlisis de los modelos y de los resultados
obtenidos.
OE8. Ser capaz de encontrar y utilizar bibliografa cientfica relevante dentro del campo
de investigacin de la Estadstica.
OE9. Ser capaz de realizar trabajos de investigacin y extraer conclusiones.
OE10. Ser capaz de profundizar en las bases cientficas de otras disciplinas (economa,
telecomunicaciones, ciencias de la salud, ingeniera, informtica, etc. ) que
requieran de mtodos estadsticos en la resolucin de problemas.
OE11. Conocer las nuevas tecnologas y las herramientas utilizadas en el campo de
Pg. 13
investigacin de la Estadstica.
OE12. Ser capaz de aplicar una metodologa adecuada para abordar los problemas
presentes y futuros en el campo de la Estadstica y la Probabilidad.
OE13. Adquirir habilidades en el campo de la experimentacin: manejo de tcnicas
experimentales utilizadas en la investigacin.
OE14. Ser capaz de aplicar tcnicas de simulacin estadsticas para generar conjuntos
de datos basados en modelos tericos.
OE15. Adquirir habilidades para impartir docencia a nivel medio y superior.
OE16. Adquirir las destrezas necesarias para la incorporacin a grupos de investigacin
competitivos.
OE17. Ser capaz de comunicar resultados, conclusiones de modelos y soluciones
propuestas de una forma inteligible para el resto de la empresa u organismo,
para conseguir que sean aceptadas e implantadas por los responsables de la
toma de decisiones.
OE18. Adquirir las destrezas necesarias para la eventual y futura elaboracin de una
tesis doctoral.
OE19. Fomentar la necesidad de mantener, a lo largo de la vida profesional, el desafo
de llevar a cabo un aprendizaje continuado y estar siempre dispuesto a abordar
nuevos problemas con nuevas herramientas.
Tanto los objetivos a alcanzar como las competencias adquiridas tienen en cuenta el respeto a
los derechos fundamentales y de igualdad de oportunidades entre hombres y mujeres,
los principios de igualdad de oportunidades y accesibilidad universal de las personas
con discapacidad y los valores propios de una cultura de la paz y de valores
democrticos.
3.2. Competencias
Las enseanzas de Mster Universitario de Estadstica Aplicada tienen como finalidad la
adquisicin por el estudiante de una formacin avanzada, de carcter especializado o
multidisciplinar orientada a la especializacin acadmica o profesional, o bien a promover la
iniciacin en tareas investigadoras. Para el logro de los objetivos del Mster Oficial en
Estadstica Aplicada es necesario determinar las destrezas tcnicas que el profesional de la
Estadstica ha de poseer en el desempeo de su actividad laboral.
Los titulados del Mster deben tener ciertas capacidades para incorporarse a la vida laboral,
algunas son comunes a cualquier mster y se conocen como competencias genricas o
trasversales, y otras son especficas de este ttulo.
En la elaboracin del listado de competencias se han tenido en cuenta las consideraciones que
se reflejan en MECES y lo establecido en el REAL DECRETO 1393/2007, de 29 de octubre de
2007 sobre las competencias bsicas por el que se establece la Ordenacin de las Enseanzas
Universitarias Oficiales. Para garantizar que el perfil de mster universitario de Estadstica
Aplicada se ajuste a las demandas sociales y laborales, en la elaboracin y revisin de
competencias se ha consultado a diversos colectivos (INE, Eurostat,). Esto nos permite
garantizar que las competencias propuestas reflejan el carcter de formacin avanzada propio
de este mster. Establecemos las competencias de carcter general asociadas al Mster
Pg. 14
Universitario en Estadstica Aplicada en los siguientes puntos:

CG1. Los titulados han de saber aplicar los conocimientos adquiridos y su capacidad de
resolucin de problemas en entornos nuevos o poco conocidos dentro de
contextos ms amplios (o multidisciplinares) relacionados con su rea de
estudio.
CG2. Los titulados han de ser capaces de integrar conocimientos y enfrentarse a la
complejidad de formular juicios a partir de una informacin que, siendo
incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y
ticas vinculadas a la aplicacin de sus conocimientos y juicios.
CG3. Los titulados han de saber comunicar sus conclusiones y los conocimientos y
razones ltimas que las sustentan a pblicos especializados y no
especializados de un modo claro y sin ambigedades
CG4. Los titulados deben poseer las habilidades de aprendizaje que les permitan
continuar estudiando de un modo que habr de ser en gran medida autodirigido
o autnomo.
CG5. Los titulados han de demostrar una comprensin sistemtica del campo de
estudio y el dominio de las habilidades y mtodos de investigacin relacionados
con dicho campo.
CG6. Los titulados deben demostrar la capacidad de concebir, disear, poner en
prctica y adoptar un proceso sustancial de investigacin con seriedad
acadmica.
CG7. Los titulados han de realizar una contribucin a travs de una investigacin
original que ample las fronteras del conocimiento desarrollando un corpus
sustancial, del que parte merezca la publicacin referenciada a nivel nacional o
internacional.
CG8.
Los titulados deben ser crticos en el

nuevas y complejas.
anlisis, evaluacin y sntesis de ideas
CG9. Los titulados deben saber comunicarse con sus colegas, con la comunidad
acadmica en su conjunto y con la sociedad en general acerca de sus reas de
conocimiento.
CG10. Los titulados han de ser capaces de fomentar, en contextos acadmicos y
profesionales, el avance tecnolgico, social o cultural dentro de una sociedad
basada en el conocimiento.
Por otra parte, existen una serie de competencias especficas del Mster, que clasificamos en
tres grupos en funcin de sus caractersticas: competencias conceptuales, competencias
procedimentales y competencias actitudinales.
Competencias conceptuales
CC1.
CC2.
CC3.
CC4.
CC5.
CC6.
CC7.
CC8.
Conocer mtodos para el Anlisis de Datos

Conocer diferentes tcnicas de Muestreo
Adquirir conocimientos avanzados en Probabilidad y Procesos Estocsticos
Profundizar en las tcnicas de Modelizacin Estocstica
Adquirir conocimientos avanzados en Inferencia Estadstica
Aprender y entender tcnicas de Estadstica Multivariante
Saber identificar y aplicar diferentes Modelos Economtricos
Conocer tcnicas de teora de Fiabilidad
Pg. 15
CC9. Adquirir conocimientos en Bioestadstica

CC10. Dominar el uso de diferentes entornos de Computacin Estadstica
CC11. Conocer y aplicar tcnicas de Control Estadstico de Calidad
CC12. Ser capaz de resolver problemas a travs de tcnicas de Simulacin Estocstica
Competencias procedimentales
CP1. Saber llevar a cabo el diseo, programacin e implantacin programas de
computacin estadstica
CP2. Saber realizar un diseo de experimentos
CP3. Ser capaza de identificar la informacin relevante para resolver un problema
CP4. Utilizar correcta y racionalmente programas de ordenador de tipo estadstico
CP5. Adquirir capacidades de elaboracin y construccin de modelos y su validacin
CP6. Ser capaz de realizar un anlisis de datos
CP7. Saber gestionar bases de datos
CP8. Ser capaz de realizar una correcta representacin grfica de datos
CP9. Conocer, identificar y seleccionar fuentes estadsticas
CP10. Ser capaz de interpretar resultados a partir de modelos estadsticos
CP11. Adquirir capacidad para elaborar previsiones y escenarios
CP12. Ser capaz de extraer conclusiones y redactar informes
CP13. Ser capaz de identificar relaciones o asociaciones
CP14. Saber utilizar con destreza entornos de programacin y anlisis estadstico
Competencias actitudinales
CA1. Adquirir la habilidad para detectar y modelizar el azar en problemas reales
CA2. Ser capaz de desarrollar un pensamiento y razonamiento cuantitativo
CA3. Potenciar la habilidad para poder sustraer o deducir lo esencial de un concepto o
situacin determinada con objeto de extraer la informacin importante y generalizar el
aprendizaje a situaciones nuevas
Pg. 16
4. ACCESO Y ADMISIN DE ESTUDIANTES

4.1
Sistemas de informacin previa a la matriculacin y

procedimientos accesibles de acogida y orientacin de los
estudiantes de nuevo ingreso para facilitar su incorporacin a la
Universidad y la titulacin
Sistemas de informacin previa comunes a la UGR
La Universidad de Granada cuenta con una completa Web (http://www.ugr.es/) a travs de la

cual un futuro estudiante de la UGR puede encontrar toda la informacin que necesita para
planificar sus estudios.
Por una parte, la Web refleja la estructura de la Universidad y permite enlazar con los
diez Vicerrectorados en los que actualmente se organiza la gestin universitaria:
El que tiene probablemente una relacin ms directa con el futuro estudiante es el
Vicerrectorado de Estudiantes (http://ve.ugr.es/), que se encarga de la acogida y
orientacin de los estudiantes y ofrece toda la informacin relativa a matrcula,
alojamiento, becas, puntos de informacin, asociacionismo, etc. La pgina principal de
este Vicerrectorado dispone de un banner especfico dedicado a futuros estudiantes, con
informacin y contenidos tales como la oferta educativa y el acceso (de estudiantes
espaoles y extranjeros, tanto pertenecientes a la Unin Europea como
extracomunitarios), oportunidades, servicios e informacin sobre la vida universitaria en
la UGR.
El Vicerrectorado de Enseanzas de Grado y Posgrado (http://vicengp.ugr.es/)
proporciona informacin relativa al Espacio Europeo de Educacin Superior, los ttulos
propios de la UGR y los estudios de posgrado: msteres y doctorados, as como las
oportunidades de aprendizaje de idiomas a travs del Centro de Lenguas Modernas. La
Web de la Escuela de Posgrado (http://escuelaposgrado.ugr.es) constituye una
herramienta fundamental de informacin y divulgacin de las enseanzas de posgrado
(msteres oficiales, programas de doctorado y ttulos propios) y de actividades de
especial inters para sus estudiantes. Incluye asimismo la informacin previa a la
matriculacin y los criterios de admisin y acceso, disponiendo tambin de un rea
especfica de internacional tanto en espaol como en ingls para estudiantes extranjeros.
El Vicerrectorado de Relaciones Internacionales (http://internacional.ugr.es/) organiza y
gestiona los intercambios de estudiantes entre universidades de todo el mundo
El Vicerrectorado de Extensin Universitaria y Cooperacin al Desarrollo
(http://veucd.ugr.es/) posibilita la rpida y natural integracin de los estudiantes en la
vida cultural de la Universidad, de la ciudad de Granada y en todas aquellas actividades
nacionales e internacionales sobre las que se proyecta la UGR.
El Vicerrectorado de Calidad ambiental, bienestar y deporte (http://vcabd.ugr.es/) tiene
como misin propiciar el bienestar y mejorar la calidad de vida de la comunidad
universitaria.
El estudiante podr tener informacin directa y actualizada acerca de la estructura
acadmica de la universidad as como de sus lneas y proyectos de investigacin a travs
de
los
Vicerrectorados
de
Ordenacin
Acadmica
y
Profesorado
(http://academica.ugr.es/)
y
el
de
Poltica
Cientfica
e
Investigacin
(http://investigacion.ugr.es/); asimismo de los criterios y exigencias que ataen a la
excelencia universitaria en todas y cada una de sus facetas a travs del Vicerrectorado
para la Garanta de la Calidad (http://calidad.ugr.es/).
El resto de informacin se completa con los Vicerrectorados de Infraestructuras y
Campus (http://infraestructuras.ugr.es/) y del Parque Tecnolgico de Ciencias de la
Pg. 17
Salud (http://vicpts.ugr.es/).
Por otra parte, la Web de la UGR contiene la oferta de enseanzas universitarias
(http://www.ugr.es/ugr/index.php?page=estudios), ordenadas tanto alfabticamente como
por Centros, que ofrece al estudiante cumplida informacin sobre los planes de estudios
vigentes.
Por lo que se refiere ms concretamente a la matrcula, la UGR comunica la apertura del
perodo de matrcula a travs de diversos cauces, como su propia Web y otros medios de
comunicacin (prensa escrita, radio y televisin).
Previa a la matriculacin en el mster, el estudiante puede obtener informacin

detallada, no slo de la estructura y planificacin del mismo, sino de los criterios de acceso
y admisin, desde una pgina web propia del master (http://www.moea.es). El acceso a
esta
web
es
posible
desde
la
web
de
la
Escuela
de
Posgrado
(http://escuelaposgrado.ugr.es) en el listado de msteres oficiales ofertados. Asmismo
dentro de la web del mster hay un enlace para contactar con las comisiones (acadmicas,
de docencia, de investigacin y prcticas de empresa) y el coordinador directamente. Este
buzn de contacto permite orientar y resolver cuestiones de forma especfica a los
estudiantes que muestran inters por acceder al ttulo.
En aras de una mayor difusin de la informacin, la Gua del futuro Estudiante de la UGR,
publicada anualmente por el Vicerrectorado de Estudiantes, condensa toda la informacin
necesaria para el nuevo ingreso.
Sistemas de informacin previa propios del Centro o Titulacin
4.2 Criterios de acceso y condiciones o pruebas de acceso especiales

Se ha tenido en cuenta lo establecido en el artculo 16 del Real Decreto 1393/2007:
Para acceder a las enseanzas oficiales de mster ser necesario estar en posesin de
un ttulo universitario oficial espaol u otro expedido por una institucin de educacin
superior del Espacio Europeo de Educacin Superior que facultan en el pas expedidor
del ttulo para el acceso a enseanzas de mster.
Asimismo, podrn acceder los titulados conforme a sistemas educativos ajenos al
Espacio Europeo de Educacin Superior sin necesidad de la homologacin de sus ttulos,
previa comprobacin por la Universidad de que aquellos acreditan un nivel de formacin
equivalente a los correspondientes ttulos universitarios oficiales espaoles y que
facultan en el pas expedidor del ttulo para el acceso a enseanzas de postgrado. El
acceso por esta va no implicar, en ningn caso, la homologacin del ttulo previo de
que est en posesin el interesado, ni su reconocimiento a otros efectos que el de
cursar las enseanzas de Mster.
Pg. 18
Dado que en el proceso informativo se emplear el ingls, ser necesario posser un

nivel de ingls bsico (B1 segn la terminologa del Marco Comn Europeo).
La ley 15/2003, de 22 de diciembre, andaluza de Universidades, determina en su

artculo 75 que, a los nicos efectos del ingreso en los Centros Universitarios, todas las
universidades pblicas andaluzas podrn constituirse en un Distrito nico, encomendando la
gestin del mismo a una comisin especfica, constituida en el seno del Consejo Andaluz de
Universidades.
Teniendo en cuenta el R.D. 1393/2007, de 29 de octubre, por el que se establece la
ordenacin de las enseanzas universitarias oficiales, la Comisin del Distrito nico
Universitario de Andaluca, en uso de las atribuciones que le vienen conferidas, y previa
deliberacin e informe favorable de la Comisin Asesora de Posgrado, adopta de manera anual
acuerdos por los que se establece el procedimiento para el ingreso en los msteres
universitarios. El acuerdo de 12 de mayo de 2009 (BOJA de 18 de junio de 2009) de dicha
comisin aprueba y hace pblico el procedimiento de gestin para el ingreso en los msteres
universitarios de los Centros Universitarios de Andaluca en el curso 2009/10.
Esta normativa se completa con la siguiente que, en cualquier caso, deber ajustarse a
la actual regulacin de los ttulos de grado y posgrado:
Reglamento General sobre adaptaciones, convalidaciones y reconocimiento de crditos de

la Universidad de Granada, aprobado por la Junta de Gobierno de la Universidad de
Granada en sesin celebrada el da 4 de marzo de 1996. Recogidas las modificaciones
realizadas por la Junta de Gobierno en sesin celebrada el da 14 de abril de 1997 y en
sesin celebrada el da 5 de febrero de 2001.
Se considera requisito especfico poseer una formacin suficiente en los conocimientos bsicos
que sirven de soporte, como es el proporcionado por las enseanzas de Diplomado en
Estadstica, Licenciado en Ciencias y Tcnicas Estadsticas, Licenciado en Matemticas,
Licenciado en Econmicas, Licenciado en Empresariales, y titulaciones similares, o bien la
realizacin de cursos de posgrado de especializacin en la materia. Los criterios de valoracin
de mritos propios de este ttulo incluirn la formacin en idiomas de uso cientfico, en mtodos
informticos y soporte (background) en tcnicas estadsticas aplicadas.
4.3 Sistemas de apoyo y orientacin de los estudiantes una vez

matriculados
Cada ao, al inicio del curso acadmico, la UGR organiza unas Jornadas de Recepcin en las
que se realizan actividades especficamente dirigidas al alumnado de nuevo ingreso, al objeto
de permitirle tomar contacto con la amplia (y nueva) realidad que representa la Universidad.
La finalidad es que conozca no slo su Centro, sino tambin los restantes, y se conecte con el
tejido empresarial y cultural de la ciudad as como con las instituciones y mbitos que puedan
dar respuesta a sus inquietudes acadmicas y personales.
El Secretariado de Informacin y Participacin Estudiantil (Vicerrectorado de Estudiantes)
publica anualmente la Gua del Estudiante, que ofrece una completa informacin sobre los
siguientes aspectos: la UGR; la ciudad de Granada; el Gobierno de la UGR; el Servicio de
becas; el Gabinete de atencin social; la Oficina de gestin de alojamientos; el Gabinete de
atencin psicopedaggica; el Centro de promocin de empleo y prcticas; la Casa del
estudiante; los Secretariados de asociacionismo, de programas de movilidad nacional, y de
informacin y participacin estudiantil; el carn universitario; el bono-bus universitario; la
Biblioteca; el Servicio de informtica; el Servicio de comedores; actividades culturales; el
Centro juvenil de orientacin para la salud; el Defensor universitario; la Inspeccin de
servicios; la cooperacin internacional; la enseanza virtual; programas de movilidad; cursos
Pg. 19
de verano; exmenes; traslados de expediente; la simultaneidad de estudios; ttulos; el

mecanismo de adaptacin, convalidaciones y reconocimiento de crditos; estudios de tercer
ciclo y masteres oficiales; el seguro escolar; becas y ayudas; y un directorio de instituciones y
centros universitarios. Esta gua est a disposicin de todos los estudiantes tanto si residen en
Granada como si no, ya que puede descargarse gratuitamente desde la pgina Web del
Vicerrectorado de Estudiantes.
La Escuela de Posgrado cuenta con una Web propia (http://escuelaposgrado.ugr.es) que
ofrece informacin completa sobre todos los ttulos y programas de posgrado que oferta la
Universidad de Granada, los recursos a disposicin de los estudiantes, as como informacin
pertinente y enlaces a cada uno de los ttulos ofertados.
Del mismo modo el CEVUG, http://cevug.ugr.es/, y el propio mster, http://moea.es,
proporcionan soporte continuado. Desde dicha web y a travs del buzn de contacto el
estudiante de nuevo ingreso puede exponer y resolver todas sus cuestiones as como dirigir
sus expectativas durante el desarrollo del mismo. Asmismo la plataforma virtual desde la que
se desarrolla la parte de docencia y se orienta al alumno en prcticas de empresa y para la
realizacin del trabajo fin de mster, posee canales especficos de comunicacin que permiten
la acogida y orientacin continuada de los estudiantes desde el comienzo hasta el final del
mismo.
4.4 Transferencia y reconocimiento de crditos: sistema propuesto

por la Universidad
La Universidad de Granada dispone de un Reglamento general sobre adaptaciones,
convalidaciones y reconocimiento de crditos que actualmente est en proceso de adaptacin
a los conceptos de reconocimiento y transferencia de crditos de acuerdo con su definicin en
los Artculos 6 y 13 del R.D. 1393/2007. Dicho Reglamento general, fue aprobado por la
Junta de Gobierno de la Universidad de Granada de 4 de marzo de 1996, y recoge las
modificaciones realizadas por la Junta de Gobierno de 14 de abril de 1997 y por la Junta de
Gobierno de 5 de febrero de 2001. Esta normativa puede consultarse en la siguiente direccin
web: http://secretariageneral.ugr.es/pages/normativa/ugr/otranormativa.
En relacin con los estudios realizados en universidades fuera de Espaa, la Universidad ha
establecido el pleno reconocimiento de los estudios realizados en la universidad de destino, de
acuerdo con el compromiso establecido en la Erasmus Charter (Accin 1 del subprograma
Erasmus).
Las Normas Generales de la Universidad de Granada sobre Movilidad Internacional de
Estudiantes aprobadas por el Consejo de Gobierno de 9 de mayo de 2005, en su art. 4.a)
(http://www.ugr.es/~ofirint/guia_normas/normas_generales.htm) amplan este derecho al
reconocimiento acadmico del programa de estudios cursado en una institucin extranjera a
todos los estudiantes de intercambio de la Universidad de Granada.
La particularidad del reconocimiento de crditos en los programas de movilidad internacional
de estudiantes es de carcter procedimental: el reconocimiento debe quedar garantizado con
carcter previo a la ejecucin de la movilidad. Para ello, los trminos del reconocimiento se
plasmarn en un pre-acuerdo de estudios o de formacin que, como su nombre indica, ha de
firmarse antes del inicio de la movilidad y que compromete a la institucin de origen a
efectuar el reconocimiento pleno, en los trminos establecidos en el mismo, una vez el
estudiante demuestre que efectivamente ha superado su programa de estudios en la
Pg. 20
institucin de acogida.
Por otra parte, de acuerdo con el artculo 46.2.i) de la Ley Orgnica 6/2001, de
Universidades, y el art. 12.8 del R.D 1393/2007, por el que se establece ordenacin de las
enseanzas universitarias oficiales, los estudiantes podrn obtener reconocimiento acadmico
en crditos por la participacin en actividades universitarias culturales, deportivas, de
representacin estudiantil, solidarias y de cooperacin hasta un mximo de 6 crditos del total
del plan de estudios cursado.
Una vez hecha la matrcula el estudiante, dispondr de un plazo, fijado por la

Universidad, para solicitar el reconocimiento de crditos. Su solicitud ser
estudiada por la comisin acadmica del Mster y las comisiones de docencia, de
investigacin y de prcticas de empresa (atendiendo a la parte de la que se solicite el
reconocimiento de crditos) que elevar el correspondiente informe a la Comisin de
Doctorado.
Pg. 21
5. PLANIFICACIN DE LAS ENSEANZAS

5.1. Estructura de las enseanzas.
planificacin del plan de estudios.
Explicacin
general
de
la
Las enseanzas del Mster en Estadstica Aplicada de la Universidad de Granada se han

organizado de acuerdo con los requisitos estipulados en el R.D. 1393/2007. En cumplimiento
de tales requisitos, el Mster se estructura en un total de 60 crditos a realizar por el alumno
durante un curso acadmico, de los cuales 16 corresponden a un Trabajo de Fin de Mster, de
carcter obligatorio.
Dada la gran variedad de materias especficas que pueden abordarse en unos estudios de
Estadstica Aplicada, la filosofa bsica para disear el Mster ha sido ofertar un gran nmero
de ellas, dentro de los mrgenes establecidos para un mster de 60 crditos, y dar al Mster
un carcter eminentemente optativo. De esta forma, se ofrece al alumno una amplia gama de
posibilidades para desarrollar su formacin y una clara visin del potencial de la Estadstica en
su aplicacin a diversos problemas del mundo real.
Con esta filosofa, los 44 crditos que debe realizar el alumno antes del Trabajo de Fin de
Mster se organizan de forma optativa, dejando abierta la eleccin de dos posibles
orientaciones, en ningn momento excluyentes, en cada una de las cuales el alumno puede
disear, a su vez, su propio itinerario, eligiendo las materias especficas que desee cursar:
OPCIN I: est enfocada a la formacin del alumno para el desarrollo de actividades
de carcter aplicado. Incluye la realizacin obligatoria de 12 crditos de Prcticas
Externas. Se pretende que los alumnos que elijan esta opcin alcancen los siguientes
objetivos: OG1, OG2, OG3, OE1, OE2, OE3, OE4, OE5, OE6, OE7, OE11, OE13, OE14,
OE17, OE19.
OPCIN II: estructurada para alumnos que deseen afianzar su formacin en
Estadstica Aplicada con miras a desarrollar estudios de Doctorado y futuras
actividades de investigacin. Los objetivos concretos perseguidos en esta opcin son:
OG1, OG2, OG4, OE1, OE2, OE3, OE8, OE9, OE10, OE11, OE12, OE14, OE15, OE16,
OE18, OE19.
5.1.1. Distribucin del plan de estudios en crditos ECTS por tipo de materia.
En la tabla 1 se recogen los diferentes tipos de materias, as como el nmero de crditos que
debe cursar el alumno, segn la opcin elegida:
Pg. 22
TIPO DE MATERIA
CRDITOS OPCIN I
CRDITOS OPCIN II
Obligatorias
Optativas
32
Prcticas Externas
12
Trabajo de Fin de Mster
16
16
CRDITOS TOTALES
60
60
44
Tabla 1. Resumen de los tipos de materias y distribucin en crditos ECTS
El Mster se estructura en los cuatro mdulos especificados en la tabla 2. Las materias

ofertadas se han agrupado atendiendo a los objetivos perseguidos, as como en funcin de las
competencias especficas que el alumno pretende adquirir en cada una de las orientaciones:
MDULO
CRDITOS OFERTADOS
Aplicaciones de la Estadstica
44
Formacin para la Investigacin
28
Prcticas Externas
12
16
CRDITOS TOTALES
100
Tabla 2. Mdulos y crditos ECTS ofertados
Los crditos a cursar por el alumno en cada uno de los mdulos, segn la orientacin elegida,
se especifican en la tabla 3.
Pg. 23
MDULO
CRDITOS OPCIN I
CRDITOS OPCIN II
OBLIGATORIOS OPTATIVOS OBLIGATORIOS OPTATIVOS
20
Prcticas Externas
12
16
CRDITOS TOTALES
32
24
16
60
60
Tabla 3. Crditos ECTS a cursar por el alumno en cada mdulo
En la tabla 3, la obligatoriedad en el mdulo de Formacin para la Investigacin para la Opcin

II se refiere exclusivamente a nmero de crditos, y no a asignaturas concretas de dicho
mdulo que, como se ha indicado en la tabla 1, tienen todas un carcter optativo.
Los mdulos Aplicaciones de la Estadstica y Formacin para la Investigacin se estructuran en
un total de 11 y 7 asignaturas de cuatro crditos ECTS, respectivamente. As, el alumno que
opte por la Opcin I, debe realizar obligatoriamente el mdulo de Prcticas Externas y 8
asignaturas a elegir en los dos primeros mdulos. Por su parte, el alumno que opte por la
Opcin II, debe realizar obligatoriamente 5 asignaturas del mdulo de Formacin para la
Investigacin y repartir los 24 crditos restantes en el resto de asignaturas ofertadas,
incluyendo el mdulo de Prcticas Externas.
5.1.2. Descripcin general de los mdulos y secuenciacin temporal

Los mdulos en que se estructura el plan de estudios agrupan por un lado las asignaturas con
las que los estudiantes pueden adquirir las competencias disciplinares especficas de la
Titulacin, y por otro lado, las Prcticas Externas y el Trabajo de Fin de Mster, que permiten
completar la adquisicin de todas las competencias previstas en el Ttulo, cualquiera que sea la
eleccin de itinerario formativo.
El plan de estudios se desarrolla en dos cuatrimestres, y la distribucin de asignaturas por
cuatrimestres se ha hecho atendiendo, tanto a los contenidos de las mismas (algunas pueden
ser requeridas para el desarrollo de otras), como al hecho de que un alumno de cualquier
opcin pueda disear su itinerario de forma equilibrada entre los dos cuatrimestres.
MDULO DE APLICACIONES DE LA ESTADSTICA: Este mdulo consta de 11 asignaturas

de carcter fundamentalmente aplicado, con las que se pretende que el alumno obtenga una
formacin suficientemente amplia para la aplicacin de diferentes tcnicas estadsticas en la
resolucin de una gran variedad de problemas reales. Con las disciplinas ofertadas en este
mdulo se intenta cubrir grandes reas de la Estadstica Aplicada y orientar a los estudiantes
para la eleccin de diferentes perfiles profesionales como Anlisis de riesgos, Modelizacin
Estocstica o Estadstica Medioambiental, Industrial o Biosanitaria.
Pg. 24
Asignatura
Crditos
Carcter
Anlisis de datos. Tcnicas aplicadas a datos de

proximidad
Anlisis de series temporales. Aplicaciones a
riesgos financieros
Aplicaciones de los modelos de difusin en
fenmenos
de
crecimiento
en
Ciencias
Medioambientales y Economa
Bioestadstica
Optativo
Optativo
Optativo
Optativo
Diseo estadstico experimental y control de

calidad. Aplicaciones en Biociencias e
Ingeniera
Encuestas por muestreo. Aplicaciones econmicas,
sociales y medioambientales
Entornos de Computacin Estadstica
Optativo
Optativo
Optativo
Minera de datos
Optativo
Modelos de respuesta discreta. Aplicaciones

biosanitarias
Tcnicas en Anlisis de Supervivencia. Estudio de
casos prcticos
Tcnicas estadsticas multivariantes y aplicaciones
Optativo
Optativo
Optativo
Unidad
Temporal
Segundo
cuatrimestre
Segundo
cuatrimestre
Segundo
cuatrimestre
Primer
cuatrimestre
Segundo
cuatrimestre
Primer
cuatrimestre
Primer
cuatrimestre
Segundo
cuatrimestre
Primer
cuatrimestre
Primer
cuatrimestre
Primer
cuatrimestre
MDULO DE FORMACIN PARA LA INVESTIGACIN: Est formado por un grupo de 7

asignaturas de carcter terico-prctico con las que se pretende que el alumno adquiera una
base rigurosa y slida en distintas materias relacionadas con la Probabilidad y la Estadstica,
sin olvidar el carcter aplicado de las mismas. Las materias ofertadas en este mdulo estn
directamente ligadas a las lneas de investigacin del programa de Doctorado en Estadstica e
Investigacin Operativa, con mencin de calidad desde el curso 2007/2008.
Asignatura
Crditos
Carcter
Anlisis de datos funcionales
Optativo
Aspectos computacionales en la estimacin de

errores en encuestas por muestreo
Optativo
Clculo y modelizacin estocstica. Procesos

difusin
Evaluacin de la fiabilidad y mantenimiento
sistemas de Ingeniera
Modelos espacio-temporales. Evaluacin
riesgos en Geofsica y Medio Ambiente
Simulacin
de
Procesos
Estocsticos
Inferencia Estadstica
Sistemas estocsticos. Estimacin de seales
de
Optativo
de
Optativo
de
Optativo
Optativo
Optativo
Unidad
Temporal
Segundo
cuatrimestre
Segundo
cuatrimestre
Primer
cuatrimestre
Primer
cuatrimestre
Primer
cuatrimestre
Segundo
cuatrimestre
Primer
cuatrimestre
Pg. 25
MDULO DE PRCTICAS EXTERNAS: Este mdulo, que consta de 12 crditos ECTS, incluye
240 horas de trabajo en la empresa u organismo asignada a cada alumno, distribuidas segn
acuerdo entre la misma y la Universidad de Granada, y se realizar durante el segundo
cuatrimestre del curso.
La realizacin de las prcticas estar en cualquier momento regulada segn convenio de
cooperacin educativa para la realizacin de prcticas de mster en programas de posgrado de
la Universidad de Granada.
La Universidad de Granada designar un Tutor de Prcticas Interno, que supervisar que la
lnea de trabajo a desarrollar por el estudiante quede enmarcada dentro de los objetivos y
competencias del Ttulo, le atender en su formacin, y ser el encargado de evaluar la
formacin alcanzada, teniendo en cuenta adems de sus propias observaciones, el informe del
Tutor de Prcticas Externas y el informe de Autoevaluacin del Alumno.
La empresa u organismo en que se desarrolle este mdulo designar un Tutor de Prcticas
Externo, que deber ser un profesional de la plantilla de dicha entidad. Este, de acuerdo con el
Tutor de Prcticas Interno, asignar las funciones a realizar por el alumno durante el desarrollo
de las prcticas, asistindole en lo que fuere preciso y evaluando su aprovechamiento.
TRABAJO DE FIN DE MSTER: Los estudios del Mster finalizan con la elaboracin del
Trabajo de Fin de Mster y la defensa pblica del mismo, en el momento de la cual, el alumno
deber tener superados los 44 crditos restantes.
Para la realizacin de este trabajo, que se realizar bajo la direccin y tutela de un profesor del
Mster, los estudiantes tendrn a su disposicin desde el comienzo del curso acadmico un
catlogo de lneas de investigacin relacionadas con diferentes materias de los mdulos de
formacin. El trabajo se desarrollar a partir del segundo cuatrimestre y para la asignacin de
lneas se podr requerir, de manera individualizada, cursar alguna asignatura concreta de los
mdulos previos.
No obstante, todos los requisitos para regular la elaboracin y presentacin de Trabajos de Fin
de Mster quedan supeditados a la normativa propia al respecto que pueda desarrollar la
Universidad de Granada.
En consonancia con el carcter eminentemente optativo que se ha pretendido dar a este
Mster, se garantizar que la oferta anual de lneas de investigacin sea suficientemente
diversa y amplia para atender las necesidades y preferencias de todos los estudiantes, de
manera que cada alumno tenga la posibilidad de desarrollar su formacin en aquella parcela de
la Estadstica donde se sienta mejor identificado. Concretamente, para el curso 2009/2010, la
oferta de lneas de investigacin es la siguiente:
1.
Algoritmos de red para el test exacto de Fisher en tablas de contingencia 2xc y rxc.
2.
Anlisis de caractersticas estructurales de sucesos extremos. Aplicacin a la evaluacin de

riesgos en Geofsica y Medio Ambiente.
3.
Anlisis de datos de tiempos de vida.
4.
Anlisis Estadstico Multivariante en Ciencias Medioambientales y Cambio Climtico.
Pg. 26
5.
Aspectos computacionales asociados a la aproximacin/estimacin de la densidad de

variables temporales asociadas a procesos de difusin.
6.
Diseo de experimentos a partir de informacin muestral funcional.
7.
Diseo de un curso virtual de Estadstica con R Commander.
8.
Estimacin en sistemas con parmetros distribuidos. Aplicacin a restauracin de imgenes.
9.
Estimacin en sistemas estocsticos no lineales.
10. Estimacin no paramtrica de curvas en R.

11. Estimacin polinomial en sistemas estocsticos lineales no gaussianos.
12. Estudio de un sistema discreto en fiabilidad.
13. Estudio probabilstico de modelos de difusin asociados a curvas de crecimiento.
14. Inferencia y tiempos de primer paso en modelos de difusin asociados a curvas de
crecimiento.
15. Mtodos de muestreo y tcnicas de estimacin especiales.
16. Mtodos de regresin no paramtrica en muestreo en poblaciones finitas.
17. Mtodos estadsticos aplicados a problemas medioambientales.
18. Mtodos wavelets para el anlisis estadstico de series funcionales fractales.
19. Modelizacin estocstica en Medioambiente, Cambio Climtico y en Finanzas y Economa
estocsticas.
20. Modelos de Prediccin con Datos Funcionales.
21. Modelos de respuesta discreta en R y aplicacin con datos reales.
22. Problemas de Estadstica Industrial y su tratamiento computacional con R.
23. Tcnicas de anlisis de datos de proximidad y su tratamiento computacional.
5.1.3. Actividades formativas

Todas las asignaturas que componen los mdulos de Aplicaciones de la Estadstica y de
Formacin para la Investigacin se realizan de forma virtual, a travs de una plataforma
soportada por el Centro de Enseanzas Virtuales de la Universidad de Granada
(http://cevug.ugr.es/). Las actividades formativas para estas asignaturas (concretadas en
el Apartado 5.3) incluyen, adems del trabajo autnomo del alumno, la participacin en foros
de discusin, as como las consultas y tutoras virtuales a travs de la plataforma, sin excluir
en ningn caso la posibilidad de comunicacin individualizada de carcter presencial entre el
profesor y el alumno, siempre que este lo requiera.
Pg. 27
OTRAS ACTIVIDADES FORMATIVAS

Adems de las actividades formativas concretas de los diferentes mdulos, y con miras a
ofrecer un nivel de calidad tanto acadmico como cientfico, durante cada curso acadmico se
impartirn una serie de conferencias y seminarios, especializados o divulgativos, por parte de
docentes e investigadores de otras universidades, as como por profesionales de empresas que
desarrollan su actividad en parcelas relacionadas con la Estadstica Aplicada. Con estas
actividades se pretende dar a conocer a los estudiantes posibles vas para el desarrollo de su
formacin, sea cual sea su orientacin profesional e investigadora.
Pg. 28
5.2 Planificacin y gestin de la movilidad de estudiantes propios y de

acogida
En los ltimos aos, la Universidad de Granada ha hecho una apuesta firme por las
titulaciones internacionales, tanto mltiples como conjuntas, as como por la movilidad
internacional de estudiantes de posgrado.
La Escuela de Posgrado de la Universidad de Granada es la encargada de gestionar y dar
apoyo administrativo a los programas oficiales de posgrado, para los que cuenta con una
unidad de diez personas de administracin y servicios altamente cualificadas. Entre sus
funciones estn las de ofrecer informacin y gestionar los programas de movilidad de
estudiantes en msteres oficiales y doctorado.
Asimismo, y a travs de una serie de acuerdos especficos para Programas de Doctorado,
gestiona igualmente la movilidad de alumnos que participan en los doctorados cooperativos,
que pueden optar a becas y exenciones de matrcula. En la actualidad hay una veintena de
programas que han subscrito estos acuerdos.
Entre los programas internacionales, gestiona cuatro Programas de Doctorado
Iberoamericanos, bajo el auspicio de la Asociacin Universitaria Iberoamericana de Postgrado
(AUIP), organismo internacional no gubernamental reconocido por la UNESCO, dedicado al
fomento de los estudios de posgrado y doctorado en Latinoamrica. Los programas cuentan
con el patrocinio y financiacin de la Direccin General de Universidades de la Consejera de
Innovacin, Ciencia y Empresa de la Junta de Andaluca.
En la actualidad, la Universidad de Granada coordina o participa en cuatro Msteres Erasmus
Mundus, a los que la Escuela de Posgrado ofrece apoyo administrativo y de gestin. El
objetivo global del programa Erasmus Mundus es mejorar la calidad de la educacin superior
en Europa, contribuir a mejorar y potenciar las perspectivas profesionales de los estudiantes,
favorecer la comprensin intercultural mediante la cooperacin con terceros pases y
contribuir al desarrollo sostenido de terceros pases en el mbito de la educacin superior.
La Universidad de Granada gestiona la movilidad internacional de estudiantes de posgrado a
travs de la Oficina de Relaciones Internacionales del mismo Vicerrectorado
(http://www.ugr.es/ugr/index.php?page=servicios/fichas/ori) y de la Escuela de Posgrado
(http://escuelaposgrado.ugr.es), que lleva a cabo el proceso de matriculacin.
El Servicio de Alojamiento de la UGR aporta informacin y ayuda en cuanto a las opciones de
alojamiento para los estudiantes propios y de acogida (residencias, pisos, familias).
Ofrece, tambin, una relacin de hostales y pensiones para los que necesiten un alojamiento
temporal a su llegada. En este ltimo caso, hay que realizar una reserva previa directamente
con el establecimiento, indicando ser usuario del Servicio de Alojamiento de la UGR.
La Universidad de Granada comenz a organizar cursos para extranjeros en 1932. Hoy, el
Centro de Lenguas Modernas (CLM) de la Universidad de Granada, oferta un amplio abanico
de cursos de lengua y cultura espaola, entre los que se incluyen los organizados por la
Oficina de Relaciones Internacionales para los programas de intercambio, entre los que se
encuentra LLP/Erasmus Mundus. El CLM tambin ofrece cursos de otras muchas lenguas.
El mster en Estadstica Aplicada incluye movilidad de los alumnos y de los profesores.
Aunque una gran parte de la docencia se desarrolla de modo virtual, las Prcticas de Empresa y
el Trabajo de Fin de Grado requieren desplazamientos.
Por una parte, puesto que se realizan Prcticas de Empresa en diversas localidades, es
necesario que se desplacen los Alumnos para su desarrollo, y tambin Profesores para realizar
Pg. 29
las tareas de supervisin de las mismas.

Por otra parte, el desarrollo del trabajo de investigacin de Fin de Grado requiere un
periodo de contacto personal del alumno con el tutor del trabajo, as como para la presentacin
y defensa del mismo.
Adems, aprovechando el periodo de realizacin de este Trabajo, en que los alumnos se
encuentran en esta universidad, se realizan seminarios a los que asisten profesores de otras
universidades.
5.3 Descripcin detallada de los mdulos o materias de enseanzaaprendizaje de que consta el plan de estudios
A continuacin, especificamos la descripcin detallada de cada uno de los mdulos del Plan de
Estudios, incluyendo posteriormente la descripcin detallada de cada una de las asignaturas
que los componen, mediante su gua docente, especificando una bibliografa, en su caso, que
debe entenderse como un referente que marca, en el momento de esta solicitud, orientacin y
contenidos, antes que como una bibliografa de uso por parte de los alumnos, ya que esa ser
modificada en cada curso acadmico concreto.
Mdulo I
Denominacin
Crditos ECTS, carcter
44, optativo
Duracin y ubicacin temporal dentro del plan de estudios

Anual
Estructura
Mdulo compuesto por 11 asignaturas cuatrimestrales optativas programadas como se indica:
Cuatrimestre
Crditos
ECTS
Anlisis de datos. Tcnicas aplicadas a datos de proximidad
Segundo
Anlisis de
financieros
riesgos
Segundo
Aplicaciones de los modelos de difusin en fenmenos de

crecimiento en Ciencias Medioambientales y Economa
Segundo
Bioestadstica
Primero
calidad.
Segundo
Encuestas por muestreo. Aplicaciones econmicas, sociales y

medioambientales
Primero
Primero
Minera de datos
Segundo
Asignaturas
series
temporales.
Aplicaciones
Diseo estadstico experimental y control

Aplicaciones en Biociencias e Ingeniera
de
Pg. 30
Modelos de respuesta discreta. Aplicaciones biosanitarias
Primero
Tcnicas en Anlisis de Supervivencia. Estudio de casos

prcticos
Primero
Primero
Competencias y resultados de aprendizaje que el estudiante adquiere

Competencias:
Competencias generales: CG1-CG10
Competencias especficas: CC1-CC7, CC9-CC12, CP1-CP14, CA1-CA3
Resultados de aprendizaje:
Conocer las bases del anlisis de datos de proximidad y en la geometra de la tcnica de
Multidimensional Scaling (MDS).
Poseer los conocimientos y habilidades necesarios en relacin con la minera de datos de
proximidad y a la metodologa del anlisis estadstico computacional asociado.
Saber describir los principales modelos de MDS y su aplicacin mediante el manejo de software
estadstico GNU de alto nivel.
Saber elegir la metodologa computacional en relacin con el software estadstico ms
adecuado para cada anlisis de datos de proximidad.
Ser capaz de estudiar y aplicar nuevas tcnicas estadsticas de MDS.
Anlisis de series temporales. Aplicaciones a riesgos financieros
Conocer los fundamentos bsicos sobre procesos estocsticos y principales herramientas de
anlisis tiles en la modelizacin de series temporales, distinguiendo entre los enfoques
complementarios de anlisis en el dominio del tiempo y anlisis en el dominio de las
frecuencias.
Haber adquirido, a travs de la experiencia en casos prcticos reales y simulados, incluyendo la

interpretacin y la toma de decisiones inherentes a las distintas fases del anlisis, la destreza en
la elaboracin de modelos y derivacin de pronsticos.
En el caso de series multivariantes, saber discriminar la presencia o no de causalidad y, en

consecuencia, aplicar los enfoques de modelizacin adecuados.
Saber identificar comportamientos relativos a dependencias de largo rango, volatilidades,

valores extremos, etc., de especial inters en ciertas reas de aplicacin, y conocer los modelos
y tcnicas a aplicar en tales situaciones.
Aprender la utilizacin de software general o especializado, preferentemente software pblico

desarrollado en R.
Aplicaciones de los modelos de difusin en fenmenos de crecimiento en Ciencias
Conocer metodologas para construir modelos de difusin asociados a curvas de crecimiento.
Saber construir
y conocer las caractersticas fundamentales de los principales modelos de
Pg. 31
difusin utilizados en las ciencias medioambientales.

Saber construir y conocer las caractersticas fundamentales de los principales modelos de
difusin usados para modelar datos econmicos.
Saber construir y obtener las caractersticas de un modelo de difusin diseado para modelar
una curva de crecimiento concreta.
Saber plantear y resolver problemas generales de inferencia y tiempo de primer paso en los
modelos construidos.
Bioestadstica
Saber ejecutar estudios de asociacin factor de riesgo-enfermedad en todas sus fases: diseo,
anlisis y redaccin de resultados.
Ser capaz de analizar estudios de concordancia entre dos caracteres binarios o multinomiales,
distinguiendo las facetas de esta que aportan las diferentes medidas existentes.
Saber identificar la necesidad de los tests de bioequivalencia y realizar el anlisis detallado de
los mismos mediante los tests oportunos.
Saber disear estudios de valoracin de la calidad de un test diagnstico, estimando las
medidas oportunas relativas a la precisin del mismo.
Ser capaz de establecer comparaciones entre diferentes tests diagnsticos.
Saber valorar la calidad de los Ensayos Clnicos Controlados en cuanto al control del sesgo,
proponiendo alternativas para dicho control.
Manejar los paquetes estadsticos o programas especficos existentes para llevar a cabo los
anlisis antes citados.
Diseo estadstico experimental y control de calidad. Aplicaciones en Biociencias e
Ingeniera
Conocer los conceptos bsicos del anlisis de la varianza de una va y los elementos bsicos
que intervienen en el anlisis estadstico del modelo de regresin lineal simple y mltiple.
Conocer las herramientas bsicas que intervienen el anlisis estadstico (estimacin de los
parmetros, descomposicin de la variabilidad, tabla ANOVA, contrastes) de los diseos por
bloques aleatorizados completos e incompletos.
Saber distinguir la estructura que define el diseo en cuadrado latino y grecolatino, diseos
factoriales, jerrquicos y multifactoriales, as como los elementos que intervienen en el
desarrollo del anlisis estadstico de los modelos asociados.
Conocer las metodologas estadsticas utilizadas en la formulacin y anlisis de diseos
factoriales fraccionarios aplicados al control de la calidad.
Saber aplicar
los elementos adquiridos anteriormente al anlisis estadstico de datos
biomdicos, as como al control estadstico de sistemas en Ingeniera.
Encuestas por muestreo. Aplicaciones econmicas, sociales y medioambientales
Conocer los diversos enfoques actuales de la inferencia en poblaciones finitas.
Conocer la modelizacin de superpoblaciones y los estimadores ptimos de la media bajo los
principales modelos de superpoblacin.
Estar familiarizado con el uso otros diseos muestrales nuevos que estn adaptados a los
problemas concretos de cada campo de investigacin, y particularmente con el problema de
estudio de poblaciones humanas y animales.
Saber estimar parmetros simples a partir de datos muestrales provenientes de una encuesta
compleja, con un programa de software libre.
Pg. 32

Conocer la evolucin histrica de la Estadstica Computacional y prever su desarrollo.
Reconocer la implicacin de la Estadstica Computacional en el desarrollo de la Estadstica y
viceversa.
Conocer la metodologa de anlisis estadstico computacional con un programa de computacin
Estadstica de tipo 1 (SPSS, SAS).
Manejar a un nivel elemental el lenguaje de programacin Visual Basic para el desarrollo de
aplicaciones relacionadas con la lectura y manipulacin de datos (ficheros secuenciales y bases
de datos).
Conocer la metodologa de anlisis estadstico computacional con un entorno de programacin y
anlisis estadstico (R, S+).
Saber desarrollar un anlisis conjunto de datos con R.
Saber resolver problemas clsicos de la Estadstica con varios programas (SPSS, SAS, R,),
realizando una comparativa.
Ser capaz de disear un curso bsico de Estadstica prctica asistida por R y/u otro software.
Minera de datos
Conocer las herramientas bsicas utilizadas en Minera de datos.
Conocer el modo en el que se extrae conocimiento mediante una Red Neuronal.
Saber utilizar software adecuado para la creacin de redes neuronales y la prctica de las
herramientas bsicas en Minera de Datos.
Conocer los diseos muestrales usuales en las aplicaciones biosanitarias: prospectivos,
transversales y retrospectivos (casos y controles).
Saber distinguir entre el riesgo relativo de ocurrencia de un suceso y el cociente de ventajas a
favor de dicho suceso.
Conocer distintos modelos estadsticos de estimacin de una variable de respuesta binaria:
modelos logit, probit y de valores extremos.
Saber formular, interpretar, estimar y validar el modelo de regresin logstica a partir de una o
varias variables relacionadas con ella que pueden ser tanto cuantitativas como cualitativas
Saber formular, interpretar, estimar y validar modelos logit de respuesta multinomial, tanto
nominal como ordinal.
Ser capaz de seleccionar, en base a un conjunto de datos biosanitarios reales, los modelos logit
ms adecuados (con o sin interaccin) para explicar una variable cualitativa a partir de varias
variables relacionadas con ella.
Manejar un software estadstico que permita aplicar a datos biomdicos los modelos
estadsticos estudiados.
Tcnicas en Anlisis de Supervivencia. Estudio de casos prcticos
Comprender los conceptos bsicos en anlisis de supervivencia.

Conocer los modelos de funcin de riesgo ms usados en anlisis de supervivencia.
Reconocer y saber analizar diferentes estructuras de datos habituales en investigaciones
biomdicas: censura y truncamiento.
Saber aplicar tcnicas de libre distribucin para la estimacin de curvas de supervivencia:
Pg. 33
Mtodo de Kaplan-Meier y Nelson-Aalen.
Saber formular, estimar y valorar los modelos de regresin ms usuales en anlisis de tiempos
de vida: modelo de riesgos proporcionales y modelo de tiempo de vida acelerada.
Conocer las tcnicas de anlisis de supervivencia para procesos de vida con respuesta mltiple:
modelo de riesgos competitivos.
Manejar los procedimientos para anlisis de supervivencia de programas informticos tales

como StatGraphics, SPSS y el libro survival de R.
Saber realizar un anlisis de supervivencia basado en un caso prctico.

Conocer y saber aplicar con soltura los conceptos bsicos y resultados de la Inferencia
Estadstica en poblaciones normales multivariantes (cadena de resultados que conducen desde
una normal multivariante, hasta los contrastes de hiptesis ms importantes en el caso normal),
dando preferencia a su comprensin y objetivos que resuelven dichos resultados sobre las
demostraciones estadstico-matemticas de los mismos.
Conocer los fundamentos tericos imprescindibles (modelos; objetivos prcticos que resuelven;
hiptesis estadstico-matemticas; versiones tericos y muestrales, etc.) de las ms importantes
tcnicas estadsticas multivariantes paramtricas (Anlisis de Componentes Principales, Anlisis
Factorial, Anlisis Discriminante, Anlisis Cluster; Anlisis de Correspondencias).
Poseer una destreza fluida en la aplicacin, con apoyo de software estadstica (SPSS y R) de
las mencionadas tcnicas.
Saber resolver casos reales, con p-variables y observaciones muestrales dadas, detectando la/s
tcnica/s multivariante/s ms adecuada/s; comprobando el grado de verificacin de las hiptesis
estadsticas requeridas por cada tcnica; y saber efectuar discusin de los resultados obtenidos
planteando todo en un Informe Estadstico final.
Requisitos previos
Conocimientos bsicos sobre probabilidad y estadstica, procesos estocsticos, muestreo estadstico,
inferencia y decisin, anlisis multivariante, modelos de regresin, estadstica computacional y anlisis
matemtico bsico.
Actividades formativas en crditos ECTS, su metodologa de enseanza-aprendizaje y

su relacin con las competencias que debe adquirir el estudiante
La metodologa de enseanza-aprendizaje en este mdulo es la propia de una enseanza virtual. Todos
los materiales necesarios se encuentran alojados en la plataforma virtual desarrollada para impartir el
mster, soportada por el Centro de Enseanzas Virtuales de la Universidad de Granada (CEVUG,
http://cevug.ugr.es/) dependiente del Vicerrectorado de Grado y Posgrado. As mismo, la comunicacin
profesor-alumno, se llevar a cabo mediante dicha plataforma, videoconferencia y presenciales si es
necesario.
El primer da de clase se facilita una gua docente que contiene un cronograma con todas las actividades
formativas que incluyen:
Clases tericas: Los temas tericos desarrollados se incluyen en la pgina para que sean
descargados por los alumnos. Tambin se incluyen documentos de apoyo y fuentes bibliogrficas
con objeto de que el alumno complete los temas de forma que se facilite el aprendizaje autnomo.
Clases prcticas: En cada tema, se proponen una serie de prcticas resueltas as como otras a
Pg. 34
desarrollar por el alumno al finalizar la parte terica.
Autoevaluaciones. Se proponen ejercicios de evaluacin que el alumno realiza y corrige de forma

autnoma, comprobando si le han quedado claros los conceptos expuestos en las clases tericas y
prcticas.
Tutoras: Las dudas acerca de los contenidos tericos y sobre las prcticas se resuelven por el
profesor a travs del foro especfico de cada asignatura.
Trabajos prcticos: Se le proponen al alumno trabajos basados en datos reales para que
demuestren si han adquirido los conocimientos y habilidades de cada asignatura.
La dedicacin de los alumnos a las distintas actividades de formacin en cada asignatura del mdulo
estar en torno a los siguientes porcentajes sobre el total de crditos ECTS por asignatura:
Acceso regular a
la plataforma
Trabajo
Autnomo
Uso de los Scorms y descargas
2.5%
Participacin en los foros de discusin
2.5%
Consulta y tutora virtual
5%
Estudio de contenidos
50%
Realizacin de tareas
30%
Actividades de evaluacin
10%
10%
90%
Acciones de coordinacin
Tanto las actividades formativas como los sistemas de evaluacin son similares en todas las asignaturas
del mdulo. Estas cuestiones, y otras relacionadas con la docencia en este mdulo, estn reguladas por
una Comisin de Docencia, compuesta por cuatro profesores del Mster en Estadstica Aplicada, creada
a tal efecto. Entre las competencias y labores que realiza dicha comisin destacan:
1.
2.
3.
4.
Revisin y actualizacin de las guas docentes.

Evaluacin de la docencia: propuesta de inclusin o exclusin de cursos.
Control y seguimiento de la docencia en la plataforma virtual (en coordinacin con el CEVUG).
Elaboracin de recursos electrnicos para la difusin en la web del mster.
Dichas tareas se realizan de forma continuada a lo largo del curso, manteniendo reuniones peridicas
entre los miembros de la comisin, y tambin junto con la comisin acadmica y el coordinador.
Asimismo se ha de realizar una intensa tarea de coordinacin con el personal del CEVUG que presta su
servicio en la tarea de virtualizacin de los cursos. Todas estas actuaciones de coordinacin en las que
en ltima instancia se implica a todo el claustro de profesores del mster, permitie una continua revisin
y mejora de la docencia realizada en el cursos.
Sistemas de evaluacin de la adquisicin de las competencias y sistema de

calificaciones
Todo lo relativo a la evaluacin se regir por la normativa de planificacin docente y organizacin de
exmenes de la Universidad de Granada, de 30 de junio de 1997.
El sistema de calificacin empleado ser el establecido en el artculo 5 del Real Decreto 1125/2003, de 5
de septiembre, por el que se establece el sistema europeo de crditos y el sistema de calificaciones en
Pg. 35
las titulaciones universitarias de carcter oficial y validez en todo el territorio nacional.

Los criterios de evaluacin se indicarn en las Programas y Guas Didcticas correspondientes a cada
asignatura, garantizando as la transparencia y objetividad de los mismos.
La calificacin global responder a la puntuacin ponderada de los diferentes aspectos y actividades que
integran el sistema de evaluacin, por lo tanto stas pueden variar en funcin de las necesidades
especficas de las asignaturas que componen cada materia; de manera orientativa se indican la siguiente
ponderacin:
La resolucin de las actividades propuestas, valorndose positivamente el uso de los conceptos

tericos subyacentes, la ampliacin de conocimientos y la adquisicin de habilidades y destrezas en
la resolucin de problemas. 50%
Participacin en los foros de discusin. 10%
Acceso a la plataforma (mdulo de contenidos, glosario, utilizacin de enlaces web y bibliografa

complementaria, etc.). 5%
La realizacin y exposicin de un trabajo final en el que el alumno mostrar su grado de madurez en

relacin con los conocimientos y competencias adquiridas. 35%
Descripcin de los contenidos

1.
Anlisis de datos de proximidad. Multidimensional Scaling.
2.
MDS clsico. Anlisis de coordenadas principales.
3.
MDS mtrico y no mtrico.
4.
Diferencias individuales en MDS.
5.
Anlisis de datos de proximidad con MDS.
6.
Unfolding.
7.
Procruster.
8.
Otros modelos de MDS.
9.
Clasificacin y MDS.
1.
Introduccin y fundamentos. Prediccin.
2.
Modelos ARIMA.
3.
Anlisis espectral de series temporales.
4.
Causalidad. Modelos de regresin dinmica.
5.
Modelos de series temporales mltiples.
6.
Modelos de espacio de estados. Filtrado de Kalman.
7.
Modelos condicionalmente heteroscedsticos. Anlisis de volatilidades.
8.
Modelos fraccionarios. Dependencias de largo rango.
9.
Anlisis de valores extremos y evaluacin de riesgos en series temporales financieras.
Pg. 36
Aplicaciones de los modelos de difusin en fenmenos de crecimiento en Ciencias

1.
Obtencin de procesos de difusin a partir de esquemas discretos.
2.
Obtencin de procesos de difusin a partir de modelos de crecimiento.
3.
Proceso lognormal: obtencin y caractersticas fundamentales. Aplicaciones.
4.
Proceso logstico: obtencin y caractersticas fundamentales. Aplicaciones.
5.
Proceso Gompertz: obtencin y caractersticas fundamentales. Aplicaciones.
6.
Procesos tipo Gompertz: obtencin y caractersticas fundamentales. Aplicaciones.
7.
Estudio de problemas de inferencia a travs de muestreo discreto de las trayectorias en los

modelos planteados.
8.
Estudio de problemas de tiempo de primer paso en los modelos planteados.

Bioestadstica
1.
MEDIDAS DE ASOCIACIN.
1.1. INTRODUCCIN. Tipos de muestreo en tablas 22. Modelos y distribuciones asociadas
a cada tipo de muestreo: hiptesis de independencia. Inferencias condicionada e
incondicionada.
1.2. TESTS EXACTOS Y ASINTTICOS EN TABLAS 22. Test exacto de Fisher. Los dos
tests incondicionados de Barnard, el test chi-cuadrado y sus condiciones de validez.
Tablas y programas. Tamaos de muestra.
1.3. MEDIDAS DE ASOCIACIN EPIDEMIOLGICAS. Tipos de estudios. Diseo ptimo.
Diferencia de Berkson. Riesgo relativo. Razn del producto cruzado. Riesgo atribuible.
Estimaciones puntuales. Intervalos de confianza exactos y aproximados.
1.4. ANLISIS DE VARIAS TABLAS 22. La paradoja de Simpson y los sesgos de confusin
y de interaccin. Tests de homogeneidad. Tests de asociacin. Test de Gart. Test de
Mantel-Haenszel. Estimacin de la asociacin comn.
1.5. MEDIDAS DE CONCORDANCIA. El ndice Kappa normal y ponderado. El caso de
Tablas 22. El caso de las cualidades ordinales. Tests e intervalos. El ndice Delta para
cualidades nominales.
2.
METODOLOGA DE BIOEQUIVALENCIA.
2.1. EQUIVALENCIA DE DOS PROPORCIONES: No-Inferioridad,
Equivalencia. Tests aproximados y exactos. Tamao de muestra.
Superioridad
2.2. BIOEQUIVALENCIA
DE
DOS
MEDIAS:
Biodisponibilidad.
Bioequivalencia.
Bioequivalencia de razn y de promedio: tests TOST y tamao de muestra.
3.
MEDIDAS DE EFICIENCIA EN MTODOS DIAGNSTICOS.

3.1. MTODOS DE DIAGNSTICO DE RESULTADO BINARIO. Parmetros de eficacia de
un mtodo diagnstico. Estimacin puntual y por intervalo. Comparacin de parmetros.
3.2. MTODOS DE DIAGNSTICO DE RESULTADO ORDINAL O CUANTITATIVO.
Definicin de curva ROC: Modelo Binormal. Estimacin del rea bajo la curva ROC:
versiones paramtrica y no paramtrica. Comparacin de curvas ROC.
4.
ENSAYOS CLNICOS.
Concepto y objetivo de un Ensayo Clnico. Necesidad del grupo Control. Control del sesgo.
Tipos de EC. Diseo de un EC. Mtodos de asignacin aleatoria del tratamiento. El problema
del consentimiento. Medida de la respuesta. Tamao de muestra. Duracin del EC. tica en
los EC. El ensayo clnico ideal.
Diseo estadstico experimental y control de calidad. Aplicaciones en Biociencias e
Pg. 37
Ingeniera
1.
Principios y directrices del diseo de experimentos y control de la calidad.
2.
Anlisis de la varianza de una sola va.
3.
Regresin lineal simple y mltiple.
4.
Diseos por bloques aleatorizados completos e incompletos.
5.
Diseos de cuadrado latino, grecolatino y diseos factoriales.
6.
Diseos factoriales fraccionarios aplicados a la calidad.
7.
Diseos jerrquicos y mtodos y diseos de superficies de respuesta aplicados al control

estadstico de la calidad.
Encuestas por muestreo. Aplicaciones econmicas, sociales y medioambientales
1.
Introduccin a la inferencia en poblaciones finitas: el modelo de poblacin fija y el modelo de

superpoblacin.
2.
Elementos de inferencia en el modelo de poblacin fija.
3.
Inferencia a partir de modelos de superpoblacin.
4.
Software para el tratamiento de datos de encuestas por muestreo.
5.
Aplicaciones econmicas y sociales: mtodos de muestreo para encuestas sociales y

econmicas.
6.
Aplicaciones medioambientales: mtodos de muestreo para la estimacin del tamao de

poblaciones salvajes.
1.
Computacin Estadstica y Estadstica Computacional. Evolucin histrica.
2.
Lenguajes de programacin: Visual Basic.
3.
Metodologa del Anlisis Estadstico Computacional con SPSS.
4.
Metodologa del Anlisis Estadstico Computacional con los entornos de anlisis y

programacin estadstica R y S+.
5.
Casos prcticos: anlisis estadstico de datos reales. Comparacin de software.
6.
Resolucin prctica de problemas clsicos de la Estadstica con R y S+.

6.1. Contrastes de hiptesis e intervalos de confianza paramtricos y no paramtricos.
6.2. Anlisis de Regresin: estimacin paramtrica.
6.3. Estimacin no paramtrica de curvas notables: regresin y densidad.
6.4. Mtodos multivariantes.
Minera de datos
1.
Minera de datos y redes neuronales.
2.
Fases en la construccin de una red neuronal.
3. Las redes neuronales en la prediccin dinmica.

1.
Introduccin a los modelos de respuesta binaria.

Aplicaciones en epidemiologa. Diseos muestrales. Riesgo relativo y cociente de ventajas.
Modelos de respuesta binaria usuales: modelos logit o de regresin logstica, modelos probit,
Pg. 38
modelos de valores extremos.

2.
Modelos logit con variables explicativas cuantitativas.

Formulacin e interpretacin del modelo de regresin logstica mltiple. Interaccin y
confusin. Estimacin MV iterativa mediante Newton-Raphson. Inferencia sobre modelos
logit: contrastes de bondad de ajuste, contrastes e intervalos de confianza sobre los
parmetros. Seleccin stepwise de modelos logit.
3.
Modelos logit con variables explicativas cualitativas.

Variables del diseo. Formulacin del modelo con una y dos variables explicativas. Variables
explicativas cuantitativas y cualitativas. Modelos con interaccin.
4.
Modelos logit de respuesta multinomial.

Modelos logit generalizados de respuesta nominal. Modelos logit de respuesta ordinal:
modelos acumulativos y modelos para categoras adyacentes.
1.
Distribuciones de tiempo de vida: la funcin de riesgo y la funcin de supervivencia.
2.
Modelos aleatorios de tiempo de vida.
3.
Tratamiento estadstico de datos de tiempos de vida.

3.1. Censura y truncamiento.
3.2. Anlisis paramtrico de datos de tiempos de vida.
4.
Modelos de regresin en supervivencia: Modelo de Cox y modelos de tiempo de vida

acelerada.
5.
Mtodos de libre distribucin para el anlisis de datos de tiempos de vida.

5.1. El mtodo actuarial.
5.2. Mtodos de Kaplan-Meier y Nelson-Aalen.
5.3. Comparacin de grupos de riesgo.

1.
Distribucin Normal Multivariante. Estimadores mximo verosmiles de sus parmetros.

Distribucin de Wishart. Estadstico de la T2 de Hotelling.
2.
Anlisis de Componentes Principales.
3.
Anlisis Factorial.
4.
Anlisis Discriminante.
5.
Anlisis Cluster.
6.
Anlisis de Correspondencias.
7. Otras tcnicas multivariantes paramtricas.
Pg. 39
Mdulo II
Denominacin
28, optativo

Anual
Estructura
Mdulo compuesto por 7 asignaturas cuatrimestrales optativas programadas como se indica:
Cuatrimestre
Crditos
ECTS
Segundo
Aspectos computacionales en la estimacin de errores en

encuestas por muestreo
Segundo
Clculo y modelizacin estocstica. Procesos de difusin
Primero
Evaluacin de la Fiabilidad y Mantenimiento de Sistemas de

Ingeniera
Primero
Modelos espacio-temporales. Evaluacin

Geofsica y Medio Ambiente
Primero
Simulacin de procesos estocsticos e inferencia estadstica
Segundo
Primero
Asignaturas
de riesgos
en

Competencias:
Competencias generales: CG1-CG10
Competencias especficas: CC1-CC5, CC7, CC8, CC10, CC12, CP1, CP3-CP14, CA1-CA3
Resultados de aprendizaje:
Conocer las nociones bsicas sobre variables funcionales (procesos estocsticos) de segundo
orden.
Saber manejar los mtodos matemticos de aproximacin de funciones de cuadrado integrable
(interpolacin,
aproximacin mnimo cuadrtica,) a partir de bases de funciones
(trigonomtricas, splines, wavelets,...).
Pg. 40
Conocer la tcnica de reduccin de dimensin Anlisis en Componentes Principales Funcional

(ACPF) y mtodos de estimacin a partir de observaciones en tiempo discreto de las funciones
muestrales.
Conocer la formulacin, estimacin muestral e implementacin computacional, as como la
aplicacin con datos reales e interpretacin de resultados, de modelos de prediccin en
componentes principales (PCP) de una variable funcional.
Ser capaz de relacionar los modelos PCP con los modelos ms generales de regresin lineal
funcional.
Conocer la formulacin, estimacin muestral e implementacin computacional, as como la
aplicacin con datos reales e interpretacin de resultados, de modelos de regresin logstica
para estimar una variable binaria a partir de un predictor funcional relacionado.
Aspectos computacionales en la estimacin de errores en encuestas por muestreo
Conocer la problemtica de la estimacin de errores de muestreo en encuestas con muestras
complejas y con parmetros no lineales.
Conocer algunas tcnicas aproximadas de estimacin de varianzas.
Saber analizar el software estadstico disponible en relacin con los diseos utilizados y las
tcnicas de estimacin implementadas.
Conocer software libre que pueda utilizarse para la estimacin de varianzas y saber analizar sus
caractersticas y ventajas en el contexto del muestreo en poblaciones finitas.
Saber elaborar programas para la estimacin de varianzas en situaciones complejas concretas

que se le planteen.
Conocer e identificar las condiciones que definen y determinan a un proceso de difusin.
Conocer diferentes procedimientos que permitan el estudio de procesos de difusin, la

obtencin de las densidades de transicin y anlisis de sus principales caractersticas. En
concreto,
o Saber identificar las condiciones que garantizan la existencia de solucin de las ecuaciones
de Kolmogorov y poseer destrezas en su resolucin por diversos procedimientos.
o Saber identificar las condiciones que garantizan la existencia de solucin de las ecuaciones
diferenciales estocsticas cuya solucin sean procesos de difusin y poseer destrezas en su
resolucin, especialmente en casos como el lineal o transformables en l.
Conocer y manejar con soltura algunos procesos de difusin concretos (Wiener, OrnsteinUhlenbeck, lognormal,).
Conocer procedimientos para obtener procesos de difusin a partir de otros conocidos.
Tener destrezas en la estimacin de los parmetros de procesos de difusin mediante muestreo
discreto y en la aplicacin a casos concretos.
Conocer el problema de tiempos de primer paso en difusiones y poseer destrezas para su
resolucin en casos concretos.
Evaluacin de la Fiabilidad y Mantenimiento de Sistemas de Ingeniera
Conocer los conceptos bsicos: fiabilidad, disponibilidad, reparacin y mantenimiento.
Saber calcular la fiabilidad de sistemas parcialmente redundantes en funcin de la fiabilidad de
las componentes.
Conocer las caractersticas generales de las distribuciones de probabilidad usuales en fiabilidad:
exponencial, Erlang, Weibull, lognormal, valores extremos.
Pg. 41
Conocer las caractersticas generales de distribuciones discretas frecuentes en fiabilidad:

binomial, geomtrica, de Poisson.
Saber calcular los momentos y las funciones de riesgo de estas distribuciones.
Ser capaz de operar con el proceso de Poisson como modelo de llegadas de fallos.
Saber calcular la fiabilidad de sistemas exponenciales bsicos en ingeniera: serie, paralelo, y kout-of-n.
Saber calcular la fiabilidad de sistemas redundantes.
Modelos espacio-temporales. Evaluacin de riesgos en Geofsica y Medio Ambiente
Conocer los fundamentos bsicos sobre campos aleatorios tiles en el contexto de la
modelizacin y el anlisis estadstico espacio-temporales.
Saber diferenciar los principales enfoques desarrollados en relacin con la representacin de
procesos estocsticos espacio-temporales (modelos estadsticos y modelos fsicos).
Conocer y saber aplicar distintos enfoques para el diseo de estrategias de muestreo, as como
mtodos de inferencia en relacin con modelos espacio-temporales.
Conocer y saber aplicar tcnicas de generacin de mapas predictivos y relacionados en el
espacio/tiempo.
Poseer destreza en el manejo de software especializado.
Haber desarrollado la capacidad para el anlisis y tratamiento de problemas con datos reales o
simulados, as como para la interpretacin de resultados, en este contexto.
Conocer las principales metodologas que definen las tcnicas clsicas utilizadas en la
generacin de variables aleatorias: Transformada inversa, Aceptacin-Rechazo y Composicin.
Saber generar procesos aleatorios bsicos a partir de la generacin de nmeros pseudoaleatorios, utilizando las tcnicas de simulacin contempladas en el objetivo anterior.
Conocer los principios bsicos, filosofa y limitaciones de los mtodos de simulacin Monte
Carlo.
Saber aplicar la simulacin Monte Carlo a la generacin de procesos bsicos en finanzas tales
como el Movimiento Browninao Geomtrico.
Ser capaz de implementar e interpretar estadsticamente los mtodos usuales de integracin
numrica basados en simulacin: Monte-Carlo, variedades antitticas, variedades de control y
muestreo segn importancia.
Conocer y saber implementar los mtodos Monte Carlo basados en cadenas de Markov y los
algoritmos de optimizacin asociados, basados en muestreo mediante Cadenas de Markov.
Conocer y comprender los fundamentos y nociones bsicas de la teora de sistemas dinmicos.
Reconocer los elementos para la descripcin matemtica de un sistema.
Conocer los fundamentos del problema de estimacin.
Ser capaz de resolver problemas de prediccin, filtrado y suavizamiento en sistemas lineales
discretos y obtener algoritmos para el clculo de los estimadores.
Ser hbil para formular y resolver el problema de estimacin de seales a partir de
observaciones inciertas.
Requisitos previos
Pg. 42
Conocimientos bsicos sobre probabilidad y estadstica, procesos estocsticos, muestreo estadstico,

inferencia y decisin, anlisis multivariante, modelos de regresin, estadstica computacional y anlisis
matemtico (aproximacin de funciones y ecuaciones diferenciales).

La metodologa de enseanza-aprendizaje en este mdulo es la propia de una enseanza virtual. Todos
los materiales necesarios se encuentran alojados en la plataforma virtual desarrollada para impartir el
mster, soportada por el Centro de Enseanzas Virtuales de la Universidad de Granada (CEVUG,
http://cevug.ugr.es/) dependiente del Vicerrectorado de Grado y Posgrado. As mismo, la comunicacin
profesor-alumno, se llevar a cabo mediante dicha plataforma, videoconferencia y presenciales si es
necesario.
El primer da de clase se facilita una gua docente que contiene un cronograma con todas las actividades
formativas que incluyen:
Clases tericas: Los temas tericos desarrollados se incluyen en la pgina para que sean
descargados por los alumnos. Tambin se incluyen documentos de apoyo y fuentes bibliogrficas
con objeto de que el alumno complete los temas de forma que se facilite el aprendizaje autnomo.
Clases prcticas: En cada tema, se proponen una serie de prcticas resueltas as como otras a
desarrollar por el alumno al finalizar la parte terica.
Autoevaluaciones. Se proponen ejercicios de evaluacin que el alumno realiza y corrige de forma

autnoma, comprobando si le han quedado claros los conceptos expuestos en las clases tericas y
prcticas.
Tutoras: Las dudas acerca de los contenidos tericos y sobre las prcticas se resuelven por el
profesor a travs del foro especfico de cada asignatura.
Trabajos prcticos: Se le proponen al alumno trabajos basados en datos reales para que
demuestren si han adquirido los conocimientos y habilidades de cada asignatura.
La dedicacin de los alumnos a las distintas actividades de formacin en cada asignatura del mdulo
estar en torno a los siguientes porcentajes sobre el total de crditos ECTS por asignatura:
Acceso regular a
la plataforma
Trabajo
Autnomo
Uso de los Scorms y descargas
2.5%
Participacin en los foros de discusin
2.5%
Consulta y tutora virtual
5%
Estudio de contenidos
50%
Realizacin de tareas
30%
Actividades de evaluacin
10%
10%
90%
Pg. 43
Tanto las actividades formativas como los sistemas de evaluacin son similares en todas las asignaturas
del mdulo. Estas cuestiones, y otras relacionadas con la docencia en este mdulo, estn reguladas por
una Comisin de Docencia, compuesta por cuatro profesores del Mster en Estadstica Aplicada, creada
a tal efecto. Dicha comisin se reune periodicamente haciendo posible la coordinacin entre las distintas
asignaturas de los mdulos. As el plan de actuacin de la comisin permite y posibilita una mejora
continuada de todos los recursos y mecanismos que se ponen a disposicin del estudiante. Aqu
destacamos la elaboracin y continada revisin de las guas docentes que regulan el carcter,
contenidos y modo de desarrollo y evaluacin de los cursos.

calificaciones
Todo lo relativo a la evaluacin se regir por la normativa de planificacin docente y organizacin de
exmenes de la Universidad de Granada, de 30 de junio de 1997.
El sistema de calificacin empleado ser el establecido en el artculo 5 del Real Decreto 1125/2003, de 5
de septiembre, por el que se establece el sistema europeo de crditos y el sistema de calificaciones en
las titulaciones universitarias de carcter oficial y validez en todo el territorio nacional.
Los criterios de evaluacin se indicarn en las Programas y Guas Didcticas correspondientes a cada
asignatura, garantizando as la transparencia y objetividad de los mismos.
La calificacin global responder a la puntuacin ponderada de los diferentes aspectos y actividades que
integran el sistema de evaluacin, por lo tanto stas pueden variar en funcin de las necesidades
especficas de las asignaturas que componen cada materia; de manera orientativa se indican la siguiente
ponderacin:
La resolucin de las actividades propuestas, valorndose positivamente el uso de los conceptos

tericos subyacentes, la ampliacin de conocimientos y la adquisicin de habilidades y destrezas en
la resolucin de problemas. 50%
Participacin en los foros de discusin. 10%
Acceso a la plataforma (mdulo de contenidos, glosario, utilizacin de enlaces web y bibliografa

complementaria, etc.). 5%
La realizacin y exposicin de un trabajo final en el que el alumno mostrar su grado de madurez en

relacin con los conocimientos y competencias adquiridas. 35%

1. Introduccin al Anlisis de Datos Funcionales.
2. Representacin de datos funcionales mediante bases de funciones.
3. Anlisis en componentes principales funcional: formulacin, estimacin y aproximacin.
4. Modelos de prediccin en componentes principales (PCP) de variables funcionales.
Aplicaciones en Turismo y Economa.
5. Modelos de regresin lineal funcional: casos de respuesta escalar y respuesta funcional.
Relacin con los modelos PCP.
6. Modelos
de
regresin
logstica
funcional
para
respuesta
binaria.
Aplicaciones
en
Pg. 44
Medioambiente y en Ciencias de la Salud.

Aspectos computacionales en la estimacin de errores en encuestas por muestreo
1. Estimacin aproximada de la varianza. Justificacin, definiciones bsicas y clasificacin de
mtodos.
2. Tcnica de linealizacin.
3. Tcnica de grupos aleatorios.
4. Mtodo Jackknife.
5. Mtodo Bootstrap.
6. Software para estimacin de errores muestrales: software comercial y software libre.
7. El entorno R para la estimacin de la varianza.
1. Repaso de conceptos generales sobre clculo, modelizacin estocstica y procesos
estocsticos.
2. Procesos gaussianos: Definicin y caracterizacin. Continuidad. Procesos gaussianos
markovianos. Ejemplos.
3. Procesos de difusin: Ecuaciones cinticas. Teorema de Pawula. Definicin de proceso de
difusin. Ecuaciones de Fokker-Planck y de Kolmogorov en los procesos de difusin.
Condiciones frontera en el caso homogneo. Resolucin de las ecuaciones de Kolmogorov.
Los procesos de difusin y las ecuaciones diferenciales estocsticas. Ejemplos.
4. Inferencia en procesos de difusin mediante muestreo discreto. Ejemplos.
5. Tiempos de primer paso en procesos de difusin. Definiciones y ejemplos. Obtencin de las
densidades de tiempo de primer paso mediante ecuaciones integrales de Volterra. Obtencin
de densidades de tiempo de primer paso a partir del proceso Wiener. Otros procedimientos.
Ejemplos.
1. Introduccin y conceptos bsicos.
2. Fiabilidad de sistemas simples.
3. Modelos de redes y fiabilidad de sistemas complejos.
4. Distribuciones de tiempos de vida usuales en fiabilidad.
5. El proceso de Poisson como modelo de llegadas de fallos.
6. Evaluacin de la fiabilidad usando distribuciones de probabilidad.
7. Fiabilidad de sistemas en serie, en paralelo, y k-out-of-n.
8. Fiabilidad de sistemas redundantes.
Modelos espacio-temporales. Evaluacin de riesgos en Geofsica y Medio Ambiente
1. Conceptos bsicos y fundamentos.
2. Modelos geoestadsticos espaciales y espacio-temporales.
3. Estimacin de parmetros. Prediccin, inter/extrapolacin y filtrado.
4. Anlisis de valores extremos.
5. Diseo de redes de observacin.
6. Simulacin y aplicaciones. Evaluacin de riesgos.
Pg. 45

1. Mtodos de generacin de variables aleatorias discretas y continuas.
2. Generacin de recorridos aleatorios, movimiento Browniano y proceso de Poisson.
3. Generacin de procesos markovianos, procesos de recuento y procesos relacionados.
4. Principios de la simulacin Monte Carlo. Simulacin Monte Carlo de procesos en finanzas.
5. Mtodos Monte Carlo para la inferencia estadstica.
6. Mtodos MCMC y algoritmos de optimizacin para la inferencia.
1. Fundamentos de la teora de sistemas dinmicos.
2. Fundamentos del problema de estimacin.
3. Estimacin en sistemas lineales discretos.
4. Estimacin en sistemas lineales discretos con observaciones inciertas.
Pg. 46
GUA DOCENTE DE LA ASIGNATURA

Nombre de la
asignatura
Anlisis de datos. Tcnicas aplicadas a datos de proximidad.
Profesor(es)
Jos Fernando Vera. (http://www.ugr.es/local/jfvera)

Pedro A. Garca. (http://www.ugr.es/local/pagarcia)
Descripcin
Uno de los problemas ms interesantes en muchas disciplinas se plantea cuando

necesitamos medir y entender las relaciones entre objetos, siendo desconocidas
las dimensiones subyacentes de los mismos, especialmente en aquellas
situaciones en las que la informacin disponible se refiere exclusivamente a la
semejanza o desemejanza entre los elementos que son motivo de estudio. El
anlisis multidimensional de estructuras mediante proximidades o
Multidimensional Scaling (MDS) puede definirse como un conjunto de tcnicas
para el anlisis de datos de similaridad o de disimilaridad sobre un conjunto de
objetos o variables. En general, las medidas de proximidad son modelizadas
mediante distancias en un espacio mtrico de dimensin baja para obtener una
representacin visual de la estructura de los datos, lo que adems de resultar
ms fcil de entender que una tabla de datos, permite mostrar la informacin
esencial minimizando las perturbaciones debidas a errores.
Existen diferentes tipos de MDS en funcin de la geometra utilizada para la
representacin de los datos, el tratamiento estadstico de los errores, o los
procedimientos empleados para encontrar una representacin ptima de los
mismos, entre otras caractersticas. La gran flexibilidad del MDS ha hecho que
adems, algunos modelos hayan sido combinados tericamente con otras
tcnicas tradicionales del Anlisis Multivariante como el anlisis clster para
facilitar la interpretacin de los datos. Desde otra perspectiva, el MDS tambin ha
sido empleado como herramienta fundamental en campos de la estadstica tan
diferentes como los procesos espacio-temporales.
Dada la gran flexibilidad de la tcnica y puesto que no existen soluciones exactas
para la estimacin de la configuracin en MDS, el desarrollo de las tcnicas
especficas de cada problema en cuestin y su tratamiento computacional
constituye una rea de investigacin muy atractivo y de gran actualidad, en la
que las tcnicas de optimizacin heurstica juegan un papel importante.
Objetivos
particulares
Prerrequisitos y
recomendaciones
Introducir al alumno en el anlisis de datos de proximidad y en la

geometra de la tcnica de Multidimensional Scaling (MDS).
Adquirir los conocimientos y habilidades necesarios en relacin con la

minera de datos de proximidad y a la metodologa del anlisis
estadstico computacional asociado.
Describir los principales modelos de MDS y su aplicacin mediante el

manejo de software estadstico GNU de alto nivel.
Ensear a elegir la metodologa computacional en relacin conl software

estadstico ms adecuado para cada anlisis de datos de proximidad.
Motivar la bsqueda de informacin individual y en equipo, as como el

estudio y aplicacin de nuevas tcnicas estadsticas de MDS.
Para el desarrollo de la investigacin en este campo se requiere por parte del

alumno un conocimiento medio-avanzado en Matemticas, Estadstica y Clculo
de Probabilidades. En particular, es recomendable tener conocimientos medios
en Anlisis Multivariante y Tcnicas de Regresin. Por otra parte, el
Pg. 47
conocimiento de lenguajes de programacin avanzada como R o MatLab, as

como paquetes estadsticos avanzados como SPSS es a su vez muy
recomendable. Es por tanto aconsejable, aunque no imprescindible, que el
alumno haya realizado alguna asignatura relacionada con la Estadstica
Computacional y el Anlisis Exploratorio de Datos.
Contenidos
Metodologa
1.
Anlisis de datos de proximidad. Multidimensional Scaling
2.
MDS clsico. Anlisis de coordenadas principales
3.
MDS mtrico y no mtrico
4.
Diferencias individuales en MDS
5.
Anlisis de datos de proximidad con MDS
6.
Unfolding.
7.
Procruster.
8.
Otros modelos de MDS
9.
Clasificacin y MDS
El curso se desarrollar en el primer cuatrimestre, aunque los bloques de

contenidos concluirn una semana antes para destinar los ltimos das a
resolucin de dudas y orientacin en la realizacin de las actividades propuestas.
La temporizacin fijada para el curso plantea el estudio de entre 1 y 2 horas
diarias durante el primer cuatrimestre. No obstante, esto es una recomendacin o
sugerencia. Evidentemente, cada alumno podr fijar su propio ritmo de estudio,
decidir cundo se conecta a la plataforma, cundo realizar una actividad, cundo
remitir una aportacin al foro, etctera.
Como se puede apreciar, en general los temas son independientes entre s,
aunque complementarios, y no se solapan en ningn momento: salvo que el tutor
lo advierta de forma puntual, no se pasar de un bloque a otro hasta que se haya
dado por concluido y se hayan entregado las actividades correspondientes.
Bibliografa
1.
2.
3.
4.
5.
6.
7.
Criterios de
evaluacin
BORG, I. & GROENEN, P.J.F. (2005).- Modern Multidimensional Scaling.

Theory and Applications. Second Edition.Springer Series in Statistics.
Springer.
COX, T.F. & COX, M.A.A. (2001).-Multidimensional Scaling. Second Edition.
Monographs on statistics and applied probability, 59. London: Chapman Hall.
KRUSKAL, B. & WISH, M (1981). Multidimensional Scaling. Sage.
MARDIA K.V. & BIBBY, K.J.M. (1997). Multivariate Analysis. London:
Academic Press.
HOAGLIN, D., MOSTELLER, F. & TUKEY, J.W.(1983).-Understanding
robust and Exploratory Data Analysis. New York. John Wiley & Sons.
SEBER, G.A.F. (1984). Multivariate Observations. New York. John Willey.
ARABIE, P. & CARROLL, J.D. & DeSARBO, W. (1987). Three-Way scaling
and clustering. Sage.
Se considerar aprobado el curso y se expedir el correspondiente certificado de

aprovechamiento con la superacin del 85% del contenido propuesto, tanto de la
parte terica como prctica. Para la evaluacin se tendr en cuenta:
Actitud participativa del alumno (10%)
Pg. 48
Acceso a la plataforma (mdulo de contenidos, glosario, utilizacin de

enlaces web y bibliografa complementaria, etc.) (5%)
Participacin en foros y chats (10%)
Entrega de actividades (40%)
Realizacin de consultas y utilizacin del resto de herramientas de

comunicacin (10%)
Prcticas (25%)
Pg. 49

Nombre de la
asignatura
Anlisis de Series Temporales. Aplicaciones a riesgos financieros
Profesor(es)
Jos Miguel Angulo Ibez (http://www.ugr.es/local/jmangulo)

Francisco Javier Alonso Morales (http://www.ugr.es/local/falonso)
Descripcin
Objetivos
particulares
Prerrequisitos y
recomendaciones
Contenidos
En este curso se persigue que el alumno adquiera conocimientos fundamentales

y prcticos sobre los principales mtodos para modelizar, estimar y predecir
variables relacionadas con datos de naturaleza longitudinal o temporal. Como
resultado, el alumno deber ser capaz de identificar en distintas situaciones el
modelo ms adecuado, ajustar dicho modelo a partir de un conjunto de
observaciones muestrales, as como pronosticar valores futuros de una o varias
series conjuntamente, puntualmente y en trminos de confiabilidad. Se
consideran, entre otras, aplicaciones a la evaluacin de riesgos en relacin con
series financieras.
Adquirir los fundamentos bsicos sobre procesos estocsticos y

principales herramientas de anlisis tiles en la modelizacin de series
temporales, distinguiendo entre los enfoques complementarios de
anlisis en el dominio del tiempo y anlisis en el dominio de las
frecuencias.
Desarrollar, a travs de la experiencia en casos prcticos reales y

simulados, incluyendo la interpretacin y la toma de decisiones
inherentes a las distintas fases del anlisis, la destreza en la
elaboracin de modelos y derivacin de pronsticos.
En el caso de series multivariantes, saber discriminar la presencia o no

de causalidad y, en consecuencia, aplicar los enfoques de modelizacin
adecuados.
Saber identificar comportamientos relativos a dependencias de largo

rango, volatilidades, valores extremos, etc., de especial inters en
ciertas reas de aplicacin, y conocer los modelos y tcnicas a aplicar
en tales situaciones.
Concerniente a los tres ltimos objetivos, aprendizaje en la utilizacin de

software general o especializado. Se usar preferentemente software
pblico desarrollado en R.
El alumno deber poseer conocimientos previos de inferencia estadstica, as

como de mtodos de regresin, particularmente en el caso multivariante.
Asimismo se recomienda que el alumno disponga de conocimientos bsicos
sobre algn software estadstico, especialmente R y/o tcnicas de programacin
en algn lenguaje.
1. Introduccin y fundamentos. Prediccin.

2. Modelos ARIMA.
Pg. 50
3. Anlisis espectral de series temporales.

4. Causalidad. Modelos de regresin dinmica.
5. Modelos de series temporales mltiples.
6. Modelos de espacio de estados. Filtrado de Kalman.
7. Modelos condicionalmente heteroscedsticos. Anlisis de volatilidades.
8. Modelos fraccionarios. Dependencias de largo rango.
9. Anlisis de valores extremos y evaluacin de riesgos en series
temporales financieras.
El alumno dispondr, a travs de la web del mster, del material bsico

y referencias bibliogrficas seleccionadas sobre los contenidos del
programa.
El alumno desarrollar y reflejar en un informe sinttico el estudio de

contenidos bsicos en este contexto, concernientes a aspectos
fundamentales sobre procesos estocsticos, el problema de prediccin,
la fundamentacin y caractersticas de los distintos modelos
contemplados en el programa, as como los enfoques metodolgicos
para la elaboracin de modelos a partir de datos observados.
Mediante una gua de trabajo personal tutelado, el alumno llevar a

cabo la resolucin de diversos supuestos prcticos, justificando las
decisiones inherentes a las distintas fases del proceso de elaboracin
de los modelos e interpretando los resultados parciales y finales del
mismo. En este sentido, se procurar la diversificacin en cuanto a las
caractersticas de comportamiento de los datos.
En relacin con el desarrollo de aplicaciones integrales y el manejo de

software, los alumnos realizarn y expondrn trabajos que podrn incluir
asimismo la bsqueda de los datos (de procedencia diversa:
Demografa, Finanzas, Climatologa, Medio Ambiente, Epidemiologa,
etc.), o bien la generacin de datos simulados contemplando distintos
escenarios.
1.
Brockwell, Peter and Davis, Richard (2002). Introduction to Time Series

and Forecasting. Springer-Verlag
2.
Cryer, Jonathan D. and Chang, Kung-Sik (2008). Time Series Analysis

with Applicantions in R. Springer-Verlag.
3.
Jan Garca, Manuel y Lpez Ruiz, Estefana (2001). Modelos

Economtricos de Series Temporales. Teora y Prctica. Septem
Ediciones.
4.
Kirchgssner, Gebhard (2007). Introduction to Modern Time Series

Analysis. Springer-Verlag.
5.
Luetkepohl, Helmut (Editor) (2004). Applied Time Series Econometrics.

Cambridge University Press.
Pg. 51
Metodologa
Bibliografa
6.
Pea, Daniel (2005). Anlisis de Series Temporales. Ciencias Sociales,

Alianza Editorial.
7.
Shumway, Robert and Stoffer, David (2006). Time Series Analysis and
its Applications. Springer-Verlag.
8.
Tsay, Ruey S. (2002). Analysis of Financial Time Series. Wiley.
Se valorar el trabajo realizado en la sntesis e interpretacin de

contenidos fundamentales, as como la capacidad de resolver las
cuestiones terico-metodolgicas propuestas sobre los mismos.
Complementariamente, se asignar una parte de la asignatura al
alumno para que desarrolle un trabajo de anlisis bibliogrfico (3
puntos).
Se valorar asimismo la capacidad demostrada en relacin con la

eleccin y el uso, en supuestos prcticos, de las tcnicas especficas
concernientes al proceso de elaboracin de modelos y generacin de
predicciones, la justificacin de las decisiones en dicho proceso, as
como la interpretacin de los resultados (4 puntos).
Finalmente, se valorar la capacidad en el desarrollo y la exposicin de

los trabajos de aplicacin integrales a travs de la plataforma, prestando
especial atencin a la justificacin metodolgica, la discusin de
aspectos crticos inherentes a la toma de decisiones y la interpretacin
de los resultados (3 puntos).
Pg. 52
Criterios de
evaluacin

Nombre de la
asignatura
Aplicaciones de los modelos de difusin en fenmenos de crecimiento en

Ciencias Medioambientales y Economa
Profesor(es)
Patricia Romn Romn (http://www.ugr.es/local/proman)

Francisco de Ass Torres Ruiz (http://www.ugr.es/local/fdeasis)
Desire Romero Molina (http://www.ugr.es/local/deromero)
Descripcin
En este curso se pretende que el alumno se familiarice con las aplicaciones de

los procesos de difusin en diversas ramas de la ciencia que tratan con
fenmenos de crecimiento. Para ello, se comienza con un estudio de diversos
procedimientos que permiten la construccin de modelos concretos asociados a
situaciones que se rigen por determinados patrones comunes de crecimiento.
Con vistas a su posterior aplicacin a fenmenos reales se plantea el estudio de
los principales modelos de difusin existentes para modelar datos econmicos y
medioambientales. Para finalizar se plantean dos problemas de gran importancia
en las aplicaciones: el problema de la inferencia (para resolver problemas de
ajuste a datos reales y de prediccin) y problemas de tiempo de primer paso.
Objetivos
particulares
Aprender metodologas para construir modelos de difusin asociados a

curvas de crecimiento.
Saber construir
y conocer las caractersticas fundamentales de los
principales modelos de difusin utilizados en las ciencias medioambientales.
Saber construir y conocer las caractersticas fundamentales de los

principales modelos de difusin usados para modelar datos econmicos.
Saber construir y obtener las caractersticas de un modelo de difusin

diseado para modelar una curva de crecimiento concreta.
Saber plantear y resolver problemas generales de inferencia y tiempo de

primer paso en los modelos construidos.
Prerrequisitos y
recomendaciones
Para realizar este curso es necesario tener conocimientos de probabilidad y

procesos estocsticos como los proporcionados, por ejemplo, en las licenciaturas
en Ciencias y Tcnicas Estadsticas o en Matemticas. Asimismo sera
recomendable haber realizado el curso Clculo y modelizacin estocstica.
Procesos de difusin de este Mster. No obstante, segn las necesidades
propias de cada alumno se puede incluir al principio de este curso un estudio de
las generalidades de procesos de difusin necesarias para permitirle un
adecuado seguimiento de los contenidos propios del mismo.
1.
Obtencin de procesos de difusin a partir de esquemas discretos.
2.
Obtencin de procesos de difusin a partir de modelos de crecimiento.
3.
Proceso lognormal: obtencin y caractersticas fundamentales. Aplicaciones.
4.
Proceso logstico:
Aplicaciones.
5.
Proceso Gompertz: obtencin y caractersticas fundamentales. Aplica-
Pg. 53
Contenidos
obtencin
caractersticas
fundamentales.
ciones.
Metodologa
6.
Procesos tipo Gompertz: obtencin y caractersticas fundamentales.

Aplicaciones.
7.
Estudio de problemas de inferencia a travs de muestreo discreto de las

trayectorias en los modelos planteados.
8.
Estudio de problemas de tiempo de primer paso en los modelos

planteados.
El curso se desarrolla de modo virtual usando la plataforma Moodle.

Con respecto a los dos primeros temas los profesores proporcionarn, de forma
secuencial, los materiales que debern ser objeto de estudio as como
indicaciones sobre qu fuentes bibliogrficas pueden ser consultadas de forma
complementaria. Asimismo se propondrn ejercicios para afianzar los
conocimientos. Dichos ejercicios propuestos irn acompaados de otros
resueltos que permitan orientar al alumno sobre la resolucin de los primeros.
Al final de cada tema, en los plazos que se irn indicando en la plataforma, el
alumno deber entregar la resolucin de los problemas propuestos y un
resumen/esquema de los principales contenidos de dichos temas.
Con respecto a los temas 3, 4, 5 y 6, los alumnos, con los materiales
proporcionados por los profesores, realizarn un esquema de cada uno de los
procesos considerados as como un trabajo ms desarrollado de uno concreto,
en el que tambin se incluirn cuestiones aplicadas en cada caso. Los trabajos
realizados se divulgarn a travs de la plataforma para debate y puesta en
comn con el resto de los compaeros.
La metodologa a seguir en los temas 7 y 8 ser un primer estudio general de los
problemas de inferencia y de tiempos de primer paso, a travs de los materiales
y referencias bibliogrficas proporcionados por los profesores, para continuar
cada alumno con la resolucin de este tipo de problemas en el proceso particular
desarrollado con anterioridad y su aplicacin a datos reales. De nuevo dichos
trabajos se divulgarn en la plataforma para su debate.
1.
Capocelli, R.M. y Ricciardi, L.M. (1974). Growth with regulation in

random environment. Kybernetik, 15, 147-157.
2.
Capocelli, R.M. y Ricciardi, L.M. (1974). A diffusion model for population

growth in random environment. Theoretical Population Biology, 5, 28-41.
3.
Gutirrez, R., Rico, N., Romn, P., Romero, D. y Torres, F. (2003).

Obtencin de procesos de difusin no homogneos a partir de
esquemas discretos. Actas del XXVII Congreso Nacional de Estadstica
e Investigacin Operativa.
4.
Gutirrez, R., Rico, N., Romn, P., Romero, D. y Torres, F. (2003).

Obtencin de un proceso de difusin no homogneos a partir de
modelos de crecimiento. Actas del XXVII Congreso Nacional de
Estadstica e Investigacin Operativa.
5.
Gutirrez-Jimez, R., Romn, P., Romero, D., Serrano, J.J., Torres, F.

(2007). A new Gompertz-type diffusion process with application to
random growth. Mathematical Biosciences, 208, 147-165.
6.
Gutirrez-Jimez, R., Romn, P., Romero, D., Serrano, J.J., Torres, F.

(2008). Some time random variables related to a Gompertz-type
diffusion process. Cybernetics and Systems, 39(5), 467-479.
7.
Ricciardi, L.M. (1977). Diffusion processes and related topics in Biology.
Pg. 54
Bibliografa
Springer-Verlag.
8.
Criterios de
evaluacin
Ricciardi L.M., Di Crescenzo A., Giorno V. y Nobile A.G. (1999). An

outline of theoretical and algorithmic approaches to first passage time
problems with applications to biological modeling. Scientiae
Mathematicae Japonicae, 50, 247-322.
Valoracin de los conocimientos adquiridos mediante la realizacin de los

resmenes/esquemas de los temas 1 y 2. Se har especial nfasis en el
nivel de comprensin y asimilacin de los conocimientos adquiridos as
como la capacidad de sintetizar dichos conocimientos (hasta 2 puntos).
Resolucin de las relaciones de ejercicios de los temas 1 y 2. Se prestar
especial atencin a la adquisicin de habilidades/destrezas, as como la
aplicacin de los aspectos tericos subyacentes (hasta 2 puntos).
Valoracin de los esquemas y trabajo completo asociados a los temas 3, 4,
5 y 6, en cuanto a su grado de rigurosidad en los resultados expuestos y la
aplicacin de los conocimientos adquiridos (hasta 3 puntos).
Valoracin de grado de asimilacin de los conocimientos adquiridos sobre el
estudio de los problemas de inferencia y tiempos de primer paso, mediante
su aplicacin a un proceso concreto (hasta 2 puntos)
Finalmente, se valorar en general el grado de madurez adquirido por el

alumno mediante su participacin en los debates sobre los trabajos
realizados por el resto de los alumnos (hasta 1 punto).
La superacin del curso se obtendr con una puntuacin acumulada total de 5 o
ms puntos.
Pg. 55

Nombre de la
asignatura
Bioestadstica
Profesor(es)
Antonio Martn Andrs (http://www.ugr.es/local/bioest/amartin.htm)

Juan de Dios Luna del Castillo (http://www.ugr.es/local/bioest/jdluna.htm)
Francisco Requena Guerrero (http://www.ugr.es/local/bioest/frequena.htm)
Descripcin
En la presente asignatura se pretende que el alumno adquiera conocimientos

profundos sobre ciertas tcnicas estadsticas de amplia aplicacin en el campo
de las Ciencias de la Vida. En primer lugar se estudiarn las tcnicas
inferenciales correspondientes al anlisis de tablas 2x2, divididas en dos grandes
ramas: contraste de hiptesis acerca de la asociacin entre un factor de riesgo y
una enfermedad y medidas de asociacin o concordancia. En un segundo lugar
se considerar el problema de la bioequivalencia en el caso de dos medias y de
dos proporciones. En tercer lugar se abordar todo lo referente a las medidas de
la precisin de un test diagnstico binario o cuantitativo, haciendo especial
hincapi en su aplicacin prctica. Por ltimo se estudiar la metodologa de
control del sesgo desde la perspectiva del diseo y anlisis de ensayos clnicos,
metodologa til para la obtencin de evidencia cientfica en el campo de la
Medicina.
Objetivos
particulares
El alumno ser capaz de:

1) Ejecutar estudios de asociacin factor de riesgo-enfermedad en todas sus
fases: diseo, anlisis y redaccin de resultados.
2) Analizar estudios de concordancia entre dos caracteres binarios o
multinomiales, distinguiendo las facetas de esta que aportan las diferentes
medidas existentes.
3) Identificar la necesidad de los tests de bioequivalencia, realizando el anlisis
detallado de los mismos mediante los tests oportunos.
4) Disear estudios de valoracin de la calidad de un test diagnstico,
estimando las medidas oportunas relativas a la precisin del mismo.
5) Establecer comparaciones entre diferentes tests diagnsticos.
6) Valorar la calidad de los Ensayos Clnicos Controlados en cuanto al control
del sesgo, proponiendo alternativas para dicho control.
7) Manejar los paquetes estadsticos o programas especficos existentes para
llevar a cabo los anlisis antes citados.
Prerrequisitos y
recomendaciones
Para realizar este curso es necesario tener conocimientos de Estadstica

Matemtica a nivel de primer ciclo como los que proporciona la Diplomatura de
Estadstica o la Licenciatura de Matemticas.
Contenidos
1. MEDIDAS DE ASOCIACIN.
1.1. INTRODUCCIN. Tipos de muestreo en tablas 22. Modelos y distribuciones
asociadas a cada tipo de muestreo: hiptesis de independencia. Inferencias
condicionada e incondicionada.
1.2. TESTS EXACTOS Y ASINTTICOS EN TABLAS 22. Test exacto de Fisher.
Los dos tests incondicionados de Barnard, el test chi-cuadrado y sus
condiciones de validez. Tablas y programas. Tamaos de muestra.
1.3. MEDIDAS DE ASOCIACIN EPIDEMIOLGICAS. Tipos de estudios. Diseo
ptimo. Diferencia de Berkson. Riesgo relativo. Razn del producto cruzado.
Riesgo atribuible. Estimaciones puntuales. Intervalos de confianza exactos y
aproximados
1.4. ANLISIS DE VARIAS TABLAS 22. La paradoja de Simpson y los sesgos de
confusin y de interaccin. Tests de homogeneidad. Tests de asociacin. Test
Pg. 56
de Gart. Test de Mantel-Haenszel. Estimacin de la asociacin comn.

1.5. MEDIDAS DE CONCORDANCIA. El ndice Kappa normal y ponderado. El caso
de Tablas 22. El caso de las cualidades ordinales. Tests e intervalos. El ndice
Delta para cualidades nominales.
2. METODOLOGA DE BIOEQUIVALENCIA.
2.1. EQUIVALENCIA DE DOS PROPORCIONES: No-Inferioridad, Superioridad y
Equivalencia. Tests aproximados y exactos. Tamao de muestra.
2.2. BIOEQUIVALENCIA DE DOS MEDIAS: Biodisponibilidad. Bioequivalencia.
Bioequivalencia de razn y de promedio: tests TOST y tamao de muestra.
3. MEDIDAS DE EFICIENCIA EN MTODOS DIAGNSTICOS.
3.1. MTODOS DE DIAGNSTICO DE RESULTADO BINARIO. Parmetros de
eficacia de un mtodo diagnstico. Estimacin puntual y por intervalo.
Comparacin de parmetros.
3.2. MTODOS DE DIAGNSTICO DE RESULTADO ORDINAL O
CUANTITATIVO. Definicin de curva ROC: Modelo Binormal. Estimacin del
rea bajo la curva ROC: versiones paramtrica y no paramtrica. Comparacin
de curvas ROC.
4. ENSAYOS CLNICOS.
Concepto y objetivo de un Ensayo Clnico. Necesidad del grupo Control.
Control del sesgo. Tipos de EC. Diseo de un EC. Mtodos de asignacin
aleatoria del tratamiento. El problema del consentimiento. Medida de la
respuesta. Tamao de muestra. Duracin del EC. tica en los EC. El ensayo
clnico ideal.
Metodologa
El curso se desarrolla de modo virtual usando la plataforma Moodle. Se

proporcionar al alumno, de modo secuencial, los contenidos y lecturas a
estudiar, una serie de ejercicios resueltos de aplicacin, los paquetes
estadsticos disponibles para la resolucin de los diferentes problemas o los
enlaces para conseguirlos (junto con sus manuales) y, finalmente, los ejercicios
propuestos para su resolucin por parte del alumno. Al final de cada uno de los
mdulos que forman la asignatura el alumno entregar tales ejercicios Los
profesores expondrn las soluciones de los ejercicios en la plataforma y enviarn
las correcciones pertinentes a cada alumno. Al final del curso, y empleando
material propio o material obtenido a partir de las indicaciones de los profesores,
el alumno enviar un ejercicio propuesto y resuelto por l, sobre uno de estos
cuatro temas:
a) Asociacin entre un factor de riesgo y una enfermedad, estudiando la
presencia de dicha asociacin y las medidas oportunas para medir su
fuerza.
b) Resolucin de un problema de bioequivalencia en el caso de medias o en el
caso binario.
c) Estudio de la calidad de un test diagnstico binario o cuantitativo, con todas
las medidas oportunas, as como una valoracin del mismo a partir de ellas.
d) Diseo de un ensayo clnico controlado, enfatizando las caractersticas del
mismo que hacen que exista un correcto control del sesgo as como las
debilidades del mismo que pueden dar lugar a la prdida de dicho control.
Todos los trabajos se expondrn en la plataforma y sern discutidos por los
autores si as se demanda por parte de los profesores.
Bibliografa
AGRESTI, A. (2002). Categorical Data Analysis. 2 Edition. John Wiley and Sons.
BALAS, E.A.; MEREI, J. (1985); "On statistical comparison of two Diagnostic Tests".
Computers and Biomedical Research 18, 467-501.
SHEING-CHUNG CHOW y JEN-PEI LIU. Design and Analysis of Bioavailability and
Bioequivalence Studies. Ed. Marcel Dekker. INC (1992).
Pg. 57
FLEISS, J.L. (1981). "Statistical Methods for Rates and Proportions". 2 Edicin.
Wiley.
KLEINBAUM et al. (1982). "Epidemiologic Research (principles and quantitative
methods)". Ed Van Nostrand Reinhold Company.
MARTN ANDRS, A. y LUNA DEL CASTILLO, J.D. "Bioestadstica para las
Ciencias de la Salud (+)". Ediciones Norma-Capitel. 1 Edicin (5). Madrid,
2004.
MARGARET S. PEPE . The Statistical Evaluation of Medical Tests for
Classification
and Prediction Oxford University Press, United Kingdom. (2003)
SAHAI, H. and KHURSHID, A. (1996). "Statistics in Epidemiology (Methods,
Techniques and Applications)". CRC Press
SWETS, J.A; PICKETT, R.M (1982); "Evaluation of Diagnostic Systems". Ed.
Academic Press.
ZHOU XH, OBUCHOWSKI NA AND OBUCHOWSKI DM. Statistical Methods in
Diagnostic Medicine Ed. Wiley & Sons, New York, USA (2002)
Criterios de
evaluacin
1.- Valoracin de la comprensin de los contenidos y de la capacidad de

exposicin de los mismos a travs de la realizacin de los ejercicios propuestos
(3 puntos).
2.- Valoracin de las habilidades necesarias para resolver problemas mediante el
uso de los paquetes o programas estadsticos apropiados (3 puntos).
3.- Valoracin conjunta de los conocimientos adquiridos por el alumno a travs
del ejercicio final (2 puntos).
4.- Valoracin de las habilidades de comunicacin y defensa de los trabajos
realizados por el alumno a travs de su discusin con el profesor (2 puntos).
El alumno superar el curso cuando acumule 5 o ms puntos.
Pg. 58

Nombre de la
asignatura
Diseo estadstico experimental y control de la calidad. Aplicaciones en

Biociencias e Ingeniera.
Profesor(es)
Mara Dolores Ruiz Medina (http://www.ugr.es/local/mruiz)

Ramn Gutirrez Snchez
Descripcin
(http://www.ugr.es/local/ramongs)
El diseo de experimentos surge en todos los campos aplicados, dada la

necesidad de extraer informacin sobre un proceso o sistema a partir de la
realizacin de una serie de pruebas o ensayos (experimentos virtuales). En este
curso nos centraremos en su aplicacin en el contexto de las Biociencias e
Ingeniera. Para el segundo mbito de aplicacin se considerarn las tcnicas de
diseo aplicadas al control de la calidad. Ms concretamente, se proporcionarn
las herramientas bsicas que intervienen en al anlisis estadstico de los
diferentes modelos que conforman el diseo experimental, as como los
elementos bsicos que permiten desarrollar el control estadstico de la calidad de
un proceso de fabricacin o produccin. El objetivo fundamental en la
realizacin de pruebas o ensayos, tanto en el mbito de las Biociencias como en
el mbito de la Ingeniera, es identificar y contrastar cules son las variables
controlables o factores fundamentales y de qu forma actan sobre la variable de
inters, objeto de estudio, que define la respuesta del sistema. Asimismo,
interesa actuar sobre dichas variables para reducir la variabilidad del sistema,
minimizando los efectos de las variables no controlables. Es decir, desde el
punto de vista estadstico, el objetivo primordial del diseo es generar un proceso
consistente y robusto.
Para alcanzar los objetivos sealados, en este curso, se comenzar con una
breve introduccin sobre los elementos fundamentales que intervienen en
anlisis estadstico de experimentos en el caso ms sencillo de diseos
unifactoriales: descomposicin de la variabilidad, estimacin de los parmetros,
contrastes de comparacin y ajuste, diagnosis y validacin del modelo,
transformaciones de los datos. Se continuar con la extensin de las
herramientas estadsticas estudiadas a configuraciones o modelos ms
complejos tales como los que subyacen al diseo por bloques aleatorizados
completos e incompletos, cuadrados latinos y grecolatinos, diseos factoriales,
factoriales fraccionarios, jerrquicos, multifactoriales, diseos anidados, mtodos
y diseos de superficies de respuesta.
Objetivos
particulares
Adquirir los conceptos bsicos del anlisis de la varianza de una va.

Adquirir los elementos bsicos que intervienen en el anlisis estadstico del
modelo de regresin lineal simple y mltiple.
Adquirir las herramientas bsicas que intervienen el anlisis estadstico
(estimacin de los parmetros, descomposicin de la variabilidad, tabla
ANOVA, contrastes) de los diseos por bloques aleatorizados completos e
incompletos.
Conocer la estructura que define el diseo en cuadrado latino y grecolatino,
diseos factoriales, jerrquicos y multifactoriales, as como los elementos
que intervienen en el desarrollo del anlisis estadstico de los modelos
asociados.
Conocer las metodologas estadsticas utilizadas en la formulacin y anlisis
de diseos factoriales fraccionarios aplicados al control de la calidad.
Aplicar los elementos adquiridos anteriormente al anlisis estadstico de
datos biomdicos, as como al control estadstico de sistemas en Ingeniera.
Pg. 59
Prerrequisitos y
recomendaciones
En este curso se introducirn desde un nivel elemental, de forma progresiva, las

herramientas estadsticas necesarias para el desarrollo del mismo.
1.
Contenidos
2.
3.
4.
5.
6.
7.
Metodologa
Bibliografa
Principios y directrices del diseo de experimentos y control de la

calidad.
Anlisis de la varianza de una sola va.
Regresin lineal simple y mltiple.
Diseos por bloques aleatorizados completos e incompletos.
Diseos de cuadrado latino, grecolatino y diseos factoriales.
Diseos factoriales fraccionarios aplicados a la calidad
Diseos jerrquicos y mtodos y diseos de superficies de respuesta
aplicados al control estadstico de la calidad.
El desarrollo y seguimiento del curso se realizar a travs de la plataforma

Moodle.
Se proporcionar a travs de la plataforma una gua de contenidos y actividades
relativos a los temas que definen el programa del curso. Las actividades
propuestas sern de carcter terico-prctico. Ms concretamente, en las
actividades se plantear:
La resolucin de cuestiones tericas sobre los contenidos del curso.
El desarrollo de resmenes o trabajos.
El anlisis estadstico de datos, asistido por ordenador.
Allen, T. T. (2006). Introduction to Engineering Statistics and Six Sigma.

Statistical Quality Control and Design of Experiments and Systems.
Springer-Verlag.
Box, G. E., Hunter, J.S. y Hunter, W.G. (2008). Estadstica para

investigadores. Diseo, Innovacin y descubrimiento. Editorial Revert.
ISBN 13: 978-84-291-5044-5.
Brenton, R. C. (2008). Linear models: the theory and applications of analysis
of variance. ISBN: 978-0-470-0566-6.
Clarke, G. M. (1994). Statistical and experimental design: an introduction for
biologists and biochemists. Edward Arnold.
Davis, Ch. S. (2002). Statistical methods for the analysis of repeated
measurements. Springer.
Dobson, A.J. y Barnett, A.G. (2008). An introduction to generalized linear
models. Series: Chapman & Hall/CRC texts in statistical science.
Fisher, R.A. (2003). Statistical methods, experimental design, and scientific
inference. ISBN: 978-0-19-852229-4.
Gutirrez P.H. (2003). Anlisis y diseo de experimentos. McGraw-Hill.
Hocking, R. R. (2003). Methods and applications of linear models: regression
and the analysis of variance. Wiley Series in Probability and Statistics. ISBN:
978-0-471-23222-3.
Kish, L. (2004). Statistical design for research. Wiley Interscience.
Lindman, H. R. (1992). Analysis of variance in experimental design.
Springer-Verlag.
Kuehl, R. O. (2001). Diseo de experimentos. Principios estadsticos del
diseo y anlisis de investigacin. Thomson Learning.
Lochner, R.H. y Matar, J.E. (1990). Designing for Quality: An Introduction to
the Best of Taguchi and Western Methods of Statistical Experimental Design.
Quality Resources
Pea, D. (2002). Regresin y diseo de experimentos. Alianza.
Montgomery, D. C. (2002). Diseo y anlisis de experimentos. Limusa-Wiley.
Scheiner, S.M. (2001). Design and analysis of ecological experiments.
Oxford University Press.
Taguchi, G. y Chowdhury, Y.W. (2004). Taguchis Quality Engineering
Handbook. Wiley.
Pg. 60
Criterios de
evaluacin
Toutenburg, H. (2002). Statistical analysis of designed experiments.

Springer.
Wu, Y. y Wu., A. (1997). Diseo Robusto Utilizando los Mtodos Taguchi.

Daz de Santos.
Yang, K. y Trewn, J. (2004) Multivariate Statistical Methods in Quality

Management. McGraw_Hill.
Resolucin de cuestiones y problemas tericos sobre los contenidos de los

nueve temas indicados (hasta 3 puntos).
Resolucin de problemas prcticos (hasta 3 puntos).
Presentacin de un trabajo en el que, con ayuda del ordenador, se analicen
un conjunto de datos mediante la aplicacin de las tcnicas estadsticas del
diseo (hasta 4 puntos).
La superacin del curso se obtendr con una puntuacin acumulada de 5 o ms

puntos.
Pg. 61

Nombre de la
asignatura
Encuestas
por
medioambientales.
muestreo.
Aplicaciones
Profesor(es)
Antonio Arcos Cebrin http://www.ugr.es/~arcos
econmicas,
sociales
Mara del Mar Rueda Garca http://www.ugr.es/~mrueda

Ismael Snchez Borrego http://www.ugr.es/~ismasb
Descripcin
Esta asignatura est destinada a que el alumno conozca los principios de la

inferencia en poblaciones finitas desde los dos enfoques actualmente usados: el
modelo de poblacin fija y el modelo de superpoblacin y cmo se aplican estos
resultados en los diseos muestrales bsicos.
Adems en este curso se har una exposicin de otros diseos muestrales
especficos usados en encuestas sociales, econmicas y medioambientales
Objetivos
particulares
Prerrequisitos y
recomendaciones
Contenidos
Los objetivos principales que se desean conseguir en esta asignatura son:

-
Que el alumno conozca los diversos enfoques actuales de la inferencia en

poblaciones finitas.
Que el alumno conozca la modelizacin de superpoblaciones, y conozca

los estimadores ptimos de la media bajo los principales modelos de
superpoblacin.
Que el alumno se familiarice con el uso otros diseos muestrales nuevos

que estn adaptados a los problemas concretos de cada campo de
investigacin, y particularmente con el problema de estudio de
poblaciones humanas y animales.
Que el alumno sepa estimar parmetros simples a partir de datos

muestrales provenientes de una encuesta compleja, con un programa de
software libre.
Para una buena comprensin de los contenidos de esta asignatura el alumno

necesita algunos conocimientos de las materias:
-
Muestreo estadstico (diseos muestrales, estrategias muestrales,

matrices de probabilidad, estimadores de Horvitz-Thompson, estimadores
de razn y de regresin).
Inferencia y Decisin (estimacin puntual y por intervalos, suficiencia,

consistencia, UMVUE, estimadores mximo verosmiles,).
Mtodos de regresin (regresin lineal simple y mltiple).

-
Introduccin a la inferencia en poblaciones finita: el modelo de poblacin

fija y el modelo de superpoblacin
Pg. 62
Metodologa
Elementos de inferencia en el modelo de poblacin fija.
Inferencia a partir de modelos de superpoblacin
Software para el tratamiento de datos de encuestas por muestreo
Aplicaciones econmicas y sociales: mtodos de muestreo para

encuestas sociales y econmicas.
Aplicaciones medioambientales: mtodos de

estimacin del tamao de poblaciones salvajes.
muestreo
para
la
La asignatura se impartir de forma virtual a travs de la plataforma moodle.

La asignatura est estructurada en temas. El alumno dispondr en cada tema de
material que le guiar en el estudio de los conceptos y una serie de aplicaciones
y ejemplos para la mejor comprensin de stos. En cada tema se propondrn
actividades que el alumno tiene que realizar y enviar al profesor a travs de la
plataforma.
A travs de los foros y el correo electrnico el alumno podr ponerse en contacto
con el profesor y con el resto de los alumnos para resolver dudas y plantear
cuestiones y debates relacionados con cada tema.
La estructura de la asignatura permite que el alumno vaya marcando el ritmo de
asimilacin de los contenidos de la asignatura. Eso permite una gran flexibilidad
en las horas de trabajo a dedicar en el estudio de esta asignatura durante el
curso acadmico y su compatibilidad con las necesidades temporales de estudio
de las otras asignaturas de las que el alumno se ha matriculado.
Sin embargo se recomienda al alumno un esfuerzo por la lectura de los textos y
realizacin de las actividades desde el primer da del curso y de forma
continuada. Cuando un alumno haya comprendido los conceptos de un tema y
realizado las actividades propuestas del tema, puede pasar al siguiente. No se
recomienda pasar de un tema al siguiente sin haber afianzado los conocimientos.
Bibliografa
Cassel, C. M., Srndal, C. E. y Wretman, J. H.. Foundations of Inference in

Survey Sampling. John Wiley & Sons, New York 1977.
Frnandez Garca, F. R. y Mayor Gallego. Muestreo en Poblaciones Finitas:

Curso Bsico. De. EUB.
Gourreroux, C.. Thorie des Sondages. Economica. 1981.
Grtler, Ricardo, 2002. Estimacin de la abundancia: Introduccin al

muestreo
de
poblaciones.
Trabajo
prctico
3.
http://biolo.bg.fcen.uba.ar/ecologia/TP3.pdf
Hedayat, A. S., Sinha, B. K.. Design and Inference in Finite Population

Sampling. John Wiley & Sons 1991.
Levy, P. S., Lemeshow, S.. Sampling of Populations Methods and

Applications. John Wiley & Sons 1991.
Otis, D.L., Burnham, K.P., White, G.C., y Anderson, D.R. 1978. Statistical
inference from capture data on closed animal populations. Wildlife
Monographs, 62, 1-135.
Srndal, C. E., Swensson, B. y Wretman, J.. Model Assisted Survey
Pg. 63
Sampling. Springer-Verlang 1992.
Criterios de
evaluacin
Seber, G.A.F. 1982. The estimation of animal abundance and related

parameters. 2nd edn. London: Charles Griffin
Thompson, S.K. 1992. Sampling. New York: Wiley.
La evaluacin de los progresos del alumno se llevara a cabo mediante los

siguientes mtodos y criterios de evaluacin continua:
1.
Participacin activa en los foros y actividades propuestas.
2.
Realizacin de las autoevaluaciones
3.
Realizacin de los ejercicios prcticos propuestos en las actividades de

cada tema.
4.
Realizacin del trabajo prctico final de la asignatura.
Pg. 64

Nombre de la
asignatura
Profesor(es)
Mara Dolores Martnez Miranda (http://www.ugr.es/local/mmiranda)

Yolanda Romn Montoya (http://www.ugr.es/local/yroman)
Descripcin
En la asignatura de Entornos de Computacin Estadstica se persigue alcanzar

una formacin del alumno en el manejo de herramientas informticas (lenguajes
de programacin, programas estadsticos, etc.) adecuadas para el tratamiento de
datos procedentes de cualquier disciplina. Adems se pretende capacitar al
alumno para evaluar los distintos programas actualmente disponibles en el
mercado, realizando una comparativa de las caractersticas y facilidades que
cada uno ofrece para la resolucin de problemas concretos.
Objetivos
particulares
Conocer la evolucin histrica de la Estadstica Computacional y prever su

desarrollo.
Conocer la implicacin de la Estadstica Computacional en el desarrollo de la
Estadstica y viceversa.
Conocer la metodologa de anlisis estadstico computacional con un
programa de computacin Estadstica de tipo 1 (SPSS, SAS).
Estudiar a un nivel elemental el lenguaje de programacin Visual Basic para el
desarrollo de aplicaciones relacionadas con la lectura y manipulacin de datos
(ficheros secuenciales y bases de datos).
Conocer la metodologa de anlisis estadstico computacional con un entorno
de programacin y anlisis estadstico (R, S+).
Desarrollar un anlisis conjunto de datos con R.
Resolver problemas clsicos de la Estadstica con varios programas (SPSS,
SAS, R,), realizando una comparativa.
Disear un curso bsico de Estadstica prctica asistida por R y/u otro
software.
Estudiar libros de R especficos para algunos temas clsicos en la Estadstica:
Contrastes de hiptesis, Anlisis de Regresin, mtodos multivariantes.
Realizar prcticas con bases de datos.
Prerrequisitos y
recomendaciones
No existen requisitos para cursar esta asignatura, no obstante se trabaja

tomando como base mtodos estadsticos elementales de la Estadstica
Descriptiva, Clculo de Probabilidades e Inferencia Estadstica, para completar el
estudio desarrollando mtodos de anlisis ms complejos como son el Anlisis
de Regresin y la Estadstica no paramtrica. En este sentido se recomienda
poseer conocimientos previos de Estadstica a nivel medio. Por ejemplo, haber
cursado alguna titulacin como la Diplomatura en Estadstica, Licenciatura en
CC. y TT. Estadsticas o haber cursado alguna asignatura bsica de Estadstica
o Matemticas existentes en la mayor parte de las titulaciones de ciencias
experimentales.
El aprendizaje del alumno en las herramientas estadsticas computacionales se
adaptar al nivel de conocimientos estadsticos que este posea. En cuanto al
desarrollo de las habilidades computacionales, se adaptar a los conocimientos
Pg. 65
previos del alumno y a sus intereses particulares.

De este modo se presenta una asignatura que persigue un aprendizaje
significativo del alumno en la materia teniendo en cuenta su nivel, intereses y
aspiraciones.
Contenidos
1. Computacin Estadstica y Estadstica Computacional. Evolucin histrica.

2. Lenguajes de programacin: Visual Basic.
3. Metodologa del Anlisis Estadstico Computacional con SPSS.
4. Metodologa del Anlisis Estadstico Computacional con los entornos de
anlisis y programacin estadstica R y S+.
5. Casos prcticos: anlisis estadstico de datos reales. Comparacin de
software.
6. Resolucin prctica de problemas clsicos de la Estadstica con R y S+.
Contrastes de hiptesis e intervalos de confianza paramtricos y no
paramtricos.
Anlisis de Regresin: estimacin paramtrica.
Estimacin no paramtrica de curvas notables: regresin y densidad.
Mtodos multivariantes.
Metodologa
La asignatura se desarrolla de modo virtual usando la plataforma Moodle. El

trabajo del alumno en esta asignatura viene definido por el inters que este tenga
en la misma por lo que se dirige desde tres itinerarios de aprendizaje entre los
que elegir para su desarrollo: Estadstica Computacional bsica, Estadstica
Computacional para la docencia y Estadstica Computacional para la
investigacin. Dependiendo de la eleccin, el alumno profundizar en algunos de
los bloques temticos del programa general de contenidos (el primer bloque
temtico ser comn dado que tiene un carcter introductorio). La eleccin del
itinerario ser lo primero una vez comienza el desarrollo del curso y se har
como actividad 0 (si bien el alumno podr cambiar justificadamente su eleccin a
medida que desarrolla su trabajo).
Para cada bloque de contenidos se ofrece al alumno, a travs de la plataforma,
materiales para el trabajo personal. Los materiales estn diseados para el
estudio en el ordenador y contienen actividades de autoaprendizaje que el
alumno ir realizando con el software concreto. Adems, desde cada itinerario,
se proponen un total de dos actividades para la evaluacin final de la asignatura
(ms detalles en el apartado evaluacin). Estas actividades se entregarn en el
plazo fijado mediante la plataforma y resumirn el trabajo que ha ido
desarrollando el alumno a lo largo del curso.
Bibliografa
1.
Arriaza Gmez, J., Fernndez Palacn, F., Lpez Snchez, M.A., Muoz
Mrquez, M., Prez Plaza, S. y Snchez Nava, S. (2008). Estadstica Bsica
con
R
y
R-Commander.
Disponible
libremente
on-line
(http://knuth.uca.es/ebrcmdr).
2.
Ceballos, F.J. (1996). Enciclopedia de Visual Basic. Ed. Rama
Pg. 66
3.
Crawley, M.J. (2007). The R book. John Wiley & Sons Inc.
4.
Faraway, J.J. (2002). Practical Regression and Anova using R. Ed. el autor.
5.
Gentle, J.E. (2002). Elements of Computational Statistics. Springer-Verlag,

New York, Inc.
6.
Harriger, A.R., Lisack, S.K., Gotwals, J.K., y Lutes, K.D. (2004). Introduction
to computer programming with Visual Basic 6. A Problem-Solving Approach.
Series in Programming and Development. E&T.
7.
Lizasoan, L. y Joaristi, L. (1999). SPSS para Windows. Ed. Rama
8.
Prez, C. (2004). Tcnicas de Anlisis Multivariante de Datos. Aplicaciones

con SPSS. Ed. Pearson.Prentice Hall.
9.
Prez, C. (2001). Tcnicas estadsticas con SPSS. Ed. Prentice.
10. Spector, P. (2008). Data Manipulation with R. Springer Science+Business

Media, LLC.
11. Visual Basic. Manual del usuario.
12. SPSS para Windows. Manual del usuario.
Criterios de
evaluacin
La evaluacin de la asignatura depender del itinerario seguido para su curso

(eleccin que se har en la actividad 0), si bien desde cualquiera de ellos el
alumno podr obtener la mxima puntuacin (10 puntos).
De forma comn a todos los itinerarios el alumno ser evaluado teniendo en
cuenta los tres aspectos siguientes:
Resolucin de las actividades propuestas (hasta 7 puntos). Desde cada
itinerario se proponen al alumno dos actividades a entregar mediante la
plataforma en las fechas fijadas (una hacia la mitad del curso y otra al final del
mismo).
Uso de las herramientas de comunicacin: participacin en los foros de
debate, chats, correo, etc. (hasta 1 punto).
Presentacin de los resultados y conclusiones del trabajo realizado al final del
curso (hasta 2 puntos) para su difusin en la plataforma. El alumno deber
confeccionar un informe final del trabajo que ha realizado en la asignatura as
como una autoevaluacin de la misma.
Pg. 67

Nombre de la
asignatura
Minera de datos
Profesor(es)
Andrs Gonzlez Carmona (http://www.ugr.es/local/andresgc)

Jos Fernando Vera Vera (http://www.ugr.es/local/jfvera)
Descripcin
La disponibilidad de grandes volmenes de datos y el uso generalizado de

herramientas informticas ha transformado el Anlisis Multivariante de Datos,
orientndolo hacia determinadas tcnicas especificas especializadas englobadas
bajo la denominacin de Minera de Datos o Data Mining.
La Minera de datos puede definirse como un proceso de descubrimiento de
nuevas y significativas relaciones, patrones y tendencias al examinar grandes
cantidades de datos. Persigue el descubrimiento automtico del conocimiento
almacenado de modo ordenado en grandes bases de datos. Las herramientas
ms utilizadas son: reconocimiento de patrones, redes neuronales, lgica difusa
y algoritmos genticos.
Objetivos
particulares
Conocer las herramientas bsicas utilizadas en Minera de datos.

Conocer el modo en el que se extrae conocimiento mediante una Red
Neuronal.
Utilizar software adecuado para la creacin de redes neuronales y la prctica
de las herramientas bsicas en Minera de Datos.
Prerrequisitos y
recomendaciones
No existen requisitos para cursar esta asignatura. No obstante se recomienda

poseer conocimientos previos de Estadstica a nivel medio. Por ejemplo, haber
cursado alguna titulacin como la Diplomatura en Estadstica, Licenciatura en
CC. y TT. Estadsticas o haber cursado alguna asignatura bsica de Estadstica
o Matemticas existentes en la mayor parte de las titulaciones de ciencias
experimentales. Adems se recomienda tener conocimientos de algn entorno
de programacin como R, MatLab o Visual Basic.
Contenidos
Tema 1: Minera de datos y redes neuronales

Tema 2. Fases en la construccin de una red neuronal
Tema 3. Las redes neuronales en la prediccin dinmica
Metodologa

Para una correcta planificacin y desarrollo de los contenidos del curso, se
proporciona al alumno un calendario en el que se realiza una temporalizacin de
los contenidos del curso, estructurados en temas.
Pg. 68
El estudio de los contenidos del curso, por parte del alumno, se apoya en los
materiales disponibles en la plataforma y diseados para un autoaprendizaje. En
dichos materiales se exponen los contenidos de cada tema, con ilustraciones a
travs de ejemplos que el alumno puede ir realizando con el apoyo de programas
computacionales adecuados. En este curso se recomienda el uso de alguno de
estos programas: R, Visual Basic o MatLab. Dicha eleccin la har el alumno
atendiendo a sus conocimientos en materia de computacin. Tambin se utilizar
MemBrain.
Adems de los ejemplos resueltos para ilustrar los contenidos, dentro de cada
tema se proponen al alumno ejercicios sin resolver que habr de realizar,
utilizando para ello alguno de los programas de ordenador antes citados. Estos
ejercicios conformarn algunas de las actividades que, en los plazos fijados ya
en el calendario, el alumno deber entregar a travs de la plataforma para la
evaluacin final del curso.
Tambin, para comprobar el nivel de superacin por parte del alumno de los
objetivos de cada tema, se pedir al alumno que realice como tarea un
resumen/esquema de los mismos. Estos resmenes, en la forma que indicarn
los profesores, conformarn otras de las actividades para la evaluacin final del
curso.
Bibliografa
Criterios de
evaluacin
1.
Redes Neuronales, J. Freedmand, D. Shapura, Daz de Santos, 1993.
2.
Neural Networks. A Comprehensive Foundation. 2nd ed, Haykin S., Prentice

Hall, 1999
3.
ftp://ftp.sas.com/pub/neural
4.
http://www.membrain-nn.de/main en.htm
5.
http://www.r-project.org
6.
Sitio Google de redes neuronales, que se encuentra en

http://www.google.com/alpha/Top/Computers/Artificial Intelligence/Neural
Networks/Software/
La evaluacin final del curso se har atendiendo a los siguientes criterios:

resmenes/esquemas con los principales contenidos de los temas indicados en
los contenidos (hasta 5 puntos): actividad a en cada tema.
Resolucin de problemas propuestos en los temas (hasta 5 puntos):

actividad b en cada tema.
puntos.
Pg. 69

Nombre de la
asignatura
Modelos de Respuesta Discreta. Aplicaciones Biosanitarias
Profesor(es)
Ana Mara Aguilera del Pino (http://www.ugr.es/local/aaguiler)

Manuel Escabias Machuca (http://www.ugr.es/local/escabias)
Descripcin
Los modelos de regresin tienen como objetivo describir el efecto de una o ms

variables explicativas (independientes) sobre una o ms variables de respuesta
(dependientes). En muchas aplicaciones la variable respuesta es discreta (toma
pocos valores), tratndose usualmente de una variable categrica con dos o ms
posibles clasificaciones o niveles de respuesta. Los modelos de regresin ms
utilizados, en la mayora de los campos de aplicacin, para analizar este tipo de
respuestas son los modelos de regresin logstica (logit models), para los que las
variables explicativas pueden ser tanto cuantitativas como cualitativas. En
Epidemiologa estos modelos se utilizan para estimar el efecto que tiene la
exposicin a determinados factores de riesgo sobre el padecimiento de cierta
enfermedad (problema de salud), controlando a su vez otras variables que
puedan confundir o modificar dicho efecto.
Las pretensiones de la modelizacin logit son idnticas a las de cualquier otra
tcnica de regresin estadstica. Se trata de encontrar el modelo ms
parsimonioso que se ajuste bien a los datos observados, tenga una
interpretacin sencilla en trminos de asociacin e interaccin y proporcione
buenas estimaciones de las probabilidades de respuesta. La diferencia
fundamental entre los modelos de regresin lineal y los logit es que en los
primeros la variable de respuesta es cuantitativa y en los segundos es una
variable categrica binaria o politmica.
Objetivos
particulares
Conocer los diseos muestrales usuales en las aplicaciones biosanitarias:

prospectivos, transversales y retrospectivos (casos y controles).
Distinguir entre el riesgo relativo de ocurrencia de un suceso y el cociente de
ventajas a favor de dicho suceso.
Conocer distintos modelos estadsticos de estimacin de una variable de
respuesta binaria: modelos logit, probit y de valores extremos.
Estudiar la formulacin, interpretacin, estimacin y validacin del modelo de
regresin logstica a partir de una o varias variables relacionadas con ella
que pueden ser tanto cuantitativas como cualitativas
Aprender a formular, interpretar, estimar y validar modelos logit de respuesta
multinomial, tanto nominal como ordinal.
Seleccionar, en base a un conjunto de datos biosanitarios reales, los modelos
logit ms adecuados (con o sin interaccin) para explicar una variable
cualitativa a partir de varias variables relacionadas con ella.
Aprender a manejar un software estadstico que permita al alumno aplicar a
datos biomdicos los modelos estadsticos estudiados.
Prerrequisitos y
recomendaciones
Para realizar con xito este curso se necesitan conocimientos bsicos de

probabilidad y estadstica sobre distribuciones de probabilidad, estimacin e
inferencia. Por ello sera recomendable haber realizado alguna titulacin como la
Diplomatura en Estadstica o la Licenciatura en Ciencias y Tcnicas Estadsticas
o haber cursado alguna asignatura bsica de Introduccin a la Probabilidad y a la
Estadstica existente en una gran parte de titulaciones universitarias.
Pg. 70
Contenidos
1. Introduccin a los modelos de respuesta binaria

Aplicaciones en epidemiologa. Diseos muestrales. Riesgo relativo y cociente
de ventajas. Modelos de respuesta binaria usuales: modelos logit o de
regresin logstica, modelos probit, modelos de valores extremos.
2. Modelos logit con variables explicativas cuantitativas
Formulacin e interpretacin del modelo de regresin logstica mltiple.
Interaccin y confusin. Estimacin MV iterativa mediante Newton-Raphson.
Inferencia sobre modelos logit: contrastes de bondad de ajuste, contrastes e
intervalos de confianza sobre los parmetros. Seleccin stepwise de modelos
logit.
3. Modelos logit con variables explicativas cualitativas
Variables del diseo. Formulacin del modelo con una y dos variables
explicativas. Variables explicativas cuantitativas y cualitativas. Modelos con
interaccin.
4. Modelos logit de respuesta multinomial
Modelos logit generalizados de respuesta nominal. Modelos logit de respuesta
ordinal: modelos acumulativos y modelos para categoras adyacentes.
Metodologa

El alumno estudiar los contenidos del curso en base a los apuntes diseados
por el profesor y a referencias bibliogrfcas.
Para cada uno de los contenidos, el alumno deber resolver relaciones de
ejercicios prcticos en los que a partir de un conjunto datos biosanitarios sea
capaz de ajustar un modelo logit adecuado e interpretar, en base a sus
parmetros, el cambio en la ventaja de ocurrencia de un suceso en funcin del
cambio en cada una de las variables explicativas. Como gua de aprendizaje el
alumno dispondr de guiones con la solucin de ejercicios de cada tipo.
Para llevar a cabo el anlisis estadstico de datos reales de respuesta categrica
mediante modelos logit, el alumno realizar programas en R en base al material
suministrado por el profesor. Alternativamente se puede realizar el ajuste
mediante el programa SPSS.
El alumno dispondr de tutoras a travs de la plataforma de docencia (en forma
de correo, chat...) en las que el profesor estar disponible para hacer cualquier
aclaracin relacionada con el desarrollo del curso.
Bibliografa
Agresti, A. (1996). An Introduction to Categorical Data Analysis. Wiley.

Agresti, A. (2002). Categorical Data Analysis (2 edition). Wiley.
Aguilera del Pino, A.M. (2001). Tablas de Contingencia Bidimensionales.
Coleccin Cuadernos de Estadstica (15). La muralla.
Aguilera del Pino, A.M. (2006). Modelizacin de tablas de contingencia
multidimensionales (Coleccin Cuadernos de Estadstica, 33). La Muralla.
Christensen, R. (1997). Log-Linear Models and Logistic Regression. Springer.
Hosmer, D.W. y Lemeshow, S. (1989). Applied Logistic regression. Wiley.
Kleinbaum, D.G. (1994). Logistic Regression. A Self-Learning Text. Springer.
McCullagh, P. y Nelder, J. (1983). Generalized linear models. Chapman and
Hall.
Power, D.A. y Xie, Y. (2000). Statistical Methods for Categorical Data Anlisis.
Academia Press.
Ruiz-Maya, L., Martn Pliego, F.J., Montero, J.M. y Uriz Tom, P. (1995). Anlisis
Pg. 71
Estadstico de Encuestas: Datos Cualitativos. Ed. AC.

Ryan, T.P. (1997). Modern Regression Methods. Wiley.
Selvin, S. (1996). Statistical Analysis of Epidemiological Data. Oxford University
Press.
Silva Aycaguer, L. y Barroso Utra, I. (2004). Regresin Logstica. La Muralla.
Thompson, L. (2007). S-PLUS (and R) Manual to Accompany Agrestis (2002)
Categorical Data Analysis (2 edition).
Criterios de
evaluacin
Resolucin individual de ejercicios prcticos para cada uno de los contenidos

y presentacin telemtica en los plazos establecidos siguiendo la estructura de
los guiones de aprendizaje (hasta 4 puntos).
Realizacin de un informe de prcticas con ordenador mediante R
(alternativamente SPSS), consistente en el anlisis, mediante modelos de
respuesta categrica de un conjunto de datos biomdicos (hasta 3 puntos).
Para valorar la adquisicin global de los contenidos y su manejo conjunto, el
alumno realizar individualmente o en grupo el diseo muestral de un estudio
real para modelizar la probabilidad de ocurrencia de un suceso de inters en
funcin de una serie de variables relacionadas, recogida de una muestra
aleatoria de datos, modelizacin logit e interpretacin de resultados. La
presentacin de resultados se har en forma de informe estadstico y de
artculo de investigacin que ser presentado en la plataforma para su
difusin entre el resto de alumnos (hasta 3 puntos).
Realizacin voluntaria de trabajos complementarios sobre aspectos tericos y

aplicados relacionados con los objetivos de la materia en base a referencias
bibliogrficas (libros y artculos cientficos) recogidas en la pgina de docencia
del curso (hasta 2 puntos adicionales).
El alumno superar la asignatura cuando acumule al menos 5 puntos.
Pg. 72

Nombre de la
asignatura
Profesor(es)
J. Eloy Ruiz Castro (http://www.ugr.es/local/jeloy)

M. Luz Gmiz Prez (http:/www.ugr.es/local/mgamiz)
Descripcin
Objetivos
particulares
Prerrequisitos y
recomendaciones
El anlisis de supervivencia es el conjunto de tcnicas estadsticas para el

estudio de la variable aleatoria que representa la longitud de tiempo transcurrido
hasta la ocurrencia de un suceso. Las caractersticas particulares del anlisis de
supervivencia son, por un lado, que el modelo subyacente no es simtrico, de
modo que el modelo normal no es adecuado y, por otro lado, que la informacin
muestral suele ser incompleta con lo que las tcnicas clsicas de estimacin
resultan insuficientes. Hoy da el anlisis de supervivencia es una parte
fundamental de estudios epidemiolgicos o ensayos clnicos en los que se trata
de modelizar, por ejemplo, el tiempo transcurrido entre el inicio de un tratamiento
y un suceso de inters que podra ser la remisin de cierta enfermedad o una
recada e incluso la muerte del paciente. El objetivo fundamental es la
capacitacin del alumno en la eleccin y correcta aplicacin de las tcnicas
estadsticas para la elaboracin de un anlisis de supervivencia.
Comprender los conceptos bsicos en anlisis de supervivencia.
Estudiar los modelos de funcin de riesgo ms usados en anlisis de

supervivencia.
Reconocer y analizar diferentes estructuras de datos habituales en

investigaciones biomdicas: censura y truncamiento.
Aplicar tcnicas de libre distribucin para la estimacin de curvas de

supervivencia: Mtodo de Kaplan-Meier y Nelson-Aalen.
Formular, estimar y valorar los modelos de regresin ms usuales en

anlisis de tiempos de vida: modelo de riesgos proporcionales y modelo
de tiempo de vida acelerada.
Conocer las tcnicas de anlisis de supervivencia para procesos de vida

con respuesta mltiple: modelo de riesgos competitivos.
Manejar los procedimientos para anlisis de supervivencia de

programas informticos tales como StatGraphics, SPSS y el libro
survival de R.
Saber realizar un anlisis de supervivencia basado en un caso prctico.
No es necesario ningn requisito previo para cursar esta asignatura, si bien, el

disponer de ciertos conocimientos bsicos en Estadstica y Probabilidad puede
facilitar la asimilacin de los contenidos. La formacin en este sentido puede ser
la que adquieren titulados o estudiantes de primer ciclo de Estadstica, Medicina,
Veterinaria, Biologa, Farmacia, Psicologa, Geologa, as como algunas
Ingenieras que contemplan estudios de Estadstica a nivel bsico.
Pg. 73
Contenidos
1.
2.
3.
4.
5.
Distribuciones de tiempo de vida:

la funcin de riesgo y la funcin de supervivencia.
Modelos aleatorios de tiempo de vida.
Tratamiento estadstico de datos de tiempos de vida.
Censura y truncamiento
Anlisis paramtrico de datos de tiempos de vida
Modelos de regresin en supervivencia: Modelo de Cox y modelos de tiempo
de vida acelerada
Mtodos de libre distribucin para el anlisis de datos de tiempos de vida
El mtodo actuarial
Mtodos de Kaplan-Meier y Nelson-Aalen.
Comparacin de grupos de riesgo.
Metodologa
El desarrollo del curso ser no presencial en su totalidad y se llevar a cabo

siguiendo las fases que explicamos a continuacin:
Publicacin de materiales: se publicar a travs de la pgina de la

asignatura el material suficiente para la realizacin de las actividades
propuestas. Este material consistir en:
exposicin de un problema concreto;
documentacin necesaria para abordar el problema:
ejercicios muestra resueltos;
ejercicio propuesto: la actividad consistir en la resolucin de este
ejercicio.
Resolucin de actividades. Se abrirn diversas vas de comunicacin

alumno-profesor, a travs de foros y chats (que se anunciarn
previamente), para que el alumno pueda plantear las dudas que le surjan
con respecto al material recogido: los mtodos, el ejercicio propuesto, etc.;
Entrega de actividades. Se abrir un plazo que se determinar en funcin

del grado de dificultad de la actividad concreta propuesta, para que el
alumno devuelva al profesor la actividad resuelta. La entrega se har a
travs del correo electrnico.
En todo momento el alumno dispondr de ayuda por parte del tutor haciendo uso
de cualquiera de las herramientas de comunicacin que le facilitar la plataforma
diseada para el curso.
Bibliografa
Chiang, C. L. (1968) Introduction to Stochastic Processes in Biostatistics,

John Wiley & Sons, Inc.
Hosmer, D.W., Lemeshow, S. y May, S. (2008), Applied survival analysis:
regression modeling of time to event data. John Wiley and Sons.
Hoyland, A. y Rausand, M. (1994). System reliability theory. Models and

statistical methods. John Wiley & Sons, Inc.
Kalbfleisch, J.D. y Prentice, R.L. (1980) The Statistical Analysis of Failure

Time Data, John Wiley & Sons, Inc.
Klein, J.P. y Moeschberger, M. (2003). Survival Analysis: techniques for

censored and truncated data. Springer-Verlag.
Lawless, J. F. (1982) Statistical Models and Methods fpr Lifetime Data, John
Wiley & Sons, Inc.
Meeker, W. y Escobar, L. (1998). Statistical methods for reliability data. John

Wiley & Sons.
Pallant, J. (2001). SPSS survival manual: a step by step guide to data

analysis using SPSS. Buckingham Open University Press
Prez Ocn, R., Gmiz Prez, M.L. y Ruiz Castro, J.E. (1998). Mtodos
Pg. 74
estocsticos en Teora de la Fiabilidad. Proyecto Sur de Ediciones, S.L.
Therneau, T.M. y Grambsch, P.M. (2000). Modeling Survival Data. Extending

the Cox Model. Springer.
The survival Package en http://www.r-project.org/

Criterios de
evaluacin
Se proponen al alumno dos itinerarios alternativos a seguir para la evaluacin de

la asignatura.
Itinerario A: Permitir al alumno obtener una calificacin mxima de 10 puntos
de acuerdo a los siguientes aspectos:
Entregar las actividades propuestas (una por tema), va la plataforma
moodle, dentro de los plazos fijados. El alumno podr obtener hasta un
mximo de 2 puntos por actividad.
Acceder a la plataforma y participar activamente en los foros, uso del
correo, etc. (hasta 2 puntos mximo) .
Siguiendo este itinerario, un alumno obtiene la calificacin mxima de 10 puntos.
Si algn alumno siguiendo este itinerario, no consigue obtener al menos 5
puntos, o si no est conforme con la calificacin final que los profesores le hayan
asignado, podr renunciar a la misma y optar por la evaluacin alternativa
siguiendo el itinerario B.
Itinerario B: Indicado para los alumnos que decidan no seguir la asignatura va
la plataforma moodle de acuerdo a la temporizacin establecida. Siguiendo este
camino el alumno podr obtener una calificacin mxima de 10 puntos. La
evaluacin consistir en la entrega de un trabajo en el que el alumno realizar un
estudio de supervivencia basado en un conjunto de datos de acuerdo a las
siguientes especificaciones. El profesor suministrar al alumno va la plataforma
un conjunto de datos relativo a un estudio de supervivencia.
Se ajustar a los datos varios modelos paramtricos y se valorarn los

resultados obtenidos: usar un criterio objetivo para elegir el mejor
ajuste.
El alumno formular un modelo que permita incorporar informacin

auxiliar al modelo. Estimar los parmetros del modelo teniendo en
cuenta la censura presente en los datos.
Obtendr estimaciones no paramtricas de la curva de supervivencia y

funcin de riesgo.
Analizar los resultados obtenidos y comparar grupos de riesgo

grficamente y tambin mediante contraste de hiptesis.
Pg. 75

Nombre del curso
Tcnicas Estadsticas Multivariantes y Aplicaciones
Profesor(es)
Ramn Gutirrez Jimez (http://www.ugr.es/local/rgjaimez)

Ramn Gutirrez Snchez (http://www.ugr.es/local/ramongs)
Descripcin
Objetivos particulares
Prerrequisitos y
recomendaciones
Contenidos
En la asignatura de Tcnicas Estadsticas Multivariantes y Aplicaciones se pretende

que el alumno conozca y sea capaz de aplicar en situaciones reales los conceptos
bsicos de la Inferencia en poblaciones normales multivariantes (metodologa de la
2
T de hotelling) y las tcnicas estadsticas multivariantes paramtricas ms
comunes as como su aplicacin mediante software estadstico.
Conocer y saber aplicar con soltura los conceptos bsicos y resultados de la

Inferencia Estadstica en poblaciones normales multivariantes (cadena de
resultados que conducen desde una normal multivariante, hasta los
contrastes de hiptesis ms importantes en el caso normal), dando
preferencia a su comprensin y objetivos que resuelven dichos resultados
sobre las demostraciones estadstico-matemticas de los mismos.
Conocer los fundamentos tericos imprescindibles (modelos; objetivos

prcticos que resuelven; hiptesis estadstico-matemticas; versiones
tericos y muestrales, etc.) de las ms importantes tcnicas estadsticas
multivariantes paramtricas (Anlisis de Componentes Principales, Anlisis
Factorial, Anlisis Discriminante, Anlisis Cluster; Anlisis de
Correspondencias).
Obtener una destreza fluida en la aplicacin, con apoyo de software

estadstica (SPSS y R) de las mencionadas tcnicas.
Resolver casos reales, con p-variables y observaciones muestrales dadas,

detectando la/s tcnica/s multivariante/s ms adecuada/s; comprobando el
grado de verificacin de las hiptesis estadsticas requeridas por cada
tcnica; y efectuar discusin de los resultados obtenidos planteando todo en
un Informe Estadstico final.
Para realizar este curso es necesario tener conocimientos de Estadstica inferencial

bsica y de estadstica computacional. En este sentido se recomienda poseer unos
conocimientos previos de Estadstica y de Estadstica Computacional de nivel
medio, por ejemplo haber cursado alguna titulacin como Diplomado en Estadstica,
Licenciado en CC. y TT. Estadsticas o haber cursado alguna asignatura bsica de
Estadstica.
1.
Distribucin Normal Multivariante. Estimadores mximo verosmiles de sus

2
parmetros. Distribucin de Wishart. Estadstico de la T de Hotelling.
2.
Anlisis de Componentes Principales
3.
Anlisis Factorial.
4.
Anlisis Discriminante.
5.
Anlisis Cluster.
Pg. 76
Metodologa
6.
Anlisis de Correspondencias.
7.
Otras tcnicas multivariantes paramtricas.
El curso se desarrolla de modo virtual usando la plataforma Moodle. Los profesores,

a travs de la plataforma, proporcionarn una gua secuencial para el estudio y
trabajo personal de los distintos temas indicados en los contenidos. As mismo
proporcionarn los apuntes necesarios para el correcto seguimiento del curso.
Sobre los objetivos particulares del curso, la metodologa concreta ser:
Sobre el objetivo 1: En base a textos completos proporcionados por el profesor,
resumir los contenidos fundamentales y realizar esquemas que evidencien el
conocimiento estructural de los contenidos, su concatenacin y las hiptesis bajo
las que se apliquen.
Sobre el objetivo 2: En base a textos proporcionados al alumno, resumir lo
fundamental de cada tcnica, de manera que se evidencian por el alumno, una
compresin para cada tcnica de: el modelo terico; los objetivos prcticos que se
resuelven y el grado de precisin de los resultados obtenidos en la prctica,
respecto de los resultados tericos.
Sobre el objetivo 3; Realizacin autorizada de practicas de manejo, en ejemplos
reales proporcionados por el profesor de, SPSS y R, que evidencien una destreza
bsica en la resolucin de ejemplos reales de Tcnicas Multivariantes.
Sobre el objetivo 4: Realizacin por el alumno de un ejemplo real que comprenda:
Bibliografa
Bsqueda (recogida) y organizacin de datos reales multivariantes en un

campo
de
las
Ciencias,
Experimentales,
Socioeconmicas,
medioambientales, etc.
Informacin suficiente del ejemplo considerado e informacin sobre

Fuentes de Datos utilizadas.
Aplicacin con SPSS y R de diversas tcnicas multivariantes, con

discusin de resultados obtenidos.
Redaccin de un Informe final que evidencia el grado de conocimiento

terico-prctica adquirido por el alumno.
1.
Anderson, TW. (1984). An Introduction to Multivariate Statistical Analysis,

second Edition, Wiley & Sons.
2.
Basilevsky, A. (1994). Statistical Factor Analysis and Related Methods. Theory

and Applications, Wiley & Sons.
3.
Gutirrez-Snchez, R. (2004). Anlisis Estadstico Multivariante con SPSS.

Curso Bsico.
4.
Gutirrez, R and Gonzlez, A. (1991). Estadstica Multivariante. Introduccin al

Anlisis Multivariante. Volumen 1.
5.
Hair, JF., Anderson, E. Tatham, L. and Black, C. (1999). Anlisis Multivariante.

5 Edicin. Prentice-Hall. 1999.
6.
Johnson, RA. and Wichern, DW. (1988) Applied Multivariate Statistical
Pg. 77
Analysis, Second Edition, Prentice-Hall.

7.
Criterios de evaluacin
Prez, C. (2004). Tcnicas de Anlisis Multivariante de Datos. Aplicaciones con

SPSS. Ed. Pearson, Prentice Hall.
8.
Sharma, S (1996) Applied Multivariate Techniques, Wiley & Sons.
9.
SPSS para Windows. Manual del usuario.

trabajos-resmenes indicados en la Metodologa de los Objetivos 1 y 2,
mediante la contestacin a un cuestionario-examen que no implique
demostraciones (Hasta 3 puntos).
Se proporcionarn ejercicios resueltos en ordenador de casos reales de

aplicacin de las tcnicas estadsticas multivariantes consideradas en el
curso, para que el alumno haga un comentario de los resultados, que
evidencie el grado de consecucin por el alumno de las actividades de
aprendizaje previstas sobre el Objetivo 3. (Hasta 3 puntos).
Realizacin del caso real, anteriormente indicado en relacin con el

Objetivo 4. (Hasta 4 puntos).
LA SUPERACIN DEL CURSO SE OBTENDR

PUNTUACIN ACUMULADA DE 5 O MS PUNTOS.
CON
Pg. 78
UNA

Nombre del curso
Anlisis de Datos Funcionales
Profesor(es)
Mariano Valderrama Bonnet (http://www.ugr.es/local/valderra)

Ana Mara Aguilera del Pino (http://www.ugr.es/local/aaguiler)
Francisco Ocaa Lara (http://www.ugr.es/local/focana)
Descripcin
Objetivos particulares
Las variables funcionales se caracterizan por la evolucin de una variable a lo largo

del tiempo (proceso estocstico), de modo que los valores que toman son funciones
en lugar de vectores como en anlisis multivariante clsico. La imposibilidad de
medir la mayora de estas variables continuamente en el tiempo, unida a la
complejidad terica de muchos de los mtodos estadsticos disponibles para su
anlisis llevan a que se manejen resmenes peridicos que constituyen las series
temporales contenidas normalmente en los anuarios estadsticos. Aunque existen
muchas tcnicas para la modelizacin y prediccin de datos temporales discretos,
la mayora de ellas, como por ejemplo la teora clsica de Box-Jenkins, imponen
que se verifiquen hiptesis bastante restrictivas como estacionariedad,
observaciones igualmente espaciadas o pertenencia a una clase de procesos
especfica.
Estos problemas han planteado la necesidad de desarrollar metodologas potentes
que permitan, en la prctica, la modelizacin y prediccin a partir de datos
funcionales dando lugar a una especialidad estadstica muy reciente conocida con
el nombre de Anlisis de Datos Funcionales (FDA), que en la actualidad est siendo
objeto de un estudio intensivo por parte de los investigadores. Los primeros trabajos
en FDA estuvieron dedicados a la generalizacin de la tcnica de reduccin de
dimensin Anlisis en Componentes Principales (ACP) al caso funcional.
Posteriormente las investigaciones en FDA se han centrado en el desarrollo de
modelos de regresin funcional y sus aplicaciones en diferentes campos como la
economa, el medioambiente o las ciencias de la salud.
Conocer las nociones bsicas
estocsticos) de segundo orden.
sobre
variables
funcionales
(procesos
Manejar los mtodos matemticos de aproximacin de funciones de cuadrado

integrable (interpolacin, aproximacin mnimo cuadrtica, ) a partir de bases
de funciones (trigonomtricas, splines, wavelets, ..).
Estudiar la tcnica de reduccin de dimensin Anlisis en Componentes
Principales Funcional (ACPF) y mtodos de estimacin a partir de observaciones
en tiempo discreto de las funciones muestrales.
Conocer la formulacin, estimacin muestral e implementacin computacional,
as como la aplicacin con datos reales e interpretacin de resultados, de
modelos de prediccin en componentes principales (PCP) de una variable
funcional.
Relacionar los modelos PCP con los modelos ms generales de regresin lineal
funcional.
Conocer la formulacin, estimacin muestral e implementacin computacional,
as como la aplicacin con datos reales e interpretacin de resultados, de
modelos de regresin logstica para estimar una variable binaria a partir de un
predictor funcional relacionado.
Prerrequisitos y
Para realizar con xito este curso el alumno debera tener una formacin bsica en
anlisis matemtico, aproximacin de funciones, procesos estocsticos, anlisis
Pg. 79
recomendaciones
multivariante y modelos de regresin. Est formacin est garantizada para los

alumnos que hayan realizado la Diplomatura en Estadstica, la Licenciatura en
Ciencias y Tcnicas Estadsticas o la Licenciatura en Matemticas. Para los
alumnos que no tengan esta formacin se recomienda realizar el curso del mster
Tcnicas estadsticas multivariantes y aplicaciones.
Contenidos
7. Introduccin al Anlisis de Datos Funcionales.

8. Representacin de datos funcionales mediante bases de funciones.
9. Anlisis en componentes principales funcional: formulacin, estimacin y
aproximacin.
10. Modelos de prediccin en componentes principales (PCP) de variables
funcionales. Aplicaciones en Turismo y Economa.
11. Modelos de regresin lineal funcional: casos de respuesta escalar y respuesta
funcional. Relacin con los modelos PCP.
12. Modelos de regresin logstica funcional para respuesta binaria. Aplicaciones en
Medioambiente y en Ciencias de la Salud.
Metodologa
El alumno estudiar, para cada uno de los contenidos enumerados, los materiales
y referencias bibliogrficas disponibles en la plataforma. Una vez estudiados los
contenidos, el alumno realizar resmenes de cada uno de ellos en los que se
ponga de manifiesto su capacidad de sntesis y de comprensin.
El profesor propondr trabajos individuales sobre artculos cientficos y material
bibliogrfico relacionado con los contenidos del curso. El alumno deber presentar
a travs de la plataforma el trabajo realizado, junto con una presentacin resumida
que ser distribuida entre el resto de alumnos para su debate.
El alumno podr realizar tambin trabajos aplicados de modelizacin de datos
funcionales mediante las tcnicas estudiadas en el curso. Los datos podrn ser
proporcionados por el profesor u obtenidos por el alumno de otra fuente de inters o
mediante simulacin. Para realizar la aplicacin implementar los algoritmos
involucrados en el entorno de programacin R y presentar los resultados en forma
de artculo cientfico.
El alumno dispondr de tutoras virtuales a travs de la plataforma (en forma de
correo, chat...) en las que el profesor estar disponible para hacer cualquier
aclaracin relacionada con el desarrollo del curso.
Bibliografa
Aguilera, A.M., Escabias, M. and Valderrama, M.J. (2008): Discussion of different

logistic models with functional data. Application to Systemic Lupus Erythematosus.
Computational Statistics and Data Analysis, 1-13, in press.
Cardot, H., Ferraty, F. and Sarda, P. (1999): Functional linear model. Statistics and
Probability Letters, 45, 11-22.
Chiou, J-M., Mller, H-G. and Wang, J-L. (2004): Functional response model.
Statistica Sinica, 14, 659-677.
Escabias, M., Aguilera, A.M. and Valderrama, M.J. (2004): Principal component
estimation of functional logistic regression: discussion of two different. Journal of
Nonparametric Statistics, 16 (3-4), 365-38.
Escabias, M., Aguilera, A.M. and Valderrama, M.J. (2005): Modeling environmental
data by functional principal component logistic regression. Environmetrics, 16 (1),
95-107.
Ocaa, F.A., Aguilera, A.M. and Escabias, M. (2007): Computational considerations
in functional principal component analysis. Computational Statistics, 22, 449-466.
Pg. 80
Ramsay J.O. y Silverman B.W. (1997, 2005): Functional Data Analysis. (First and
Second editions). Springer-Verlag.
Ramsay J.O. y Silverman B.W. (2002): Applied Functional Data Analysis. SpringerVerlag.
Ratcliffe, S. J., Leader, L. y Heller, G. Z. (2002a): Functional data analysis with
application to periodically stimulated foetal heart rate data. I: Functional regression.
Statistics in Medicine, 21, 1103-1114.
Ratcliffe, S. J., Heller, G. Z. y Leader, L. (2002b): Functional data analysis with
application to periodically stimulated foetal heart rate data. II: Functional logistic
regression. Statistics in Medicine, 21, 1115-1127.
Todorovic P. (1992): An Introduction to Stochastic Processes and their Applications.
Springer-Verlag.
Valderrama M.J., Aguilera A.M. y Ocaa F.A. (2000): Prediccin Dinmica mediante
Anlisis de Datos Funcionales. La Muralla, Madrid.
Yao, F., Mller, H-G. and Wang, J-L. (2005): Functional linear regression analysis
for longitudinal data. The Annals of Statistics, 33(6), 2873-2903.
Criterios de evaluacin
Realizacin de resmenes de cada uno de los contenidos del curso y actividades

relacionadas (hasta 6 puntos).
Trabajo individual sobre aspectos metodolgicos o prcticos de los contenidos
del curso (ver metodologa). Comprensin de conocimientos adquiridos (hasta 2
puntos). Capacidad de sntesis y presentacin para su exposicin y difusin en la
plataforma (hasta 2 puntos). Programacin en R y aplicacin con datos reales
(hasta 2 puntos adicionales).
Pg. 81

Nombre de la
asignatura
Aspectos Computacionales en la Estimacin de Errores en Encuestas por

Muestreo
Profesor(es)
Antonio Arcos Cebrin (http://www.ugr.es/~arcos)

Mara del Mar Rueda Garca (http://www.ugr.es/~mrueda)
Juan Jos Serrano Prez (http://www.ugr.es/local/jjserra)
Descripcin
En las grandes encuestas por muestreo suelen usarse por una parte diseos
muestrales complejos y por otra, nuevas tcnicas de estimacin con informacin
auxiliar que hacen difcil el clculo del error de muestreo. El conocimiento de este
es fundamental, pues permite decidir acerca del grado de validez o confianza de
los datos en relacin con el uso que se va a hacer de ellos. En este curso se
estudiar por una parte los procedimientos ms importantes para la estimacin
de errores muestrales, el distinto software que tiene implementados algunos de
estos mtodos y el entorno de programacin R como instrumento para la
implementacin de estas tcnicas.
Objetivos
particulares
Establecer la problemtica de la estimacin de errores de muestreo en encuestas

con muestras complejas y con parmetros no lineales.
Introducir al estudiante en las tcnicas aproximadas de estimacin de varianzas.
Analizar el software estadstico disponible en relacin con los diseos utilizados y
las tcnicas de estimacin implementadas.
Presentar software libre que pueda utilizarse para la estimacin de varianzas,
analizando sus caractersticas y ventajas en el contexto del muestreo en
poblaciones finitas.
La elaboracin por parte del alumno de programas para la estimacin de
varianzas en situaciones complejas concretas que se le planteen.
Prerrequisitos y
recomendaciones
Para una buena comprensin de los contenidos de esta asignatura el alumno

necesita algunos conocimientos de las materias:
-
Muestreo estadstico (diseos muestrales, estrategias muestrales,

matrices de probabilidad, estimadores de Horvitz-Thompson,
estimadores de razn y de regresin).
Inferencia y Decisin (estimacin puntual y por intervalos, suficiencia,

consistencia, UMVUE, estimadores mximo verosmiles,).
Si los alumnos no han cursado estas materias en el grado se le recomienda

realizar antes la asignatura Encuestas por muestreo. Aplicaciones Econmicas,
Sociales y Medioambientales.
Contenidos
Estimacin aproximada de la varianza. Justificacin, definiciones

bsicas y clasificacin de mtodos.
Pg. 82
Metodologa
Tcnica de linealizacin
Tcnica de grupos aleatorios
Mtodo Jackknife
Mtodo Bootstrap
Software para estimacin de errores muestrales: software comercial y

software libre.
El entorno R para la estimacin de la varianza
La asignatura se impartir de forma virtual a travs de la plataforma moodle.

La asignatura est estructurada en temas. El alumno dispondr en cada tema de
material que le guiar en el estudio de los conceptos y una serie de aplicaciones
y ejemplos para la mejor comprensin de stos. En cada tema se propondrn
actividades que el alumno tiene que realizar y enviar al profesor a travs de la
plataforma.
A travs de los foros y el correo electrnico el alumno podr ponerse en contacto
con el profesor y con el resto de los alumnos para resolver dudas y plantear
cuestiones y debates relacionados con cada tema.
La estructura de la asignatura permite que el alumno vaya marcando el ritmo de
asimilacin de los contenidos de la asignatura. Eso permite una gran flexibilidad
en las horas de trabajo a dedicar en el estudio de esta asignatura durante el
curso acadmico y su compatibilidad con las necesidades temporales de estudio
de las otras asignaturas de las que el alumno se ha matriculado.
Sin embargo se recomienda al alumno un esfuerzo por la lectura de los textos y
realizacin de las actividades desde el primer da del curso y de forma
continuada. Cuando un alumno haya comprendido los conceptos de un tema y
realizado las actividades propuestas del tema, puede pasar al siguiente. No se
recomienda pasar de un tema al siguiente sin haber afianzado los conocimientos.
Bibliografa
Carlson, B.L. (1998) Software for sample survey data. In Enciclopedia of

Biostatistics, vol. 5. Peter Armitage and Thordore Colton, eds. in chief. New
York. John Wiley and Sons, pp. 4160-4167
Chambers, R.L., Skinner, C.J. (2004) Analysis of Survey Data. John Wiley
and Sons,
Srndall, C.E., Swensson, B. and Wretman, J. (1992) Model Assisted Survey

Sampling. New York: Springer-Verlag.
Singh, S. (2003), Advanced sampling theory with applications: How Michael

''selected'' Amy, Kluwer Academic Publisher. The Netherlands.
Till,Y and Matei, A. (2006), The R package sampling, a software tool for
training in official statistics and survey sampling, Proceedings in
Computational Statistics, COMSTAT'06, Physica-Verlag/Springer, Editors A.
Rizzi and M. Vichi, p. 1473-1482
Till, Y and Matei, A, The R sampling package, CRAN, Software manual,

2006
Pg. 83
Criterios de
evaluacin
Wolter, K.M. (1985), Introduction to variance estimation, Springer-Verlag,

New York.
www.fas.harvard.edu/~stats/survey-soft/iass.php
La documentacin relativa a R y Survey que aparecen en la pgina www.rproject.org.
El alumno demostrar si ha asimilado los conceptos expuestos en los resmenes

mediante la resolucin de las actividades propuestas en cada apartado (se
valorar hasta 4 puntos) y mediante la resolucin del ejercicio final (hasta 4
puntos).
Finalmente se tendr en cuenta tambin la actitud del alumno ante la materia, su
dedicacin continuada, su asimilacin de conceptos y su capacidad para resolver
los problemas planteados (2 puntos).
Pg. 84

Nombre de la
asignatura
Profesor(es)

Descripcin
Esta asignatura est planteada como una introduccin conceptual a la teora de

los procesos de difusin. Como objetivos generales se persigue que el alumno se
familiarice con esta clase de procesos, conozca las condiciones que los
caracterizan y adquiera destrezas en lo que se refiere a su tratamiento. En ese
sentido se profundizar en mtodos de obtencin de las distribuciones
asociadas, clculo de funciones media y covarianzas, as como de otras
caractersticas de inters en aplicaciones prcticas. La aproximacin a esta clase
de procesos se realizar tanto desde el punto de vista de las ecuaciones
diferenciales de Kolmogorov como desde las ecuaciones diferenciales
estocsticas, proporcionando mtodos para su resolucin en cada caso. Una vez
afianzados estos conocimientos, los cuales se ilustrarn con abundantes
ejemplos (Wiener, Ornstein-Uhlenbeck, lognormal,), se abordarn algunos
tpicos concretos como es el problema de la inferencia, principalmente por medio
de muestreo discreto, as como una introduccin al problema de tiempos de
primer paso.
Objetivos
particulares
Prerrequisitos y
recomendaciones
Conocer e identificar las condiciones que definen y determinan a un proceso

de difusin.
Conocer diferentes procedimientos que permitan el estudio de procesos de
difusin, la obtencin de las densidades de transicin y anlisis de sus
principales caractersticas. En concreto,
o Identificar las condiciones que garantizan la existencia de solucin
de las ecuaciones de Kolmogorov. Adquirir destrezas en su
resolucin por diversos procedimientos.
o Identificar las condiciones que garantizan la existencia de solucin
de las ecuaciones diferenciales estocsticas cuya solucin sean
procesos de difusin. Adquirir destrezas en su resolucin,
especialmente en casos como el lineal o transformables en l.
Conocer y manejar con soltura algunos procesos de difusin concretos
(Wiener, Ornstein-Uhlenbeck, lognormal,).
Conocer procedimientos para obtener procesos de difusin a partir de otros
conocidos.
Adquirir destrezas en la estimacin de los parmetros de procesos de
difusin mediante muestreo discreto. Aplicacin a casos concretos.
Conocer el problema de tiempos de primer paso en difusiones. Adquirir
destrezas para su resolucin en casos concretos.
Para realizar este curso se recomienda tener conocimientos de probabilidad y

procesos estocsticos como los proporcionados, por ejemplo, en las licenciaturas
en Ciencias y Tcnicas Estadsticas o Matemticas. Asimismo es aconsejable
disponer de algunos conocimientos sobre algunos mtodos matemticos
concretos, como es el caso de ciertos aspectos sobre ecuaciones diferenciales.
No obstante, durante el curso se facilitarn complementos necesarios
(atendiendo a las necesidades de cada alumno) para solventar problemas
puntuales en este sentido.
Pg. 85
Contenidos
10. Repaso de conceptos generales sobre clculo, modelizacin estocstica y

procesos estocsticos.
11. Procesos gaussianos: Definicin y caracterizacin. Continuidad. Procesos
gaussianos markovianos. Ejemplos.
12. Procesos de difusin: Ecuaciones cinticas. Teorema de Pawula. Definicin
de proceso de difusin. Ecuaciones de Fokker-Planck y de Kolmogorov en
los procesos de difusin. Condiciones frontera en el caso homogneo.
Resolucin de las ecuaciones de Kolmogorov. Los procesos de difusin y las
ecuaciones diferenciales estocsticas. Ejemplos.
13. Inferencia en procesos de difusin mediante muestreo discreto. Ejemplos.
14. Tiempos de primer paso en procesos de difusin. Definiciones y ejemplos.
Obtencin de las densidades de tiempo de primer paso mediante
ecuaciones integrales de Volterra. Obtencin de densidades de tiempo de
primer paso a partir del proceso Wiener. Otros procedimientos. Ejemplos.
Metodologa
El curso se desarrolla de modo virtual usando la plataforma Moodle. A lo largo

del curso, los profesores proporcionarn, de forma secuencial, los materiales que
debern ser objeto de estudio as como indicaciones sobre qu fuentes
bibliogrficas pueden ser consultadas de forma complementaria. Asimismo se
propondrn ejercicios para afianzar los conocimientos. Dichos ejercicios
propuestos irn acompaados de otros resueltos que permitan orientar al alumno
sobre la resolucin de los primeros. Al final de cada tema, en los plazos que se
irn indicando en la plataforma, el alumno deber entregar la resolucin de los
problemas propuestos y un resumen/esquema de los principales contenidos del
tema.
Al final del curso, el alumno deber presentar un trabajo individual que incluya:
Desarrollo completo del proceso de obtencin de la densidad de transicin

del proceso Wiener, sus principales caractersticas, as como el clculo de
la densidad de tiempo de primer paso por barreras constantes y lineales).
Desarrollo anlogo al anterior considerando un proceso de su eleccin entre

una lista que se propondr en su momento. Sobre este apartado preparar
una breve exposicin para su difusin en la plataforma.
Bibliografa
Bhattacharya, R.N. y Waymire, E. C. (1990). Stochastic Processes with

Applications. John Wiley and Sons.
Cox, D.R. y Miller, H.D. (1972). The theory of Stochastic Processes.
Chapman and Hall LTD.
Gardiner, C.W. (1990). Handbook of Stochastic Methods. 2 Edicin.
Springer-Verlag.
Gutirrez, R. y Gonzlez, A. (1991). Estadstica Multivariable. Introduccin al
Anlisis Multivariante. Servicio de Reprografa de la Facultad de Ciencias.
Gutirrez, R., Romn, P. y Torres, F. (1995). A note on the Volterra integral
equation for the first-passage-time density. Journal of Applied Probability,
32(3), 635-648.
Gutirrez, R., Ricciardi, L., Romn, P. y Torres, F. (1997). First-passage-time
densities for time-non-homogeneous diffusion processes. Journal of Applied
Probability, 34(3), 623-631.
Gihman, I.I, y Skorohod, A.V. (1974). The theory of Stochastic Processes.
Springer-Verlag.
Iacus, S.M. (2008). Simulation and inference for stochastic differential
equations. Springer-Verlag
Prakasa-Rao, B. (1999). Statistical inference for diffusion type process. Ed.
Arnold, London and Oxford University press, New York, 1999.
Ricciardi, L. M. (1977). Diffusion processes and related topics in Biology.
Springer-Verlag.
Todorovic, P. (1992). An introduction to Stochastic Processes and their
Applications. Springer-Verlag.
Wong, E. Y Hajek, B. (1985). Stochastic Processes in Engineering Systems.
Pg. 86
Springer-Verlag.
Criterios de
evaluacin

resmenes/esquemas de cada tema. Se har especial nfasis en el nivel de
comprensin de los mismos conocimientos, la capacidad para sintetizarlos y
se prestar especial atencin a los comentarios que se hagan sobre la
utilidad de los resultados que en cada momento se vayan presentando
(hasta 3 puntos).
Resolucin de las relaciones de ejercicios. Se prestar especial atencin a la

adquisicin de habilidades/destrezas, as como la relacin que se haga en
cada uno de ellos con los aspectos tericos subyacentes (hasta 3 puntos).
Se valorar el grado de madurez adquirido por el alumno en relacin conl

dominio de la teora de procesos de difusin mediante la elaboracin del
trabajo expuesto en el apartado de Metodologa (hasta 3 puntos), as como
la exposicin que se realice en la plataforma (hasta 1 punto).
puntos.
Pg. 87

Nombre de la
asignatura
Profesor(es)
Rafael Prez Ocn (http://www.ugr.es/local/rperezo/)
Descripcin
La fiabilidad es una disciplina de ingeniera. Se entiende por fiabilidad la

probabilidad de que un dispositivo funcione durante un tiempo bajo ciertas
condiciones, es por tanto una medida probabilstica de su futuro funcionamiento.
En cierto sentido, es una medida de la calidad de un producto. Los mtodos que
se utilizan para el clculo de la fiabilidad de sistemas tienen que ver
fundamentalmente con la estadstica y las probabilidades. La evaluacin de la
fiabilidad ha sido desarrollada en diferentes contextos dentro de la ingeniera
(elctrica, mecnica, qumica, civil) y tiene aplicaciones en supervivencia y
medicina, se trata por tanto de una materia multidisciplinar.
Este curso se centra en suministrar a los estudiantes diversas tcnicas y
procedimientos para el clculo de la fiabilidad y sus aplicaciones.
Objetivos
particulares
Conocer los conceptos bsicos: fiabilidad, disponibilidad, reparacin y

mantenimiento
Calcular la fiabilidad de sistemas parcialmente redundantes en funcin de la
fiabilidad de las componentes
Conocer las caractersticas generales de las distribuciones de probabilidad
usuales en fiabilidad: exponencial, Erlang, Weibull, lognormal, valores
extremos.
Conocer las caractersticas generales de distribuciones discretas frecuentes
en fiabilidad: binomial, geomtrica, de Poisson
Calcular los momentos y las funciones de riesgo de estas distribuciones
Operar con el proceso de Poisson como modelo de llegadas de fallos
Calcular la fiabilidad de sistemas exponenciales bsicos en ingeniera: serie,
paralelo, y k-out-of-n
Calcular la fiabilidad de sistemas redundantes
Prerrequisitos y
recomendaciones
Se recomienda que el estudiante tenga los conocimientos bsicos de

probabilidad y estadstica que corresponden a la Diplomatura de Estadstica, a
los primeros ciclos de Matemticas o de Econmicas, y en general, a carreras de
ciencias que hayan seguido algn curso de estadstica.
Contenidos
1.
2.
3.
4.
5.
6.
7.
8.
Metodologa
El desarrollo del curso potenciar el protagonismo del estudiante en su

aprendizaje, estimulando su trabajo autnomo debidamente dirigido por medio
de los documentos de trabajo. Se organiza de modo que sea posible su
seguimiento por estudiantes presenciales y no presenciales. El procedimiento a
seguir por el profesor durante el curso es el siguiente:
Se presentarn los temas y en cada uno de estos se orientarn los trabajos
Introduccin y conceptos bsicos

Fiabilidad de sistemas simples
Modelos de redes y fiabilidad de sistemas complejos
Distribuciones de tiempos de vida usuales en fiabilidad
El proceso de Poisson como modelo de llegadas de fallos
Evaluacin de la fiabilidad usando distribuciones de probabilidad
Fiabilidad de sistemas en serie, en paralelo, y k-out-of-n
Fiabilidad de sistemas redundantes
Pg. 88
de los estudiantes
Se realizar un tratamiento integrado de teora y prctica
Se darn las explicaciones necesarias para su comprensin y se respondern
las cuestiones pertinentes
Se recomendarn las lecturas apropiadas
Se propondrn temas de estudio y problemas prcticos
Se resolvern las dudas de los estudiantes y se har un seguimiento de las
tareas propuestas
Por su parte, el estudiante realizar actividades prcticas relativas a los distintos

temas, en las que se incluirn:
Bibliografa
Criterios de
evaluacin
Resolucin de problemas
Anlisis de los procedimientos utilizados
Bsqueda de informacin
1.
R. Billinton y R. N. Allan. Reliability Evaluation of Engineering Systems.

Plenum Press. New York. 1993.
2.
B. S. Dhillon. Maintainability, Maintenance, and Reliability for Engineers.

CRC Press. 2006.
3.
A. K. S. Jardine y A. H. C. Tsang. Maintenance, Replacement, and

Reliability. CRC Press. 2006.
4.
S. Zacks. Introduction to Reliability Analysis. Probability Models and

Statistical Methods. Springer-Verlag. New York. 1992.
La evaluacin final del estudiante se har teniendo en cuenta los siguientes

puntos:
Consultas y participacin (20%)

Trabajos individuales presentados (20%)
Actividades de ampliacin de conocimientos (20%)
Elaboracin y presentacin detallada de los temas del curso (20%)
Ejercicios escritos (20%)
La calificacin final para superar el curso es al menos el 50% de los puntos

posibles
Pg. 89

Nombre de la
asignatura
Modelos Espacio-Temporales. Evaluacin de Riesgos en Geofsica y Medio

Ambiente
Profesor(es)

Francisco Javier Alonso Morales (http://www.ugr.es/local/falonso)
Descripcin
El inters creciente en el anlisis estadstico de datos espacio-temporales en

diversas reas de aplicacin (Medio Ambiente, Geofsica, Agricultura, Ciencias
de la Salud, Ingeniera, entre otras), ha dado lugar, particularmente en las ltimas
dos dcadas, a un amplio desarrollo de familias de modelos y mtodos de
inferencia relacionados.
Este curso tiene como objetivo que el alumno conozca los aspectos
fundamentales, metodolgicos y prcticos en este contexto, con especial nfasis
en el estudio de caractersticas estructurales de dependencia, variabilidad e
interaccin espacio-temporal, tcnicas de estimacin, inter/extrapolacin y
prediccin, as como el diseo de estrategias de observacin con datos espaciotemporales. Se introducen asimismo elementos relativos al anlisis de valores
extremos y la evaluacin de riesgos en este contexto.
En relacin con la implementacin de los mtodos, el desarrollo de estudios de
simulacin y aplicaciones, se utilizar fundamentalmente R y diversos paquetes
existentes en este lenguaje para el anlisis de datos espaciales y espaciotemporales.
Objetivos
particulares
Prerrequisitos y
recomendaciones
Adquirir los fundamentos bsicos sobre campos aleatorios tiles en el

contexto de la modelizacin y el anlisis estadstico espacio-temporales.
Diferenciar los principales enfoques desarrollados en relacin con la

representacin de procesos estocsticos espacio-temporales (modelos
estadsticos y modelos fsicos).
Conocer y saber aplicar distintos enfoques para el diseo de estrategias de

muestreo, as como mtodos de inferencia en relacin con modelos espaciotemporales.
Conocer y saber aplicar tcnicas de generacin de mapas predictivos y

relacionados en el espacio/tiempo.
Adquirir destreza en el manejo de software especializado.
Desarrollar la capacidad para el anlisis y tratamiento de problemas con

datos reales o simulados, as como la interpretacin de resultados, en este
contexto.
Se requieren conocimientos previos bsicos sobre Probabilidad y Estadstica de

nivel medio, como los que se adquieren en titulaciones como la Diplomatura en
Estadstica y la Licenciatura en CC. y TT. Estadsticas, o haber cursado alguna
asignatura elemental de Estadstica, existente en la mayor parte de las
titulaciones de ciencias experimentales. Son tambin deseables, aunque no
imprescindibles, conocimientos bsicos sobre Procesos Estocsticos. Tambin
se presuponen mnimos conocimientos y experiencia previa en programacin.
Pg. 90
El aprendizaje del alumno y las aplicaciones a realizar se orientarn segn el

nivel de conocimientos que ste posea, experiencia previa en programacin y
uso de software, as como segn sus intereses profesionales.
Contenidos
Metodologa
Bibliografa
1.
Conceptos bsicos y fundamentos.
2.
Modelos geoestadsticos espaciales y espacio-temporales.
3.
Estimacin de parmetros. Prediccin, inter/extrapolacin y filtrado.
4.
Anlisis de valores extremos.
5.
Diseo de redes de observacin.
6.
Simulacin y aplicaciones. Evaluacin de riesgos.
El alumno dispondr, a travs de la plataforma Moodle, del material bsico y

referencias bibliogrficas seleccionadas sobre los contenidos del programa.
En relacin con el ncleo de contenidos fundamentales, particularmente en

lo que concierne a formas de modelizacin, enfoques de muestreo y
mtodos de inferencia, el alumno elaborar una sntesis que incluir la
discusin de aspectos crticos.
El alumno dispondr de una gua de trabajo personal tutelado, que incluir la

resolucin de cuestiones de carcter terico-metodolgico y el estudio de
casos prcticos, incluyendo el manejo de software especializado.
A partir de discusiones personalizadas y en grupo con los alumnos sobre

temas especficos, realizadas a travs de la plataforma, stos desarrollarn
y
expondrn
trabajos
sobre
aspectos
terico-metodolgicos
complementarios o sobre aplicaciones, que podrn incluir como parte de la
actividad la bsqueda de datos y su procesamiento. Se contemplan, en
particular, aplicaciones en Geofsica, Ingeniera, Medio Ambiente y Salud
Pblica.
1.
Chils, J.P. y Delfiner, P. (1999) Geostatistics: Modeling Spatial Uncertainty.

Wiley.
2.
Christakos G. (1992) Random Field Models in Earth Sciences. Academic

Press.
3.
Christakos G. (2000) Modern Spatiotemporal Geostatistics. Oxford University

Press.
4.
Coles, S. (2001) An Introduction to Statistical Modeling of Extreme Values.

Springer.
5.
Cressie, N. (1993, 2 ed.) Statistics for Spatial Data. Wiley.
6.
Diggle, P.J., Ribeiro, P.J. (2007). Model-Based Geostatistics. Springer.
7.
Finkenstdt, B., Held, L. y Isham, V. (eds.) (2007) Statistical Methods for

Spatio-Temporal Systems. Chapman & Hall/CRC.
8.
Le, N.D., Zidek, J.V. (2006) Statistical Analysis of Environmental Space-Time
Pg. 91
Processes. Springer.
9.
Ripley, B. (2004) Spatial Statistics. Wiley.
10. Stein, M.L. (1999) Interpolation of Spatial Data. Some Theory for Kriging.
Springer.
11. Webster, R. (2004) Geostatistics for Environmental Scientists. Wiley.
12. Yaglom, A.M. (1987) Correlation Theory of Stationary and Related Random
Functions (I, II). Springer-Verlag.
Criterios de
evaluacin
Se valorar el trabajo realizado en la sntesis e interpretacin de contenidos

fundamentales, as como la capacidad de resolver las cuestiones tericometodolgicas propuestas sobre los mismos. Complementariamente, se
asignar una parte de la asignatura al alumno para que desarrolle un trabajo
de anlisis bibliogrfico (3 puntos).
Se valorar asimismo la capacidad demostrada en relacin con el

tratamiento de casos prcticos, incluyendo la identificacin y formalizacin
de modelos, la eleccin adecuada y uso de tcnicas especficas
concernientes a la observacin y la generacin de estimaciones y
predicciones, la justificacin de las decisiones en dicho proceso, as como la
interpretacin de los resultados (4 puntos).
Finalmente, se valorar la capacidad en el desarrollo y la exposicin de los

trabajos de aplicacin integrales a travs de la plataforma, prestando
especial atencin a la justificacin metodolgica, la discusin de aspectos
crticos inherentes a la toma de decisiones y la interpretacin de los
resultados (3 puntos).
Pg. 92

Nombre de la
asignatura
Simulacin de Procesos Estocsticos e Inferencia Estadstica
Profesor(es)
Mara Dolores Ruiz Medina (http://www.ugr.es/local/mruiz)

Mara Jess Garca Ligero (http://www.ugr.es/local/mjgarcia)
Descripcin
En la investigacin actual las tcnicas de simulacin juegan un papel

fundamental. En el mbito estadstico, la simulacin estocstica permite
reproducir la incertidumbre inherente a ciertos sistemas o fenmenos,
proporcionando el escenario apropiado para la descripcin de su
comportamiento, mediante la aproximacin de los parmetros o ley fsica que
rigen su actividad o desarrollo. Por este motivo, en este curso se proporcionan
las herramientas bsicas para la implementacin de los mtodos usuales de
simulacin estocstica empleados en la resolucin de problemas clsicos de la
Probabilidad, Teora de Procesos e Inferencia Estadstica, as como en el
desarrollo de estudios estadsticos en otros campos tales como la Biologa,
Biomedicina, Biofsica, Geofsica, Finanzas, Ingeniera, etc.
Se comenzar, pues, con una breve introduccin sobre los mtodos clsicos de
generacin de variables aleatorias a partir de secuencias de nmeros pseudoaleatorios uniformes. Se continuar entonces con la aplicacin de estos mtodos
a la generacin de procesos aleatorios bsicos. Finalmente, se introducirn los
mtodos de simulacin Monte Carlo y MCMC, as como su aplicacin a la
generacin de procesos, implementacin de algoritmos de optimizacin y
resolucin de problemas en la inferencia estadstica.
Objetivos
particulares
Conocer las principales metodologas que definen las tcnicas clsicas

utilizadas en la generacin de variables aleatorias: Transformada inversa,
Aceptacin-Rechazo y Composicin.
Generar procesos aleatorios bsicos a partir de la generacin de nmeros
pseudo-aleatorios, utilizando las tcnicas de simulacin contempladas en el
objetivo anterior.
Conocer los principios bsicos, filosofa y limitaciones de los mtodos de
simulacin Monte Carlo.
Aplicar la simulacin Monte Carlo a la generacin de procesos bsicos en
finanzas tales como el Movimiento Browninao Geomtrico.
Implementar e interpretar estadsticamente los mtodos usuales de
integracin numrica basados en simulacin: Monte-Carlo, variedades
antitticas, variedades de control y muestreo segn importancia.
Conocer e implementar los mtodos Monte Carlo basados en cadenas de
Markov y los algoritmos de optimizacin asociados, basados en muestreo
mediante Cadenas de Markov.
Prerrequisitos y
recomendaciones
Los fundamentos estadsticos, probabilsticos y computacionales necesarios para

el seguimiento del curso se introducen en cada tema del programa. No obstante,
para aquellos alumnos que no posean formacin computacional en relacin con
la implementacin de tcnicas estadsticas, se recomienda realizar el curso del
mster Entornos de Computacin Estadstica.
Contenidos
1.
Mtodos de generacin de variables aleatorias discretas y continuas.
Pg. 93
Metodologa
2.
Generacin de recorridos aleatorios, movimiento Browniano y proceso de

Poisson.
3.
Generacin de procesos markovianos, procesos de recuento y procesos

relacionados.
4.
Principios de la simulacin Monte Carlo. Simulacin Monte Carlo de

procesos en finanzas.
5.
Mtodos Monte Carlo para la inferencia estadstica.
6.
Mtodos MCMC y algoritmos de optimizacin para la inferencia.
El desarrollo y seguimiento del curso se realizar a travs de la plataforma

Moodle.
Se proporcionar a travs de la plataforma una gua de contenidos y actividades
relativos a los temas que definen el programa del curso. Las actividades
propuestas sern de carcter prctico. Bsicamente, se formularn relaciones de
problemas para su resolucin mediante la implementacin, en un lenguaje
apropiado, de los algoritmos descritos en los contenidos de la asignatura.
Finalmente, el alumno realizar un trabajo sobre la aplicacin de los mtodos de
simulacin en la Teora de Procesos e Inferencia Estadstica para su difusin en
la plataforma.
Bibliografa
Binder, K., Kinder, K. y Heermann, D.W. (2002). Monte Carlo Simulation in

Statistical Physics: An Introduction. Springer.
Cao Abad, R. (2002). Introduccin a la Simulacin y a la Teora de Colas.

Netbiblio, S.L. A Corua.
Chang, H.S., Hu J., Fu, M.C., y Marcus S.I. (2007). Simulation-Based

Algorithms for Markov Decision Processes. Springer-Verlag.
Davison, A.C. y Hinkley, D.V. (1997). Bootstrap Methods and their

Application. Cambridge University Press.
Efron, B. y Tibshirani, R.J. (1993). An Introduction to the Bootstrap.

Chapman & Hall.
Evans, M.J. y Swartz, T. (2000). Approximating Integrals via Monte Carlo

and Deterministic Methods. Oxford University Press.
Fishman, G.S. (1996). Monte Carlo. Concepts, Algorithms, and Applications.

Springer-Verlag.
Gentle, J.E. (2003). Random Number Generation and Monte Carlo methods.
Springer.
Gilks, W.R., Richardson, S. y Spiegelhalter, D.J. (1996). Markov Chain

Monte Carlo in Practice. Chapman & Hall.
Glasserman, P. (2004). Monte Carlo Methods in Financial Engineering.

Springer.
Iacus, S.M. (2008). Simulation and Inference for Stochastic Differential
Pg. 94
Equations: with R Examples. Springer.
Criterios de
evaluacin
Manly, B. F. J. (1998). Randomization, bootstrap and Monte Carlo Methods

in Biology. Chapman and Hall.
McLeish, Don L. (2005). Monte Carlo Simulation and Finance. Wiley.
Richardson, S. y Gilks, W. R. (1996). Markov Chain Monte Carlo in Practice.

Chapman and Hall.
Ripley, B.D. (2006). Stochastic Simulation. John Wiley.
Robert, C.P. y Casella, G. (2004). Monte Carlo Statistical Methods. SpringerVerlag.
Ross, S.M. (1990). A Course in Simulation. Macmillan.
Rubinstein, R.Y. y Melamed, B. (1998). Modern Simulation and Modeling.

Wiley.
Shedler, G.S. (1993). Regenerative Stochastic Simulation. Academic Press.
Valoracin de los conocimientos adquiridos mediante la realizacin de

problemas tericos sobre los principales contenidos de los temas indicados
en el programa del curso (hasta 3 puntos).
Valoracin de los conocimientos prcticos mediante la implementacin de

algoritmos de simulacin en un entorno apropiado (hasta 3 puntos).
Presentacin de un trabajo en relacin con la resolucin de problemas de

inferencia sobre procesos estocsticos mediante la aplicacin de tcnicas e
implementacin de algoritmos de simulacin (hasta 4 puntos).

puntos.
Pg. 95

Nombre de la
asignatura
Profesor(es)
Aurora Hermoso Carazo (http://www.ugr.es/local/ahermoso)

Josefa Linares Prez (http://www.ugr.es/local/jlinares)
Mara Jess Garca-Ligero Ramrez (http://www.ugr.es/local/mjgarcia)
Descripcin
El objetivo de la Teora de Sistemas Dinmicos es estudiar la evolucin que

experimenta a travs del tiempo cualquier sistema fsico sometido a la influencia
de diversos factores que actan externa o internamente sobre dicho sistema. En
la mayor parte de las situaciones reales, las perturbaciones que afectan a un
sistema dinmico son aleatorias, por lo que tanto el estado del sistema como las
observaciones del mismo tienen tambin carcter aleatorio. Estos sistemas se
denominan Sistemas Estocsticos y uno de los principales problemas que se
plantea en su estudio es la estimacin de la trayectoria del estado a partir de las
observaciones disponibles en cada instante de tiempo.
En este curso, despus de dar una introduccin general de la Teora de
Sistemas, describiendo las distintas etapas que deben considerarse para el
estudio de cualquier sistema fsico, y centrndonos principalmente en sistemas
lineales, presentaremos los fundamentos para abordar dicho problema de
estimacin.
Desde el punto de vista de las aplicaciones, lo deseable es disponer de
algoritmos eficientes y prcticos que procesen secuencialmente las
observaciones y que proporcionen estimaciones en cada instante a partir de las
previas (es decir, algoritmos recursivos). Desarrollaremos tales algoritmos para
los problemas de prediccin, filtrado y suavizamiento, tanto en sistemas lineales
discretos en los que las observaciones estn perturbadas nicamente por un
ruido aditivo, como en sistemas con observaciones inciertas, en los que las
observaciones estn afectadas tambin por un ruido multiplicativo.
Objetivos
particulares
Conocer y comprender los fundamentos y nociones bsicas de la teora de

sistemas dinmicos. Reconocer los elementos para la descripcin
matemtica de un sistema.
Conocer los fundamentos del problema de estimacin.
Adquirir destreza en la resolucin de problemas de prediccin, filtrado y

suavizamiento en sistemas lineales discretos y en la obtencin de algoritmos
para el clculo de los estimadores.
Adquirir habilidad en la formulacin y resolucin del problema de estimacin

de seales a partir de observaciones inciertas
Prerrequisitos y
recomendaciones
Contenidos
Para realizar este curso es necesario tener conocimientos sobre Estadstica,

Probabilidad y Procesos Estocsticos a nivel de los conocimientos que
proporcionan, por ejemplo, la titulacin de Licenciado en Ciencias y Tcnicas
Estadsticas o la de Licenciado en Matemticas.
1. Fundamentos de la teora de sistemas dinmicos.
2. Fundamentos del problema de estimacin.
3. Estimacin en sistemas lineales discretos.
4. Estimacin en sistemas lineales discretos con observaciones inciertas.
Pg. 96
Metodologa

Para una correcta planificacin y desarrollo de los contenidos del curso, el
profesor proporcionar a travs de la plataforma una gua secuencial para el
estudio y trabajo personal de los distintos temas indicados en los contenidos, as
como programas que permitan la simulacin de sistemas concretos y la
obtencin de estimadores.
Tambin, para los dos ltimos temas, se proporcionar una relacin de
problemas propuestos en los que tendr que obtener algoritmos de estimacin
para diferentes modelos de sistemas lineales en tiempo discreto.
Al final de cada tema, en los plazos que se irn indicando en la plataforma, el
alumno deber entregar un resumen/esquema de los principales contenidos del
tema.
Al final del curso, adems de entregar la resolucin de las dos relaciones de
problemas propuestos, el alumno deber realizar un trabajo individual sobre una
(a su eleccin) de las siguientes materias:
a. Teora general de sistemas dinmicos.
b. Estimacin de seales discretas en sistemas lineales estocsticos.
c. Obtencin de algoritmos recursivos de estimacin en sistemas con
observaciones inciertas.
Bibliografa
1. Aoki, M. (1989). Optimization of Stochastic Systems. Topics in discrete-time

dinamics. Academic Press.
2. Anderson, B. y Moore, J. (1979). Optimal Filtering. Prentice Hall. Englewood
Cliffs. New Jersey.
3. Chui, C.K. y Chen, G. (1999). Kalman Filtering with real-time applications.
Springer-Verlag, New York.
4. Evensen, G. (2007). Data Assimilation. The Ensemble Kalman Filter.
Springer-Verlag, Berlin.
5. Grewal, M.S. Y Andrews, A.P. (2001).
practice. John Wiley & Sons.
Kalman Filtering: Theory and
6. Haykin, S. (2001). Kalman Filtering and Neural Networks. John Wiley &
Sons.
7. Kailath,T. Sayed, A.H. y Hassibi, B. (2000). Linear Estimation.
8. Simon, D. (2006). Optimal State Estimation. John Wiley & Sons. Prentice
Hall.
9. Weinert, H.L. (2001). Fixed Interval Smoothing for State Space Models.
Kluwer Academic.
Criterios de
evaluacin

resmenes/esquemas con los principales contenidos de los temas indicados
en los contenidos (hasta 5 puntos).
Resolucin de las relaciones de problemas propuestos (hasta 2.5 puntos).
Valoracin de la comprensin de los conocimientos adquiridos y la
capacidad para sintetizar y aplicar tales conocimientos
mediante la
realizacin del trabajo individual indicado en el apartado Metodologa (hasta
2.5 puntos).

puntos.
Pg. 97
Mdulo III
Denominacin
Prcticas externas
12, obligatorio en la opcin I

El mdulo de prcticas de empresa se desarrollar en un periodo correspondiente a 240 horas de trabajo
en la empresa u organismo asignada al alumno y distribuidas segn acuerdo entre empresa u organismo
y la Universidad de Granada. El mdulo de prcticas externas del Mster en Estadstica Aplicada se
desarrollar durante el segundo cuatrimestre del curso.

Son especificadas, desglosadas segn organismo o empresa, en el apartado Actividades formativas
en crditos ECTS, su metodologa de enseanza-aprendizaje y su relacin con las
competencias que debe adquirir el estudiante.
Requisitos previos
El alumno tiene estar matriculado de 32 crditos equivalentes a 8 cursos elegidos entre los mdulos I y II.
Oferta general de prcticas

Las prcticas se entendern como actividades realizadas por los alumnos en empresas, entidades y
organismos, que tienen por objeto dotar de un complemento prctico a su formacin acadmica,
directamente ligado a sus salidas profesionales. Las prcticas externas en una determinada entidad
requieren suscribir un convenio de colaboracin entre dicha entidad y la Universidad de Granada.
Concretamente para el curso 2009-2010 se han suscrito los correspondientes convenios de colaboracin
con las siguientes entidades: Centro Andaluz de Prospectiva, Axesor (Grupo Infotel), UTE ConaconPamasa, ESECA y Centro de Formacin y Prcticas de Empleo de la Universidad de Granada.

La Empresa u Organismo en el que se desarrolle el mdulo de prcticas de empresa designar un Tutor de
Prcticas (tutor externo), que deber ser un profesional de la plantilla de dicha Entidad. Este, de acuerdo
con el Tutor de Prcticas Interno, asignar las funciones a realizar por el alumno durante el desarrollo de
las prcticas, asistindole en lo que fuere preciso y evaluando su aprovechamiento.
La Universidad de Granada designar un Tutor de Prcticas Interno, que supervisar que la lnea de
trabajo a desarrollar por el estudiante quede enmarcada dentro de los objetivos y competencias del
Ttulo, le atender en su formacin, y ser el encargado de evaluar la formacin alcanzada, teniendo en
cuenta adems de sus propias observaciones, el informe del Tutor de Prcticas Externas y el informe de
Autoevaluacin del Alumno.
Pg. 98
Las actividades formativas se detallan en los siguientes proyectos previstos para el ao prximo segn
organismo o empresa:
Proyecto formativo en CANP (CG1, CG2, CG3, CG5, CG8, CG9, CG10, CD2, CD10, CP1, CP2, CP3,
CP4, CP6, CP7, CP9, CP12, CP14)
-
Diseo de Cuestionarios
Trabajo de Campo
Implementacin de bases de datos
Anlisis estadstico de cuestionarios
Direccin y Coordinacin de equipos estadsticos
URCE
Proyecto formativo en Axesor (CG1, CG2, CG3, CG5, CG8, CG9, CG10, CD1, CD4, CD5, CD6, CD7,
CD10, CP1, CP2, CP3, CP4, CP5, CP6, CP7, CP8, CP9, CP10, CP11, CP12, CP13, CP14)
-
Anlisis de calidad: Datos anmalos y errneos
Anlisis Descriptivo
Tratamiento de variables
Anlisis univariante
Anlisis multivariante
Construccin de modelos
Proyecto formativo en CONACON PAMASA (CG1, CG2, CG3, CG5, CG8, CG9, CG10, CD1, CD4,
CD5, CD6, CD8, CD10, CD11, CP1, CP3, CP4, CP5, CP6, CP8, CP9, CP10, CP11, CP12, CP13, CP14)
-
Elaboracin y puesta en prctica de diseos muestrales
Anlisis exploratorio de datos
Deteccin de anomalas e incidencias
Anlisis de datos multivariantes
Anlisis de factores de riesgo
Proyecto formativo en ESECA (CG1, CG2, CG3, CG5, CG8, CG9, CG10, CD1, CD4, CD5,
CD6, CD7, CD10, CP1, CP2, CP3, CP4, CP5, CP6, CP7, CP8, CP9, CP10, CP11, CP12,
CP13, CP14)
- Diseo de encuestas por muestreo.
-
Anlisis y tabulacin de datos con SPSS.
Anlisis multivariable de datos, principalmente.
Extraccin y procesamiento de datos procedentes de fuentes estadsticas

secundarias.
La realizacin de las prcticas de empresa en el Mster en Estadstica Aplicada est regulada por el
convenio de cooperacin educativa para la realizacin de prcticas de mster en programas de posgrado
de la Universidad de Granada.
Pg. 99

calificaciones
Evaluacin externa
Una vez finalizado el perodo de prcticas, la Empresa, teniendo en cuenta el informe emitido por su tutor
externo, acreditar a la Universidad de Granada las funciones realizadas por el alumno.
Autoevaluacin
El alumno deber cumplimentar un informe en el que responder a los siguientes puntos: breve
descripcin del trabajo realizado, justificacin de la relacin de la actividad realizada con el Mster en
Estadstica Aplicada y valoracin del trabajo desarrollado.
Calificacin
El tutor interno de cada alumno propondr a la Comisin de Prcticas de Empresa la calificacin de
esta fase para lo que deber tener en cuenta, adems de sus valoraciones, los informes de evaluacin
externa y autoevaluacin. La Comisin de Prcticas de Empresa, teniendo en cuenta la propuesta del
tutor interno, emitir la calificacin final.
La Universidad reconocer al alumno en su expediente los crditos correspondientes del Mster en
Estadstica Aplicada
Mdulo IV
Denominacin
16, obligatorio

El trabajo se desarrollar a partir del segundo cuatrimestre del curso.

Puesto que el Trabajo de Fin de Mster refleja el compendio de conocimientos y actividades realizadas
por el alumno a lo largo del curso, centrndose en una materia y objetivos concretos, las competencias
generales y especficas adquiridas por el mismo han de reflejar tal hecho. En consecuencia son
asumidas como tales las contempladas en el apartado 3.2.
En cuanto a las competencias profesionales y conocimientos disciplinares, dependern de la lnea
concreta que el alumno haya elegido para la elaboracin del trabajo, y quedan reflejados en las fichas
individuales de las lneas ofertadas.
Pg. 100
Requisitos previos
Antes de la defensa pblica del trabajo de investigacin el alumno deber tener superados los 44
crditos restantes. Adicionalmente, cada lnea de investigacin, podra recomendar la realizacin de
ciertas materias de los mdulos de formacin, cuyos contenidos faciliten el desarrollo del trabajo de
investigacin en el seno de dicha lnea. Los requisitos especficos de cada lnea se recogen en las guas
de investigacin asociadas a la oferta de las lneas de cada ao.

Los tutores del trabajo de investigacin orientarn al alumno en el desarrollo de los contenidos del
trabajo de investigacin, proporcionndole el material y soporte bibliogrfico necesario para el desarrollo
del mismo, o bien, las fuentes de donde puede extraer dicho material. Asimismo realizarn un
seguimiento peridico del alumno, mediante entrevistas o tutoras que permitan ayudar al alumno en su
trabajo, as como realizar una evaluacin del mismo. Como objetivo fundamental en la metodologa de
trabajo propuesta se persigue que el alumno adquiera madurez y autonoma en la investigacin, en
relacin con los contenidos de la lnea seleccionada, a partir de la formacin avanzada recibida en los
restantes mdulos del Mster. Este hecho se podr constatar en la defensa pblica que el alumno
realizar del trabajo de investigacin con la consiguiente evaluacin por la comisin nombrada a tal
efecto.
Se constituir una Comisin de Investigacin para coordinar las actividades desarrolladas en el seno del
Mdulo IV. Dicha comisin estar constituida por tres miembros, profesores del Mster.
Las labores o competencias de dicha comisin se resumen en los siguientes puntos:
1.
2.
3.
4.
5.
Organizacin de la solicitud de las lneas de investigacin por parte de los alumnos.

Admisin y seleccin de alumnos en las lneas (asignacin de tutor y lnea).
Supervisin, revisin y actualizacin de las guas para las lneas del trabajo de investigacin.
Elaboracin de recursos electrnicos (relacionados con la investigacin) para su difusin en la web
del Mster.
Elaboracin del calendario (periodos y fechas para la entrega de la memoria e informe del tutor y
para la defensa oral de los trabajos).
El procedimiento de actuacin de dicha comisin en relacin a los puntos anteriores 1 y 2 ser a travs
de la web del mster en el apartado especfico para esta parte. Desde este recurso se pondr a
disposicin del estudiante un formulario de solicitud que deber remitir en el enlace habilitado para ello
en su momento. La asignacin de lneas y tutores se har atendiendo a las solicitudes remitidas y a los
criterios especificados en cada lnea por los tutores de la misma. Estas tareas son realizadas por la
comisin en reuniones mantenidas peridicamente y finalmente sometidas a su aprobacin por la
comisin acadmica del mster y el coordinador. Fruto de dichas reuniones peridicas de la comisin,
en relacin a los puntos 3-5, se procede a la mejora continuada de los recursos electrnicos, as como
la planificacin y elaboracin del calendario.

calificaciones
Defensa oral y pblica: El tutor emitir un informe, no vinculante, sobre el trabajo de investigacin
realizado. No obstante, dicho informe ser considerado posteriormente en el proceso de evaluacin
Pg. 101
efectuado por la comisin nombrada (ver puntos posteriores), tras la defensa oral y pblica del
trabajo de investigacin.
Convocatorias: En cada curso acadmico habr dos convocatorias: una, ordinaria, en septiembre,
y otra, extraordinaria, en el mes de diciembre. Aquellos alumnos que no superen el mdulo de
investigacin en ninguna de las dos convocatorias podrn volver a realizar el mismo en el curso
siguiente.
Comisiones de evaluacin: El Coordinador del Mster nombrar, para cada trabajo presentado, y
previo informe de la Comisin de Investigacin, una Comisin de Evaluacin compuesta por tres
miembros titulares y tres suplentes, elegidos de entre los profesores del Mster, a la que no podrn
pertenecer los tutores del trabajo.
Trmites que seguir: Los trabajos debern ser depositados por el tutor o tutores en la Secretara
del Mster, con antelacin a la fecha establecida. La documentacin depositada deber incluir:
o Una copia impresa del trabajo completo, la cual podr incluir anexos en formato
electrnico, as como una copia completa en formato electrnico.
o Un resumen escrito por triplicado del trabajo, con una extensin mxima de tres pginas,
en formato A4 y a doble espacio.
o El informe del tutor o de los tutores del trabajo con la autorizacin para la defensa.
Los trabajos permanecern expuestos en la Secretara del Mster hasta la fecha de su defensa,
pudiendo ser consultados por los profesores del Mster que lo deseen, quienes podrn hacer
alegaciones a los mismos en el plazo que se habilite segn la convocatoria. En caso de
alegaciones, estas sern resueltas por el Coordinador atendiendo al informe de la Comisin de
Investigacin. La resolucin podr ser de devolucin del trabajo o de aceptacin del mismo. Los
trabajos aceptados o que no hayan sufrido alegaciones sern defendidos en un acto pblico ante la
Comisin de Evaluacin, que proceder a su calificacin.

Los contenidos especficos dependen de las materias y objetivos concretos de cada lnea de
investigacin y se incluyen en las fichas individuales de las lneas ofertadas.
Pg. 102
LNEA DE TRABAJO DE INVESTIGACIN

Ttulo
Algoritmos de red para el test exacto de Fisher en tablas de contingencia 2xc y rxc.
Profesor(es)
Francisco Requena Guerrero (http://www.ugr.es/local/bioest/frequena.htm)
Descripcin
De los diferentes algoritmos utilizados para la implementacin del test exacto de

Fisher en tablas de contingencia rxc, es el algoritmo de red de Mehta y Patel el que
se ha mostrado ms eficiente. El trabajo de investigacin consiste en estudiar dicho
algoritmo de red (en su versin bsica) en tablas rxc y, en particular, en tablas 2xc.
As mismo, estudiar las sucesivas mejoras que se han ido proponiendo, tanto en
tablas rxc como en tablas 2xc, y desarrollar un programa FORTRAN para evaluar
alguna de estas mejoras (concretamente, mejoras en el clculo de la subtrayectoria
de mxima longitud o subtabla de mxima probabilidad).
Requisitos (formacin
Es necesaria una formacin previa sobre Estadstica y Probabilidad a nivel de

los conocimientos que proporcionan la titulacin de Licenciado en Ciencias y
Tcnicas Estadsticas. Adems, se necesita haber realizado el siguiente curso
del mster: Bioestadstica.
previa, cursos realizados,

otros)
Es requisito indispensable tener conocimientos avanzados de programacin en

FORTRAN.
Plan de trabajo
Estudio del algoritmo de red bsico de Mehta y Patel en tablas rxc.

Estudio de las mejoras propuestas al algoritmo de Mehta y Patel en tablas rxc.
Estudio de las mejoras propuestas en el caso particular de tablas 2xc.
Profundizar en las mejoras del algoritmo relativas al clculo de las
subtrayectorias de mxima longitud (subtablas de mxima probabilidad) en
tablas 2xc y rxc.
Bibliografa
Desarrollar un programa FORTRAN para llevar a cabo las mejoras indicadas

en el punto anterior, y que pueda ser incorporado como rutina dentro del
programa global del algoritmo de Mehta y Patel.
Aoki, S., 2002. Improving path trimming in a network algorithm for Fishers
Exact Test in two-way contingency tables. J. Stat. Comput. Simul. 72(3), 205216.
Clarkson, D. B., Fan, Y. A., Joe, H., 1993. A Remark on Algorithm 643:
FEXACT: An Algorithm for Performing Fishers Exact Test in rc Contingency
Tables. ACM Transactions on Mathematical Software 19(4), 484-488.
Hirji, K. F., Johnson, T. D., 1996. A comparison of algorithms for exact analysis
of unordered 2k contingency tables. Comput. Statist. Data Anal. 21, 419-429.
Joe, H, 1988. Extreme probabilities for contingency tables under row and
column independence with application to Fishers Exact Test. Comm. Statist.
Theory Meth. 17(11), 3677-3685.
Mehta, C. R., Patel, N. R, 1980. A network algorithm for the exact treatment of
Pg. 103
the 2k contingency table. Comm. Statist. Simulation Comput. 9(6), 649-664.
Currculum (en relacin con

la lnea de investigacin)
Mehta, C. R., Patel, N. R, 1983. A network algorithm for performing Fishers

Exact Test in rc contingency tables. J. Amer. Statist. Assoc. 78, 427-434.
Mehta, C. R., Patel, N. R, 1986a. Algorithm 643. FEXACT: A FORTRAN

subroutine for Fishers Exact Test on unordered rc contingency tables. ACM
Transactions on Mathematical Software 12, 154-161.
Mehta, C. R., Patel, N. R, 1986b. A hybrid algorithm for Fishers Exact Test in
unordered rc contingency tables. Comm. Statist. Theory Meth. 15(2), 387-403.
Requena, F., Martn, N., 2000. Characterization of maximum probability points

in the Multivariate Hypergeometric Distribution. Statist. Probab. Lett. 50, 39-47.
Requena, F., Martn, N., 2003. The Maximum Probability 2c Contingency

Tables and the Maximum Probability Points of the Multivariate Hypergeometric
Distribution. Comm. Statist. Theory Meth. 32(9), 1737-1752.
Requena, F., Martn, N., 2006. A major improvement to the Network Algorithm
for Fishers Exact Test in 2c Contingency Tables. Comput. Statist. Data Anal.
51, 490-498.
Shao, X. M, 1997. An efficient algorithm for the exact test on unordered 2J

contingency tables with equal column sums. Comput. Statist. Data Anal. 25,
273-285.
StatXact-5, 2001. A Statistical Package for Exact Nonparametric Inference.

Cytel Software Corporation, Cambridge, MA.
Tesis doctorales
dirigidas
recientemente
Aportaciones a la mejora del algoritmo del test de Fisher

en tablas 2 x c. Una extensin a tablas rxc (1999).
Publicaciones
(mximo 5)
Requena, F., Martn, N., 2000. Characterization of

maximum probability points in the Multivariate
Hypergeometric Distribution. Statist. Probab. Lett. 50, 3947.
Director: Francisco Requena
Requena, F., Martn, N., 2003. The Maximum Probability

2c Contingency Tables and the Maximum Probability
Points of the Multivariate Hypergeometric Distribution.
Comm. Statist. Theory Meth. 32(9), 1737-1752.
Requena, F., Martn, N., 2006. A major improvement to the
Network Algorithm for Fishers Exact Test in 2c
Contingency Tables. Comput. Statist. Data Anal. 51, 490498.
Proyectos de
investigacin
Mtodos estadsticos para el Acuerdo, la Independencia y

la Equivalencia. Aplicacin a la obtencin de Intervalos de
Confianza (MAIQ)(Matemtica, MTM).
Mtodos estadsticos cualitativos para el Acuerdo, el
Diagnstico y la Equivalencia (P06-FQM-01459).
Pg. 104

Ttulo
Anlisis de caractersticas estructurales de sucesos extremos. Aplicacin a la

evaluacin de riesgos en Geofsica y Medio Ambiente
Profesor(es)
Descripcin
La eventual ocurrencia de comportamientos extremos en sistemas que evolucionan

en el espacio-tiempo bajo incertidumbre est intrnsecamente ligada a las
caractersticas estructurales de variabilidad en dichos sistemas, generalmente
representadas en trminos de modelos estocsticos y estadsticos. El conocimiento,
derivado de la informacin a priori y muestral accesible, sobre indicadores de
recurrencia, persistencia y, de forma ms general, patrones de distribucin en el
espacio-tiempo de sucesos extremos, en particular en relacin con excedencias de
umbrales o niveles crticos, constituye la base para la generacin de instrumentos
de evaluacin del riesgo (e.g. curvas y mapas de riesgo), objetivo fundamental de
aplicaciones en el mbito de la Geofsica y el Medio Ambiente, entre otras reas.
En esta lnea de investigacin se trata de estudiar tales aspectos relativos al
comportamiento de sucesos extremos en el contexto de modelos input/output
temporales, espaciales y espacio-temporales, particularmente en relacin con la
generacin y efectos de dichos comportamientos, ntimamente ligados con la
estructura de los procesos implicados y el mecanismo de transferencia de
informacin entre stos. En el trabajo a desarrollar se contemplan, potencialmente,
aspectos geomtricos relacionados con las realizaciones de los procesos y la
estructura de los conjuntos de excursin sobre umbrales, aspectos estadsticos
relativos a la inferencia sobre los indicadores mencionados y el anlisis predictivo,
as como estudios de simulacin bajo distintos escenarios y aplicaciones con datos
reales.
otros)
Se requieren conocimientos bsicos sobre Probabilidad, Inferencia Estadstica y

Procesos Estocsticos (nivel de Licenciatura en Ciencias y Tcnicas Estadsticas,
Licenciatura en Matemticas, o similar).
Es tambin requisito haber cursado en el Mster la asignatura
Plan de trabajo
Modelos Espacio-Temporales. Evaluacin de Riesgos en Geofsica y

Medio Ambiente.
A.
Anlisis bibliogrfico acerca de

estudios tericos y aplicados sobre
indicadores estructurales relativos a sucesos extremos en procesos con
evolucin en el espacio y/o tiempo.
B.
Estudio sobre aspectos geomtricos de conjuntos de excursin sobre

umbrales, en relacin con caractersticas estructurales de variabilidad.
C. Implementacin de mtodos de inferencia y predictivos en relacin con

sucesos extremos.
D. Generacin de curvas y mapas de riesgo en el mbito de la Geofsica y el
Medio Ambiente.
Bibliografa
Adler, R.J., Taylor, J.E. (2007). Random Fields and Geometry. Springer.
Albeverio, S., Volker, J., Kantz, H. (2006). Extreme Events in Nature and Society. Springer.
Angulo, J.M., Ruiz-Medina, M. D., Alonso, F.J., Bueso, M.C. (2005). Generalized approaches to spatial sampling design. Environmetrics 16:523-534.
Beirlant, J., Goegebeur, Y., Segers, J., Teugels, J. (2004). Statistics of
Extremes. Theory and Applications. Wiley.
Pg. 105

Christakos, G. (2000). Modern Spatiotemporal Geostatistics. Oxford University

Press.
Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values.
Springer.
Kotz, S., Nadarajah, S. (2000). Extreme Value Distributions. Theory and
Applications. Imperial College Press.
Le, N.D., Zidek, J.V. (2006). Statistical Analysis of Environmental Space-Time
Processes. Springer.
Mardia, K.V., Angulo, J.M., Goita, A. (2006). Synthesis of image deformation
strategies. Image and Vision Computing 24:1-12.
Stoyan, D., Stoyan, H. (1995). Fractals, Random Shapes and Point Fields.
Methods of Geometrical Statistics. Wiley.
Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Proyecto de
investigacin
Anlisis Multiescalar de la Deformacin Espacial de

Imgenes (2003).
Autor: Arnaldo Goita Acosta.
Directores: J.M. Angulo Ibez y M.D Ruiz Medina.
Representacin y Simulacin de Procesos Fractales
Multiparamtricos (2003).
Autor: Rosaura Fernndez Pascual.
Directores: J.M. Angulo Ibez y M.D. Ruiz-Medina.
Estimacin de Modelos de Memoria Larga en Procesos
Espaciales (2004).
Autor: Mara del Pilar Fras Bustamante.
Directores: F.J. Alonso Morales, J.M. Angulo Ibez y
M.D. Ruiz.
M.D. Ruiz-Medina, F.J. Alonso, J.M. Angulo y M.C. Bueso
(2003). Functional Stochastic Modeling and Prediction of
Spatio-Temporal Processes. Journal of Geophysical
Research
Atmospheres
108,
D24,
9003,
doi:10.1029/2003JD003416.
Goita, M.D. Ruiz-Medina y J.M. Angulo (2005). Joint
Estimation of Spatial Deformation and Blurring in
Environmental Data. Stochastic Environmental Research
and Risk Assessment 19:1-7.
J.M. Angulo, M.D. Ruiz-Medina, F.J. Alonso y M.C. Bueso
(2005). Generalized Approaches to Spatial Sampling
Design. Environmetrics 16:523-534.
K.V. Mardia, J.M. Angulo y A. Goita (2006). Synthesis of
Image Deformation Strategies. Image and Vision
Computing 24:1-12.
J.M. Angulo y A.E. Madrid (2009). Structural Analysis of
Spatio-Temporal Threshold Exceedances. Environmetrics,
en prensa.
Anlisis Estructural y Predictivo de Sucesos Extremos
Espacio-Temporales. Aplicaciones en Geociencias.
Ref.: P08-FQM-3834
Pg. 106

Ttulo
Anlisis de datos de tiempos de vida
Profesor(es)
Rafael Prez Ocn ( www.ugr.es/local/rperezo/)
Descripcin
La lnea de trabajo asociada al curso sobre fiabilidad de sistemas pretende extender

y aplicar el contenido del curso a situaciones prcticas. Una cuestin importante es
saber qu distribucin es la ms apropiada en una situacin dada. En este proceso
interviene la recoleccin de datos de la poblacin bajo estudio. Asociado a este
proceso est el mecanismo de censura o informacin incompleta: los datos pueden
ser observados solo durante un tiempo, o hasta que se produce un nmero
determinado de fallos, o hasta que el coste destinado para el ensayo se agota. Se
propone estudiar problemas de fiabilidad siguiendo dos direcciones a partir de un
conjunto de datos: el ajuste de distribuciones de fiabilidad y la utilizacin de
mtodos de estimacin de parmetros. En el ajuste de distribuciones intervienen
mtodos paramtricos, no-paramtricos y grficos. En la estimacin de parmetros
intervienen los distintos mecanismos de censura. El objetivo final de los posibles
trabajos es la obtencin de la fiabilidad estimada de sistemas.
Para un buen aprovechamiento del trabajo se recomienda que los estudiantes estn
familiarizados con los siguientes temas, algunos de ellos se imparten en el Master:
Fiabilidad; elementos de muestreo; mtodos de estimacin; y elementos bsicos de
informtica. Es requisito haber realizado el curso Evaluacion de la Fiabilidad y
Mantenimiento de Sistemas de Ingenieria.

otros)
Plan de trabajo
El tema de la lnea de investigacin es una continuacin de la asignatura sobre

fiabilidad de los estudios del Mster. Se propone iniciar el estudio del anlisis de
datos utilizando tcnicas propias de la fiabilidad y de inferencia estadstica.
El plan general a seguir es el siguiente:
1) Revisin bibliogrfica;
2) Estudio detallado de los sistemas desarrollados durante el Mster;
3) Coleccionar un conjunto de datos sobre tiempos de vida de dispositivos y
sistemas.
El objetivo final es conseguir una aproximacin a la fiabilidad de un sistema a partir
de datos de tiempos de fallo de sus componentes. Por ello, en la elaboracin de los
trabajos algunos de los siguientes puntos tienen que ser tratados: a) Ajustar las
distribuciones de probabilidad usuales a conjuntos de datos; b) Calcular la funcin
de fiabilidad emprica a partir de un conjunto observado de tiempos de fallo; c)
Estudiar la fiabilidad de un dispositivo a partir de observaciones de tiempos de fallo;
d) Utilizar mtodos de estimacin de parmetros para las distribuciones usuales con
datos censurados.
Bibliografa
1.
R. Billinton y R. N. Allan. Reliability Evaluation of Engineering Systems. Plenum

Press. New York. 1993.
2.
M.J. Crowder, A.C. Kimber, R.L. Smith, T.J. Sweeting. Statistical Analysis of
Reliability Data. Chapman & Hall. 1991.
3.
R. Prez Ocn, M. Luz Gmiz Prez y J. E. Ruiz Castro. Mtodos estocsticos

en Teora de la Fiabilidad. Proyecto Sur de Ediciones. Granada. 1998.
4.
S. E. Rigdon y A. P. Basu. Statistical Methods for the Reliability of Repairable

Systems. Wiley. 2000.
5.
S. Zacks. Introduction to Reliability Analysis. Probability Models and Statistical

Methods. Springer-Verlag. New York. 1992.
Pg. 107

Tesis doctorales
dirigidas
recientemente
Estudio de sistemas redundantes discretos en fiabilidad

(Ao 2009).
Director: Rafael Perez Ocon
Publicaciones
(mximo 5)
1. Rafael Prez Ocn, Delia Montoro Cazorla, M. Carmen

Segovia. Replacement policy N in a system under shocks
following a Markovian Arrival Process. Reliability
Engineering and System Safety, 94, 497-502, 2009.
2. Delia Montoro Cazorla, Rafael Prez Ocn, M. Carmen
Segovia. Shock and wear models under policy N using
phase-type distributions. Applied Mathematical Modelling,
33, 543-554, 2009.
3. Delia Montoro Cazorla, Rafael Prez Ocn. An LDQBD
process under degradation, inspection, and two types of
repair. European Journal of Operational Research, 190,
494-508, 2008.
4. Delia Montoro Cazorla, Rafael Prez Ocn. A
maintenance model with failures and inspection following
Markovian Arrival Processes and two repair models.
European Journal of Operational Research, 186, 694-707,
2008.
5. Delia Montoro Cazorla. Rafael Prez Ocn. Maintenance
of a system by means of replacements and repairs: The
case of phase-type distributions. Asia-Pacific Journal of
Operational Research, Vol. 24, No. 3, 421-434, 2007.
Proyecto de
investigacin
Mtodos analtico-matriciales aplicados al estudio de la

fiabilidad y el mantenimiento de sistemas (Ref. MTM200761511)
Pg. 108

Ttulo
Anlisis Estadstico Multivariante en Ciencias Mediambientales y Cambio Climtico
Profesor(es)

En los ltimos aos el estudio de los problemas mediambientales y sobre todo del
cambio climtico esta en auge. Es evidente, y sobre todo a partir del los acuerdos
adoptados en el Protocolo de Kyoto, que la sociedad se encuentra muy interesada
por este tema. Por ello se esta desarrollando con gran fuerza el estudio de todos
los problemas relacionados con el Cambio Climtico y el Medio Ambiente, y no
solo desde el punto de vista fsico o natural sino tambin desde el punto de vista
del estudio de procedimientos matemticos que sean capaces de modelizar y
predecir el comportamiento de la naturaleza en mbitos tan diferentes como la
emisiones de partculas contaminantes a la atmsfera, estudio de los consumos
petrolferos, etc.
Descripcin
Del mismo modo, en los ltimos aos se ha producido un importante avance en las
tcnicas y mtodos estadstico multivariantes, basados principalmente en el
desarrollo del software y del hardware. Existen mltiples programas, tanto de
software libre como comercial que proporcionan un soporte estadstico bsico, a
partir del cul se puede desarrollar sin grandes complicaciones sofisticadas
tcnicas con una gran cantidad de variables e individuos. En este sentido, es
posible el estudio de fenmenos como son los de tipo Medioambiental mediante el
uso de avanzadas tcnicas y de mltiples variables. Todos estos estudios son de
gran importancia ante la sociedad, muy influenciada por todos los problemas de
tipo climtico.
Tambin son muy importantes el estudio de Tcnicas Estadsticas Multivariantes
en el campo de la Biologa, Parasitologa y Geologa, donde en la actualidad
ninguna publicacin es admitida en revistas de calidad sin un estudio estadstico, y
generalmente multivariante.
En este ambiente, el grupo encabezado por el Profesor Ramn Gutirrez Jimez
lleva ms de una dcada estudian, modelizando y prediciendo sobre consumos
energticos (Gasolinas, luz, gas), emisiones a la atmsfera de CO2,
crecimientos poblacionales, todo ello con diversas metodologas en base a
procedimientos economtricos y difusiones estocsticas.
otros)
Se requieren por parte del alumno conocimientos a nivel medio de Estadstica e

informtica. En concreto se precisan conocimientos previos bsicos sobre
Anlisis Multivariante y manejo de software estadstico.
Se aconseja que el alumno haya cursado las siguientes asignaturas del master:
Entornos de Computacin Estadstica (para el desarrollo de los aspectos
computacionales del trabajo) y Tcnicas Estadsticas Multivariantes y Aplicaciones.
Pg. 109
Estudio de la problemas Mediambientales. Estudio y anlisis del Protocolo de

Kyoto.
Plan de trabajo
Planteamiento del problema y de los objetivos buscados con los anlisis.

Recopilacin, sntesis y organizacin de datos de tipos Medioambientales y
Climticos.
Anlisis Estadsticos bsicos de los datos.
Aplicacin de tcnicas multivariantes a dichos datos.
Publicacin de informes y resultados.
Todo este trabajo, podr extenderse a un Proyecto de Tesis Doctoral, sirviendo de
base para el estudio de tcnicas y mtodos ms avanzados (como pueden ser los
procesos de estocsticos de difusin) de gran inters en las investigaciones
actuales en el campo de la Estadstica Medioambiental.
Bibliografa

1.
Anderson, TW. (1984). An Introduction to Multivariate Statistical Analysis,

second Edition, Wiley & Sons.
2.
Basilevsky, A. (1994). Statistical Factor Analysis and Related Methods. Theory

and Applications, Wiley & Sons.
3.
Greenacre, M (2008). La Practica del Anlisis de Correspondencias.

Fundacin BBVA.
4.
Gutirrez-Snchez, R. (2004). Anlisis Estadstico Multivariante con SPSS.

Curso Bsico.
5.
Hair, JF., Anderson, E. Tatham, L. and Black, C. (1999). Anlisis Multivariante.

5 Edicin. Prentice-Hall. 1999.
6.
Johnson, RA. and Wichern, DW. (1988) Applied Multivariate Statistical

Analysis, Second Edition, Prentice-Hall.
7.
Prez, C. (2004). Tcnicas de Anlisis Multivariante de Datos. Aplicaciones

con SPSS. Ed. Pearson, Prentice Hall.
8.
Sharma, S (1996) Applied Multivariate Techniques, Wiley & Sons.
9.
SPSS para Windows. Manual del usuario.
Tesis doctorales
dirigidas
recientemente
Anlisis de Problemas Sociales relacionados con aspectos

demogrficos y exclusin social. (en la actualidad)
Anlisis direccional y aplicacin a datos geofsicos de la
antrtica (en la actualidad)
Publicaciones
(mximo 5)
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. The Trend of

the Total Stocks of the Private Car-petrol in Spain:
Stochastic Modelling Using a New Gamma Diffusion
Process. Applied Energy, In Press, DOI:10.1016/
l.apenergy .2008.03.016
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. Emissions of
Pg. 110
Greenhouse gases attributable to the Activities of the

Land Transport: Modelling and Analysis Using I-CIR
stochastics
diffussion.
The
Case
of
Spain.
Environmetrics, 19:137-161, (2008).
I. Rodriguez-Gonzalez; C. Marin; G. Prez-Cordon; R.
Gutirrez-Snchez; F. Vargas; M. Sanchez Moreno.
Identification of Trypanosoma Strains Isolated in Central
and South America by Endoncleases Cleavage and
Duplex PCR of Kinetoplast-DNA. The Open Parasitology
Journal, 2, 35-39, (2008)
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. Trend
Analysis Using Nonhomogeneous Stochastic Diffusion
Processes. Emission of Co2; Kyoto Protocol in Spain.
Stochastic Environmental Research and Risk
Assessment, 22:57-66 (2008).
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi, E. Ramos. A
Diffusion Model with Cubic Drift: Statistical and
Computational Aspects and Application to Modelling of the
Global Co2 Emission in Spain. Environmetrics, 18(1),
55-69, (2007).
Proyectos de
investigacin
Procesos estocsticos y campos aleatorios de difusin

homogneos y no homogneos: inferencia estadstica y
aplicaciones. Distribuciones de matrices aleatorias
singulares MTM2005-09209
Modelos estocsticos en Medio Ambiente y crecimiento
de poblaciones: Nuevas tcnicas de modelizacin,
estimacin y prediccin. P06-FQM-2271
Nuevas difusiones homogneas y no homogneas y
distribuciones multivariantes singulares. Aplicaciones a la
modelizacin estocstica en crecimiento de poblaciones y
cambio climtico. MTM2008-05785
Pg. 111

Ttulo
Aspectos computacionales asociados a la aproximacin/estimacin de la densidad de

variables temporales asociadas a procesos de difusin.
Profesor(es)
Juan Jos Serrano Prez (RESPONSABLE) (http://www.ugr.es/local/jjserra)

Francisco Torres Ruiz (http://www.ugr.es/local/fdeasis)
Descripcin
En la vida real nos encontramos con fenmenos que evolucionan en el tiempo y

cuyo estudio puede realizarse haciendo uso de sistemas dinmicos de crecimiento.
En el estudio de estos sistemas es frecuente plantearse cuestiones acerca de su
evolucin, tales como cuando alcanzan un determinado valor o cuando se produce un
cambio en las pautas de crecimiento. Por ejemplo, tienen gran inters cuestiones
como el tiempo en el que un animal alcanza el tamao mnimo para su consumo, o el
tiempo en el que una poblacin alcanza un determinado tamao. Si el modelo
considerado est asociado con una curva de crecimiento acotada es interesante el
estudio del tiempo en que se alcanza un cierto porcentaje del crecimiento total. Y, en
el caso de modelos de crecimiento asociados a curvas de tipo sigmoidal, podemos
centrarnos en el estudio del tiempo en el que ocurre la inflexin.
Muchos de estos problemas, asociados a procesos estocsticos, pueden
reducirse al estudio de la variable tiempo de primer paso de dichos procesos por una
barrera constante o dependiente del tiempo.
La expresin explcita de la funcin de densidad de la variable tiempo de primer
paso slo es conocida para ciertos procesos y barreras particulares. En situaciones
ms generales, por ejemplo para procesos de difusin homogneos y no
homogneos, puede demostrarse que la densidad del tiempo de primer paso satisface
una ecuacin integral de Volterra de segunda clase, cuya solucin explcita puede
obtenerse nicamente para cierto tipo de barreras, mientras que para el resto de
barreras debemos recurrir a aproximar dicha solucin mediante esquemas numricos.
No obstante, la aplicacin de este tipo de procedimientos presenta dificultades desde
el punto de vista computacional.
Alternativamente, es posible estimar de forma no paramtrica la funcin de
densidad del tiempo de primer paso a partir de trayectorias simuladas del proceso
considerado. Pero, de nuevo, estos mtodos acarrean otros inconvenientes de tipo
computacional.
Pretendemos que los alumnos conozcan ambas metodologas y descubran las
dificultades computacionales que implica su aplicacin prctica.
otros)
Es necesaria tener formacin previa sobre procesos estocsticos, as como de

computacin estadstica, siendo recomendable haber realizado previamente los
cursos del mster:
Aplicaciones de los modelos de difusin en fenmenos de crecimiento en
Ciencias Medioambientales y Economa.
Entornos de computacin estadstica.
Pg. 112
Los alumnos realizarn una consulta bibliogrfica de los trabajos ms

interesantes en este campo, lo que les facilitar una visin general del problema
en estudio. Y debern centrarse principalmente en el estudio de las dos
metodologas ya enunciadas en la descripcin previa, prestando especial
atencin a su aplicacin prctica.
Plan de trabajo
Entonces, los alumnos elaborarn un dossier en el que expondrn las

metodologas estudiadas incluyendo ejemplos de aplicacin prctica junto con el
software que hayan diseado (recomendamos el lenguaje R) para realizar dichas
aplicaciones.
Bibliografa
Buonocore, A., Nobile, A.G. y Ricciardi, L.M. (1987). A new integral equation for the
evaluation of first-passage-time probability densities. Advances in Applied
Probability 19, 784-800.
Giraudo, M.T., Sacerdote, L. y Zucca, C. (2001). A Monte carlo Method for the
Simulation Of First Passage Times of Diffusion Processes. Methodology and
Computing in Applied Probability, 3, 215-231.
Gutirrez, R., Romn, P. y Torres, F. (1994). A remark on the validity of the Volterra
integral equation of first-passage-time densities for a class of time-nonhomogeneous diffusion processes. Cybernetics and Systems, 1, 847-854.
Gutirrez, R., Romn, P. y Torres, F. (1995). A note on the Volterra integral
equation for the first-passage-time probability density. Journal of Applied Probability
32 (3), 635-648.
Gutirrez, R., Ricciardi, L. M., Romn, P. y Torres, F. (1997). First-passage-time
densities for time-non-homogeneous diffusion process. Journal of Applied
Probability 34(3), 623-631.
Gutirrez, R., Romn, P. y Torres, F. (1999). Inference and first-passage-time for
the lognormal diffusion process with exogenous factors: application to modelling in
economics. Applied Stochastic Models in Business and Industry, 15, 325-332.
Gutirrez-Jimez, R., Romn, P., Romero, D., Serrano, J. J. y Torres, F. (2008).
Some time random variables related to a Gompertz-type diffusion process.
Cybernetics and Systems: An Internacional Journal, 39, 467-479
Kloeden, P.E., Platen, E. y Schurz, H. (1994). Numerical solution of SDE through
computer experiments, Springer-Verlag, Berlin.
Ricciardi, L. M. (1977). Diffusion processes and related topics in Biology, SpringerVerlag, Berlin.
Ricciardi, L. M., Di Crescenzo, A., Giorno, V. y Nobile, A.G. (1999). An outline of
theoretical and algorithmic approaches to first passage time problems with
applications to biological modelling. Scientiae Mathematicae Japonicae 50(2), 247322.
Romn, P., Serrano, J.J. y Torres, F. (2008). First-passage-time location function:
Application to determine first-passage-time densities in diffusion processes.
Computational Statistics and Data Analysis, 52, 4132-4146.
Romero, D. (2005). Aportaciones al estudio de modelos estocsticos asociados a
curvas de crecimiento: un nuevo proceso de difusin tipo Gompertz, PhD Thesis,

Tesis doctorales
dirigidas
recientemente
Aportaciones al estudio de modelos estocsticos

asociados a curvas de crecimiento: un nuevo proceso de
difusin tipo Gompertz. (2005). Autora: Desire Romero
Pg. 113
Molina. Directores: P. Romn Romn y F. Torres Ruiz.
Publicaciones
(mximo 5)
R. Gutirrez-Jimez, P. Romn, D. Romero, J.J. Serrano

y F. Torres (2007). A new Gompertz-type diffusion
process with application to random growth. Mathematical
Biosciences, 208(1), 147-165.
P. Romn Romn, J.J. Serrano Prez y F. Torres.
(2008).
First-Passage-Time
Location
Function:
application to determine first-passage-time densities in
diffusion processes. Computational Statistics and Data
Analysis, 52(8), 4132-4146
y F. Torres (2008). Some time random variables related
to a Gompertz-type diffusion process. Cybernetics and
Systems, 39(5), 467-479.
Proyecto de
investigacin

cambio climtico. (MTM2008-05785/MTM).
Procesos estocsticos de difusin y aplicaciones en
modelos de crecimiento (HI2007-0034).
estimacin y prediccin. P06-FQM-02271.
Pg. 114

Ttulo
Diseo de experimentos a partir de informacin muestral funcional
Profesor(es)
Mara Dolores Ruiz-Medina (http://www.ugr.es/local/mruiz)
Descripcin
Dada la naturaleza continua de la mayor parte de procesos y sistemas reales, el diseo

de pruebas experimentales a partir de informacin muestral funcional (curvas o superficies),
incorporando el estudio de efectos funcionales de procesos controlables que actan sobre el
proceso de inters o variable funcional respuesta, constituye unos de los objetivos
fundamentales en la investigacin desarrollada recientemente en las ciencias experimentales
(e.g. Epidemiologa Molecular, Gentica, Neurofisiologa, etc.). El anlisis estadstico de este
tipo de pruebas experimentales requiere de la formulacin funcional de las tcnicas clsicas
de anlisis de la varianza a partir de los modelos funcionales de efectos fijos, efectos
aleatorios y efectos mixtos. Dada la elevada dimensionalidad de los datos, as como la
presencia de altas correlaciones entre los mismos, la implementacin de dichas tcnicas
requiere la seleccin de un dominio apropiado donde se reduzcan o desaparezcan los
problemas mencionados. La transformada wavelet proporciona un dominio apropiado donde
ambos problemas pueden ser cmodamente solventados, mediante la aplicacin de las
tcnicas thresholding y las tcnicas usuales de de correlacin de los coeficientes wavelets.
Unos de los problemas fundamentales en este mbito es el planteamiento de test funcionales
para la comparacin de tratamientos, ajuste de parmetros funcionales, etc. En este contexto
se ubica la investigacin de esta lnea, donde se propone a los alumnos de este master
desarrollar un trabajo de investigacin. Como motivacin prctica de este trabajo se
considera el diseo experimental para el anlisis de imgenes funcionales de resonancia
magntica.
Para la realizacin del trabajo de investigacin es requisito haber realizado el siguiente

curso del mster:

otros)
Diseo estadstico experimental y control de la calidad. Aplicaciones en Biociencias e

Ingeniera.
Plan de trabajo
Bibliografa
Recopilacin bibliogrfica sobre los resultados recientes ms relevantes en relacin

con el planteamiento de test en el dominio de la transformada wavelet para el
anlisis funcional de la varianza.
Implementacin de tcnicas thresholding en la formulacin de test funcionales en el

dominio de la transformada wavelet para modelos FANOVA. Formulacin de
estadsticos thresholded.
Ilustracin de los puntos anteriores en el diseo experimental a partir de secuencias

de imgenes funcionales de resonancia magntica.
Abramovich, F. y Angelini, C. (2006). Testing in mixed effects FANOVA models. Journal

of Statistical Planning and Inference 136, 4326-4348.
Abramovich, F., Antoniadis, A., Sapatinas, T. and Vidakovic, B. (2004). Optimal testing in
functional analysis of variance models. Int. J. Wavelets Multiresolution Inform. Process.
2, 323-349.
Bosq, D. (2000). Linear processes in function spaces, Springer-Verlag
Bosq, D. y Blande, D. (2007). Prediction and inference in large dimensions. Wiley Series
in Probability and Statistics, Wiley-Dunod.
Eubank, R.L. and Hart, J.D. (1992). Testing goodness-of-fit in

selection criteria. The Annals of Statistics 20, 1412-1425.
Fan, J. (1996). Test of significance based on wavelet
regression via order
thresholding and neyman 's
Pg. 115
truncation. Journal of American Statistical Association 91, 674-688.

Fan, J. and Lin, S.J. (1998). Test of significance when data are curves. Journal of
American Statistical Association 93, 1007-1021.
Lazar, N.A. (2008). The statistical analysis of functional MRI data. Serie: Statistics for
Biology and Health. Springer Science+Business Media.
Maraun, D. and Kurths, J. (2004). Cross-wavelet analysis: significance testing and

pitfalls. Nonlinear Processes in Geophysics 11, 505-514.
Ruiz-Medina, M.D. (2008). Wavelet thresholding methods applied to testing significance

differences between autoregressive Hilbertian processes. Functional and Operational
Statistics, (S. Dabo-Niang and F. Ferraty, Eds), Physica-Verlag, pp. 281-286.
Ruiz-Medina, M.D. y Angulo, J.M. (2002). Spatio-temporal filtering using wavelets.

Stochastic Environmental Research and Risk Assessment, 16, 241-266.
Ruiz-Medina M. D. y Angulo J. M. (2007). Functional estimation of spatiotemporal

heterogeneities. Environmetrics 18, 775-792.
Ruiz-Medina, M.D., Salmern, R. y Angulo, J.M. (2007). Kalman filtering from POP-based
diagonalization of ARH(1). Computational Statistics \& Data Analysis. 51, 4994-5008.
Ruiz-Medina, M.D., Angulo, J.M. y Fernndez-Pascual, R (2007). Wavelet-vaguelette

decomposition of spatiotemporal random fields. Stochastic Environmental Research and
Risk Assessment 21, 273-281.
Salmern, R. y Ruiz-Medina, M.D. (2009). Multispectral decomposition of functional

autoregressive models. Stochastic Environmental Research and Risk Assessment. DOI:
10.1007/s00477-008-0213.
Tesis doctorales
dirigidas
recientemente
Anlisis Multiescalar de la Deformacin Espacial de Imgenes

(2003).
Directores: J.M. Angulo y M.D. Ruiz-Medina
Representacin
y
Simulacin
de
Procesos
Fractales
Directores: M.D. Ruiz-Medina y J.M. Angulo

Estimacin de Modelos de Memoria Larga en Procesos Espaciales
(2004).
Directores: F.J. Alonso, J.M. Angulo y M.D. Ruiz-Medina
Anlisis Estadstico de Datos Espacio-Temporales mediante
Modelos Funcionales de Series Temporales (2008).
Directora: M.D. Ruiz-Medina
Publicaciones
(mximo 5)
Leonenko, N.N. y Ruiz-Medina, M.D. (2006). Scaling laws for the

multidimensional Burgers equation with quadratic external
potencial. Journal of Statistical Physics 124, 191-205.
Ruiz-Medina, M.D., Alonso, F.J., Angulo, J.M. y Bueso, M.C.
(2003). Functional stochastic modelling and prediction of spatiotemporal processes. Journal of Geophysical Research, 108, d24,
9003, doi: 10.1029/2003JD003416.
Ruiz-Medina, M.D., Angulo, J.M. y Anh, V.V. (2003). FractionalOrder regularization and wavelet approximation to the inverse
estimation problem for random fields. Journal of Multivariate
Analysis, 85, 192-216.
Ruiz-Medina, M.D., Angulo, J.M. y Anh, V.V. (2001). Scaling limit
solution of a fractional Burgers equation. Stochastic Processes
and Their Applications, 93, 285-300.
Ruiz-Medina y Salmern, M.D. (2009). Functional maximum
Pg. 116
likelihood estimation of ARH(p) models. Stochastic Environmental

Research and Risk Assessment, doi: 10.1007/s00477-009-0306-2.
Proyectos de
investigacin
Modelizacin Estocstica y Anlisis Estadstico de Procesos

Espacio-Temporales con Caractersticas Fractale
01836).
(BFM2002-
Modelizacin y Anlisis Estadstico de Caractersticas Locales y

Propiedades de Memoria para Datos Espacio-Temporales
(MTM2005-08597).
Mtodos wavelets para la inferencia sobre datos funcionales
en espacios singulares (MTM2008-03903).
Pg. 117

Ttulo
Diseo de un curso virtual de Estadstica con R Commander
Profesor(es)
Yolanda Romn Montoya (Responsable) (http://www.ugr.es/local/yroman)
Descripcin
Ante el desarrollo de las nuevas Tecnologas de la Informacin y la

Comunicacin (TIC), el modelo de enseanza/aprendizaje est obligado, ms que
nunca, a flexibilizarse convirtindose en un modelo evolutivo adaptado a los
continuos cambios tecnolgicos. La docencia de la Estadstica se ve afectada
doblemente por estos avances.
Por una parte los alumnos han de ser capaces de trabajar computacionalmente
con los distintos modelos estudiados en el aula, han de manejar grandes
volmenes de datos y han de saber dar respuestas en base a determinadas salidas
de ordenador.
Por otra, surge el inconveniente de las licencias de los programas. Ante el
problema que plantea la obtencin de licencias, en ocasiones muy costosas, se
abre la posibilidad de utilizar software libre en el aula. La utilizacin del software
libre plantea, entre otras, ventajas econmicas, legales, tcnicas y laborales. Su
implementacin posibilita adems nuevas expectativas en el aula, dado que
tambin permite la posibilidad de disear programas enfocados a dar respuesta a
problemas concretos y que en mltiples ocasiones no estn disponibles en los
programas comerciales.
Para la realizacin de este trabajo, hemos optado por la utilizacin de R como
soporte computacional. Entre las mltiples ventajas que reporta, nos centraremos
en la cantidad de recursos de que dispone, su amplia difusin en la comunidad
cientfica y su facilidad de uso y programacin, junto con su interfaz grfica R
commander.
otros)
Plan de trabajo
El alumno ha de poseer un nivel medio de Matemticas y Estadstica para poder

elaborar el material del trabajo propuesto. Se aconseja que el alumno haya cursado
la asignatura: Entornos de Computacin Estadstica.
En primer lugar el alumno deber realizar una recopilacin y puesta al da del
material disponible sobre los programas libres en la red en general y en particular
del entorno de programacin R y la interfaz grfica de usuario (GUI) Rcmdr (R
Commander). Por otra parte repasar los tpicos correspondientes a un curso
introductorio de Estadstica estructurndolos segn un mapa conceptual adecuado
a la materia que desarrollar con R Commander.
El siguiente paso es elaborar un entorno virtual donde presentar las
caractersticas fundamentales de R y R Commander as como su aplicacin y
desarrollo en temas concretos de la Estadstica.
Bibliografa
1. Arriaza Gmez, A.J., Fernndez Pcn, F., Lpez Snchez, M. A., Muoz
Mrquez, M., Prez Plaza, S., Snchez Navas, A. (2008). Estadstica bsica
con R y R Commander. Servicio de Publicaciones de la Universidad de Cdiz.
http://knuth.uca.es/ebrcmdr
2. Box, G. E., Hunter, S., Hunter, W.G. (2008). Estadstica para Investigadores.
Diseo, innovacin y descubrimiento. Ed. Revert
3. Crawley, M.J. (2007). The R book. John Wiley & Sons Inc.
4. Evans, M.J. & Rosenthal, J.S. (2004). Probabilidad y Estadstica. La Ciencia de
Pg. 118
la Incertidumbre. Ed. Revert

5. Faraway, J.J. (2002). Practical Regression and Anova using R. Ed. el autor.
6. Gentle, J.E. (2002). Elements of Computational Statistics. Springer-Verlag, New
York, Inc.
7. NIST/SEMATECH e-Handbook of Statistical Methods, URL:
8. http://www.itl.nist.gov/div898/handbook, 2005
9. Ross, I., & Gentleman, R. (1996). R: A language and Environment for statistical
Computing. R Foundation for Statistical Computing, Vienna, Austria.
http://www.R-project.org
10.Ross, S.M. (2005). Introduccin a la Estadstica. Ed. Revert
11.Spector, P. (2008). Data Manipulation with R. Springer Science+Business Media,
LLC

Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
1. Lara-Porras, A., Romn-Montoya, Y. (2006). Tengo unos

datos Qu puedo hacer con ellos? Hiptesis Alternativa.
Boletn De Iase Para Amrica Latina
2. Lara-Porras, A., Romn-Montoya, Y. (2006). Cmo
introducirnos en la Estadstica mediante unos datos?
Mtodos multimedia
3. Arcos, A., Gmiz, M.L., Gonzlez, A., Muoz, J.F.,
Martnez, M.D., Romn, Y.,
Rueda, M.M. (2005).
Aplicaciones de R en Fiabilidad, Muestreo y
Supervivencia.
4. Arcos, A., Gmiz, M.L., Gonzlez, A., Muoz, J.F.,
Martnez, M.D., Romn, Y.,
Rueda, M.M. (2005).
Estadstica Computacional con Spss y R.
Proyectos de
investigacin
Personalizacin del aprendizaje a travs del e-learning en

materias de Estadstica Computacional (Proyecto de
Innovacin Docente)
Pg. 119

Ttulo
Estimacin en sistemas con parmetros distribuidos. Aplicacin a restauracin de

imgenes.
Profesor(es)
M Jess Garca-Ligero Ramrez (Responsable) (http://www.ugr.es/local/mjgarcia)

Descripcin
Los sistemas estocsticos con parmetros distribuidos modelan fenmenos fsicos

donde la informacin a procesar est dispersa o distribuida en el espacio. Estos
fenmenos son usuales en diversos campos de la ciencia, tales como, procesos
qumicos, telecomunicaciones, meteorologa, entre otros.
Debido a sus
aplicaciones, el problema de estimacin en estos sistemas ha sido ampliamente
tratado en la literatura. Concretamente, cuando las observaciones de la seal estn
perturbadas por ruidos aditivos gaussisanos, estimadores ptimos de la seal se
han obtenido mediante diferentes aproximaciones.
Sin embargo, en muchas situaciones prcticas, las observaciones de la seal estn
afectadas por un ruido multiplicativo. En estos sistemas el estudio del problema de
estimacin se centra en la bsqueda de estimadores subptimos que sean
recursivos y fciles de implementar.
Entre las aplicaciones del problema de estimacin de sistemas con parmetros
distribuidos es de inters el problema de restauracin de imgenes. Este problema
ha sido tratado tradicionalmente considerando que la imagen est perturbada por
un ruido aditivo y se han aplicado algoritmos de filtrado para sistemas con
parmetros distribuidos para obtener la imagen restaurada. Sin embargo, en
muchas situaciones las imgenes observadas estn afectadas adems por un ruido
multiplicativo, como por ejemplo en imgenes mdicas, imgenes obtenidas va
satlite, entre otras; para este modelo observacin se hace necesario la obtencin
de algoritmos para restaurar la imagen segn las hiptesis que se establezcan
sobre los ruidos que perturban la imagen.
Es necesaria una formacin previa sobre Estadstica, Probabilidad y Procesos

Estocsticos a nivel de los conocimientos que proporcionan por ejemplo la
titulacin de Licenciado en Ciencias y Tcnicas Estadsticas.
Se recomienda haber realizado el curso del mster:

otros)
- Sistemas Estocsticos. Estimacin de seales
Pg. 120
Plan de trabajo
Recopilacin bibliogrfica sobre antecedentes, estado actual y aplicaciones del

problema de estimacin en sistemas con parmetros distribuidos.
Planteamiento e interpretacin geomtrica del problema

sistemas estocsticos.
Estudio del problema de estimacin lineal en sistemas con parmetros

distribuidos con modelo observacin afectado slo por ruido aditivo. Obtencin
e implementacin en MATLAB de un algoritmo recursivo para el problema de
filtrado. Aplicacin a restauracin de imgenes.
Estudio del problema de estimacin lineal en sistemas con parmetros

distribuidos con modelo observacin afectado por ruido multiplicativo.
Obtencin e implementacin en MATLAB de un algoritmo recursivo para el
problema de filtrado. Aplicacin a restauracin de imgenes.
Bibliografa

de estimacin en
Atre, S.R. (1972). Optimal estimation in distributed process using the

innovations approach, IEEE Trans. Automatic Control, AC-17, 710712.
Banham, M.R., Katsaggelos, A.K. (1997) Digital image restoration. IEEE

Signal Processing, 14, 24-45.
Garca-Ligero Ramrez, M.J. (1995). Estimacin lineal en sistemas estocsticos

con parmetros distribuidos mediante observaciones inciertas. Tesis doctoral.
Haseyama, J.M., Kitajima, H. (1997). Image modeling and parameter

identification for image restoration using a Kalman filter, IEICE Transactions on
Information and Systems, 2912-2919.
Korbicz, J., Bidyuk, P. (1993). State and parameter estimation. Digital and
optimal filtering, applications, Monografia. Higher College Engineering Press.
Nakamori, S. (1993) Optimal filtering algorithm using covariance information in

linear discrete-time distributed parameter systems. Signal Processing, 33, 4556.
Omatu, S. (1986). Optimal estimation theory for distributed parameter

systems, Control and Dynamic Systems, 23, 195-240.
Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Garca-Ligero, M.J., Hermoso-Carazo, A., Linares-Prez,

J. (1998), Least squared estimation for distributed
parameter systems with uncertain observations: Part 1:
Linear prediction and filtering, Applied Stochastic Models
and Data Analysis, 14, 11-18.
Nakamori, S., Garca-Ligero, M.J., Hermoso-Carazo, A.,

Linares-Prez, J. (2002), Design of estimators using
covariance information with uncertain observations in
linear discrete-time distributed parameter systems,
Bulletin of the Faculty of Education, 53-72.
Pg. 121
Linares-Prez, J. (2006), Derivation of fixed-interval

smoothing using covariance information in distributed
parameter
systems,
Applied
Mathematics
and
Computation, 176, 2, 662-672.
Proyectos de
investigacin
Nakamori, S., Garca-Ligero, M.J., Hermozo-Carazo, A.,

Linares-Prez, J. (2008), Filtering of images corrupted by
multiplicative and white plus coloured additive using
covariance information, Mathematical and Computer
Modelling, Vol. 47, 2-3, 298-311.

Linares-Prez, J. (2008), "Filtering in generalized signaldependent noise model using covariance information",
IEICE Transactions of Fundamentals of Electronics,
Communications and Computer Sciences, 3, 809-817.
Estimacin de seales, usando informacin de covarianzas,
a partir de observaciones inciertas y de observaciones
retrasadas aleatoriamente (MTM2005-03601).
Aportaciones al problema de estimacin de seales
aleatorias lineales y no lineales a partir de observaciones
ruidosas sujetas a fallos aleatorios (MTM2008-05567/MTM).
Pg. 122

Ttulo
Estimacin en sistemas estocsticos no lineales
Profesor(es)
Aurora Hermoso Carazo (RESPONSABLE) (http://www.ugr.es/local/ahermoso )

Descripcin
En las ltimas dcadas, el problema de filtrado no lineal ha recibido gran

atencin en la comunidad cientfica debido a sus numerosas aplicaciones, y
diversos procedimientos han sido propuestos para su resolucin.
Una de las soluciones ms comunes al problema de filtrado en sistemas no
lineales es el filtro extendido de Kalman, que consiste en linealizar las ecuaciones
del sistema usando desarrollos de Taylor de las funciones que lo definen, y aplicar
el filtro de Kalman a dicha aproximacin lineal. Sin embargo, aunque el filtro
extendido ha sido aplicado con xito a numerosos sistemas no lineales, en
ocasiones presenta algunos inconvenientes prcticos, como la dificultad en evaluar
jacobianos y su posible inestabilidad. Adems, si el sistema presenta no
linealidades importantes, este filtro puede ser mejorado sustancialmente usando
otras tcnicas de estimacin no lineal como, por ejemplo, la basada en la aplicacin
de la transformacin unscented. El filtro unscented no aproxima el modelo no lineal
original, sino que usa el verdadero modelo, y aproxima la media y la covarianza a
posteriori de la seal a estimar por la de los transformados de un conjunto de
puntos elegidos de forma determinstica para capturar la media y la covarianza a
priori. El grado de precisin de estos estimadores es mayor que el de los obtenidos
mediante la linealizacin del modelo, lo que conduce a estimaciones
potencialmente mejores.
Como ocurre en sistemas lineales, errores en la transmisin de los datos
pueden dar lugar a observaciones no lineales que contengan slo ruido con
probabilidad positiva (sistemas con observaciones inciertas). A pesar de su
importancia, el problema de estimacin en sistemas no lineales con observaciones
inciertas o, en general, con observaciones afectadas por cualquier tipo de fallo
aleatorio, no ha sido an investigado en profundidad; este hecho, unido a la gran
variedad de aplicaciones de tales sistemas en diversos campos de la ciencia
(Comunicaciones, Meteorologa, Medio Ambiente, Aeronutica) nos hace
considerar que esta lnea de trabajo constituye el inicio de una investigacin con
amplias posibilidades.
Se requiere una formacin previa en las siguientes materias:

1. Clculo Diferencial (conocimientos bsicos a nivel de los obtenidos en
titulaciones como Diplomado en Estadstica o primer ciclo de Licenciado
en Matemticas)
2. Estadstica Matemtica, Probabilidad y Procesos Estocsticos (nivel de las
titulaciones de Licenciado en Ciencias y Tcnicas Estadsticas o de
Licenciado en Matemticas)
Se recomienda haber realizado el siguiente curso del mster:

Revisin de antecedentes: tcnicas de estimacin en sistemas lineales.
Sistemas no lineales con certidumbre en las observaciones: Linealizacin y

estudio del filtro de Kalman extendido.
Estudio de la transformacin unscented y aplicacin al problema de

estimacin no lineal.
Sistemas no lineales con incertidumbre en las observaciones: Linealizacin y

otros)
Plan de trabajo
Pg. 123
generalizacin del filtro de Kalman extendido.
Bibliografa
Sistemas no lineales con incertidumbre en las observaciones: Filtrado

unscented.
Anlisis comparativo terico-prctico de las diferentes tcnicas de estimacin

en sistemas no lineales con observaciones inciertas.
Daum, F. (2005) Nonlinear filters: Beyond the Kalman filter IEEE Aerospace
and Electronic Systems Magazine 20 (8), 57-69.
Germani, A., Manes, C. and Palumbo, P. (2005) Polynomial extended Kalman

filter IEEE Transactions on Automatic Control 50 (12) 1636-1638.
Grewal, M.S. and Andrews, A.P. (1993) Kalman filtering. Prentice-Hall.
Julier, S.J. and Uhlmann, J.K. (2004) Unscented filtering and nonlinear
estimation Proc. IEEE 92 (3), 401-422.
Nakamori, S. (1999) Design of estimators using covariance information in

discrete-time stochastic systems with nonlinear observation mechanism IEICE
Trans. Fundamentals E82-A (7), 1292-1304.
Nakamori, S. (2007) Design of extended recursive Wiener fixed-point smoother

and filter in discrete-time stochastic systems Digit Signal Process. 17, 360-370.
NaNacara W. and Yaz, E.E. (1997) Recursive estimator for linear and
nonlinear systems with uncertain observations Signal Processing 62, 215-228.

Tanizaki, H. (2000) Nonlinear and non-Gaussian estimation: a quasi-optimal

estimator Communications in Statistics, Theory and Methods 29 (12), 28052834.
Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Estimacin de seales a partir de observaciones inciertas y

observaciones retrasadas aleatoriamente (2005).
Directoras: A. Hermoso Carazo y J. Linares Prez
Nakamori, S., Hermoso-Carazo, A., Linares-Prez, J.

(2007) Suboptimal estimation of signals from uncertain
observations using approximations of mixtures, Digital
Signal Processing, 17, 4-16.
Hermoso-Carazo, A., Linares-Prez, J. (2007) Different

approaches for state filtering in nonlinear systems with
uncertain observations, Applied Mathematics and
Computation, 187, pp. 708-724.
Hermoso-Carazo, A., Linares-Prez, J. (2007) Extended

and unscented filtering algorithms using one-step
randomly delayed observations, Applied Mathematics
and Computation, 190, 1375-1393.

(2008) Design of RLS Wiener fixed-lag smoother using
covariance information in linear discrete-time stochastic
systems, Applied Mathematical Modelling, 32, 13381349.
Nakamori, S., Caballero-guila, R., Hermoso-Carazo, A.,

Jimnez-Lpez, J., Linares-Prez, J. Signal estimation
with nonlinear uncertain observations using covariance
information, Journal of Statistical Computation and
Simulation (en prensa).
Pg. 124
Proyectos de
investigacin
Estimacin de seales, usando informacin de

covarianzas, a partir de observaciones inciertas y de
observaciones retrasadas aleatoriamente (MTM200503601).
Tcnicas de estimacin en sistemas estocsticos lineales

y no lineales. Aplicacin a modelos de crecimiento y a la
super-resolucin de imgenes (P07-FQM-02701).

ruidosas sujetas a fallos aleatorios (MTM200805567/MTM).
Pg. 125

Ttulo
Estimacin no paramtrica de curvas en R
Profesor(es)
Descripcin
En los ltimos aos la Estadstica ha experimentado un notable desarrollo

sustentado en gran parte por la rpida evolucin en temas computacionales. De
hecho muchos de los temas de inters actual son intensivos computacionalmente,
bien porque requieren clculos numricos complejos o bien porque dependen de la
visualizacin de los datos en distintas direcciones.
Es conocida la importancia que han adquirido en las ltimas dcadas los enfoques
no paramtricos dentro de la Estadstica. Las versiones no paramtricas de los
procedimientos clsicos, resultan muy atractivas ya que no formulan hiptesis
demasiado restrictivas sobre la estructura subyacente desconocida. Dentro del
campo de la Regresin, las tcnicas de regresin no paramtrica permiten lograr una
mejor adaptacin a los datos disponibles, obteniendo estimaciones ms prximas a
la curva de regresin subyacente y, de nuevo, sin hacer fuertes hiptesis sobre la
misma. La desventaja inicial que tenan estos mtodos resida en que requieren
procesos de clculo computacionalmente costosos. En este sentido se entiende la
rpida evolucin de este tipo de tcnicas en los ltimos aos y la aplicacin cada vez
ms extendida de los mtodos no paramtricos, en diversas disciplinas de la
Estadstica.
R proporciona en la actualidad un soporte computacional para la prctica de estos
mtodos con notables ventajas. De hecho se trata de un programa libre y de cdigo
abierto en el que estn implementados y documentados numerosos mtodos que
cubren la mayora de las necesidades de cualquier usuario de la Estadstica. Este
hecho unido a la posibilidad de extender o modificar dichas implementaciones
convierte a R en el entorno ideal para el trabajo de los alumnos en la lnea que
proponemos.
previa y cursos realizados en
el mster)
Se requieren por parte del alumno conocimientos a nivel medio de Matemticas,

Estadstica y Clculo de Probabilidades. En concreto se precisan conocimientos
previos bsicos sobre Anlisis de Regresin. Con esta base se construye el resto del
conocimiento que el alumno adquirir como consecuencia del trabajo.
Se aconseja que el alumno haya cursado la asignatura Entornos de Computacin
Estadstica, para el desarrollo de los aspectos computacionales del trabajo; o bien
que posea conocimientos de nivel medio sobre el entorno de anlisis y programacin
estadstica R.
Plan de trabajo
El proyecto comienza con una revisin bibliogrfica que permita al alumno adquirir
unos conocimientos bsicos tericos sobre las tcnicas de estimacin no
paramtrica de curvas notables como la densidad y la funcin de regresin. El
alumno se centrar fundamentalmente en la formulacin de los mtodos, dirigiendo
la atencin siempre a sus aplicaciones prcticas. En este sentido no se persigue la
profundizacin en las justificaciones tericas y las demostraciones. Fruto de esta
revisin el alumno habr de confeccionar un documento resumen que ser el
soporte terico del trabajo de investigacin.
Una vez asimilados estos conocimientos bsicos el alumno utilizar el entorno de
anlisis y programacin estadstica R para la resolucin de aplicaciones prcticas de
dichos mtodos en situaciones reales. En este sentido profundizar en los libros
Pg. 126
especficos de R disponibles en la actualidad (loess, locpol, kernsmooth).

Este trabajo podr desembocar en un proyecto de tesis doctoral en el que el alumno,
con la formacin adquirida y el material desarrollado como consecuencia de este
trabajo, realizar aportaciones en problemas de inters actual dentro del campo de
investigacin de la Estadstica.
Bibliografa
1. Crawley, M.J. (2007). The R book. John Wiley & Sons Inc.
2. Fan, J. y Gijbels, I. (1996). Local Polynomial Modelling and Its Applications.
Chapman & Hall.
3. Faraway, J.J. (2002). Practical Regression and Anova using R. Ed. el autor.
4. Fox, J. (2002). Nonparametric Regression. Disponible on-line: http://cran.rproject.org/doc/contrib/Fox-Companion/appendix-nonparametric-regression.pdf
5. Martnez Miranda, M.D. (1996). Tcnicas de regresin no paramtrica. Memoria de
Licenciatura. Universidad de Granada
6. Martnez Miranda, M.D. (2000). Eleccin de los parmetros que intervienen en un
modelo de regresin local. Tesis doctoral. Universidad de Granada.
7. Spector, P. (2008). Data Manipulation with R. Springer Science+Business Media,
LLC.
8. Wand, M.P. y Jones, M.C. (1995). Kernel Smoothing. Monographs on Statistics
and Applied Probability, 60. Chapman & Hall.

Tesis doctorales
dirigidas
recientemente
Ttulo: Aportaciones en la estimacin no paramtrica

de modelos de regresin aditivos. Ao: 2003.
Autora: Roco Raya Miranda
Estimacin lineal local de la funcin de regresin. Ao:
2003.
Autor: Ismael Ramn Snchez Borrego
Publicaciones
(mximo 5)
Martnez Miranda, M.D., Nielsen, J.P. and Sperlich, S.

(2009) "One Sided Cross Validation for Density
Estimation", Operational Risk Towards Basel III: Best
Practices and Issues in Modeling, Management and
Regulation, ed. G.N.Gregoriou; John Wiley and Sons,
Hoboken, New Jersey, pp 177-196.
Gonzlez Manteiga, W., Martnez Miranda, M.D. and
Raya Miranda, R. (2008) Sizer Map for inference with
additive models, Statistics and Computing, 18, 297312
Martnez Miranda, M.D., Raya Miranda, R., Gonzlez
Manteiga, W. and Gonzlez Carmona, A. (2008) A
bootstrap local bandwidth selector for additive models,
Journal of Computational and Graphical Statistics, 17,
38-55.
Snchez Borrego, I., Martnez Miranda, M.D., Gonzlez
Carmona, A. (2006) Local linear kernel estimation of
the discontinuous regression function, Computational
Pg. 127
Statistics, 21(3-4), 557-569

Gonzlez Manteiga, W., Martnez Miranda, M.D. and
Prez Gonzlez, A. (2004) The choice of smoothing
parameter in nonparametric regression through wild
bootstrap, Computational Statistics and Data Analysis,
487-515.
Proyectos de
investigacin
Pg. 128

Ttulo
Estimacin polinomial en sistemas estocsticos lineales no gaussianos
Profesor(es)
Josefa Linares Prez (RESPONSABLE) (http://www.ugr.es/local/jlinares)

Descripcin
El estudio del problema de estimacin en sistemas estocsticos trata con

diversos tipos de modelos que establecen la relacin entre las variables observadas
y las variables seal que se desean estimar, y las tcnicas de estimacin dependen
del modelo particular considerado. En modelos lineales, aunque se han utilizado
distintas tcnicas para abordar el problema de estimacin, usualmente se han
considerado sistemas gaussianos y, por tanto, el estimador ptimo de mnimos
cuadrados es el estimador lineal ptimo.
Sin embargo, en diversas situaciones prcticas, la ampliamente utilizada
hiptesis de gaussianidad no puede aceptarse como una descripcin estadstica
realista de los procesos bajo estudio. Entre otras, indicamos las siguientes:
sistemas en los que las medidas pueden consistir nicamente en ruido (sistemas
con observaciones inciertas) y sistemas en los que las medidas disponibles para la
estimacin pueden estar retrasadas (sistemas con observaciones retrasadas
aleatoriamente).
Generalmente, en sistemas no gaussianos, el estimador ptimo de mnimos
cuadrados no es una funcin lineal de las observaciones; la dificultad, desde el
punto de vista computacional, en la obtencin del estimador ptimo ha motivado
que en este tipo de sistemas el estudio del problema de estimacin se haya
centrado en la bsqueda de estimadores subptimos y, en particular, en
estimadores cuadrticos y polinomiales de grado arbitrario, que mantengan las
propiedades de recursividad y fcil obtencin del estimador lineal. En los ltimos
aos, diversos problemas relacionados con procesamiento de seales y
restauracin de imgenes han sido tratados utilizando estimadores polinomiales, y
la efectividad de los mismos ha quedado suficientemente probada.
La amplia diversidad de aplicaciones de la teora de estimacin de seales en
distintos campos de la ciencia, como Ingeniera, Economa, Meteorologa o
Ciencias Ambientales, y la aparicin sistemtica de nuevos problemas prcticos
que se modelizan mediante sistemas no gaussianos, as como la probada
efectividad de los estimadores polinomiales frente a los lineales, permitirn a los
alumnos realizar un trabajo de investigacin que podr desembocar en un proyecto
de tesis doctoral en la lnea propuesta.
Es necesaria una formacin previa sobre Estadstica, Probabilidad y Procesos

Estocsticos a nivel de los conocimientos que proporcionan, por ejemplo, las
titulaciones de Licenciado en Ciencias y Tcnicas Estadsticas o de Licenciado
en Matemticas.
Se recomienda haber realizado el siguiente curso del mster:


otros)
Plan de trabajo
Recopilacin bibliogrfica sobre antecedentes, estado actual y aplicaciones del

problema de estimacin polinomial en sistemas no gaussianos.
Planteamiento e interpretacin geomtrica del problema general de estimacin

polinomial de segundo grado y de grado arbitrario.
Estudio del problema de estimacin cuadrtica en sistemas con certidumbre en
Pg. 129
las observaciones. Obtencin e implementacin en MATLAB de un algoritmo

recursivo para el problema de filtrado.
Estudio del problema de estimacin cuadrtica en sistemas con observaciones

inciertas. Obtencin e implementacin en MATLAB de un algoritmo recursivo
para el problema de filtrado.
Anlisis comparativo de los estimadores lineales y cuadrticos en ejemplos de

simulacin, tanto en sistemas con certidumbre en las observaciones como en
sistemas con observaciones inciertas.
Bibliografa

Bondon, P. (1994). Polynomial estimation of the amplitude of a signal, IEEE

Trans. Info. Theory, IT-40, 960965.
Caballero-guila, R. (2000). Filtrado polinomial en sistemas con observaciones

inciertas. Tesis doctoral. Universidad de Granada.
Caballero-guila, R., Hermoso-Carazo, A., Linares-Prez, J. (2003). Polynomial

filtering with uncertain observations in stochastic linear systems. International
Journal of Modelling and Simulation, 23 (1), 22-28.
Carravetta, F., Germani, A., Raimondi, M. (1996). Polynomial filtering for linear
discrete time non-Gaussian systems. SIAM Journal on Control and Optimization
34, 1666-1690.
Carravetta, F., Germani, A., Raimondi, M. (1997). Polynomial filtering of

discrete-time stochastic linear systems with multiplicative state noise. IEEE
Transactions on Automatic Control AC-42, 1106-1126.
Carravetta, F., Mavelli, G. (2004). Polynomial filtering for systems with nonindependent uncertain observations. Proceedings of the 43rd IEEE Conference
on Decision and Control 3, 3109-3114.
De Santis, A., Germani, A. y Raimondi, M. (1995). Optimal quadratic filtering of

linear discrete-time non-Gaussian systems. IEEE Transactions on Automatic
Control AC-40, 1274-1278.
S.V. Uppala, S.V., Sahr, J.D. (1997). On the design of quadratic filters with
applications to image processing, IEEE Trans. Image Process., 6, 608614.
Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Estimacin de seales a partir de observaciones inciertas y

observaciones retrasadas aleatoriamente (2005).
Directoras: A. Hermoso Carazo y J. Linares Prez

(2005) "Quadratic estimation of multivariate signals from
randomly delayed measurements, Multidimensional
Systems and Signal Processing, 16, 417-438.

Jimnez-Lpez, J.D., Linares-Prez, J. (2006) Leastsquares th-order polynomial estimation of signals from
observations affected by non-independent uncertainty,
Applied Mathematics and Computation, 176, 642-653.

Jimnez-Lpez, J.D., Linares-Prez, J. (2007) Signal
polynomial smoothing from correlated interrupted
observations based on covariances, Mathematical
Methods in the Applied Sciences, Vol. 30, pp. 1645-1665.

(2008) "Design of Quadratic Estimators using Covariance
Information in Linear Discrete-Time Stochastic Systems",
Journal of Time Series Analysis, 3, 501-512.
Pg. 130
Proyectos de
investigacin
Hermoso-Carazo, A., Linares-Prez, J. (2008) "Linear and

quadratic least-squares estimation using measurements
with correlated one-step random delay", Digital Signal
Processing, 18/3, 450-464.
Estimacin de seales, usando informacin de

covarianzas, a partir de observaciones inciertas y de
observaciones retrasadas aleatoriamente (MTM200503601).
ruidosas sujetas a fallos aleatorios (MTM200805567/MTM).
Tcnicas de estimacin en sistemas estocsticos lineales
y no lineales. Aplicacin a modelos de crecimiento y a la
super-resolucin de imgenes (P07-FQM-02701).
Pg. 131

Ttulo
Estudio de un sistema discreto en fiabilidad
Profesor(es)
Juan Eloy Ruiz Castro (http://www.ugr.es/local/jeloy)
Descripcin
El campo de la fiabilidad tiene como objetivo principal el estudio, anlisis y

modelizacin de sistemas que evolucionan en el tiempo. Asociados a estos
modelos se obtienen medidas de inters del sistema como la fiabilidad,
disponibilidad, estudio del fallo, etc optimizando rendimientos. Es habitual en la
literatura en el campo de la fiabilidad considerar que dichos sistemas evolucionan
en el tiempo de forma continua. Pero, no es menos cierto que muchos sistemas son
observados en tiempo discreto debido a distintas causas como inspecciones
peridicas o al propio funcionamiento intrnseco del mismo. Por ello se hace
necesario el anlisis de estas estructuras mediante modelos estocsticos discretos.
En este trabajo se desea hacer un anlisis de algn modelo estocstico
dinmico en tiempo discreto.
Es de inters que el alumno tenga conocimientos avanzados sobre clculo de

probabilidades y sobre procesos estocsticos como son los procesos de Markov, de
renovacin y de renovacin de Markov. Por ello el alumno para desarrollar este
trabajo previamente debe realizar los siguientes cursos de este mster

otros)
Plan de trabajo
Bibliografa
Simulacin de Procesos Estocsticos e Inferencia Estadstica.
Sistemas Estocsticos. Estimacin de Seales.
Recopilacin bibliogrfica sobre los principales procesos estocsticos en

tiempo continuo y discreto.
Anlisis de trabajos existentes en tiempo discreto.
Introducir al doctorando en el estudio de modelos de fiabilidad.
Aplicacin.
Hoyland, A. and Rausand, M. (1994). System Reliability Theory: models and

statistical methods, John Wiley and Sons, New York.
Kovalenko, I.N.; Kuznetsov N.Y. and Shurenkov, V.M. (1996). Models of

Random Processes, CRC Press, Inc.
Kulkarni, V.G. (1995). Modeling and Analysis of Stochastic Systems, Chapman

& Hall. London.
Kulkarni, V.G. (1999). Modeling, Analysis, Design, and Control of Stochastic

Systems, Springer-Verlag New York, Inc.
Limnios, N. and Oprisan, G. (2001). Semi-Markov Processes and Reliability,

Birkhuser, Boston.
Ross, S.M. (1983). Stochastic Processes. John Wiley & Sons. New York.
Taylor, H.M. and Karlin, S. (1994). An Introduction to Stochastic Modeling,

Academic Press.
Tijms, H.C. (2003). A First Course in Stochastic Models, John Wiley & Sons
Pg. 132
LTD, England

Tesis doctorales
dirigidas
recientemente
Estudio de sistemas redundantes discretos en Fiabilidad
Publicaciones
(mximo 5)
Ruiz-Castro, J. Eloy, Prez-Ocn, R. and FernndezVillodre, G. (2008). A Multi-Component General

Discrete System Subject to Different Types of Failures
with Loss of Units, Discrete Events and Dynamic
Systems, DOI 10.1007/s10626-008-0046-3
Ruiz-Castro, J. Eloy; Prez-Ocn, R. and FernndezVillodre, G. (2008). Modelling a reliability system

governed by discrete phase-type distributions,
Reliability Engineering and System Safety, 93, 16501657.
Prez-Ocn, R.; Montoro-Cazorla, D. and Ruiz-Castro,

J. Eloy (2006). Transient analysis of a Multi-component
system modeled by a General Markov process, AsiaPacific Journal of Operational Research, 23, 3, 311327.
Ruiz-Castro, J. Eloy and Prez-Ocn, R. (2004). A SemiMarkov model in Biomedical Studies, Communication in
Statistics: Theory and Methods, 33(3), 437- 455.
Prez-Ocn, R. and Ruiz-Castro, J. Eloy (2004). Two

models for a repairable two-system with phase-type
sojourn time distributions, Reliability Engineering &
System Safety, 84, 253-260.
Proyectos de
investigacin
Directores: Juan Eloy Ruiz Castro y Rafael Prez Ocn
Mtodos analtico-matriciales aplicados al estudio de la

fiabilidad y el mantenimiento de sistemas (MTM200761511)
Pg. 133

Ttulo
Estudio probabilstico de modelos de difusin asociados a curvas de crecimiento.
Profesor(es)
Francisco de Ass Torres Ruiz (RESPONSABLE) (http://www.ugr.es/local/fdeasis)

Descripcin
El crecimiento es una importante caracterstica en muchos campos de

aplicacin. El estudio de este fenmeno se asoci originariamente con la evolucin
de poblaciones animales, si bien actualmente se considera en mltiples contextos
como Economa, Biologa, Ecologa, Ciencias Mediaoambientales, Por este
motivo se han realizado mltiples esfuerzos conducentes a la obtencin de modelos
que permitan describir este tipo de comportamientos.
No obstante, muchos de esos modelos son determinsticos, los cuales plantean
algunas restricciones. En particular, el problema que se plantea a la hora de utilizar
modelos determinsticos para modelar cualquier fenmeno, y en particular el
crecimiento, es la complejidad propia del fenmeno, implicando la necesidad de la
especificacin detallada de mltiples factores que no siempre son conocidos o
cuantificables. Este inconveniente se puede evitar mediante la utilizacin de
modelos estocsticos entre los que destacan los procesos de difusin, gran parte
de los cuales estn asociados a modelos determinsticos en el sentido de surgir al
introducirle una fluctuacin aleatoria a estos ltimos. En ese sentido, en los ltimos
aos ha habido una gran auge en el establecimiento de procesos de difusin que
permitan estudiar de forma dinmica diversos tipo de patrones de crecimiento.
As, y en el contexto de curvas de crecimiento surge plantearse introducir
procesos de difusin que permitan modelar patrones de crecimiento de dicho tipo y
cuyas caractersticas sean perfectamente conocidas, de tal forma que sea factible
su empleo en el campo de las aplicaciones. No obstante, antes de llegar a ese
extremo es necesario plasmar formalmente las principales caractersticas del
proceso, desde su formulacin (lo cual puede hacerse desde distintos puntos de
vista y para lo que es necesario conocer muy bien los aspectos analticos de la
curva) hasta la obtencin de su distribucin y principales propiedades
probabilsticas.
En este sentido, proponemos al alumno esta lnea de investigacin,
proporcionndole una metodologa de trabajo que puede ser extendida a mltiples
situaciones de esta naturaleza y que son un paso previo ineludible antes de abordar
aplicaciones prcticas concretas.
Es necesaria una formacin previa sobre Probabilidad y Procesos Estocsticos

a nivel de los conocimientos que proporcionan por ejemplo la titulacin de
Licenciado en Ciencias y Tcnicas Estadsticas o la de Matemticas.
Es requisito haber realizado uno de los siguientes cursos del mster:
Aplicacin de los modelos de difusin en fenmenos de crecimiento en
ciencias medioambientales y Economa
Clculo y modelizacin estocstica. Procesos de difusin.

otros)
Pg. 134
Plan de trabajo
Bibliografa

Recopilacin bibliogrfica sobre antecedentes acerca de curvas de crecimiento,

modelo determinstico que dio origen a las mismas y las situaciones concretas
en las que se ha empleado.
Estudio en profundidad de la curva de crecimiento en estudio, haciendo

especial nfasis en las caractersticas que la diferencian de otras curvas de
crecimiento.
Estudio de la aleatorizacin del modelo determinstico para estudiar el modelo

estocstico tanto desde las ecuaciones de difusin de Kolmogorov como desde
la correspondiente ecuacin diferencial estocstica.
Obtencin de la distribucin del proceso y de sus principales caractersticas.
Simulacin de trayectorias y discusin de posibles situaciones esperables en

las aplicaciones.
Gutirrez. R., Rico, N., Romn, P. y Torres, F. (2006). Approximate and

generalized confidence bands for some parametric functions of the lognormal
diffusion process with exogenous factors, Scientiae Mathematicae Japonicae,
64, 843-859.
Kloeden, P.E., Platen, E. y Schurz, H. (1994). Numerical solution of SDE

through computer experiments, Springer-Verlag, Berlin.
Qiming, Lv. y Pitchford, J.W. (2007). Stochastic Von Bertalanffy models, with
applications to fish recruitment. Journal of Theoretical Biology, 244, 640-655.
Tan, W.Y. (1986). A stochastic Gompertz birth-death process, Statistics and

Probability Letters 4, 25-28.
Tsoularis, A. y Wallace, J. (2002). Analysis of logistic growth models,

Mathematical Biosciences,179, 21-55.Von Bertalanffy, L. (1938). A quantitative
theory of organic growth. Human Biology, 10(2) (1938), 181-213.
Wang, Y. (1999). Estimating equations for parameters in stochastic growth

model from tag-recapture data. Biometrics, 55, 900-903.
Tesis doctorales
dirigidas
recientemente

Aportaciones al estudio del proceso de difusin lognormal:
bandas de confianza aproximadas y generalizadas.
Estudio del caso polinmico. (2005). Autora: Nuria Rico
Castro. Directores: P. Romn Romn y F. Torres Ruiz.
Difusiones estocsticas no homogneas lognormales y
Gompertz. Proceso de Rayleigh. Aplicaciones. (2005).
Autor: Ramn Gutirrez Snchez. Directores: R. Gutirrez
Jimez y F. Torres Ruiz.
Publicaciones
(mximo 5)
R. Gutirrez-Jimez, N. Rico, P. Romn, D. Romero, J.J.

Serrano y F. Torres (2006). Approximating the
nonhomogeneous lognormal diffusion process via
polynomial exogenous factors. Cybernetics and Systems,
37(4), 293-309.
R. Gutirrez-Jimez, P. Romn, D. Romero, J.J. Serrano y
F. Torres (2007). A new Gompertz-type diffusion process
with application to random growth. Mathematical
Biosciences, 208(1), 147-165.
R. Gutirrez-Jimez, N. Rico, P. Romn y F. Torres.
(2007). Approximate and generalized confidence bands
Pg. 135
for the mean and mode functions of the lognormal diffusion

process. Computational Statistics and Data Analysis,
51(8). 4058-4053
P. Romn Romn, J.J. Serrano Prez y F. Torres. (2008).
First-Passage-Time Location Function: application to
determine first-passage-time densities in diffusion
processes. Computational Statistics and Data Analysis,
52(8), 4132-4146
y F. Torres (2008). Some time random variables related to
a Gompertz-type diffusion process. Cybernetics and
Systems, 39(5), 467-479.
Proyectos de
investigacin

Modelos estocsticos en Medio Ambiente y crecimiento de
poblaciones: Nuevas tcnicas de modelizacin, estimacin
y prediccin. P06-FQM-02271.
Pg. 136

Ttulo
Inferencia y tiempos de primer paso en modelos de difusin asociados a curvas de

crecimiento
Profesor(es)
Patricia Romn Romn (http://www.ugr.es/local/proman) (RESPONSABLE)

Descripcin
Los modelos determinsticos asociados con curvas de crecimiento proporcionan

modelos tiles para estudiar el crecimiento individual de diversos tipos de
poblaciones animales. No obstante, dichos modelos no consideran la especificacin
de mltiples factores que no siempre son conocidos o cuantificables. Este
inconveniente se puede evitar mediante la utilizacin de modelos estocsticos entre
los que destacan los procesos de difusin, gran parte de los cuales estn asociados
a modelos determinsticos en el sentido de surgir al introducirle una fluctuacin
aleatoria a estos ltimos. En ese sentido, en los ltimos aos ha habido un gran
auge en el establecimiento de procesos de difusin que permitan estudiar de forma
dinmica diversos tipo de patrones de crecimiento.
As, en esta lnea se propone el estudio de modelos de difusin asociados a
curvas de crecimiento de tipo ms general que las comnmente usadas
(exponencial, logstica, Gompertz. etc), los cuales permiten modelar patrones de
crecimiento ms generales y hacen factible su empleo en el campo de las
aplicaciones. Para ello es preciso tener un estudio completo del proceso a tratar
que incluya el planteamiento de la inferencia estadstica sobre sus parmetros,
estudio que conlleve establecer la correspondiente inferencia en sus principales
caractersticas. De esta forma proponemos el anlisis de la inferencia mximo
verosmil por medio de muestreo discreto del proceso.
Adems, considerar un modelo dinmico de la naturaleza de un proceso de
difusin permite poder estudiar otro tipo de variables dinmicas. En ese sentido se
propone un anlisis de variables temporales asociadas al proceso como es el caso
de la variable tiempo de primer paso a travs de una barrera, en general variable en
el tiempo, cuestin de gran importancia en fenmenos de la naturaleza que
estamos considerando.
En esta lnea proponemos al alumno esta lnea de trabajo, proporcionndole
una metodologa de trabajo que puede ser extendida a mltiples situaciones de esta
naturaleza.
otros)
Es necesaria una formacin previa sobre Probabilidad y Procesos

Estocsticos a nivel de los conocimientos que proporcionan por ejemplo la titulacin
de Licenciado en Ciencias y Tcnicas Estadsticas o la de Matemticas.
Es requisito haber realizado uno de los siguientes cursos del mster:
Aplicacin de los modelos de difusin en fenmenos de crecimiento en
ciencias medioambientales y Economa
Clculo y modelizacin estocstica. Procesos de difusin.
Pg. 137
Plan de trabajo
Bibliografa
Recopilacin bibliogrfica sobre antecedentes acerca de diferentes curvas de

crecimiento, modelo determinstico que le dio origen y las situaciones concretas
en las que se ha empleado. Estudio en profundidad de la curva, haciendo
especial nfasis en las caractersticas que la diferencian de otras curvas de
crecimiento.
Obtencin de la distribucin del proceso y de sus principales caractersticas.
Simulacin de trayectorias y discusin de posibles situaciones esperables en

las aplicaciones.
Planteamiento de la Inferencia de los parmetros por mxima verosimilitud en

el caso de muestreo discreto. Estudio analtico del sistema de ecuaciones al
que da origen.
Estudio de barreras para las cuales hay una expresin explcita de la densidad
de tiempo de primer paso. Obtencin en tal caso.
Gutirrez, R., Ricciardi, L., Romn, P. y Torres, F. (1997). First-passage-time

densities for time-non-homogeneous diffusion processes. Journal of Applied
Probability, 34(3), 623-631.
Gutirrez, R., Romn, P. y Torres, F. (1999). Inference and first-passage-times
for the lognormal diffusion process with exogenous factors. Application to
modelling in economics. Applied Stochastic Models in Business and Industry,
15(4), 325-332
Gutirrez, R., Romn, P. y Torres, F. (2001). Inference on some parametric
functions in the univariate lognormal diffusion process with exogenous factors.
Test, 10(2), 357-373.

Gutirrez. R., Rico, N., Romn, P. y Torres, F. (2006). Approximate and

generalized confidence bands for some parametric functions of the lognormal
diffusion process with exogenous factors, Scientiae Mathematicae Japonicae,
64, 843-859.
Kloeden, P.E., Platen, E. y Schurz, H. (1994). Numerical solution of SDE

through computer experiments, Springer-Verlag, Berlin.
Lpez, S., Prieto, M., Dijkstra, J., Dhanoa, M.S. y France, J. (2004). Statistical
evaluation of mathematical models for microbial growth, International Journal of
Food Microbiology, 96, 289-300.
Tsoularis, A. y Wallace, J. (2002). Analysis of logistic growth models,

Mathematical Biosciences, 179, 21-55.
Tesis doctorales
dirigidas
recientemente

Aportaciones al estudio del proceso de difusin
lognormal: bandas de confianza aproximadas y
generalizadas. Estudio del caso polinmico. (2005).
Autora: Nuria Rico Castro. Directores: P. Romn Romn
y F. Torres Ruiz.
Difusiones estocsticas no homogneas lognormales y
Autor: Ramn Gutirrez Snchez. Directores: R.
Gutirrez Jimez y F. Torres Ruiz.
Publicaciones
(mximo 5)
R. Gutirrez-Jimez, N. Rico, P. Romn, D. Romero, J.J.

Serrano y
F. Torres (2006). Approximating the
nonhomogeneous lognormal diffusion process via
polynomial exogenous factors. Cybernetics and Systems,
37(4), 293-309.
Pg. 138

y F. Torres (2007). A new Gompertz-type diffusion
process with application to random growth. Mathematical
Biosciences, 208(1), 147-165.
R. Gutirrez-Jimez, N. Rico, P. Romn y F. Torres.
(2007). Approximate and generalized confidence bands
for the mean and mode functions of the lognormal
diffusion process. Computational Statistics and Data
Analysis, 51(8)
4058-4053
P. Romn Romn, J.J. Serrano Prez y F. Torres.
(2008).
First-Passage-Time
Location
Function:
application to determine first-passage-time densities in
diffusion processes. Computational Statistics and Data
Analysis, 52(8), 4132-4146
y F. Torres (2008). Some time random variables related
to a Gompertz-type diffusion process. Cybernetics and
Systems, 39(5), 467-479.
Proyectos de
investigacin

estimacin y prediccin. P06-FQM-02271.
Pg. 139

Ttulo
Mtodos de muestreo y tcnicas de estimacin especiales.
Profesor(es)
Mara del Mar Rueda Garca (www.ugr.es/~mrueda)

Antonio Arcos Cebrin (http://www.ugr.es/~arcos)
Descripcin
En los cursos de muestreo se suelen estudiar los mtodos de muestreo de uso ms

generalizado. Sin embargo hay ocasiones en los que la poblacin objeto de estudio,
o el problema de estimacin concreto no se ajusta a las suposiciones de estos
mtodos generales, y han de desarrollarse mtodos de muestreo y de estimacin
especficos para resolver estas situaciones. Los alumnos abordarn en esta lnea
algunos problemas como la estimacin de sucesos raros, de poblaciones evasivas,
de reas pequeas, de estudios longitudinales,y estudiarn los procedimientos de
muestreo, estimacin y determinacin del error, desarrollados para realizar estos
estudios.
Es necesario que el alumno disponga de una formacin avanzada en inferencia en

poblaciones finitas. Por ello el alumno ha debido de cursar obligatoriamente la
materia del mster Encuestas por muestreo. Aplicaciones econmicas, sociales y
medioambientales, y sera conveniente que hubiera cursado tambin la materia
Aspectos Computacionales en la Estimacin de Errores en Encuestas por
Muestreo.

otros)
Plan de trabajo
Bibliografa

El alumno comenzar una bsqueda de bibliografa especializada en el

problema especfico que se le asigne. Evaluar la posible aplicacin de las
tcnicas clsicas de muestreo en dicho problema y realizar un estudio de las
tcnicas especficas propuestas para su resolucin. Se har un estudio del software
disponible para dichos mtodos, y en caso de su no existencia elaborar un
programa en R para implementar tanto el procedimiento de seleccin como el
mtodo de estimacin. Por ltimo aplicar los conocimientos adquiridos a un
problema real.
Hedayat and Sinha. Desing and Inference in Finite Population Sample. John
Wiley and Sons, 1991.
C.E. Srndal, B. Swensson, J.H. Wretman, Model Assisted Survey Sampling.

Springer-Verlag, New York, 1992.
Singh, S. Advanced sampling theory with applications: How Michael ''selected''

Amy. Kluwer Academic Publisher. The Netherlands. 2003.
Tesis doctorales
dirigidas
recientemente
El problema de la falta de respuesta: alternativas para

su tratamiento en la construccin de estimadores
indirectos. Autora: Silvia Gonzlez Aguilera. Directora:
Mara del Mar Rueda Garca. Universidad de Granada,
(2002).
Extensin del mtodo de calibracin a la estimacin de

parmetros funcionales. Autor: Sergio Martnez
Puertas. Directora: Mara del Mar Rueda Garca.
Universidad de Granada, (2003).
Aportaciones a la estimacin de parmetros lineales y

no lineales en poblaciones finitas. Autor: Francisco
Pg. 140
Muoz Rosas. Directora: Mara del Mar Rueda Garca.

Universidad de Granada, (2006).
Publicaciones
(mximo 5)
Proyectos de
investigacin
Rueda, M., Muoz, J.F, Gonzlez, S. Arcos, A. (2007).

Estimating quantiles under sampling o two occasions
with arbitrary sampling designs. Computational
Statistics and Data Analysis 51, 6596-6613
Arcos, A., Rueda, M., Muoz, J. F. (2007). An improved

class of estimators of a finite population quantile in
sample surveys. Applied Mathematics Letters 20, 312315
Rueda, Arcos, Muoz, J.F., Singh., S. (2007). Quantile

estimation in two-phase sampling Computational
Statistics and Data Analysis 51(5) 2259-2271
Rueda, M., Martnez, S., Martnez, H. and Arcos, A.

(2007). Estimation of the distribution function with
calibration methods. Journal of statistical planning and
inference 137, 435-448.
Rueda, M., Muoz, J.F. (2009). New model-assisted

estimators for the distribution function using pseudo
empirical likelihood method. Statistica Neerlandica 63
(2)227-244
Estimacin de parmetros con informacin auxiliar en

presencia de falta de respuesta. Ministerio de
Educacin y Ciencia. Investigador principal: Mara del
Mar Rueda Garca. Ref: MTM2006-04809.
Nuevas Metodologas para el tratamiento del error total

de las encuestas. Junta de Andaluca (Proyectos de
Excelencia). Ref: SEJ-565
Pg. 141

Ttulo
Mtodos de regresin no paramtrica en muestreo en poblaciones finitas
Profesor(es)
Ismael Ramn Snchez Borrego (http://www.ugr.es/local/ismasb)
Descripcin
Los mtodos de regresin no paramtrica son bien conocidos por sus buenas
propiedades y por establecer hiptesis poco restrictivas sobre la funcin de
regresin. En la actualidad existe una amplia variedad de mtodos de regresin no
paramtrica disponibles con gran potencial de aplicacin en diferentes ambientes.
En el muestreo en poblaciones finitas, la informacin auxiliar est disponible en
muchas encuestas por muestreo. El empleo de esta informacin puede mejorar la
precisin en la estimacin. Dicha informacin puede ser incorporada a travs de un
modelo de superpoblacin, en el que se describe la relacin existente entre las
variables implicadas.
Tradicionalmente se han empleado mtodos basados en la regresin paramtrica
para incorporar esta informacin en el proceso de estimacin, seleccionando la
funcin de regresin -habitualmente una funcin lineal- de una clase particular de
funciones. En ocasiones, esta eleccin est basada en el conocimiento a priori de la
relacin entre las variables objeto de estudio. Sin embargo, cuando no se dispone
de dicha informacin, los mtodos de regresin no paramtrica son ms apropiados
puesto que slo establecen supuestos de suavidad sobre la funcin de regresin.
Como el modelo que relaciona a las variables es habitualmente desconocido, el
empleo de mtodos de regresin no paramtrica parece una eleccin razonable.
Los estimadores de muestreo en poblaciones finitas basados en tcnicas no
paramtricas, presentan una superior eficiencia frente a otros clsicos y destacan
por sus propiedades atractivas y por su buena adaptacin a diferentes diseos
muestrales, lo que les hace especialmente apropiados para el muestreo en
poblaciones finitas. sta es la lnea de trabajo de investigacin que aqu se propone
y que puede desembocar en la realizacin de una tesis doctoral.
otros)
Plan de trabajo
Es preciso que el alumno parta con conocimientos previos de Estadstica y

Matemticas, como por ejemplo la que se proporciona en la titulacin Licenciado en
Ciencias y Tcnicas Estadsticas. En concreto, se recomienda que el alumno haya
cursado alguna asignatura de muestreo, as como tener conocimientos previos de
anlisis de regresin.
Se realizar una revisin bibliogrfica que permita al alumno conocer y asimilar las
ideas bsicas generales de la regresin no paramtrica. Asimismo, debe conocer
los estimadores basados en la regresin no paramtrica ms relevantes en el
contexto del muestreo en poblaciones finitas.
Se llevar a cabo una aplicacin prctica de estos mtodos en una situacin real.
Para ello ser necesario trabajar con el paquete estadstico R y con algunas
libreras y funciones ya implementadas en este entorno estadstico.
Bibliografa
Breidt, F.J. and Opsomer, J.D. (2000). Local polynomial regression estimators
in survey sampling. The Annals of Statistics, 28(4), 1026-1053.
Breidt, F.J., Claeskens, G. and Opsomer, J.D. (2005). Model-assisted

estimation for complex surveys using penalized splines. Biometrika, 92, 831846.
Chambers, R.L., Dorfman, A.H. and Wherly, T.E. (1993). Bias robust estimation
in finite populations using nonparametric calibration. Journal of the American
Pg. 142
Statistical Association, 88, 268-277.

Crawley, Michael (2007). The R book. Ed.: Wiley & Sons, Ltd.
Fan, J. y Gijbels, I. (1996). Local Polynomial Modelling and Its Applications.

Chapman & Hall.
Dorfman, A.H and Hall, P. (1993). Estimators of the finite population distribution
function using nonparametric regression. The Annals of Statistics, 16(3),14521475.
Snchez Borrego, I.R. (2003). Estimacin lineal local de la funcin de

regresin. Tesis doctoral. Universidad de Granada.
Wand, M.P. y Jones, M.C. (1995). Kernel Smoothing. Monographs on Statistics

and Applied Probability, 60. Chapman & Hall.
Tesis
doctorales
dirigidas
Publicaciones
(mximo 5)
Proyectos de
investigacin
M. Rueda, I. Snchez-Borrego, A. Arcos (2009). Mean

estimation in the presence of change points. Applied
Mathematics Letters, 1-8.
M. Rueda, I. Snchez-Borrego, A. Arcos, S. MartnezPuertas (2009). Model-calibration estimation of the

distribution function using nonparametric regression.
Metrika, 1-18.
M. Rueda, I. Snchez-Borrego, A. Gonzlez (2008). A new

method for solving the problem of the mean estimation
when the underlying regression function is discontinuous.
International Journal of Computer Mathematics, 10731082.
M. Rueda, I. Snchez-Borrego (2009). A predictive

estimator of finite population mean using nonparametric
regression. Computational Statistics, 0-1.
Snchez-Borrego, I.R.; Martnez-Miranda, M.D. and

Gonzlez, A . (2006) Local linear kernel estimation of the
discontinuous
regression
function.
Computational
Statistics, 21:4, 557-569.
Estimacin eficiente de parmetros en poblaciones finitas en

presencia de informacin auxiliar. Investigador Principal: Mara
del Mar Rueda. Entidad: Ministerio de Educacin y Ciencia
(MTM2004-04038)
Pg. 143

Ttulo
Mtodos estadsticos aplicados a problemas medioambientales
Profesor(es)
Pedro Antonio Garca Lpez (http://www.ugr.es/local/pagarcia)
Descripcin
En la actualidad el progreso del conocimiento en las reas del Medio Ambiente ha

reclamado el uso y el desarrollo de mtodos avanzados de la Estadstica y del
Clculo de Probabilidades. En estudios de Ecologa se utilizan en la actualidad
mtodos de clasificacin, medidas de asociacin y tcnicas de visualizacin de
datos, para datos provenientes de muestreos espaciales, conteos de especies e
ndices de diversidad. Algunas de ellas son el Kriging, el Anlisis Discriminante, el
Anlisis de Correspondencias, mtodos Cluster, Multidimensional Scaling y
modelos log-Poisson, entre otras.
Otra de la reas de inters en Medio Ambiente, en este caso relacionadas con el
tan nombrado cambio climtico, es la construccin de modelos mediante
simulacin, basados en las distribuciones de extremos, con la finalidad de
dimensionar adecuadamente las infraestructuras que acometern las olas, las
rachas de viento o los caudales extremos. Para ello se utilizan las denominadas
cpulas, con las que es posible obtener valores simulados en una distribucin
conjunta de las variables observadas, sin ms que conocer una medida de
asociacin entre dichas variables. Las cpulas arquimedianas son las ms
adecuadas en este problema, dado que los datos observados se pueden modelar
por distribuciones del tipo Generalizado-Pareto.
En cualquiera de las dos reas reseadas, se propondr a los alumnos la
realizacin de un trabajo de investigacin aplicada con datos reales, aplicando
cualquiera de estas tcnicas bajo el entorno de programacin R. Este trabajo podra
desembocar en un proyecto de tesis doctoral en la lnea propuesta, de aportar un
desarrollo original sobre la misma, tal y como contemplan las normas de los
estudios de doctorado.
Requisitos (formacin previa

y cursos realizados en el
mster)
Plan de trabajo
Se requieren por parte del alumno conocimientos a nivel medio de Estadstica,

Clculo de Probabilidades, Mtodos de Muestreo y Mtodos de Anlisis
Multivariante. Con esta base se construye el resto del conocimiento que el alumno
adquirir como consecuencia del trabajo.
El proyecto comienza con una revisin bibliogrfica que permita al alumno adquirir
unos conocimientos bsicos tericos sobre Estadstica Aplicada a la Ecologa y/o
sobre las distribuciones de extremos y Teora de Cpulas. El alumno se centrar
fundamentalmente en la formulacin de los mtodos, dirigiendo la atencin siempre
a sus aplicaciones prcticas con datos reales. En este sentido no se persigue la
profundizacin en las justificaciones tericas y las demostraciones. Fruto de esta
revisin el alumno habr de confeccionar un documento resumen que ser el
soporte terico del trabajo de investigacin.
Una vez asimilados estos conocimientos bsicos el alumno utilizar el entorno de
anlisis y programacin estadstica R, y sus rutinas especficas para el anlisis de
datos en Ecologa y/o distribuciones de extremos y Teora de Cpulas, para la
resolucin de aplicaciones prcticas de dichos mtodos con datos reales.
Este trabajo podr desembocar en un proyecto de tesis doctoral en el que el
alumno, con la formacin adquirida y el material desarrollado como consecuencia
de este trabajo, realizar aportaciones en problemas de inters dentro de las reas
de investigacin de la Estadstica.
Pg. 144
Bibliografa
1.
Baczkowski, A.J., Joanes, D.N. and Shamia, G. (2000) The distribution of a

generalized diversity index due to Good. Environmental and Ecological
Statistics, 7, 329-342.
2.
Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values.

Springer Texts in Statistics. Springer-Verlag. Berlin.
3.
Cuadras, C.M. (1996). Mtodos de anlisis multivariante. EUB, SL. Ediciones.

Barcelona. 644 pp.
4.
5.
Long, J. S. (1997). Regression Models for Categorical and Limited Dependent

Variables. Sage Publications. Thousand Oaks, CA.
6.
Muhaisen, O. (2006). Simulacin basada en la Teora de Valor Extremo y

Cpula para estimacin de caudales en sistemas de sanitaria. Tesis doctoral.
7.
Nelsen, R. B. (1999). An Introduction to Copulas. Lecture Notes in Statistics

139, Springer-Verlag.
8.
Pielou (1977) Mathematical Ecology. New York: Wiley.
9.
Routledge, R.D. (1979) Diversity index: which ones are admissible? Journal of
Theoretical Biology, 76, 503-515.
10. Spector, P. (2008). Data Manipulation with R. Springer Science+Business

Media, LLC.
11. Ter Braak, C.J.F. (1986). Canonical correspondence analysis: a new
eigenvector technique for multivariate direct gradient analysis. Ecology. 62 (5),
1167-1179.

Tesis doctorales
dirigidas
recientemente
Titulo: Simulacin basada en la Teora de Valor Extremo y

Cpula para estimacin de caudales en sistemas de
sanitaria.
Doctorando: Omar S. Muhaisen. Directores: Pedro A.
Garca y Francisco Osorio; Universidad de Granada (2006).
Publicaciones
(mximo 5)
1. Rodrguez, E.; Garca-Garrido, F.J.; Garcia, P.A. and

Campos, M. (2008) Agricultural factors affecting
Verticillium wilt in olive orchards in Spain. European
Journal of Plant Pathology. DOI 10.1007/s10658-0089287-0
2. Cotes, B.; Ruano, F.; Garcia, P.A.; Pascual, F. and
Campos, M. (2008) Coccinellid morphospecies as an
alternative method for differentiating management
regimes in olive orchards. Ecological Indicators. DOI
10.1016/j.ecolind.2008.08.003
3. De Oa, J.; Osorio, F. and Garcia, P.A. (2008) Assessing
the effects of using compost-sludge mixtures to reduce
erosion in road embankments. Journal of Hazardous
Materials. DOI 10.1016/j.jhazmat.2008.09.037
4. Rodrguez, E.; Garca-Garrido, F.J.; Garcia, P.A. and
Campos, M. (2008) Large-scale epidemiological study of
Verticillium wilt in olive orchards in Spain. Crop
Protection. DOI 10.1016/j.cropro.2008.08.009
Pg. 145
5. Muhaisen, O.; Osorio, F. and Garcia, P.A. (2008) 2copula-based simulation for detention basin design. Civil
Engineering
and
Environmental
Systems.
DOI
10.1080/10286600802196387
Proyectos de
investigacin
Pg. 146

Ttulo
Mtodos wavelets para el anlisis estadstico de series funcionales fractales
Profesor(es)
Mara Dolores Ruiz-Medina (http://www.ugr.es/local/mruiz)
Descripcin
En las ltimas dcadas, el avance experimentado por las nuevas tecnologas ha

permitido el diseo de sofisticados dispositivos de medicin y procesamiento de informacin
que nos permiten disponer de datos con elevada dimensin (de naturaleza casi continua). En
el anlisis estadstico de este tipo de datos se debe incorporar su carcter funcional (e.g. los
parmetros que caracterizan las distribuciones subyacentes a dichos datos son funciones u
operadores, etc). Este hecho ha motivado el desarrollo de la inferencia funcional en las
ltimas dcadas, que se ha dirigido fundamentalmente al anlisis estadstico de curvas. Sin
embargo, en diversos campos aplicados, tales como Geofsica, Medio-Ambiente,
Biomedicina, etc., se requiere un anlisis de estructuras ms complejas tales como
secuencias de imgenes, superficies, etc. Adicionalmente, si dichas estructuras presentan
elevados niveles de variabilidad local o fractalidad, el anlisis estadstico se complica. Este
hecho ha motivado el desarrollo de la investigacin que se enmarca en esta lnea, donde se
propone a los alumnos de este master desarrollar el trabajo de investigacin, que se
centrar fundamentalmente en el estudio de las tcnicas usuales empleadas en el
tratamiento estadstico de secuencias de imgenes o superficies fractales. En particular, se
conceder especial atencin a la implementacin de dichas tcnicas en el dominio de la
transformada wavelet, puesto que dicha transformada proporciona una descripcin local a
diferentes niveles de resolucin de los datos, facilitando el anlisis estadstico de los niveles
de fractalidad. Como motivacin prctica de este trabajo, se considerar el anlisis
estadstico de imgenes de resonancia magntica funcionales para el estudio de la actividad
cerebral, dada la naturaleza fractal del cerebro.
Requisitos (formacin previa,

cursos realizados, otros)
Para la realizacin del trabajo de investigacin es requisito haber realizado el siguiente

curso del mster:
- Simulacin de Procesos Estocsticos e Inferencia Estadstica
Plan de trabajo
Bibliografa
Recopilacin bibliogrfica sobre los resultados recientes ms relevantes en el

mbito del anlisis estadstico de series funcionales en el dominio de la
transformada wavelet.
Estudio del problema de estimacin paramtrica en el mbito de series funcionales

espaciales: Mtodo funcional de momentos y mxima verosimilitud. Implementacin
de algoritmos de estimacin basados en tcnicas de simulacin.
Formulacin de los problemas anteriores en el dominio de la transformada wavelet.

Aplicacin a la estimacin de los parmetros de fractalidad.
Ilustracin de los puntos anteriores en el campo del anlisis de imgenes de

resonancia magntica para el desarrollo de estudios en neurofisiologa.
Bosq, D. (2000). Linear processes in function spaces, Springer-Verlag
Bosq, D. y Blande, D. (2007). Prediction and inference in large dimensions. Wiley

Series in Probability and Statistics, Wiley-Dunod.
Lazar, N.A. (2008). The statistical analysis of functional MRI data. Serie: Statistics for
Biology and Health. Springer Science+Business Media.
Ruiz-Medina, M.D. (2008). Wavelet thresholding methods applied to testing significance

differences between autoregressive Hilbertian processes. Functional and Operational
Statistics, (S. Dabo-Niang and F. Ferraty, Eds), Physica-Verlag, pp. 281-286.
Ruiz-Medina, M.D., Alonso, F.J., Angulo, J.M. y Bueso, M.C. (2003). Functional
stochastic modelling and prediction of spatio-temporal processes. Journal of
Pg. 147
Geophysical Research, 108, d24, 9003, doi:10.1029/2003JD003416.
Currculum (en relacin con la

lnea de investigacin)
Ruiz-Medina, M.D. y Angulo, J.M. (2002). Spatio-temporal filtering using wavelets.

Stochastic Environmental Research and Risk Assessment, 16, 241-266.
Ruiz-Medina M. D. y Angulo J. M. (2007). Functional estimation of spatiotemporal

heterogeneities. Environmetrics 18, 775-792.
Ruiz-Medina, M.D., Anh, V.V. y Angulo, J.M. (2004). Fractal random fields on
domains with fractal boundary. Infinite Dimensional Analysis, Quantum Probability
and Related Topics, 7, 395-417.
Ruiz-Medina, M.D., Salmern, R. y Angulo, J.M. (2007). Kalman filtering from POP-based
diagonalization of ARH(1). Computational Statistics \& Data Analysis. 51, 4994-5008.
Ruiz-Medina, M.D., Angulo, J.M. y Fernndez-Pascual, R (2007). Wavelet-vaguelette

decomposition of spatiotemporal random fields. Stochastic Environmental Research and
Risk Assessment 21, 273-281.
Salmern, R. y Ruiz-Medina, M.D. (2009). Multispectral decomposition of functional

autoregressive models. Stochastic Environmental Research and Risk Assessment. DOI:
10.1007/s00477-008-0213.
Tesis doctorales
dirigidas
recientemente
Anlisis Multiescalar de la Deformacin Espacial de Imgenes

(2003).
Directores: J.M. Angulo y M.D. Ruiz-Medina
Representacin
y
Simulacin
de
Procesos
Fractales
Directores: M.D. Ruiz-Medina y J.M. Angulo

Estimacin de Modelos de Memoria Larga en Procesos Espaciales
(2004).
Directores: F.J. Alonso, J.M. Angulo y M.D. Ruiz-Medina
Anlisis Estadstico de Datos Espacio-Temporales mediante
Modelos Funcionales de Series Temporales (2008).
Directora: M.D. Ruiz-Medina
Publicaciones
(mximo 5)
Kelbert, M., Leonenko, N.N. y Ruiz-Medina, M.D. (2005). Fractional

random fields associated with stochastic fractional heat equations.
Advances in Applied Probability 37, 108-133.
Leonenko, N.N. y Ruiz-Medina, M.D. (2006). Scaling laws for the
multidimensional Burgers equation with quadratic external
potencial. Journal of Statistical Physics 124, 191-205..
Ruiz-Medina, M.D., Angulo, J.M. y Anh, V.V. (2003). FractionalOrder regularization and wavelet approximation to the inverse
estimation problem for random fields. Journal of Multivariate
Analysis, 85, 192-216.
Ruiz-Medina, M.D., Angulo, J.M. y Anh, V.V. (2001). Scaling limit
solution of a fractional Burgers equation. Stochastic Processes
and Their Applications, 93, 285-300.
Ruiz-Medina y Salmern, M.D. (2009). Functional maximumlikelihood estimation of ARH(p) models.
Stochastic Environmental Research and Risk Assessment, doi: 10.1007/s00477-0090306-2.
Pg. 148
Proyectos de
investigacin
Modelizacin Estocstica y Anlisis Estadstico de Procesos

Espacio-Temporales con Caractersticas Fractale
01836).
(BFM2002-
Modelizacin y Anlisis Estadstico de Caractersticas Locales y

Propiedades de Memoria para Datos Espacio-Temporales
(MTM2005-08597).
Mtodos wavelets para la inferencia sobre datos funcionales
en espacios singulares (MTM2008-03903).
Pg. 149

Ttulo
Modelizacin estocstica en Medioambiente, Cambio Climtico y en Finanzas y

Economa estocsticas
Profesor(es)
Ramn Gutirrez Jimez (responsable) (http://www.ugr.es/local/rgjaimez)

Descripcin
El objetivo fundamental de la Lnea de investigacin es el estudio terico

probabilstico-estadstico de nuevos modelos estocsticos basados en proceso de
difusin, particularmente, no-homogneos, univariantes y multivariantes. Los nuevos
modelos investigados, se aplican, en particular, a problemas reales relacionados con
Medioambiente y Cambio Climtico (emisiones de gases de efecto invernadero;
consumos energticos con emisiones asociadas, factores socioeconmicos que
afectan a las emisiones, etc.) y Finanzas estocsticas (modelos de volatilidad; pricing
options; anlisis de proyectos de inversin, etc.). El ajuste de estas nuevas difusiones
(de tendencias crecientes y/o decrecientes) a datos reales, necesita la investigacin
de procedimientos numricos, implementacin de mtodos de simulacin, distintos
mtodos de estimacin estadstica etc., en funcin del conocimiento o no de las
formas explicitas de las transiciones y de las variables del proceso en cuestin; todo
ello de manera que se pueda configurar una metodologa viable de estimacin y
prediccin estadsticas.
Haber cursado en el Mster los siguientes cursos, al menos: Clculo y Modelizacin

Estocstica. Procesos de Difusin y Tcnicas Estadsticas Multivariantes y
Aplicaciones.

otros)
Haber realizado el mdulo de prcticas del Mster, en relacin con entidades

pblicas y privadas tales como el Instituto Andaluz de Medioambiente (IAMA) (bajo el
convenio de colaboracin entre el Grupo FQM-147, responsable R. Gutirrez-Jimez,
y el IAMA); CajaGranada, entre otras. Todo ello bajo la supervisin de los profesores
de esta lnea.
En cualquier caso, se requieren conocimientos bsicos en probabilidad e inferencia
estadstica y en Estadstica computacional.
Plan de trabajo
Bibliografa
Recogida, seleccin y organizacin de informacin estadstica relativa a variables

de inters en Medioambiente y en Cambio Climtico, correspondientes a Andaluca
y Espaa.
Tratamiento estadstico inicial de los datos reales mediante tcnicas multivariantes.
Consideracin especial de las variables temporales y de las asociadas a las

coordenadas de posicin del punto de observacin.
Modelizacin de las funciones tendencias de determinadas variables dinmicas.

Deteccin de tendencias y adecuacin de un Modelo de Difusin concreto
previamente estudiado tericamente.
Discusin de resultados. Problemas abiertos planteados.
1. Ait-Sahalia Y. Maximum-likelihood estimation of discretely-sampled diffusion: A

closed-form approximation approach. Econometrica, 70; 223-262, 2008.
2. R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. The Trend of the Total Stocks of the
Pg. 150
Private Car-petrol in Spain: Stochastic Modelling Using a New Gamma Diffusion

Process. Applied Energy, 86,18-24, 2009.
3. R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. Trend Analysis and Computational
Statistical Estimation in a Stochastics Rayleigh Model: Simulation and Application.
Mathematics and Computers in Simulation, 77:209-217, 2008.
4. R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi, E. Ramos. A New Stochastic
Gompertz Diffusion Process with Threshold Parameter: Computational Aspects and
Applications. Applied Mathematics and Computation. 183, 738-747, 2006.
5. R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. Electricity Consumption in Morocco:
Stochastic Gompertz Diffusion Analysis with Exogenous Factors. Applied Energy,
83; 1139-1151, 2006.
6. R. Gutirrez, R. Gutirrez-Snchez; A. Nafidi. The Stochastic Rayleigh Difusion
Model: Statistical Inference And Computational Aspects. Applications To Modelling
Of Real Cases. Applied Mathematics and Computation, 175; 628-644, 2005.
7. R. Gutirrez- R; R. Gutirrez-Snchez; A.Nafidi; P. Roman; F. Torres. Inference in
Gompertz-Type Nonhomogeneous Stochastic Systems by Means of Discrete
Sampling. Journal Cybernetics and Systems, 36, 203-216, 2005.
8. R. Gutirrez; R. Gutirrez-Snchez; A. Nafidi. Forecasting Total Natural-Gas
Consumption in Spain by Using the Stochastic Gompertz Innovation Diffusion
Model Applied Energy, 80, 115-124, 2004.
9. Kloeden P, Platen E. The numerical solution of stochastic differential equations.
Springer, Berlin, Germany, 1992.
10. Prakasa Rao BLS. Statistical inference for diffusion type process. Ed.Arnold, 1999.
Currculum (en relacin

con la lnea de
investigacin)
Tesis
doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Difusiones lognormales triparamtricas multivariantes con

factores exgenos. (2005). Director R. Gutirrez Jimez.
Difusiones estocsticas no-homogneas lognormales y

Directores: R. Gutirrez Jimez y F. Torres Ruiz.
El modelo estocstico de Gompertz. Modelizacin de datos

sociodemogrficos. (2006). Director R. Gutirrez Jimez.
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. (2008). A

Bivariate Stochastic Gompertz Diffusion Model: Statistical
Aspects and Application to the Joint Modelling of the Gross
Domestic Product and CO2 Emissions in Spain.
Environmetrics, 19: 643-658.
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. (2008).

Emissions of Greenhouse gases attributable to the Activities
of the Land Transport: Modelling and Analysis Using I-CIR
stochastics diffussion. The Case of Spain. Environmetrics,
19: 137-161.
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi. (2008). Trend

Analysis Using Nonhomogeneous Stochastic Diffusion
Processes. Emission of Co2; Kyoto Protocol in Spain.
Stochastic
Environmental
Research
and
Risk
Assessment, 22: 57-66.
R. Gutirrez, R.Gutirrez-Snchez, A. Nafidi, E. Ramos.

(2007). A Diffusion Model with Cubic Drift: Statistical and
Pg. 151
Computational Aspects and Application to Modelling of the

Global Co2 Emission in Spain. Environmetrics, 18(1), 5569.
Proyectos de
investigacin
R. Gutirrez; C. Roldn; R. Gutirrez-Snchez; J. M. Angulo.

(2005). Inference In Gompertz-Type Nonhomogeneous
Stochastic Systems by Means of
Discrete Sampling
Estimation and Prediction of a 2D Lognormal Diffusion
Random Field. Stochastic Environmental Research And
Risk Assessment, 19, 258-265.
Procesos estocsticos y campos aleatorios de difusin

homogneos y no-homogneos: Inferencia estadstica y
aplicaciones. Distribuciones de matrices aleatorias singulares.
Ref- MTM2005-09209. Responsable R. Gutirrez-Jimez.
Nuevas difusiones homogneas y no-homogneas y

Cambio Climtico. Ref-MTM2008-05785. Responsable P.
Romn Romn.
Modelos estocsticos en Medioambiente y crecimiento de

poblaciones: Nuevas tcnicas de modelizacin, estimacin y
prediccin. Ref-P06-FQM-02271. Responsable R. Gutirrez
Jimez.
Pg. 152

Ttulo
Modelos de Prediccin con Datos Funcionales
Profesor(es)
Mariano J. Valderrama (responsable) (www.ugr.es/local/valderra)

Ana Mara Aguilera del Pino (www.ugr.es/local/aaguiler)
Francisco A. Ocaa (www.ugr.es/local/focana)
Descripcin
Una de las lneas de investigacin en el campo de la estadstica que ha logrado mayor

auge en la ltima dcada es el anlisis de datos funcionales (FDA), como una
combinacin de los mtodos propios de la teora de procesos estocsticos en tiempo
continuo y del anlisis funcional aplicados a la modelizacin y anlisis de datos reales.
As, desde un punto de vista conceptual, en el planteamiento del FDA no se formulan
hiptesis sobre las distribuciones de probabilidad de los procesos estocsticos
subyacentes a los datos objeto de estudio, siendo la informacin muestral (en forma de
un conjunto de curvas) la nica disponible.
Dentro de esta temtica, nuestra lnea de investigacin tiene varios enfoques. Uno est
orientado al desarrollo de modelos estocsticos dinmicos a partir de datos
funcionales, siendo las herramientas bsicas para su desarrollo el anlisis funcional en
componentes principales. Dentro de este enfoque desempean un papel relevante los
procesos de recuento, especialmente los Poissonianos con intensidad aleatoria. Otro
enfoque aborda los modelos autorregresivos sobre espacios de Hilbert como extensin
de la metodologa de Box-Jenkins al caso temporal continuo. Un tercer enfoque est
centrado en la extensin al caso de datos funcionales de modelos lineales
generalizados, como los modelos de regresin logstica, y su estimacin basada en
ACP y en PLS funcionales.
otros)
Plan de trabajo
Para poder realizar el trabajo de investigacin dentro de esta lnea se requieren

conocimientos previos sobre series temporales, anlisis funcional en espacios de
Hilbert y manejo bsico del entorno de programacin R para el anlisis de datos. Por
ello es imprescindible haber realizado el curso Anlisis de Datos Funcionales del
Mster Oficial en Estadstica Aplicada de la Universidad de Granada.
Dentro de esta lnea se pueden realizar distintos trabajos de investigacin con
enfoques relacionados. En cualquier caso el trabajo comenzara por una revisin
bibliogrfica de las publicaciones relacionadas con el tema objeto del mismo.
Un primer trabajo se centrara en el estudio de series autorregresivas en espacios de
Hilbert y comprendera bsicamente los puntos siguientes:
- Espacios funcionales y operadores sobre espacios de Hilbert
- Desarrollo de mtodos de proyeccin sobre espacios lineales cerrados
- Descomposicin de Wold en espacios de Hilbert
- Modelos autorregresivos y de medias mviles sobre espacios de Hilbert
- Aplicacin con datos simulados y reales
Un segundo trabajo consistira en realizar un anlisis comparativo de mtodos de
remuestreo con datos funcionales para la estimacin del error de prediccin, junto con
su implementacin computacional. Este trabajo comprendera los puntos siguientes:
- El problema de la estimacin del error de prediccin
- Mtodos de validacin cruzada
- Estimacin del error de prediccin basada en bootstrap
- Implementacin computacional
- Aplicaciones con datos simulados y reales
Bibliografa
Aguilera A.M., Escabias M., Valderrama M.J. (2008). Forecasting binary

longitudinal data by a functional PC-ARIMA model. Comp. Stat. Data Anal. 52(6),
Pg. 153
3187-3197.

Antoniadis A., Sapatinas T, (2003). Wavelet methods for continuous-time

prediction using Hilbert-valued autoregresivve processes. J. Multivariate Anal.
87(1), 133-158.
Bosq D, (2007). Inference and Prediction in Large Dimensions. Wiley, Chichester.
Bosq D, (2007). General linear processes in Hilbert spaces and prediction. J.

Statist. Plann. Inference. 137(3), 879-894.
Bouzas P.R., Valderrama M.J., Aguilera A.M., Ruiz-Fuentes N. (2006). Modelling

the mean of a doubly stochastic Poisson process by functional data analysis.
Computational Statistics and Data Analysis, 50 (10), 2655-2667.
Dehling H,, Sharipov O.S. (2005). Estimation of mean and covariance operator for
Banach space valued autoregressive processes with dependent innovations. Stat.
Inf. Stoch. Proc. 8(2), 137-149.
Escabias, M., Aguilera, A.M., Valderrama, M.J. (2004). Principal component

estimation of functional logistic regression: discussion of two different approaches.
Journal of Nonparametric Statistics, 16 (3-4), 365-38.
Mas A., Pumo B. (2007). The ARHD model. J. Stat. Plann. Inference. 137(2), 538
553.
Ocaa-Lara F., Aguilera A.M., Escabias M. (2007). Computational considerations

on functional princip3al component analysis. Comp. Stat., 22(3), 449-465.
Ramsay J.O., Silverman B.W. (2005). Functional Data Analysis. Springer, N.Y.
Ramsay J.O., Silverman B.W. (2002). Applied Functional Data Analysis. Springer,
N.Y.
Yao F., Mller H.G., Wang J.L. (2006). Functional linear regression analysis for
longitudinal data. Ann. Stat. 33(6), 2873-2903.
Valderrama M.J., Aguilera A.M. and Ocaa-Lara F.A. (2000). Prediccin Dinmica
mediante Anlisis de Datos Funcionales. Introduccin a los Modelos PCP. La
Muralla, Madrid.
Valderrama M.J (2007). An overview to modelling functional data. Comp. Stat.,

22(3), 331-334.
Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Ttulo: Anlisis multivariante y funcional del proceso de inercia

en modelos de funcin de transferencia (2005).
Autor: Francisco M. Ocaa Peinado.
Director: Mariano J. Valderrama.
Ttulo: Eficacia del barniz de clorhexidina-timol en la salud oral

de un grupo de ancianos institucionalizados (2005).
Autor: Javier Clavero Gonzlez.
Directores: Pilar Baca y Mariano J. Valderrama.
Aguilera, A.M., Escabias, M. and Valderrama, M.J. (2008).

Discussion of different logistic models with functional data.
Application to Systemic Lupus Erythematosus. Computational
Statistics and Data Analysis, 53(1), 151-163.
Bouzas P.R., Valderrama M.J., Aguilera A.M. (2006). On the

characteristic functional of a doubly stochastic Poisson process:
application to a narrow-band process. Applied Mathematical
Modelling, 30 (9), 1021-1032.
Ocaa F.A., Aguilera A.M., Escabias M. (2007). Computacional

considerations on functional principal component analysis.
Computational Statistics, 22 (3), 449-465.
Escabias M., Aguilera A.M., Valderrama M.J. (2006). Forecasting

binary longitudinal data by a functional PC-ARIMA model.
Computational Statistics and Data Analysis, 52 (6), 3187-3197.
Valderrama M.J, Ocaa, F.A., Aguilera, A.M. and Ocaa
Pg. 154
Peinado, F.M. (2009). Forecasting pollen concentration by a twostep functional model. Biometrics, in press.
Proyecto de
investigacin
Aplicaciones biomdicas de nuevas metodologas de prediccin

de variables de respuesta discreta a partir de datos funcionales.
Entidad financiadora: Consejera de Innovacin, Ciencia y
Empresa de la Junta de Andaluca. Duracin: 2006-2009
I.P.: Ana M. Aguilera del Pino. Clave: P06-FQM-01470.
Desarrollo de aplicaciones psicomdicas mediante modelos de

regresin funcional.
Entidad financiadora: Direccin General de Investigacin del
M.E.C. Duracin: 2007-2010
I.P.: Ana M. Aguilera del Pino. Clave: MTM2007-63793.
Pg. 155

Ttulo
Modelos de respuesta discreta en R y aplicacin con datos reales
Profesor(es)
Ana Mara Aguilera Del Pino (responsable) (http://www.ugr.es/local/aaguiler)

Manuel Escabias Machuca (http://www.ugr.es/local/escabias)
Descripcin
En la formulacin de los modelos de regresin de respuesta categrica existen multitud

de variantes dependiendo de si la respuesta es binaria o de categoras mltiples
(ordinal o nominal) o de la funcin link asociada al modelo lineal generalizado. As, por
ejemplo, distinguimos entre modelos logit y probit para respuesta binaria, o entre los
modelos logit de categora de referencia para respuesta nominal y los modelos logit
acumulativos y los modelos de categoras adyacentes para el caso de respuesta
ordinal, as como muchos otros menos conocidos como los continuation-ratio logit
models, mean response models, discrete-choice multinomial logit models, etc (ver
Agresti, 2002).
La mayora del software estadstico estndar existente (SPSS, STATGRAPHICS,)
slo posee mdulos para el ajuste de los modelos ms comunes: modelo logstico
binario, de respuesta nominal de categora de referencia o de respuesta ordinal
acumulativo de ventajas proporcionales. Hay otros programas como R que permiten
adaptar mdulos diseados con otros fines para ajustar tanto los modelos ms usuales
como los menos habituales. Sin embargo no poseen herramientas especficas para
estos modelos ms particulares, con la consiguiente ausencia de mtodos de anlisis
de bondad de ajuste, etc.
El primer objetivo de esta lnea de trabajo es el estudio detallado de las adaptaciones
anteriormente citadas para el ajuste de modelos de regresin de respuesta categrica
no estndares con herramientas diseadas para otros fines. Adems se pretende
programar en R, de manera eficiente e integrada, el ajuste de los citados modelos, lo
que permitir evaluar los apartados de bondad de ajuste, anlisis de los residuos,
problemas de multicolinealidad, separacin, etc., asociados a un conjunto de datos. Se
pretende tambin investigar soluciones para los distintos problemas que surgen en los
citados modelos como el caso de el uso de regresin en componentes principales o
regresin PLS para el problema de la multicolinealidad, definiendo en su caso las
componentes PLS para modelos no lineales como son los de respuesta discreta.
Como segundo objetivo de esta lnea de trabajo se propone un estudio detallado de un
problema real utilizando modelos de respuesta categrica (especialmente del mbito
biosanitario) comenzando con la definicin del problema, bsqueda bibliogrfica de
publicaciones relacionadas con el mismo, anlisis de la informacin disponible y
necesaria para responder al problema, ajuste del/los modelo/s ms adecuado/s y
anlisis de los resultados.
otros)

Estadstica y Clculo de Probabilidades as como el manejo de software estadstico. En
concreto se precisan conocimientos previos bsicos sobre Anlisis de Regresin y
Anlisis de Datos Multivariantes.
Debido al ltimo objetivo del trabajo, ser requisito haber cursado las asignaturas del
mster Modelos de Respuesta Discreta. Aplicaciones Biosanitarias y para una posible
generalizacin al mbito funcional de los primeros objetivos marcados, el de Anlisis
de Datos Funcionales.
Plan de trabajo
El proyecto comienza con una revisin bibliogrfica sobre regresin de modelos de

respuesta mltiple y el ajuste con R de alguno de ellos que permita al alumno adquirir
unos conocimientos bsicos tericos sobre dichas tcnicas as como su tratamiento
Pg. 156
computacional, detectando las limitaciones que los mtodos de ajuste puedan

presentar. El alumno confeccionar un informe sobre dichas limitaciones.
A continuacin, elaborar los programas necesarios en R para un anlisis completo de
un conjunto de datos reales mediante el modelo seleccionado.
Seguidamente, y a partir de un conjunto de datos propuesto por los directores, y
utilizando tanto los programas estadsticos disponibles como los efectuados por el
alumno, comparar los resultados de los ajustes con los programas existentes y los
desarrollados por el alumno.
Estos trabajos podrn desembocar en un proyecto de tesis doctoral en el que el
alumno, con la formacin adquirida y el material desarrollado como consecuencia de
los mismos, realizar aportaciones en la generalizacin de la regresin PLS en el caso
de respuesta discreta tanto nominal como ordinal y llegado el caso de modelos de
regresin funcionales de respuesta discreta.
Bibliografa
Currculum del profesor

(en relacin con la lnea de
investigacin)
Agresti, A. (2002). Categorical Data Analysis, 2nd Edition. Wiley.
Aguilera del Pino, A.M. (2001). Tablas de Contingencia Bidimensionales.

Coleccin Cuadernos de Estadstica (15). La muralla.
Aguilera del Pino, A.M. (2006). Modelizacin de tablas de contingencia

multidimensionales (Coleccin Cuadernos de Estadstica, 33). La Muralla.
Aguilera, A.M., Escabias, M. y Valderrama, M.J. (2006). Using principal

components for estimating logistic regression with high dimensional multicollinear
data. Comp. Statistics and Data Analysis, 50(8) 1905-1924.
Crawley, M.J. (2007). The R book. Wiley.
Hosmer, D.W. y Lemeshow, S. (1989). Applied Logistic regression. Wiley.
McCullagh, P. y Nelder, J. (1983). Generalized linear models. Chapman and Hall.
Ramsay, J.O. & Silverman, B. W. (2005). Functional Data Analysis. Wiley.
Valderrama Bonnet M.J. Aguilera del Pino, A.M. y Ocaa Lara F.A. (2000).
Prediccin dinmica mediante anlisis de datos funcionales: introduccin a los
modelos PCP. La muralla.
Publicaciones
(mximo 5)
Escabias, M., Aguilera, A.M. y Valderrama, M.J. (2004). Principal

component estimation of functional logistic regression:
discussion of two different approaches. Journal of Nonparametric
Statistics, 16(3-4), 365-38
Aguilera, A.M., Escabias, M. y Valderrama, M.J. (2006). Using

principal components for estimating logistic regression with high
dimensional multicollinear data. Comp. Statistics and Data
Analysis, 50(8) 1905-1924.
Escabias, M., Aguilera, A.M. y Valderrama, M.J. (2007).

Functional PLS logit regression. Computational Statistics and
Data Analysis, 51(10) 4891-4902
Aguilera, A.M., Escabias, M. y Valderrama, M.J. (2008).

Forecasting binary longitudinal data by a functional PC-ARIMA
model. Computational Statistics and Data Analysis, 52(6) 3187-
Pg. 157
3197
Proyecto de
investigacin
Aguilera, M.J., Escabias, M. y Valderrama, M.J. (2008).

Discussion of different logistic methods with functional data.
Application to Systemic Lupus Erithematous. Computational
Statistics and Data Analysis 53(1),151-163
Aplicaciones biomdicas de nuevas metodologas de prediccin

de variables de respuesta discreta a partir de datos funcionales.
Entidad financiadora: Consejera de Innovacin, Ciencia y
Empresa de la Junta de Andaluca. Duracin: 2006-2009
I.P.: Ana M. Aguilera del Pino. Clave: P06-FQM-01470.
Desarrollo de aplicaciones psicomdicas mediante modelos de

regresin funcional.
Entidad financiadora: Direccin General de Investigacin del
M.E.C. Duracin: 2007-2010
I.P.: Ana M. Aguilera del Pino. Clave: MTM2007-63793.
Pg. 158

Ttulo
Problemas de Estadstica Industrial y su tratamiento computacional con R
Profesor(es)
M. Luz Gmiz Prez (responsable) (www.ugr.es/local/mgamiz)

Mara Dolores Martnez Miranda (www.ugr.es/local/mmiranda)
Descripcin
Casi en cualquier mbito de la vida estamos sujetos al funcionamiento de mquinas,

que en determinados momentos sufrirn averas y debern ser reparadas total o
parcialmente. Las labores de prevencin de estas averas as como la valoracin
previa del perjuicio producido por las mismas, en trminos econmicos la mayora de
las veces, se convierte en un problema de gran relevancia en la sociedad actual. De
hecho, las industrias modernas incorporan entre sus plantillas, expertos en fiabilidad
de sistemas capaces de disear polticas de mantenimiento con el fin reducir costos y
optimizar el rendimiento del sistema. En este contexto, resulta ciertamente til contar
con modelos matemticos adecuados para asistir en las tareas de mantenimiento de
sistemas reparables. Modelos que expliquen el comportamiento a travs del tiempo
de determinados sistemas reales. Concretamente nosotros nos interesaremos en
sistemas con reparacin perfecta y sistemas con reparacin mnima.
Se tratar fundamentalmente de ajustar un modelo que permita describir el
funcionamiento de un sistema reparable con la informacin muestral obtenida de la
observacin de un sistema real o simulado. En este sentido nos encontraremos con
una importante caracterstica de los datos de tiempos de fallo: la censura.
El objetivo principal de este trabajo es la elaboracin de un software libre y abierto
que permita analizar la disponibilidad de sistemas reparables.
Se aprovecharn los recursos disponibles en R, que implementa en distintas libreras
especficas determinadas funciones, que sern de utilidad en este trabajo,
concretamente recurriremos a los libros distr, eha, survival y survrec.
otros)

Estadstica y Clculo de Probabilidades.
Se aconseja a los alumnos que hayan realizado los siguientes cursos:
compresin y correcta manipulacin de datos de fiabilidad);
(para la
Evaluacin de la fiabilidad y mantenimiento de sistemas de ingeniera (para el

conocimiento de los modelos matemticos bsicos usados en fiabilidad de
sistemas);
Entornos de Computacin Estadstica (para el desarrollo de los aspectos
computacionales del trabajo).
Plan de trabajo
El trabajo se plantea en una serie de etapas:

En primer lugar, se llevar a cabo una revisin de los modelos matemticos ms
usuales en sistemas reparables
Procesos de renovacin;
Proceso de Poisson no homogneo.
A continuacin se disearn diferentes planes de mantenimiento de sistemas
teniendo en cuenta al menos los siguientes factores:
Mantenimiento correctivo y/o preventivo;
Reparacin total o parcial;
Pg. 159
Reparacin perfecta o minimal.

Estructura del sistema (sistemas 0-1 y sistemas con ms de dos estados).
Se estimarn las medidas de funcionamiento del sistema (fiabilidad y disponibilidad)
en funcin de sus caractersticas particulares.
Se elaborarn programas en R que permitan:
evaluar la disponibilidad de un sistema reparable;
ajustar un modelo matemtico que explique su evolucin en el tiempo;
calcular el nmero de fallos observados en un intervalo de tiempo prefijado;
evaluar el rendimiento del sistema (estimar el costo/beneficio obtenido).
Bibliografa

Gmiz, M.L. (2000). Introduccin a los procesos estocsticos. Cadenas de

Markov y Procesos de Renovacin. Universidad de Granada.
Leemis, L. (2004). Nonparametric estimation and variate generation for a

nonhomogeneous Poisson process from event count data, IIE Transactions, 36,
1155-1160.
Lindqvist, B.H. (2006) On the statistical modeling and analysis of repairable

systems, Statistical Science, 21, 4, 532-551.
Meeker, W. y Escobar, L. (2001). Software for reliability analysis and test

planning. Brazilian Journal of Probability and Statistics, 15, 169-200.
Nelson, W. (2002). Graphical analysis of repair data. Quarter 4, Vol. 3, Is. 3.
Prez Ocn, R., Gmiz Prez, M.L. y Ruiz Castro, J.E. (1998). Mtodos
estocsticos en Teora de la Fiabilidad. Proyecto Sur de Ediciones, S.L.
Rigdon, S.E. y Basu, A.P. (2000). Statistical methods for the reliability of
repairable systems. Wiley.
Tesis doctorales
dirigidas
recientemente
Publicaciones
(mximo 5)
Gmiz, M.L. y Roman, Y. (2008) Non-parametric

estimation of the availability in a general repairable
system, Reliability Engineering and System Safety, 93,
pp. 1188-1196.
Gmiz, M.L. y Romn, Y. (2008). Smooth estimation of
the availability function of a repairable system. ESREL
2008
Carrion, A. Debon, A. Cabrera, E. Gmiz, M.L. y
Solano, H. (2008). Failure risk analysis in water supply
networks, ESREL 2008.
Gonzlez Manteiga, W., Martinez Miranda, M.D. and
Prez Gonzlez, A. (2004) The choice of smoothing
parameter in nonparametric regression through wild
bootstrap, Computational Statistics and Data Analysis,
487-515.
Pg. 160

Ttulo
Tcnicas de anlisis de datos de proximidad y su tratamiento computacional.
Profesor(es)
Jos Fernando Vera Vera (http://www.ugr.es/local/jfvera)
Descripcin
Uno de los problemas ms interesantes en muchas disciplinas se plantea cuando

necesitamos medir y entender las relaciones entre objetos, siendo desconocidas las
dimensiones subyacentes de los mismos, especialmente en aquellas situaciones en
las que la informacin disponible se refiere exclusivamente a la semejanza o
desemejanza entre los elementos que son motivo de estudio. El anlisis
multidimensional de estructuras mediante proximidades o Multidimensional Scaling
(MDS) puede definirse como un conjunto de tcnicas para el anlisis de datos de
similaridad o de disimilaridad sobre un conjunto de objetos o variables. En general,
las medidas de proximidad son modelizadas mediante distancias en un espacio
mtrico de dimensin baja para obtener una representacin visual de la estructura
de los datos, lo que adems de resultar ms fcil de entender que una tabla de
datos, permite mostrar la informacin esencial minimizando las perturbaciones
debidas a errores.
Existen diferentes tipos de MDS en funcin de la geometra utilizada para la
representacin de los datos, el tratamiento estadstico de los errores, o los
procedimientos empleados para encontrar una representacin ptima de los mismos,
entre otras caractersticas. La gran flexibilidad del MDS ha hecho que adems,
algunos modelos hayan sido combinados tericamente con otras tcnicas
tradicionales del Anlisis Multivariante como el anlisis clster para facilitar la
interpretacin de los datos. Desde otra perspectiva, el MDS tambin ha sido
empleado como herramienta fundamental en campos de la estadstica tan diferentes
como los procesos espacio-temporales.
Dada la gran flexibilidad de la tcnica y puesto que no existen soluciones exactas
para la estimacin de la configuracin en MDS, el desarrollo de las tcnicas
especficas de cada problema en cuestin y su tratamiento computacional constituye
una rea de investigacin muy atractivo y de gran actualidad, en la que las tcnicas
de optimizacin heurstica juegan un papel importante. En esta lnea de
investigacin, el alumno tiene la posibilidad de realizar importantes aportaciones en
el desarrollo de modelos de MDS que den respuesta a problemas especficos en
mbitos diferentes, no solo desde el punto de vista terico sino tambin desde la
perspectiva computacional mediante el desarrollo de procedimientos de estimacin
eficientes frente al problema de mnimos locales.
otros)
Para el desarrollo de la investigacin en este campo se requiere por parte del

alumno un conocimiento medio-avanzado en Matemticas, Estadstica y Clculo de
Probabilidades. En particular, es recomendable tener conocimientos medios en
Anlisis Multivariante y Tcnicas de Regresin. Por otra parte, el conocimiento de
lenguajes de programacin avanzada como R o MatLab, as como paquetes
estadsticos avanzados como SPSS es a su vez muy recomendable.
Es por tanto aconsejable que el alumno haya realizado alguna asignatura
relacionada con la Estadstica Computacional y el Anlisis Exploratorio de Datos.
Pg. 161
Plan de trabajo
Bibliografa

Esquemticamente, el plan de trabajo para el desarrollo de la investigacin sera:

1.
Revisin bibliogrfica exhaustiva sobre los modelos existentes

Unfolding.
2.
Estudio del problema de estimacin en algoritmos exploratorios y

probabilsticos. Determinacin y desarrollo del modelo y procedimiento de
estimacin.
3.
Implementacin en Fortran, MatLab o R y anlisis comparativo. Estudio de

eficiencia heurstica y comparativa.
4.
Estudio de simulacin y anlisis de datos reales.
5.
Publicacin de resultados.
Borg I, Groenen PJF. (2005). Modern Multidimensional Scaling. Theory and

Applications. Springer Series in Statistics; Springer: second edition.
Cox TF, Cox MAA. (2001). Multidimensional Scaling. Monographs on Statistics

and Applied Probability 88; Chapman Hall/CRC: second edition.
Lange K. (1998). Numerical Analysis for Statisticians. Springer.
Mardia KV, Kent JJ, Bibby JM. 1980. Multivariate Analysis. Academic Press.
Ramsay JO. (1977). Maximum likelihood estimation in multidimensional scaling.

Psychometrika, 42; 241-266.
Vera, J.F. (1993). Inferencia en MDS y su tratamiento computacional. Tesis

doctoral.
Vera, J.F. Macas, R. Heiser, W.J. (2008). A Dual Latent Class Unfolding Model
for Two-Way Two-Mode Preference Rating Data. Computational Statistics and
Data Analysis. Special Issue on Correspondence Analysis and Related Methods.
53 (8), 3231-3244 doi:10.1016/j.csda.2008.07.019
Tesis doctorales
dirigidas
recientemente
de MDS y
Dimensionalidad en
Multidimensional Scaling y su
tratamiento computacional. Directores: Jos Fernando Vera
y Andrs Gonzlez Carmona. Universidad de Granada.
(2000).
Representacin de asociaciones mediante MDS y su
tratamiento computacional.
Director: Jos Fernando Vera Vera. Acreditacin de
Doctorado Europeo, con calificacin de Apto Cum Laude
por unanimidad. Universidad de Granada. (2004).
Modelos de clasificacin y Multidimensional Scaling y su
tratamiento computacional.
Director: Jos Fernando Vera Vera. Acreditacin de
Doctorado Europeo, con calificacin de Apto Cum Laude
por unanimidad. Universidad de Granada. (2009).
Pg. 162
Publicaciones
(mximo 5)
Vera, J.F. Macas, R. Heiser, W.J. (2009). A Dual Latent

Class Unfolding Model for Two-Way Two-Mode Preference
Rating Data. Computational Statistics and Data Analysis.
Special Issue on Correspondence Analysis and Related
Methods. 53 (8), 3231-3244.
Vera, J.F. Macas, R. Heiser, W.J. (2008). A Latent Class
Multidimensional Scaling Model for Two-Way One-Mode
Continuous Rating Dissimilarity Data. Psychometrika.
doi:10.1007/s11336-008-9104-x
Vera, J.F., Macas, R., Angulo, J.M. (2008). A latent class
MDS model with spatial constraints for non-stationary

spatial covariance estimation, Stochastic Environmental
Research and Risk Assessment, doi:10.1007/s00477-0080257-z
Vera, J.F., Macas, R., Angulo, J.M. (2008). Non-stationary

spatial covariance structure estimation in oversampled
domains by cluster differences scaling with spatial
constraints. Stochastic. Environmental Research and Risk
Assessment, 22, 95-106.
Vera, J.F., Heiser, W.J., Murillo, A. (2007). Global
Optimization in any Minkowski Metric: A PermutationTranslation
Simulated
Annealing
Algorithm
for
Multidimensional Scaling. Journal of Classification, 24, 277301.
Proyectos de
investigacin
Mapa de la economa social en Andaluca en el mbito

municipal mediante tcnicas de clasificacin y
escalamiento multidimensional. Anlisis prospectivo.
Entidad: Confederacin de Empresarios de Andaluca
(CEPES). Centro Andaluz de Prospectiva.
Pg. 163
6. PERSONAL ACADMICO
6.1. Profesorado y otros recursos humanos necesarios y disponibles
para llevar a cabo el plan de estudios propuesto. Incluir
informacin sobre su adecuacin.
Personal acadmico disponible, especificando su categora acadmica, su tipo de
vinculacin a la universidad, su experiencia docente e investigadora o profesional.
Adecuacin a los mbitos de conocimiento fundamentales del ttulo.
Para la implantacin del Mster en Estadstica Aplicada, el Departamento de Estadstica e
Investigacin Operativa de la Universidad de Granada cuenta con profesorado disponible, ya
formado y con suficiente experiencia docente e investigadora para llevar a cabo el plan de
estudios propuesto. Actualmente la plantilla del Departamento est formada por 8 catedrticos
de universidad, 1 catedrtico de escuela universitaria, 29 titulares de universidad, 3 titulares de
escuela universitaria, 10 contratados doctores y 14 profesores con otros tipos de contratos.
La adecuacin de su experiencia a los mbitos de conocimiento asociados al ttulo no ofrece
ninguna duda puesto que todos ellos participan desde hace varios aos en docencia del rea de
Estadstica e Investigacin Operativa en diferentes diplomaturas (Estadstica, Relaciones
Laborales, etc.) y licenciaturas (Ciencias y Tcnicas Estadsticas, Matemticas, Biolgicas,
Medicina, Trabajo Social, etc.) que se enmarcan en el mismo contexto formativo que el Mster
que se propone, as como en diferentes programas de doctorado y msteres (Matemticas,
Fisymat, Estadsticas Pblicas, etc.)
El siguiente cuadro resume algunas caractersticas del profesorado del Departamento de
Estadstica e Investigacin Operativa de la Universidad de Granada que participar (tanto en la
docencia como en la direccin de trabajos) en el Mster el prximo curso acadmico 2009/10.
Aunque esta ser la plantilla de partida, podra darse la situacin de que en sucesivos cursos
puedan incorporarse otros profesores con un perfil similar.
RESUMEN Plantilla de profesorado curso 2009-2010

Categora acadmica
Vinculacin
a la
universidad
N de
quinquenios
docentes
N de
sexenios de
investigacin
Sexo
Femenino
Masculino
Catedrtico de
Universidad (CU) o
Acreditado a CU
10
Funcionario
50
27
Titular de
Universidad (TU)
15
Funcionario
48
26
10
Acreditado a TU
Contrato indefinido
Contratado Doctor
Contrato indefinido
1
2
Hay que destacar que, con el objetivo de ofrecer un nivel de calidad acadmico y cientfico
elevado, adems del profesorado del Departamento de Estadstica de la Universidad de
Pg. 164
profesorado participante en el Mster en las actividades de formacin complementarias.

Entre ellos, mencionamos a los siguientes:
- Seichii Nakamori (Universidad de Kagoshima, Japn)
- Georges Christakos (Universidad Estatal de San Diego, California)
- Nikolai Leonenko (Universidad de Cardiff, UK)
- Jos Antonio Daz Garca (Universidad de Saltillo, Mxico)
- Antonio Pascual Acosta (Universidad de Sevilla)
as como profesionales de empresas:
- Julio Angulo Ibez (Caja Madrid)
- Silvia Copete Pea (Instituto de Estadstica de Andaluca)
- Antonio Martnez Lpez (Instituto Nacional de Estadstica)
y miembros de las empresas colaboradoras.
En lo que se refiere a su experiencia investigadora mostramos el siguiente cuadro que resume
la produccin cientfica en los ltimos aos de los profesores que participan en el Mster el
prximo curso acadmico 2009/10.
PRODUCCIN CIENTFICA
Artculos en revistas
Artculos en revistas JCR
Libros y captulos de libros
Congresos Internacionales
Congresos Nacionales
Proyectos/contratos de investigacin
Tesis doctorales dirigidas
2004
52
41
16
47
39
4
4
2005
52
40
12
32
6
9
9
2006
63
46
16
25
28
5
5
2007
63
50
15
32
34
1
1
2008
70
60
9
50
7
3
3
Total
298
237
68
186
114
22
22
En el cuadro anterior se han reflejado los mismos tems que en la evaluacin de la ACTIVIDAD
INTERANUAL DE LOS GRUPOS DE INVESTIGACIN Y DESARROLLO TECNOLGICO
ANDALUCES, contndose una sola vez aquellas aportaciones en las que participen dos o ms
profesores del Mster.
Adecuacin del profesorado disponible
La plantilla para el prximo curso acadmico 2009/10 est formada por 30 profesores, todos
doctores, de los cuales el 33.3% son CU o acreditados a CU, el 53.3% son TU o acreditado a
TU, y el 13.4% son Contratados Doctor.
La adecuacin del profesorado se ve avalada por la amplia experiencia docente e investigadora,
reconocida mediante la concesin de quinquenios docentes y sexenios de investigacin.
Experiencia docente: el 20% del profesorado funcionario tienen 6 quinquenios reconocidos, el
20% tienen 5 quinquenios, el 8% tiene 4 quinquenios, el 40% tiene 3, el 8% tiene 2 y el 4%
tiene 1 quinquenio. El nmero medio de quinquenios por profesor implicado en el mster es de
3.92 (el nmero medio de quinquenios de los CU y acreditados a CU es de 5 y el de los TU de
2.84).
Experiencia investigadora: el 4% del profesorado funcionario tienen reconocidos 5 sexenios de
investigacin, el 8% tienen 4 sexenios, el 12% tienen 3 sexenios, el 52% tienen 2 dos sexenios
y el 20% tienen 1 sexenio de investigacin reconocido. El nmero medio de sexenios por
profesor implicado en el mster es de 2.12 (el nmero medio de sexenios de los CU y
acreditados a CU es de 2.7 y el de los TU de 1.54).
En los ltimos aos, hay que destacar especialmente dentro de la produccin cientfica de los
profesores que participan en el mster, las 237 publicaciones indexadas en revistas JCR.
Adems, hay que indicar que el 36.7% de los profesores han sido o son Investigador Principal
de proyectos de investigacin y el 56.7% han dirigido tesis doctorales. La produccin cientfica
Pg. 165
del profesorado del mster garantiza la adecuada direccin de los Trabajos de Fin de Mster y
la adquisicin de algunas de las competencias relacionadas con la formacin investigadora.
Tambin hay que destacar que la participacin en proyectos y contratos de transferencia a
empresas asegura que, en el carcter cientfico del mster, tenga cabida un enfoque aplicado.
Por otra parte, tambin hay que destacar que el profesorado con docencia en el Mster ha
desarrollado y completado un amplio nmero de proyectos de innovacin docente (algunos de
ellos galardonados con premios y distinciones a la innovacin docente) as como proyectos de
mejora y experiencias piloto de implantacin del EEES en distintas titulaciones.
Con estos antecedentes, no hay duda de que el profesorado disponible es adecuado y suficiente
para ejercer las funciones docentes as como las de direccin de Trabajos de Fin de Mster,
tutoras y coordinacin de docencia y prcticas de empresa.
Otros recursos humanos disponibles
El personal de apoyo disponible para el desarrollo del Mster Universitario propuesto, est
compuesto por el Personal de Administracin y Servicios (PAS) vinculado al mbito del mismo.
As mismo, en la Facultad de Ciencias de la Universidad de Granada, centro en el que tiene su
sede el Departamento de Estadstica e Investigacin Operativa, tambin tiene su puesto de
trabajo personal auxiliar que desempea tareas de limpieza, que atiende el servicio de
reprografa y la cafeteracomedor. Todos estos servicios estn a cargo de empresas
contratadas por la Universidad.
Dado el carcter virtual del mster se cuenta con el apoyo del Centro de Enseanzas Virtuales
de la Universidad de Granada (CEVUG). Este centro presta su asistencia durante las fases de
diseo y desarrollo del Mster en su parte de docencia. El personal de este centro es el
encargado de gestionar la plafaforma virtual desde la que se desarrollan los cursos, asi como
orientar a los profesores en la creacin de los cursos virtuales y verifica la adecuacin y
viabilidad de los materiales y recursos diseados. Para ello el CEVUG ofrece a los profesores
cursos acerca de los aspectos metodolgicos del modelo educativo virtual.
Adems de
establecer una fluida y satisfactoria comunicacin a travs de los distintos mediios de contacto
que ofrecen desde su web (http://cevug.ugr.es/).
Mecanismos de que se dispone para asegurar la igualdad entre hombres y

mujeres y la no discriminacin de personas con discapacidad.
La Universidad de Granada, en tanto que es un organismo pblico, cumple los requisitos de
contratacin del profesorado y del personal de apoyo, atendiendo a los criterios de igualdad
entre hombres y mujeres y de no discriminacin de personas con discapacidad, recogidos en La
Ley Orgnica 3/2007 de 22 de marzo para la igualdad entre hombres y mujeres y en la Ley
Orgnica 51/2003 de 2 de diciembre, de igualdad de oportunidades, no discriminacin y
accesibilidad universal de las personas con discapacidad.
De acuerdo con esta disposicin, en el ao 2007, la UGR puso en marcha la Unidad para la
igualdad entre hombres y mujeres en la UGR. En su estructura estn representados los tres
sectores de la Comunidad Universitaria: profesorado, PAS y alumnado.
Los objetivos de la Unidad de Igualdad son los siguientes:
1) Elaborar un diagnstico de las desigualdades existentes en los tres sectores que
componen el colectivo de la Universidad. El primer diagnstico sobre la situacin de
las mujeres en la UGR se realiz el curso acadmico 2007-2008.
2) Disear un plan de igualdad que incluya, entre otros aspectos:
La realizacin de estudios con la finalidad de promover la igualdad entre mujeres
y hombres en las reas de actividad de la Universidad.
La reelaboracin de la informacin estadstica, desagregada por sexos.
La elaboracin de informes de impacto de gnero de las medidas que se
Pg. 166
aprueben.
El fomento del conocimiento, en la Comunidad Universitaria, del alcance y
significado del principio de igualdad, mediante propuestas de acciones formativas.
La visibilizacin del sexismo, la sensibilizacin y la creacin de un estado de
opinin.
Este Plan se encuentra en vas de desarrollo y obedece a las exigencias de la mencionada Ley
Orgnica 3/2007, en virtud de la cual las empresas privadas y pblicas de ms de doscientos
cincuenta trabajadores han de elaborar y aplicar un plan de igualdad (art. 45). Los planes de
igualdad tendrn que fijar los conceptos, objetivos de igualdad, las estrategias y prcticas a
realizar para su consecucin, as como la definicin de sistemas eficaces para el seguimiento y
evaluacin de los objetivos fijados (art. 46).
La Unidad de la Igualdad de la UGR prev las siguientes medidas de actuacin:
1) Actualizar de la normativa de la UGR para adaptarla a las reformas legales sobre la
igualdad de gnero, especialmente la Ley de Igualdad y la Ley Andaluza de
Igualdad.
2) Trabajar, junto a los rganos de gobierno de la UGR, en el desarrollo de las
medidas establecidas el Plan estratgico y en el Contrato programa con la Junta de
Andaluca en relacin al tema de la igualdad de gnero.
3) Promover la presencia equilibrada de hombres y mujeres en todos los rganos
colegiados.
4) Actualizar la normativa de Recursos Humanos (PAS Y PDI) para incorporar en ella
las modificaciones de las nuevas leyes de igualdad.
5) Incorporar la perspectiva de gnero en los contenidos de la enseanza y la
investigacin.
6) Conseguir una representacin equilibrada en los diferentes rganos y niveles de
toma de decisiones.
7) Crear una base documental para la creacin del Plan de Igualdad.
8) Formular las medidas con precisin, con el fin de facilitar su aplicacin y evaluacin.
9) En el mbito del personal de administracin y servicios, realizar un estudio de la
RPT para estudiar la distribucin de puestos entre mujeres y hombres,
distinguiendo entre personal laboral y funcionario.
10) Estudiar la situacin de representacin en los diferentes rganos de gobierno.
11) Realizar estudios con el objetivo de conocer la percepcin del alumnado sobre su
formacin y su conducta ante la Igualdad entre mujeres y hombres.
12) En el mbito de la docencia, crear un banco de datos de las asignaturas que
incluyen las relaciones de gnero dentro de su objeto de estudio.
13) En el mbito de la investigacin, crear un banco de datos de grupos de
investigacin con lnea de gnero y de grupos que incluyen el gnero entre sus
lneas de investigacin.
14) Concienciar a la Comunidad Universitaria para y en la Igualdad.
15) Proteger a los miembros de la Comunidad Universitaria que puedan ser vctimas de
la violencia (tanto mujeres como hombres).
16) Tutelar para que se cumpla la ley de Igualdad en todos los tribunales de la
Universidad de Granada (funcin base del Observatorio).
17) Realizar un Congreso de Informacin de medidas de la Unidad de Igualdad.
18) Fomentar las asociaciones de mujeres de mbito universitario.
Por otro lado, la Ley 51/2003, de 2 de diciembre, de igualdad de oportunidades, no
discriminacin y accesibilidad universal de las personas con discapacidad establece las
directrices para garantizar la igualdad de este colectivo. De acuerdo con ello, la UGR asegura
que la contratacin del profesorado se realice atendiendo a los criterios de igualdad entre
hombres y mujeres y de no discriminacin de personas con discapacidad.
Recientemente, la UGR aprobaba, el 8 de octubre, la normativa de aplicacin de la UGR que
regula el procedimiento de los concursos pblicos de acceso a los cuerpos docentes
universitarios. En ella se estableca la necesidad de que la composicin de las comisiones
cumpla con el principio de equilibrio entre hombres y mujeres, salvo que no sea posible por
Pg. 167
razones fundadas y objetivas debidamente motivadas (art. 7).
Mecanismos para asegurar que la contratacin del profesorado se realice

atendiendo a los criterios de igualdad entre hombres y mujeres y de no
discriminacin de personas con discapacidad
La normativa que rige para la contratacin de personal docente en la Universidad de Granada
puede consultarse en la pgina web: http://academica.ugr.es/pages/profesorado/normativa.
Tanto las normas que regula el acceso a los cuerpos docentes universitarios como la que regula
el personal laboral tiene en cuenta los criterios de igualdad entre hombres y mujeres as como
la no discriminacin de personas con discapacidad.
La normativa de la UGR responde a las exigencias del Real Decreto 1313/2007, de 5 de
octubre, por el que se regula el rgimen de los concursos de acceso a cuerpos docentes
universitarios. Dicho Decreto
establece en su artculo 6.3 que La composicin de las
Comisiones de seleccin deber ajustarse a los principios de imparcialidad y profesionalidad de
sus miembros, procurando una composicin equilibrada entre mujeres y hombres, salvo que no
sea posible por razones fundadas y objetivas debidamente motivadas. Por otro lado, la citada
legislacin establece en su artculo 8 que En los concursos de acceso quedarn garantizados,
en todo momento, la igualdad de oportunidades de los aspirantes, el respeto a los principios de
mrito y capacidad y el principio de igualdad de trato y de oportunidades entre mujeres y
hombres. Asimismo, el Real Decreto seala que Las Universidades garantizarn la igualdad de
oportunidades de las personas con discapacidad y adoptarn, en el procedimiento que haya de
regir en los concursos, las oportunas medidas de adaptacin a las necesidades de las personas
con discapacidad. Estos artculos han sido trasladados a la normativa de la UGR sobre los
concursos de acceso a los cuerpos docentes universitarios que recoge en la composicin de las
comisiones de seleccin y en el procedimiento de los concursos el respeto a la igualdad entre
hombres y mujeres y la no discriminacin de las personas con discapacidad (arts. 7.1. y 9.2).
Pg. 168
7. RECURSOS MATERIALES Y SERVICIOS

7.1 Justificacin de la adecuacin de los medios materiales y servicios
disponibles
Los mdulos de docencia del Mster Oficial en Estadstica Aplicada de la Universidad de
Granada se desarrollan a travs de una plataforma virtual soportada por el Centro de
Enseanzas Virtuales de la Universidad de Granada (CEVUG, http://cevug.ugr.es/)
dependiente del Vicerrectorado de Grado y Posgrado. Este es el rgano de la Universidad de
Granada encargado de gestionar las iniciativas en formacin virtual y de apoyo a la docencia
presencial con tecnologas basadas en Internet.
Tanto los profesores como los alumnos inscritos en el Mster reciben sendas claves que les
permiten acceder al Campus Online, en el que se gestiona todo el material de apoyo
multimedia, y las recomendaciones necesarias para que el alumno estudie segn su propio
ritmo de aprendizaje, bajo la tutela virtual del profesor.
El CEVUG dispone de personal de apoyo tcnico, http://cevug.ugr.es/personal.html,
cuyos objetivos son:
Informar y orientar a los profesores sobre las caractersticas de la edicin digital de
cursos y enseanza en lnea.
Asesorar a los autores en la preparacin de contenidos teniendo en cuenta las
posibilidades tecnolgicas de desarrollo de los mismos.
Prestar apoyo tcnico y asistencia a los participantes de los cursos virtuales durante
el transcurso de los mismos.
Servicios generales de la Universidad

La Universidad de Granada pone a disposicin de todos los estudiantes numerosos servicios,
entre los que destacamos los siguientes:
Cuenta de correo electrnico y espacio web personal gratuitos.
Acceso a la red de la Universidad para consulta de expediente, acceso a la biblioteca
elctrnica, utilizacin de programas con licencia acadmica, y otros servicios acadmicos.
Biblioteca Universitaria, http://www.ugr.es/~biblio, integrada en el Consorcio de
Bibliotecas de Andaluca, que ofrece, entre otros, los siguientes servicios de apoyo:
-
Plan de formacin con cursos especficos para estudiantes de nuevo ingreso de

cada titulacin, que ayudan al aprendizaje del uso de los servicios de biblioteca.
SADDIS, www.ugr.es/~biblio/servicios/sadis.html, Servicio de apoyo

documental al discapacitado, que facilita el acceso a los servicios bibliotecarios a
todos aquellos usuarios que tengan dificultad para hacerlo en las bibliotecas de
sus centros.
Pg. 169
Biblioteca electrnica, donde se pueden consultar numerosas revistas

electrnicas de Estadstica, Probabilidad, Matemticas, y de otras reas, as como
todas las bases de datos suscritas por la Universidad, libros, diccionarios y otras
fuentes de referencia electrnicas.
Comedores universitarios.
Servicios materiales de la Facultad de Ciencias
El Mster se imparte desde el curso 2008/09 desde el Departamento de Estadstica e
Investigacin Operativa, con sede en la Facultad de Ciencias, cuyos medios materiales y
servicios, estn a disposicin de esta titulacin.
La Facultad de Ciencias es un edificio situado en el centro de la ciudad de Granada, por lo que
resulta de fcil acceso desde toda la ciudad. Dispone de ascensores y rampas elevadoras a
todos los niveles, as como de baos para discapacitados en las diferentes secciones,
cumpliendo as los criterios de accesibilidad universal y diseo para todos, segn lo dispuesto
en la Ley 51/2003. A continuacin se describen los servicios clave proporcionados por la
misma:
-
RED WIFI en toda la facultad con acceso libre a todo el personal.
AULAS PARA DOCENCIA: Dispone de un total de 37 en el propio edificio ms 15 en un

aulario junto al Departamento de Estadstica. Todas las aulas disponen de pizarra de tiza,
conexin a Internet, y estn equipadas con ordenador, can de vdeo, retroproyector de
transparencias y pantalla abatible.
AULAS DE INFORMTICA: La facultad dispone de 10 aulas de informtica con equipamiento

docente fijo, atendidas por 3 tcnicos en horario de lunes a viernes de 8h a 14h y de 16h a
20h. Hay tres servidores RAMBO a disposicin de ellas, y todos los equipos tienen
instalados el sistema operativo Windows XP y Ubuntu Linux. El aula O1 es de acceso libre a
los estudiantes, y las aulas O2 y O7 estn tambin abiertas al uso fuera de su horario de
docencia. Las caractersticas concretas del equipamiento de estas aulas son:
Aula Decanato - 29 equipos con 512 Mb de memoria RAM y disco duro de 80 Gb en

cada ordenador. Can de vdeo y pantalla.
Aula Qumicas - 15 equipos con 1 Gb de memoria RAM, disco duro de 80 Gb y

aceleradora grfica a 256 Mb en cada ordenador. Can de vdeo y pantalla.
Aula O1 - 13 equipos con 512 Mb de memoria RAM y disco duro de 80 Gb en cada

ordenador. Can de vdeo y pantalla.
Aula O2 - 16 equipos con 1 Gb de memoria RAM, disco duro de 80 Gb y aceleradora

grfica a 256 Mb en cada ordenador. Can de vdeo y pantalla.

grfica a 256 Mb en cada ordenador. Can de vdeo, pantalla e impresora lser.


Pg. 170


Aula de Matemticas: Est destinada principalmente a la realizacin de seminarios.

Equipamiento: pizarra electrnica E-BEAM integrada en can de vdeo, 9 ordenadores
fijos con 1 Gb de memoria RAM y disco duro de 150 Gb.
BIBLIOTECA: La Facultad de Ciencias cuenta con una biblioteca central ubicada en la planta
baja del edificio. Est atendida por 15 tcnicos y su horario es, como mnimo, de 8:30 h. a
21:00 h. en perodo lectivo y de 9 h. a 19:00 h. en perodo no lectivo dentro del curso
acadmico, de acuerdo con el calendario oficial de la Universidad de Granada; el horario se
limita en perodo estival de 9:00 h. a 14:00 h. La biblioteca ocupa una superficie de
2833,62 m2 y dispone de 354 puestos de consulta en planta principal, 30 en planta
superior, y un aula de informtica con 16 puestos. Est equipada con 18 ordenadores de
sobremesa, 20 porttiles, 5 mquinas de reprografa, 1 impresora, 1 escner y una
mquina de autoprstamo. Se ofrece un servicio de prstamo de equipos porttiles para su
uso en la sala de lectura, as como de tarjetas para ordenadores porttiles con conexin
inalmbrica. Tiene un fondo bibliogrfico de 91.544 libros, 1.292 revistas, 60 CD-Rom, 438
DVD, 1.927 microformas y 668 mapas en acceso libre.
SALAS DE ESTUDIO: La facultad dispone de dos salas de estudio con un total con 90
puestos de lectura cada una, con horario de 8h a 21 h. En perodo de exmenes, las salas
se abren en horario de 24h.
AULA MAGNA: Capacidad: 550 plazas. Equipamiento: Megafona, can de vdeo, pantalla
gigante y retroproyector.
SALN DE GRADOS: Capacidad: 100 plazas.

retroproyector y pantalla grande.
SALA DE MEDIOS AUDIOVISUALES: Capacidad: 75 plazas. Equipamiento: 2 caones de

vdeo, 2 pantallas, retroproyector, televisin y DVD.
SALA DE CONFERENCIAS: Capacidad: 40 plazas. Equipamiento: 2 proyectores, 2 caones

de vdeo, 1 retroproyector automatizado, 2 pizarras mviles.
SERVICIO DE REPROGRAFA por empresa concesionaria en el propio edificio.
SALA DE EXPOSICIONES, ZONAS PARA TRABAJO EN GRUPO,

CAFETERA.
SISTEMA DE PRSTAMO DE MATERIAL INFORMTICO
Equipamiento: Megafona, can de vdeo,
LOCAL DE ALUMNOS Y
Servicios materiales del Departamento de Estadstica e Investigacin Operativa

Adems de los anteriores, los estudios del Mster tienen a su disposicin los servicios propios
del Departamento de Estadstica e I.O. de la Facultad de Ciencias:
Laboratorio de Prcticas de Informtica, con 24 equipos fijos con 4 Gb de memoria RAM

y disco duro de 500 Gb en cada ordenador. Retroproyector de transparencias. Can de
vdeo y pantalla. Acceso a Internet. Software estadstico completo.
Pg. 171
Biblioteca, con abundante material bibliogrfico especializado en las disciplinas propias

de esta titulacin.
Mecanismos para garantizar la revisin, mantenimiento y actualizacin de los

materiales y servicios.
El Reglamento Interno de la Facultad de Ciencias contempla como competencia de la Junta de
Facultad la de proponer la dotacin de instalaciones e infraestructura necesarias para el Centro,
con objeto de asegurar la calidad de la enseanza. Se establece para ello la existencia de una
comisin permanente delegada de la Junta de Facultad para atender, con carcter ordinario,
cualquier tema relacionado con Infraestructura y Asuntos Econmicos. Esta comisin, presidida
por el Decano, est constituida por dos Vicedecanos, el Administrador del Centro, dos
profesores y dos estudiantes, y tiene entre sus competencias, la de revisar e informar a la
Junta de Facultad sobre la infraestructura y el mantenimiento de los servicios de la facultad.
El Centro de Servicios de Informtica y Redes de Comunicacin de la Universidad (CSIRC,
www.ugr.es/informatica/) es el organismo centralizado que coordina los recursos informticos
de la Universidad dedicados tanto a las actividades de Administracin e Investigacin, como a
las de Docencia, siendo el responsable de su revisin, y proporcionando el mantenimiento y la
actualizacin de los mismos.
Al frente de la Biblioteca de la Universidad estn las personas responsables de la Direccin y
Subdireccin, con la colaboracin de una comisin tcnica y la supervisin de una Comisin de
Biblioteca delegada de la Junta de Gobierno de la Universidad. La responsabilidad del
mantenimiento y actualizacin del servicio bibliotecario de la Facultad de Ciencias recae sobre
el Jefe de Servicio correspondiente.
En ltima instancia, la Inspeccin de Servicios de la Universidad tiene entre sus competencias
la de velar por el correcto funcionamiento de todos los servicios ofrecidos por ella.
7.2 Previsin de adquisicin de los recursos materiales y servicios

necesarios.
En la actualidad, se dispone de todos los recursos materiales y servicios necesarios para desarrollar las actividades formativas correspondientes al ttulo que se propone.
Pg. 172
8. RESULTADOS PREVISTOS
8.1. Valores cuantitativos estimados para los indicadores y su
justificacin.
TASA DE GRADUACIN
TASA DE ABANDONO
TASA DE EFICIENCIA
70.96%
16.12%
77.41%
Introduccin de nuevos indicadores

1. Tasa de resultados.
Definicin: Relacin porcentual entre el nmero de trabajos defendidos
(trabajos fin de master y tesis doctorales) y el nmero de alumnos/as
matriculados en una misma cohorte.
Valor de referencia establecido para el seguimiento: : 30%
Nota: Para la estimacin de este valor se ha tenido en cuenta que este
Ttulo de Posgrado tiene dos orientaciones, una investigadora y otra
profesionalizante que, de no ser tenida en cuenta, podra hacer
sobreestimar el valor de esta tasa.
2. Tasa de rendimiento.
Definicin: Relacin porcentual entre el nmero total de crditos superados
(excluidos los adaptados, convalidados y reconocidos) por el alumnado en un
programa y el nmero total de crditos matriculados.
Valor de referencia establecido para el seguimiento: : 70%
3. Duracin media de los estudios de posgrado.
Definicin: Duracin media (en aos) que los estudiantes tardan en superar los
crditos correspondientes al Programa del Posgrado.
Valor de referencia establecido para el seguimiento: : 1.53 Aos
Justificacin de las estimaciones realizadas.

Dadas las caractersticas de este Mster, est previsto que los estudios sean secundados por
una tasa de alumnos equivalente a la que cursan los actuales estudios de la Licenciatura en
Ciencias y Tcnicas Estadsticas, con la participacin de alumnos provenientes no solo del
sistema universitario espaol, sino tambin de Marruecos y Amrica Latina, que
tradicionalmente han cursado doctorado en esta universidad.
Puesto que actualmente no existe informacin relativa al Mster al no haber finalizado el
primer ao, el clculo de las tasas es una previsin aproximada basada en los datos relativos
a los anteriores estudios de Doctorado en Estadstica e I.O.
Estos valores se han establecidos siguiendo los acuerdos marcados por la Escuela de
Posgrado de la Universidad de Granada.
Esas estimaciones sern objeto de revisin anualmente.
Pg. 173
8.2 Progreso y resultados de aprendizaje

La Universidad de Granada tiene previsto un procedimiento general para valorar el
progreso y los resultados de aprendizaje de los estudiantes, mediante evaluacin del
rendimiento acadmico, comn a todos los Ttulos Oficiales de Posgrado. En l se
establecen los mecanismos a travs de los cuales se recoger y analizar informacin
relativa a los resultados acadmicos y define el modo en que se utilizar la
informacin recogida para el seguimiento, la revisin y mejora del desarrollo del plan
de estudios.
La evaluacin y mejora relativa a los resultados acadmicos del Posgrado en Filosofa
se realizar a travs de los indicadores propuestos: tasa de graduacin, abandono y
eficiencia, junto con el conjunto de procedimientos establecidos por la Universidad.
Estos procedimientos estn normalizados por el Vicerrectorado de Garanta de la
Calidad, en el documento de trabajo del Sistema de Garanta de la calidad de los
Ttulos de Posgrado de la UGR (se incorpora en el Apartado 9) y en las
Herramientas. Instrumentos para la recogida de informacin y documentos
generados. Pueden consultarse en:
http://calidad.ugr.es/pages/secretariados/ev_calidad/sgc
De hecho, al final del presente ao acadmico 2008-2009, el Vicerrectorado y la
Escuela de Posgrado han llevado a cabo una evaluacin mediante la encuesta a los
estudiantes y la recopilacin de datos referentes a los mencionados indicadores, as
como a la presentacin de los trabajos de fin de Mster.
Pg. 174
9. SISTEMA DE GARANTA DE CALIDAD DEL TTULO

9.1 Responsables del sistema de garanta de calidad del plan de
estudios.
9.1.1. Responsables del Sistema de Garanta de la Calidad
Los rganos encargados, en la UGR, del seguimiento y garanta de la Calidad de los Posgrados
son el Vicerrectorado para la Garanta de la Calidad y el de Enseanzas de Grado y Posgrado.
El rgano responsable de integrar el Sistema de Garanta Interna de la Calidad en el
funcionamiento cotidiano de este Programa de posgrado es la Comisin de Garanta Interna de
la Calidad del Posgrado (CGICP) que ser creada y aprobada por el Consejo Asesor de
Enseanzas de Posgrado, odo el Coordinador del programa.
9.1.2. Comisin de Garanta Interna de la Calidad del Posgrado (CGICP)

La Comisin de Garanta Interna de Calidad de este Posgrado contar con el apoyo tcnico de
la UGR a travs de los vicerrectorados implicados en el desarrollo del Posgrado (Vicerrectorado
para la Garanta de la Calidad, de Enseanzas de Grado y Posgrado, de Relaciones
Internacionales, de Ordenacin Acadmica y Profesorado y el Vicerrectorado de Estudiantes.)
Los responsables ejecutivos del Sistema de Garanta Interna de la Calidad del Posgrado son el
Coordinador del Posgrado y el Consejo Asesor de Enseanzas de Posgrado
La composicin de la Comisin de Garanta Interna de la Calidad del Mster es la

siguiente:
Miembros titulares
- Coordinador/a del Mster. Quien velar por el desarrollo y
cumplimiento de la sistemtica y de los procedimientos establecidos
en el Sistema de Garanta de la Calidad del ttulo. Debe asegurar el
desarrollo de las funciones de esta comisin as como el
cumplimiento de sus objetivos. La recogida de informacin, su
anlisis, la elaboracin de unos informes anuales/bianuales, el
diseo de propuestas de mejora y su derivacin a los responsables
institucionales para su aprobacin, son las tareas principales del
coordinador/a de este mster en esta comisin; tareas que realizar
en coordinacin constante con el resto de miembros de esta
comisin. Es el responsable de la gestin de la calidad del mster y
por lo tanto debe reaccionar ante cualquier imprevisto o
circunstancia relacionada con el desarrollo del mster.
- Un miembro del equipo de direccin de la Escuela de Posgrado.
- Un miembro del PAS vinculado con la gestin administrativa del
Mster
- Un alumno/a del Mster
- Un mnimo de dos profesores del Mster. La principal funcin de
estos/as profesores/as es participar, en coordinacin con el resto de
miembros, en el desarrollo de la sistemtica propuesta en los
procedimientos establecidos en el Sistema de Garanta de la Calidad
Pg. 175
de este Mster. Recoger informacin, participar en su anlisis y en

la elaboracin de las propuestas de mejora, constituyen tareas
concretas.
Miembros suplentes:
- Un profesor/a del Mster
Esta Comisin contar, cada vez que lo considere necesario, con el
asesoramiento de un agente externo (profesional en ejercicio o representante
de otra universidad) cuya relacin con la CGICP ser establecida en el
Reglamento de Funcionamiento Interno de dicha comisin. Este agente
externo estar sometido, en el ejercicio de sus funciones, al deber de
confidencialidad que establece la legislacin vigente, suscribiendo el Cdigo
tico de Conducta establecido por la Agencia Andaluza de Evaluacin (Julio de
2008, V02. 090608).
Esta Comisin contar, cada vez que lo considere necesario, con el asesoramiento de un agente
externo (profesional en ejercicio o representante de otra universidad) cuya relacin con la CGICP
ser establecida en el Reglamento de Funcionamiento Interno de dicha comisin. Este agente
externo estar sometido, en el ejercicio de sus funciones, al deber de confidencialidad que
establece la legislacin vigente, suscribiendo el Cdigo tico de Conducta establecido por la
Agencia Andaluza de Evaluacin (Julio de 2008, V02. 090608).
Los objetivos de esta Comisin son:
Propiciar la mejora continua y sistemtica del Posgrado.
Asegurar el desarrollo del Sistema de Garanta Interna de la Calidad del Posgrado.
Constituir un servicio de apoyo a la coordinacin del Posgrado en la toma de decisiones de

mejora del mismo.
Potenciar la participacin de todos los colectivos implicados en la evaluacin y mejora de la

calidad del Posgrado.
Sus funciones son las siguientes:
Proponer las estimaciones de los indicadores de seguimiento de la calidad del Posgrado.
Proponer los criterios y estndares para la suspensin temporal o definitiva del Posgrado y
asegurar su aplicacin.
Recoger y analizar la informacin relacionada con los procedimientos para garantizar la

Definir acciones de mejora del Posgrado e informar de las mimas a la coordinacin del
Posgrado y a la Direccin de la Escuela de Posgrado.
Dinamizar y coordinar la puesta en marcha de las propuestas de mejora del Posgrado.
Realizar, cada tres aos, un informe de seguimiento del Posgrado tomando como referente
los indicadores de calidad establecidos.
Pg. 176
Contribuir a superar los procesos de evaluacin (seguimiento /acreditacin) del Posgrado

establecidos por la ANECA.
Asegurar la confidencialidad de la informacin generada as como la difusin de aquella que

sea de inters para la comunidad universitaria y la sociedad.
Esta Comisin definir su reglamento de funcionamiento interno una vez que el posgrado se
haya puesto en marcha. En este reglamento se aludir, por lo menos, al proceso de constitucin
de la CGICP, a la renovacin de sus miembros y al proceso a seguir para la toma de decisiones
Pg. 177
9.2.
Procedimientos de evaluacin y mejora de la calidad de la

enseanza y el profesorado.
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA CALIDAD DE LA

ENSEANZA Y DEL PROFESORADO (P.1.)
1. OBJETIVOS:
- Establecer los mecanismos para la recogida y anlisis de la informacin relativa a la
organizacin, gestin y desarrollo de la enseanza y la actuacin docente del profesorado
implicado en el Posgrado.
- Definir el modo en que se utilizar la informacin recogida para el seguimiento, la revisin y
mejora del desarrollo del Programa del Posgrado.
ALCANCE:
Se trata de un procedimiento comn a todos los Posgrados de la UGR
2. RGANOS Y UNIDADES IMPLICADAS EN EL DESARROLLO DE ESTE PROCEDIMIENTO:
Alumnado
Profesorado
Personal de Administracin y Servicios vinculado al Posgrado
Coordinador del Posgrado
Comisin de Garanta Interna de Calidad del Posgrado (CGICP)
Agente Externo
Equipo de Direccin de la Escuela de Posgrado: Director de la Escuela y Consejo Asesor de
Enseanzas de Posgrado.
Vicerrectorado de Enseanzas de Grado y Posgrado
Vicerrectorado para la Garanta de la Calidad.
3. VARIABLES E INDICADORES DE REFERENCIA/SEGUIMIENTO:

La evaluacin y mejora de la calidad de la enseanza y del profesorado se realizar tomando
como referente las siguientes variables e indicadores:
1. Accesibilidad y difusin de las Guas Docentes de las materias del Posgrado
2. Claridad y adecuacin de los objetivos/competencias y los contenidos.
3. Concrecin, suficiencia y diversidad de estrategias docentes, recursos, oferta tutorial
y sistema de evaluacin del Programa de Posgrado
4. Coordinacin entre el profesorado (de una misma materia de diferentes materias)
5. Cumplimiento de los planificado: Grado de cumplimiento de los planificado e incidencias
surgidas en el desarrollo del programa y respuestas dadas a las mismas
6. Variables relativas a la actuacin docente del profesorado: Actuacin docente del
profesorado en opinin del alumnado y actuacin docente del profesorado del Posgrado
segn informe global emitido en el marco del programa DOCENTIA-GRANADA
Cursos acadmicos
Indicadores
Valor
estimado1
Resultados de las encuestas de la
opinin de los estudiantes sobre la
actuacin docente del profesorado
(Sobre 5 puntos)
2002-03
2004-05
3.85
3.92
3.68
(Referentes)
Pg. 178
Diplomado en Estadstica
Licenciado en CC y TT Estadsticas
Informe global sobre la actuacin
docente (DOCENTIA-GRANADA)
3.90
3.67
Actualmente no procede (no se ha

realizado este proceso todava)
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DEL RENDIMIENTO

ACADMICO (P.2.)
1. OBJETIVOS:
1. Establecer los mecanismos a travs de los cuales se recoger y analizar informacin
relativa a los Resultados Acadmicos.
2. Definir el modo en que se utilizar la informacin recogida para el seguimiento, la revisin y
mejora del desarrollo del Programa Oficial del Posgrado.
ALCANCE:
Se trata de un procedimiento comn a todos los Programas Oficiales de los Posgrados de la
UGR

Equipo de Direccin de la Escuela de Posgrado: Director de la Escuela y el Consejo Asesor
de Enseanzas de Posgrado.
Vicerrectorado para la Garanta de la Calidad

La evaluacin y mejora relativa a los Resultados Acadmicos se realizar tomando como
referente las estimaciones (sobre los tres ltimos aos acadmicos y expresados en la Tabla de
estimaciones adjunta a este procedimiento) realizadas sobre los siguientes indicadores relativos al
Posgrado:
4. Tasa de graduacin.
Definicin: Porcentaje de estudiantes que finalizan la enseanza en el tiempo previsto en el
Programa de Posgrado o en un ao acadmico ms en relacin con su cohorte de entrada.
Valor de referencia establecido para el seguimiento: 70.96%
5. Tasa de abandono.
Definicin: Relacin porcentual entre el nmero total de estudiantes de una cohorte de
nuevo ingreso que debieron obtener el ttulo el ao acadmico anterior y que no se han
matriculado ni en ese ao acadmico ni en el anterior.
6. Tasa de eficiencia.
Definicin: Relacin porcentual entre el nmero total de crditos del Programa del Posgrado
a los que debieron haberse matriculado a lo largo de sus estudios el conjunto de graduados
de un determinado ao acadmico y el nmero total de crditos en los que realmente han
tenido que matricularse.
Definicin: Relacin porcentual entre el nmero de trabajos defendidos (trabajos fin de
master y tesis doctorales) y el nmero de alumnos/as matriculados en una misma cohorte.
Pg. 179
Valor de referencia establecido para el seguimiento: 30%

Nota: Para la estimacin de este valor se ha tenido en cuenta que este Ttulo de
Posgrado tiene dos orientaciones, una investigadora y otra profesionalizante que, de
no ser tenida en cuenta, podra hacer sobreestimar el valor de esta tasa.
Definicin: Relacin porcentual entre el nmero total de crditos superados (excluidos los
adaptados, convalidados y reconocidos) por el alumnado en un programa y el nmero total
de crditos matriculados.

Definicin: Duracin media (en aos) que los estudiantes tardan en superar los crditos
correspondientes al Programa del Posgrado.
Valor de referencia establecido para el seguimiento: 1.53 Aos
4. DESARROLLO:
4.1. SISTEMA PARA LA RECOGIDA DE INFORMACIN
Fuentes de informacin: Bases de datos de la Universidad de Granada.
Sistema para la recogida de informacin:
El/la coordinado/a del posgrado recopilar informacin sobre los indicadores anteriores a travs de
la informacin aportada por el Vicerrectorado de Enseanzas de Grado y Posgrado y el de Garanta
de la Calidad procedente de las bases de datos de la UGR.
Esta recogida de informacin se realizar al final de cada curso acadmico utilizando para ello la
Tabla de estimaciones (P2-03)
4.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN y TOMA DE DECISIONES.
La CGICP llevar a cabo los anlisis de los valores de estos indicadores examinando el
cumplimiento o no de los valores estimados y elaborar, cada dos aos, un informe (IBP-13) a
travs del cual documentar los indicadores sealados anteriormente, destacar las fortalezas y los
puntos dbiles del Posgrado y realizar propuestas de mejora de la misma.
Este informe se remitir al equipo de direccin de la Escuela de Posgrado, quien presentar
en el Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora relativas a estos
indicadores para que este rgano tome las decisiones necesarias.
4.3. SISTEMA PARA EL SEGUIMIENTO, REVISIN Y MEJORA DEL POSGRADO
Para la puesta en marcha y seguimiento de las propuestas de mejora, la Comisin de
Estudios del Posgrado, oda la CGICP, asignar un responsable dentro de la misma, definir los
indicadores de seguimiento de las acciones propuestas y establecer la temporalizacin para el
cumplimiento de las propuestas de mejora. Estas propuestas debern llevarse a cabo durante los
dos cursos acadmicos siguientes.
Una vez aprobadas las propuestas de mejora por el Consejo Asesor de Enseanzas de
Posgrado, stas sern remitidas, por la direccin de la Escuela de Posgrado al Vicerrectorado para
la Garanta de la Calidad que, tras la valoracin de las mismas, firmar con la CGICP un Plan de
Mejora (PMP-14) con carcter bianual que ser el respaldo institucional a las acciones propuestas.
Dicho Plan de Mejora ser remitido a los rganos universitarios implicados en el desarrollo del
mismo y publicado, por la direccin de la Escuela de Posgrado, en la pgina web del Posgrado.
Transcurridos tres aos de la implantacin del Posgrado se realizar una valoracin de los
avances y mejoras producidas en los diferentes aspectos evaluados sobre el rendimiento
acadmico, resaltando el grado de mejora en la tendencia de los indicadores integrantes de este
Pg. 180
procedimiento, y tomando como referente los indicadores de seguimiento del Plan de Mejora. Esta
memoria de seguimiento ser realizada por CGICP usando para ello el instrumento MSP-15 y la
remitir al Equipo de Direccin de la Escuela de Posgrado que informar al Consejo Asesor de
Igualmente, esta memoria ser enviada al Vicerrectorado para la Garanta de la Calidad,
para su revisin por una Comisin de Evaluacin que emitir un informe sobre el estado del SGIC
del Posgrado, de los indicadores de calidad del mismo y, en su caso, realizar nuevas
recomendaciones de mejora que sern integradas en el Plan de Mejora siguiente.
Este informe se remitir a la CGICP que lo har llegar al Equipo de Direccin de la Escuela
de Posgrado y al Consejo Asesor de Enseanzas de Posgrado y ser publicado en la web del
Posgrado. Este informe quedar archivado en el Vicerrectorado para la Garanta de la Calidad y a
disposicin de los rganos universitarios implicados en la garanta de la calidad del Posgrado.
4.4. HERRAMIENTAS: (Disponibles en la web
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:
Instrumentos para la recogida de informacin y documentos generados:

Tabla de seguimiento de indicadores (P2-03)
Informe Bianual del Posgrado (IBP-13)
Plan de Mejora del Posgrado (PMP-14)
Memoria de Seguimiento del Posgrado (MSP-15)
Informe del Vicerrectorado para la Garanta de la Calidad sobre el Estado del
Posgrado (IVEP)
Otros: _____________________________________
a.
Procedimiento para garantizar la calidad de las prcticas

externas y los programas de movilidad.
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LAS PRCTICAS

EXTERNAS INTEGRADAS EN EL PROGRAMA OFICIAL DEL POSGRADO (P.3.)
1. OBJETIVOS:
1. Establecer los mecanismos para la recogida y anlisis de la informacin relativa a la gestin
y desarrollo de las prcticas externas integradas en el posgrado.
mejora del desarrollo del Programa de Posgrado.
ALCANCE:
Se trata de un procedimiento comn a todos los Programas Oficiales de Posgrado de la
UGR que contemplan prcticas externas
-
Alumnado
Tutores de prcticas: docentes de la UGR y de la empresa o entidad de prcticas
Responsable de las prcticas externas del Posgrado
Comisin de Garanta Interna de Calidad del Posgrado(CGICP)
Agente Externo
Vicerrectorado de Estudiantes
3. VARIABLES E INDICADORES DE REFERENCIA:

La evaluacin de la calidad de las prcticas externas del posgrado se realizar tomando como
Pg. 181
referente las siguientes variables e indicadores:

1. Idoneidad y suficiencia de las entidades de prcticas:
- Grado de adecuacin de la entidad o centro de prcticas al Posgrado
- Grado de especificidad y claridad de los criterios para la seleccin de las entidades
de prcticas.
- Variedad, tipologa y nmero de entidades de prcticas colaboradoras para la
realizacin de las prcticas externas del Posgrado.
2. Adecuacin de los convenios de colaboracin
- Grado de especificidad de los trminos de los convenios establecidos: criterios para
la renovacin, revisin o cese de los convenios y estrategias establecidas para su
seguimiento y revisin acadmica y administrativa.
3. Suficiencia de la coordinacin acadmica y administrativa de las prcticas externas
- Claridad, objetividad y transparencia de los criterios establecidos para la
adjudicacin de los estudiantes a las entidades de prcticas
- Nivel de comunicacin y coordinacin acadmica con las entidades de prcticas
4. Pertinencia, suficiencia y eficacia del programa de formacin
- Grado de relacin entre las competencias de formacin y las atribuciones
profesionales.
- Nivel de concrecin de los componentes del programa de formacin
5. Satisfaccin de los colectivos implicados:
- Grado de satisfaccin de los estudiantes con:
o El asesoramiento y orientacin recibida
o Con el cumplimiento del programa
o Con la entidad de prcticas
o Con la gestin acadmica y administrativa de la prcticas
- Grado de satisfaccin de los tutores/as externos de las empresas y entidades de
prcticas
6. Difusin pblica del programa de prcticas externas
- Estrategias para la publicacin y difusin del programa de prcticas externas
4. DESARROLLO:
4.1. SISTEMA DE RECOGIDA DE INFORMACIN:
Fuentes de informacin: responsable de las prcticas externas, tutores/as internos, tutores/as
externos, alumnado y fuentes documentales/bases de datos (convenios establecidos, programa de
prcticas del Posgrado, reglamento de la Escuela de Posgrado, protocolos de coordinacin, actas de
reuniones y web del Posgrado)
El/la responsable de las prcticas externas del Posgrado, recopilar informacin sobre los
indicadores anteriores a travs de las fuentes sealadas y de los instrumentos aportados por el
Vicerrectorado para la Garanta de la Calidad (P3-04; P3-05) o de los propuestos por la Escuela de
Posgrado. Esta recogida de informacin se realizar anualmente, una vez terminadas las prcticas y
dentro del ao acadmico en el que se han desarrollado.
4.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN Y LA TOMA DE DECISIONES
El/la responsable de las prcticas externas del Posgrado llevar a cabo el anlisis de la
informacin y elaborar, cada dos aos, un informe (P3-06).
La CGICP junto con el/la responsable de las prcticas externas del Posgrado
cumplimentarn el apartado del Informe Bianual del Posgrado
(IBP-13) relativo a este
procedimiento, a travs del cual se documentarn los indicadores sealados anteriormente, se
destacarn las fortalezas y los puntos dbiles de las prcticas externas asociadas al Posgrado y se
realizarn propuestas de mejora de la misma.
Pg. 182
Este informe se remitir al Equipo de Direccin de la Escuela de Posgrado, quien

presentar al Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora del mismo
relativas a estos indicadores para que este rgano tome las decisiones necesarias.
Para la puesta en marcha y seguimiento de las propuestas de mejora, el Consejo Asesor de
Enseanzas de Posgrado, oda la CGICP, asignar un responsable dentro de la misma, definir los
Posgrado, stas sern remitidas, por la direccin de la Escuela de posgrado al Vicerrectorado para
Mejora (PMP-14) con carcter bianual que ser el respaldo institucional a las acciones
propuestas. Dicho Plan de Mejora ser remitido a los rganos universitarios implicados en el
desarrollo del mismo y publicado, por la direccin de la Escuela de Posgrado, en la pgina web del
Posgrado.
Transcurridos tres aos de la implantacin del posgrado, la CGICP, junto con el responsable
de las prcticas externas, realizar una valoracin de los avances y mejoras producidas en el
desarrollo de las mismas, resaltando el grado de mejora en la tendencia de los indicadores
integrantes de este procedimiento, y tomando como referente los indicadores de seguimiento del
Plan de Mejora. La CGICP integrar esta valoracin en la Memoria de Seguimiento del Posgrado
(MSP-15). y la remitir al Equipo de Direccin de la Escuela de Posgrado que informar al Consejo
Asesor de Enseanzas de Posgrado.
Igualmente, esta memoria ser enviada al Vicerrectorado para la Garanta de la Calidad, para su
revisin por una Comisin de Evaluacin que emitir un informe sobre el estado del SGIC del
Posgrado, de los indicadores de calidad de la misma y, en su caso, realizar nuevas
4.4.
HERRAMIENTAS (Disponibles en la
web
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Cuestionario de Evaluacin del Alumnado (P3-04)
Cuestionario de evaluacin del Tutor/a externos/a (P3-05)
Informe del responsable de las prcticas del Posgrado (P3-06)
Posgrado (IVEP)
Otros: ____________________________
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LOS PROGRAMAS DE
MOVILIDAD ASOCIADOS AL POSGRADO. (P.4.)
1. OBJETIVOS:
2.
Establecer los mecanismos a travs de los cuales se recoger y analizar informacin
relativa a la gestin y desarrollo de los programas de movilidad relacionados con el Programa
Pg. 183
Oficial del Posgrado.

3.
Definir el modo en que se utilizar la informacin recogida para el seguimiento, la
revisin y mejora del desarrollo del Programa Oficial de Posgrado.
ALCANCE:
-
Alumnado participante en programas de movilidad.

Coordinadores/as acadmicos internos y externos
Personal de Administracin y Servicios vinculado a los programas de movilidad.
Agente Externo
Vicerrectorado de Relaciones Internacionales/Oficina de Relaciones Internacionales
Responsable de los programas de movilidad del Posgrado.

La evaluacin de la calidad de los programas de movilidad asociados al Posgrado se realizar
tomando como referente las siguientes variables e indicadores:
1. Idoneidad de los centros/universidades socias
- Especificidad y claridad de los criterios para la seleccin de las universidades
socias.
- Tipologa y nmero de centros/universidades socias
3. Suficiencia de la coordinacin acadmica y administrativa de los programas de
movilidad
- Definicin de los criterios para la adjudicacin de ayudas de movilidad a los
estudiantes por parte del Vicerrectorado de Relaciones Internacionales.
- Identificacin de los requisitos para participar en la oferta de movilidad de la
universidad/centro.
- Nivel de comunicacin y coordinacin entre los socios
- Establecimiento de una estrategia para el seguimiento de la movilidad y de las
incidencias surgidas.
o El asesoramiento e informacin recibida (previamente a la movilidad y por
parte de la Universidad de acogida).
o La gestin acadmica y administrativa del programa de movilidad disfrutado.
o Los resultados alcanzados
o Con los servicios, enseanzas, profesorado, del centro/universidad de
acogida.
o Las estrategias identificadas para el seguimiento de las incidencias surgidas,
quejas y reclamaciones emitidas.
Pg. 184
Grado de satisfaccin de los tutores/as acadmicos de la UGR
5. Difusin pblica de los programas de movilidad

- Definicin y establecimiento de unas estrategias de difusin y publicacin de los
programas de movilidad asociados al posgrado.
6. ndices de aprovechamiento1:
- Tasa de participacin: nmero de alumnos/as del posgrado que participan en
programas de movilidad // nmero de alumnos/as matriculados en del posgrado
que cumplen los requisitos para participar en un programa de movilidad.
- Tasa de rendimiento: nmero de alumnos/as que terminan un programa //
nmero de alumnos/as que participan en programas de movilidad
- Tasa de aprovechamiento: nmero de plazas ocupadas // nmero de plazas
ofertadas para el desarrollo de programas de movilidad asociados al posgrado.
4. DESARROLLO:
Fuentes de informacin: responsable de la Oficina de Relaciones Internacionales de la UGR,
responsable de los programas de movilidad del Posgrado, tutores/as acadmicos, alumnado y
fuentes documentales/bases de datos (convenios establecidos, reglamento de los programas de
movilidad del centro/UGR, protocolos de coordinacin, actas de reuniones y web del
Posgrado/Oficina RRII)
El/la responsable de los programas de movilidad del Posgrado o la Comisin responsable recopilar
informacin sobre estos indicadores. Esta recogida de informacin se realizar bianualmente.
4.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN Y LA TOMA DE DECISIONES.
El/la responsable de los programas de movilidad del Posgrado o Comisin designada,
llevar a cabo el anlisis de la informacin recogida y elaborar, cada dos aos, un informe (P4-07).
La CGICP junto con el/la responsable de la movilidad del Posgrado cumplimentarn el apartado del
Informe Bianual del Posgrado (IBP-13) relativo a este procedimiento, a travs del cual se
documentarn los indicadores sealados anteriormente, se destacarn las fortalezas y los puntos
dbiles de los programas de movilidad y se realizarn propuestas de mejora de la misma.
presentar al Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora del Posgrado
cumplimiento de las propuestas de mejora.
Una vez aprobadas las propuestas de mejora por el Consejo Asesor de Enseanzas de Posgrado,
stas sern remitidas, por la direccin de la Escuela de Posgrado al Vicerrectorado para la Garanta
de la Calidad que, tras la valoracin de las mismas, firmar con la CGICP un Plan de Mejora (PMP14) con carcter bianual que ser el respaldo institucional a las acciones propuestas. Dicho Plan de
Mejora ser remitido a los rganos universitarios implicados en el desarrollo del mismo y publicado,
1
Estos ndices hacen referencia al carcter bidireccional de los programas de movilidad, es decir se refiere
tanto a los programas que permiten a los estudiantes de la UGR a ir a otra universidad como a los que
permiten a estudiantes de otras universidades acceder a la UGR.
Pg. 185
por la direccin de la Escuela de Posgrado, en la pgina web del Posgrado.

Transcurridos tres aos de la implantacin del posgrado, el responsable de la movilidad del
Posgrado y la CGICP realizarn una valoracin de los avances y mejoras producidas en el
desarrollo de los programas de movilidad asociados al posgrado, resaltando el grado de mejora en
la tendencia de los indicadores integrantes de este procedimiento, y tomando como referente los
indicadores de seguimiento del Plan de Mejora. Esta informacin ser integrada en la Memoria de
Seguimiento del Posgrado (MSP-15). Esta memoria ser remitida al Equipo de Direccin de la
Escuela de Posgrado que informar al Consejo Asesor de Enseanzas de Posgrado.
recomendaciones de mejora que sern integradas en el Plan de Mejora siguinete.
de Posgrado y al Consejo Asesor de Enseanzas de Posgrado y lo publicar en la web del
disposicin de los rganos universitarios implicados en la garanta de la calidad de este Ttulo de
Posgrado.
4.4. HERRAMIENTAS (Disponibles en la web
http://calidad.ugr.es/pages/secretariados/ev_calidad/sgc )
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Informe del Responsable o Comisin responsable de los programas de movilidad del
Posgrado. (P4-07)
Memoria de seguimiento del Posgrado (MSP-15)
Posgrado (IVEP)
Otros: ________________________________________
9.4
Procedimientos de anlisis de la insercin laboral

graduados y de la satisfaccin con la formacin recibida.
de
los
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA INSERCIN LABORAL

DE LOS EGRESADOS Y DE LA SATISFACCIN CON LA FORMACIN RECIBIDA.
(P.5.)
1. OBJETIVOS:
relativa a la insercin laboral de los egresados del posgrado y su satisfaccin con la
formacin recibida en el posgrado.
mejora del desarrollo del Programa Oficial de Posgrado.
ALCANCE:
Se trata de un procedimiento comn a todos los Ttulos Oficiales de Posgrado de la UGR
-
Egresados
Comisin de Garanta Interna de Calidad de la Posgrado (CGICP)
Agente Externo
Empleadores
Pg. 186

Comisionado para la Fundacin General de la Universidad de Granada
Vicerrectorado Estudiantes de Grado y Posgrado

A travs de este procedimiento se establece que la evaluacin de la insercin laboral de los
egresados y su satisfaccin con la formacin recibida se realizar tomando como referencia las
siguientes variables:
-
Grado de insercin laboral de los egresados (porcentaje de egresados

profesionalmente insertos dos aos despus de finalizar el posgrado)
Tiempo medio para la insercin.
Grado de satisfaccin con la formacin recibida
INDICADORES
Grado de insercin laboral de los
egresados
Tiempo medio para la insercin
Grado de Satisfaccin con la
formacin recibida
Valor estimado
Cursos acadmicos
Valores de referencia segn los
estudios de egresados de la UGR1
70% (**)
93.18% (*)
12 meses (**)
3.5 (sobre 5)
2.67 meses (*)

3.32 (antes de la insercin) (*)
3.87(despus de la insercin) (*)
Nota:
(*) La Evaluacin de la titulacin de Licenciado en Ciencias y Tcnicas Estadsticas inclua
recomendaciones de los Comits de Evaluacin Interno y Externo a tener en cuenta y esto junto a
las directrices del Plan de Calidad Docente del Vicerrectorado de Planificacin, Calidad y Evaluacin
Docente de la Universidad de Granada supuso programar acciones de mejora para dicha Titulacin
en el marco de un Contrato Programa conformado por cuatro Proyectos. El primero de estos
proyectos fue el Estudio y difusin del perfil del egresado, cuyo informe completo puede consultarse
en www.ugr.es/~cctecnie/INFORMEADJUNTO.pdf .
Algunas de las conclusiones extradas de dicho informe, relativas a promociones tituladas desde el
inicio de la Licenciatura en el curso acadmico 1995-1996 hasta 2005, son:
- el 93.18% de los egresados trabajan, de los cuales el 78% en el rea de estadstica
- el 47.5% consiguen el primer trabajo en un mes y el 92.5% en seis meses, con un tiempo medio de
2.67 meses.
- la valoracin de los estudios recibidos obtiene (en una escala sobre 5) una puntuacin media de
3.32 por parte de los egresados antes de su insercin laboral, mientras que asciende a 3.87
despus de la misma
Tambin se puede consultar el Estudio de egresados de la Universidad de Granada, Curso 2004 y
2005, disponible en http://marketing.ugr.es/encuesta/docs/informe.pdf .
(**) Los valores han sido estimados teniendo en cuenta la actual situacin socioeconmica de
Espaa, la cual no nos permite realizar estimaciones muy fiables.
4. DESARROLLO
4.1. SISTEMA PARA LA RECOGIDA DE INFORMACIN:
Fuentes de informacin: responsable del Observatorio de Empleo del Vicerrectorado de Estudiantes
Pg. 187
de la UGR, responsable del Comisionado para la Fundacin General de la UGR,

Director/Subdirector de la Escuela de Posgrado, los egresados, los estudios de empleabilidad y
satisfaccin y fuentes documentales/bases de datos (estudios de egresados de la UGR)
Cada dos aos, y a partir de que la primera promocin de estudiantes finalice, la CGICP recabar
del Observatorio de Empleo del Vicerrectorado de Estudiantes, del Comisionado para la Fundacin
General o del Director/Subdirector de la Escuela de Posgrado, los resultados de los estudios de
empleabilidad e insercin profesional de esa cohorte de egresados con el propsito de recabar
informacin sobre las variables anteriormente sealadas.
La CGICP, llevar a cabo el anlisis de la informacin recogida y elaborar, cada dos aos,
un informe (IBP-13), a travs del cual documentar los indicadores sealados anteriormente,
destacar las fortalezas y los puntos dbiles de los aspectos analizados y realizar propuestas de
mejora del Posgrado.
Estos estudios de empleabilidad e insercin profesional del Posgrado se publicarn en la
web del mismo.
4.3. SISTEMA PARA EL SEGUIMIENTO, REVISIN Y MEJORA DE LA POSGRADO
Transcurridos tres aos a partir de que la primera promocin de estudiantes finalice, se
realizar una valoracin de los avances y mejoras producidas en la insercin laboral de los
graduados y su satisfaccin con la formacin recibida, resaltando el grado de mejora en la tendencia
de los indicadores integrantes de este procedimiento, y tomando como referente los indicadores de
seguimiento del Plan de Mejora. Esta memoria de seguimiento ser realizada por CGICP usando
para ello el instrumento MSP-15 y la remitir al Equipo de Direccin de la Escuela de Posgrado que
informar al Consejo Asesor de Enseanzas de Posgrado.
Igualmente, esta memoria ser enviada al Vicerrectorado para la Garanta de la Calidad, para
su revisin por una Comisin de Evaluacin que emitir un informe sobre el estado del SGIC del
Posgrado, de los indicadores de calidad del mismo y, en su caso, realizar
nuevas
Este informe se remitir a la CGICP que lo har llegar al Equipo de Direccin de la Escuela y
al Consejo Asesor de Enseanzas de Posgrado y lo publicar en la web del Posgrado. Este informe
quedar archivado en el Vicerrectorado para la Garanta de la Calidad y a disposicin de los rganos
universitarios implicados en la garanta de la calidad de este Posgrado.
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:
Instrumento para la recogida de informacin y documentos generados:

Plan de mejora del Posgrado (PMP-14)
Pg. 188
Informe del Vicerrectorado para la Garanta de la Calidad sobre el Estado del Posgrado
(IVEP)
Otros: __________________________
9.5 Procedimiento para el anlisis de la satisfaccin de los distintos

colectivos implicados (estudiantes, personal acadmico y de
administracin y servicios, etc.) y de atencin a la sugerencias y
reclamaciones. Criterios especficos en el caso de extincin del
ttulo
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA SATISFACCIN DE
LOS DISTINTOS COLECTIVOS IMPLICADOS CON EL POSGRADO. (P.6.)
1. OBJETIVOS:
relativa al grado de satisfaccin de los distintos colectivos implicados en el Programa Oficial
del Posgrado.
ALCANCE:
2. RGANOS Y UNIDADES IMPLICADOS EN EL DESARROLLO DE ESTE PROCEDIM IENTO:
-
Alumnado
Profesorado
Agente Externo
- Vicerrectorado de Enseanzas de Grado y Posgrado
- Vicerrectorado para la Garanta de la Calidad
La evaluacin y mejora de la satisfaccin de los distintos colectivos implicados en el posgrado
se realizar tomando como referente las siguientes variables e indicadores:
1. Satisfaccin del profesorado: Grado de satisfaccin con:
- La planificacin y desarrollo de la enseanza en el Posgrado
- Los resultados obtenidos
- La gestin acadmica del Posgrado
- La gestin administrativa del Posgrado
- El seguimiento y control de la calidad del Posgrado
2. Sobre la satisfaccin del alumnado Grado de satisfaccin con:
- La informacin recibida, su disponibilidad y accesibilidad
- El asesoramiento y orientacin acadmica/profesional /de investigacin recibidos
durante el desarrollo del programa.
- La planificacin y desarrollo de las enseanzas del posgrado (recursos,
Pg. 189
cumplimiento del programa,)

Los resultados alcanzados
Las prcticas externas (si procede)
Programas de movilidad (si procede)
La atencin a las reclamaciones y sugerencias
La gestin acadmica del Posgrado
La gestin administrativa del Posgrado
La coordinacin entre las universidades colaboradoras (si procede)
Grado de cumplimiento de expectativas sobre el posgrado.
Mecanismos para la difusin del Posgrado
3. Sobre la satisfaccin del Personal de Administracin y otro personal relacionado con el

mismo: Grado de satisfaccin con:
- La informacin y el asesoramiento recibidos sobre el Posgrado
- Los sistemas informticos-administrativos para la gestin de la informacin
- La planificacin y desarrollo de las enseanzas
- Los resultados
- El seguimiento y la gestin de la calidad del Posgrado
- La coordinacin entre las universidades colaboradoras (si procede)
- La comunicacin y relaciones con los distintos colectivos implicados en el Posgrado
- La atencin a las reclamaciones y sugerencias de los estudiantes
- Mecanismos para la difusin del Posgrado
4. DESARROLLO
Fuentes de informacin: profesorado, alumnado, personal de administracin y servicios, y
gestores/as del Posgrado
La Comisin de Garanta Interna de Calidad del Posgrado (CGICP) recopilar informacin sobre los
indicadores anteriores a travs de los instrumentos P6-8; P6-9 y P6-10. Esta recogida de
informacin se realizar en el ltimo ao del Posgrado.
La informacin recogida ser remitida al Vicerrectorado para la Garanta de la Calidad quien
se encargar de su procesamiento y anlisis descriptivos de forma desagregada y agregada (en
funcin de las variables e indicadores sealados) para conocer la satisfaccin global sobre el
Posgrado; estos anlisis sern remitidos a la CGICP que elaborar, cada dos aos, un informe (IBP13), dentro del ao acadmico en el que se ha recogido la informacin, a travs del cual
documentar los indicadores sealados anteriormente, destacar las fortalezas y los puntos dbiles
del posgrado y realizar propuestas de mejora de la misma.
Este informe se remitir al Equipo de Direccin de la Escuela de Posgrado, quien presentar
al Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora del posgrado relativas a
estos indicadores para que este rgano tome las decisiones necesarias.
Pg. 190
Mejora (PMP-14) con carcter bianual que ser el respaldo institucional a las acciones anualmente
desarrollo mismo y publicado, por la direccin de la Escuela de Posgrado, en la pgina web del
Posgrado.
avances y mejoras producidas en la satisfaccin de los colectivos implicados, resaltando el grado de
mejora en la tendencia de los indicadores integrantes de este procedimiento, y tomando como
referente los indicadores de seguimiento del Plan de Mejora. Esta memoria de seguimiento ser
realizada por CGICP usando para ello el instrumento MSP-15 y la remitir al Equipo de Direccin de
la Escuela de Posgrado que informar al Consejo Asesor de Enseanzas de Posgrado
del posgrado, de los indicadores de calidad del mismo y, en su caso, realizar nuevas
Posgrado.
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Cuestionario de Satisfaccin del Alumnado con el Posgrado(P8-08)
Cuestionario de Satisfaccin del Profesorado con el Posgrado (P8-9)
Cuestionario de Satisfaccin del PAS con el Posgrado (P8-10)
Informe Bianual de la CGICP (IBP-13)
Posgrado (IVEP)
Otros: __________________________________
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA GESTIN Y ATENCIN A LAS
SUGERENCIAS Y RECLAMACIONES RELACIONADAS CON ALGN ASPECTO DEL
POSGRADO. (P.7.)
1. OBJETIVOS:
relativa al proceso de gestin, atencin y revisin de las sugerencias y reclamaciones
surgidas en el contexto del Posgrado.
ALCANCE:
- Alumnado
- Profesorado
- Personal de Administracin y Servicios vinculado al Posgrado
- Responsable de gestionar las sugerencias y reclamaciones en el Posgrado
Pg. 191

Vicerrectorado de Estudios Grado y Posgrado

La evaluacin y mejora de la gestin y atencin a las sugerencias y reclamaciones se realizar
sobre las siguientes variables e indicadores:
Existencia, disponibilidad y accesibilidad de las hojas de sugerencias o reclamaciones.

Transparencia y claridad del proceso seguido en el Posgrado para la tramitacin de las
sugerencias y reclamaciones.
Tipologa y nmero de incidencias, reclamaciones realizadas
Nmero de sugerencias realizadas
Tiempo medio transcurrido entre la recepcin de las reclamaciones/sugerencias y la
respuesta a las mismas.
4. DESARROLLO:
Fuentes de informacin: profesorado, alumnado, personal de administracin y servicios, el
responsable del Posgrado de canalizar las reclamaciones y sugerencias y fuentes documentales
(hojas de sugerencias y reclamaciones, informes de respuesta, )
El responsable de gestionar las reclamaciones y sugerencias del Posgrado recopilar
trimestralmente informacin sobre los indicadores anteriores analizando las reclamaciones y
sugerencias existentes y relativas al posgrado a travs del Impreso de sugerencias y
reclamaciones (P7-11). Si no hubiera un responsable en el Posgrado, la CGICP deber nombrar a
uno quien se encargar de establecer y asegurar el funcionamiento de un mecanismo para la
gestin y atencin de las sugerencias y reclamaciones asociadas al Posgrado. Esta informacin
quedar reflejada en un informe (P7-12) que ser cumplimentado por este responsable.
destacar las fortalezas y los puntos dbiles del Posgrado y realizar propuestas de mejora de la
misma.
al Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora del Posgrado relativas a
Pg. 192
desarrollo del mismo y publicado en la pgina web del Posgrado.
Transcurridos tres aos de la implantacin del programa se realizar una valoracin de los
avances y mejoras producidas en la atencin y gestin a las sugerencias y reclamaciones asociadas
al posgrado, resaltando el grado de mejora en la tendencia de los indicadores integrantes de este
Este informe se remitir a la CGICT que lo har llegar al Equipo de Direccin de la Escuela
Posgrado.
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Impreso de sugerencias y reclamaciones (P7-11)
Informe del responsable del Posgrado de la gestin de las sugerencias y
reclamaciones (P7-12)
Posgrado (IVEP)
Otros: _____________________________
CRITERIOS PARA LA SUSPENSIN DEL POSGRADO MSTER EN ESTADSTICA

APLICADA y PROCEDIMIENTOS PARA GARANTIZAR LOS DERECHOS DEL ALUMNADO
QUE CURSE EL TTULO SUSPENDIDO
Los criterios para la suspensin temporal o definitiva de este Ttulo de Posgrado de la UGR
hacen referencia a:
1. La demanda de acceso. El nmero total de matriculados y la demanda de acceso al
Posgrado sern indicadores de la pertinencia del mismo. El descenso de matriculados
durante un determinado periodo de tiempo consecutivo ser motivo para considerar la
suspensin temporal o definitiva del Posgrado o la necesidad de redefinirlo en el marco
de otras enseanzas afines que se imparten en la universidad
2. El rendimiento acadmico. La disminucin las Tasas de xito, Graduacin, Eficiencia y
otros indicadores de seguimiento del rendimiento acadmico y el aumento de la Tasa de
Abandono del posgrado sern motivo para considerar interrumpir temporal o
definitivamente el programa o para introducir reformas en el mismo, tras un estudio de
las razones que han provocado la disminucin de las Tasa de xito y el aumento de las
Tasas de Abandono.
3. La calidad. El Posgrado debe cumplir los niveles de calidad que la UGR ha establecido
en cuanto a profesorado, el personal de apoyo, los recursos y los servicios.
Pg. 193
4. Los resultados del proceso de acreditacin. No superar el proceso de acreditacin a

los seis aos de su implantacin ser motivo para considerar la suspensin definitiva del
Posgrado o su redefinicin.
La Escuela de Posgrado arbitrar los mecanismos a travs de los cuales salvaguardar los
derechos y compromisos adquiridos con el alumnado que est cursando un Posgrado
suspendido.
CRITERIOS Y PROCEDIMIENTO PARA LA SUSPENSIN EVENTUAL O

DEFINITIVA DE LOS TTULOS OFICIALES DE POSGRADO DE LA UGR (P.9)
1. OBJETIVOS:
Establecer los mecanismos a travs de los cuales:
a. se definen los criterios para la suspensin temporal o definitiva del ttulo
b. se salvaguardan los derechos del alumnado que curse las enseanzas suspendidas
c. se toma decisiones sobre la suspensin eventual o definitiva del Posgrado
ALCANCE:
-
Alumnado
Profesorado
Comisin de Garanta Interna de Calidad deL Posgrado (CGICP)
Consejo Asesor Escuela de Posgrado.
3. CRITERIOS PARA LA SUSPENSIN TEMPORAL O DEFINITIVA DE LOS TTULOS

OFICIALES DE POSGRADO DE LA UGR:
Criterios para la suspensin temporal o definitiva de un Ttulo de Posgrado de la UGR:

1. Cuando el ttulo no supere el proceso de acreditacin previsto en el artculo 27 del
RD 1393/2007.
2. Cuando el Consejo de Universidades considere que las modificaciones
incorporadas al ttulo suponen un cambio apreciable en la naturaleza y objetivos del
ttulo previamente inscrito en el RUCT lo que supondra que se tratara de un nuevo
plan de estudios y procedera a actuar como corresponde a un nuevo ttulo tal y
como establece el artculo 28.2 del RD 1393/2007.
3. Cuando la propia Universidad de Granada proponga un Posgrado que sustituya al
actual
4. A propuesta del Consejo de Gobierno segn los siguientes criterios:
i.
El descenso en el nmero total de matriculados y en la demanda de acceso a la
titulacin ser motivo para considerar la suspensin temporal o definitiva de la
titulacin o la necesidad de redefinirla en el marco de otras enseanzas afines
que se imparten en la universidad.
ii.
La disminucin de las Tasas de xito, Graduacin, Eficiencia y otros
indicadores de seguimiento del rendimiento acadmico y el aumento de la Tasa
de Abandono de la titulacin sern motivo para considerar interrumpir temporal
o definitivamente la titulacin o para introducir reformas en la misma.
Pg. 194
iii.
El incumplimiento de los niveles de calidad que la UGR ha establecido en

cuanto a profesorado (insuficiencia de profesores/as y deficiencias en la calidad
docente segn Docentia-Granada), al personal de apoyo, a los recursos y a los
servicios teniendo en cuenta la realidad de cada centro.
La revisin y actualizacin peridica de estos criterios, as como el
establecimiento de los lmites concretos para cada uno de ellos ser presentada
por la CGICP, al Consejo Asesor de la Escuela de Posgrado y al Consejo de
Gobierno de la UGR.
Mecanismos establecidos para salvaguardar los derechos del alumnado que curse las
enseanzas suspendidas hasta su finalizacin:
El Consejo Asesor de la Escuela de Posgrado, teniendo en cuenta la normativa establecida por la
UGR, decidir y har pblicos los mecanismos que permitirn a los estudiantes la superacin de las
enseanzas una vez extinguidas; estos mecanismos harn referencia a:
1. Nmero de aos acadmicos, posteriores a la extincin del ttulo, de vigencia de estos
derechos.
2. Alternativas propuestas (nuevos posgrados) para los/las estudiantes que estn cursando
la enseanza suspendida.
3. Supresin gradual de la imparticin de la docencia
4. No admisin de matriculas de nuevo ingreso en la titulacin
5. Acciones tutoriales y de orientacin especfica a los estudiantes
6. Asegurar el derecho a la evaluacin hasta consumir las convocatorias reguladas por la
normativa de la UGR
7. Otros mecanismos determinados por el Rector mediante resolucin
4. DESARROLLO:
El Vicerrectorado para la Garanta de la Calidad, tras el anlisis de la Memoria de
Seguimiento del Posgrado (MSP-15) elaborada por la CGICP y remitida a este Vicerrectorado,
emitir un informe sobre el estado del SGIC del Posgrado, de los indicadores de calidad de mismo
y, en su caso, realizar nuevas recomendaciones de mejora que sern integradas en el Plan de
Mejora siguiente.
Este informe se remitir al coordinador/a del Posgrado que lo har llegar a la CGICP y al
Consejo Asesor de la Escuela de Posgrado quien valorar el cumplimiento, o no, por el ttulo, de los
criterios establecidos para la suspensin temporal o definitiva de mismo. Cuando proceda, el
Consejo Asesor de la Escuela de Posgrado tendr en cuenta los informes de seguimiento externos
y/o el informe de acreditacin.
En caso de que el Consejo Asesor de la Escuela de Posgrado considere la suspensin del
ttulo comunicar de ello a la CGICP y al Equipo de Gobierno de la UGR, para que el Consejo de
Gobierno apruebe la suspensin temporal o definitiva del mismo as como los mecanismos para
salvaguardar los derechos de los estudiantes que cursan la enseanza suspendida.
Estos acuerdos se expondrn en la web del posgrado para el conocimiento de toda la comunidad
universitaria.
La CGICP har un seguimiento detallado de estos estudiantes asegurando el cumplimiento
de sus derechos e informando anualmente sobre la situacin de la titulacin suspendida al Consejo
Asesor de la Escuela de Posgrado, quien informar al Consejo de Gobierno de la UGR.
HERRAMIENTAS (Disponibles en la web del Vicerrectorado para la Garanta
http://calidad.ugr.es/pages/secretariados/ev_calidad/docs/herramientasdelsgcdelostitulosdegradodelaugr
de
la
Calidad:

Pg. 195

Posgrado. (IVEP)
Otros: _____________________________
Pg. 196
10. CALENDARIO DE IMPLANTACIN

10.1 Cronograma de implantacin de la titulacin
Los estudios de Posgrado en Estadstica e Investigacin Operativa como Mster, surgen en
2008/09 como adaptacin del periodo de docencia del Programa de Doctorado
Interuniversitario UGR-USE, con Mencin de Calidad del MEC desde el curso 2007/08, a los
estudios de doctorado regulados por el REAL DECRETO 1393/2007.
Dentro de estos estudios el Mster en Estadstica Aplicada se oferta como ttulo de segundo
ciclo y adems permite cubrir la parte de docencia correspondiente al primer ao del
Doctorado en Estadstica e Investigacin Operativa (con oferta de tesis doctoral que dar
lugar al Ttulo de Doctor segn la Orden ECI/2514/2007).
Durante el curso 2008/2009 el Mster supona 60 crditos ECTS, a realizar en un curso
acadmico, dando lugar al Ttulo de Mster (Orden ECI/2514/2007).
Para el curso acadmico 2009/2010 el Mster se oferta de nuevo con el compromiso de pedir
su verificacin atendiendo a lo establecido en el RD 1393/2007. El Mster se desarrollar de
acuerdo con las modificaciones en el plan de estudios de Mster expuestas en la presente
memoria. Dado que la duracin del plan de estudios estipula que se pueda cursar en un ao
acadmico, no es preciso definir calendario plurianual de implantacin.
CRONOGRAMA.
Las asignaturas del mster se desarrollan organizadas en dos cuatrimestres. Desde el

momento en que comienza la docencia del cuatrimestre correspondiente, se activan los
mdulos de docencia programados para cada asignatura concreta. Estos mdulos, segn la
intencin didctica del profesorado de la asignatura, pueden estar abiertos durante todo el
periodo de docencia o irse desarrollando de modo secuencial a lo largo del mismo. Est
fijado en cada asignatura el periodo en que pueden realizarse las tareas que sern objeto de
evaluacin en la misma.
MDULO DE FORMACIN PARA LA INVESTIGACIN:

Est formado por un grupo de 7 asignaturas de carcter terico-prctico con las que se pretende que el alumno
adquiera una base rigurosa y slida en distintas materias relacionadas con la Probabilidad y la Estadstica, sin
olvidar el carcter aplicado de las mismas. Las materias ofertadas en este mdulo estn directamente ligadas a
las lneas de investigacin del programa de Doctorado en Estadstica e Investigacin Operativa, con mencin de
calidad desde el curso 2007/2008
Asignatura
Crditos
4
Carcter
Unidad Temporal
Optativo
Segundo
cuatrimestre
Pg. 197
Aspectos computacionales en la estimacin de errores en

encuestas por muestreo
Optativo
Segundo
cuatrimestre
Optativo
Primer cuatrimestre
Evaluacin de la fiabilidad y mantenimiento de sistemas de

Ingeniera
Optativo
Primer cuatrimestre
Modelos espacio-temporales. Evaluacin de riesgos en

Geofsica y Medio Ambiente
Optativo
Primer cuatrimestre
Simulacin de Procesos Estocsticos e Inferencia Estadstica
Optativo
Segundo cuatrimestre
Optativo
Primer cuatrimestre
MDULO DE APLICACIONES DE LA ESTADSTICA:

Este mdulo consta de 11 asignaturas de carcter fundamentalmente aplicado, con las que se pretende que el
alumno obtenga una formacin suficientemente amplia para la aplicacin de diferentes tcnicas estadsticas en la
resolucin de una gran variedad de problemas reales. Con las disciplinas ofertadas en este mdulo se intenta
cubrir grandes reas de la Estadstica Aplicada y orientar a los estudiantes para la eleccin de diferentes perfiles
profesionales como Anlisis de riesgos, Modelizacin Estocstica o Estadstica Medioambiental, Industrial o
Biosanitaria.
Asignatura
Crditos
Carcter
Unidad
Temporal
Optativo
Segundo
cuatrimestre
Optativo
Segundo
cuatrimestre
Aplicaciones de los modelos de difusin en fenmenos de

crecimiento en Ciencias Medioambientales y Economa
Optativo
Segundo
cuatrimestre
Bioestadstica
Optativo
Primer
cuatrimestre
Diseo estadstico experimental y control de calidad. Aplicaciones

en Biociencias e Ingeniera
Optativo
Segundo
cuatrimestre
Encuestas por muestreo. Aplicaciones econmicas, sociales y

medioambientales
Optativo
Primer
cuatrimestre
Optativo
Primer
cuatrimestre
Minera de datos
Optativo
Segundo
cuatrimestre
Optativo
Primer
cuatrimestre
Pg. 198
Optativo
Primer
cuatrimestre
Optativo
Primer
cuatrimestre
10.2 Procedimiento de adaptacin, en su caso, de estudiantes de

estudios previos al nuevo plan de estudios
Los alumnos que iniciaron, con anterioridad a la implantacin del Mster, el Tercer Ciclo
Estadstica e Investigacin Operativa podrn continuarlo hasta el ao 2015 en que se
extinguir definitivamente. Los alumnos que no hubieran obtenido la suficiencia investigadora
debern incorporarse, si desean continuar sus estudios, a las nuevas enseanzas oficiales de
Mster y Doctorado, pudiendo solicitar el reconocimiento de los crditos que hubieran
superado en el Programa de Doctorado. Una vez realizada por el alumno la preinscripcin
(solicitud de admisin) al Mster, en cumplimiento del RD 56/2005, que regula los estudios de
Posgrado, la Comisin de Doctorado y la Comisin responsable del ttulo estudiarn la afinidad
de contenidos de los cursos superados en otros Programas de Posgrado, a efectos de
reconocer los crditos cursados con o sin calificacin. Se aplicar el criterio de considerar
equivalente un crdito de doctorado a un crdito ECTS de Mster, decidiendo de qu materias
del Mster se exime al solicitante, para la obtencin del ttulo.
Los alumnos que iniciaron los estudios del Mster en su primer ao de implantacin (curso
2008/2009) y que no completaron los crditos necesarios para la obtencin del ttulo podrn
matricularse en los cursos posteriores completando dichos crditos en los mdulos
establecidos en la estructura actual del Mster. La tabla de convalidaciones correpondiente a
esta situacin se elabora atendiendo al siguiente criterio: el nmero de crditos completados
en cada parte (docencia, investigacin y prcticas de empresa) por dicho nmero en la parte
correspondiente del nuevo plan de Mster.
10.3 Enseanzas que se extinguen por la implantacin del

correspondiente ttulo propuesto
Desde la implantacin del ttulo en el curso 2008/2009, el periodo de formacin del Programa
de Doctorado en Estadstica e Investigacin Operativa est incorporado en el Mster de
Estadstica Aplicada. Para acceder al Programa de Doctorado en su periodo de formacin es
necesario cumplir las mismas condiciones que para el acceso a dicho Mster.
Pg. 199
Con la implantacin en el curso acadmico 2009/2010 del Mster universitario en Estadstica

Aplicada se extingue el ttulo antiguo de acuerdo a su estructura y definicin en el curso
acadmico 2008/2009.
Pg. 200
ANEXOS
9. SISTEMA DE GARANTA DE CALIDAD DEL PROGRAMA OFICIAL

DEL MSTER EN ESTADSTICA APLICADA, DE LA UNIVERSIDAD DE
GRANADA
OBJETIVOS y COMPROMISOS CON LA CALIDAD DE LOS PROGRAMAS

OFICIALES DEL POSGRADO DE LA UGR
ESTRUCTURA DEL SISTEMA DE GARANTA DE CALIDAD DEL PROGRAMA

OFICIAL DEL POSGRADO,
2.1. Responsables del Sistema de Garanta de la Calidad del Posgrado
2.1. Comisin de Garanta Interna de la Calidad del Posgrado
PROCEDIMIENTOS PARA GARANTIZAR LA CALIDAD DEL PROGRAMA

OFICIAL DEL POSGRADO
CRITERIOS PARA LA SUSPENSIN TEMPORAL O DEFINITIVA DEL

PROGRAMA OFICIAL DEL POSGRADO Y PROCEDIMIENTOS PARA
GARANTIZAR LOS DERECHOS DEL ALUMNADO QUE CURSE EL POSGRADO
SUSPENDIDO
ANEXO. Informacin complementaria

- Carta de aceptacin y compromiso del director de la Escuela de Posgrado
con el Sistema de Garanta Interna de la Calidad de los posgrados de la
UGR.
- Carta de aceptacin y compromiso del coordinador del Programa con el
Sistema de Garanta Interna de la Calidad propuesto.
1. OBJETIVOS y COMPROMISOS CON LA CALIDAD DE LOS PROGRAMAS OFICIALES

DEL POSGRADO DE LA UGR
La Universidad de Granada, con el objeto de favorecer la mejora continua de los Posgrados que
imparte y de garantizar un nivel de calidad que facilite su verificacin y posterior acreditacin, ha establecido
un Sistema de Garanta de Calidad de los Programas Oficiales de Posgrado. Las acciones y
procedimientos contenidos en este Sistema estn en consonancia con los criterios y directrices para la
garanta de calidad en el Espacio Europeo de Educacin Superior elaborados por la Agencia Europea de
Aseguramiento de la Calidad en la Educacin Superior (ENQA), y combina acciones de valoracin y
supervisin llevadas a cabo por la propia Universidad, con aquellas que corresponden a los Centros
encargados de desarrollar las enseanzas.
De acuerdo con esto, la Escuela de Posgrado, junto con los/las coordinadores/as de los Programas
Oficiales de Posgrado de la UGR, de se comprometen con los siguientes objetivos generales asociados
a la calidad:
1. Extender la cultura de la calidad y mejora continua y sistemtica en el funcionamiento

administrativo y acadmico de los programas de posgrado.
2. Asegurar la implementacin, desde la mxima objetividad e independencia, del SGC de los
posgrados a travs del cual se gestionan, de forma planificada, la calidad de los mismos.
3. Asegurar la convergencia al Espacio Europeo de Educacin Superior de todas las dimensiones de
los programas formativos: metodologas docentes basadas en el aprendizaje, objetivos formativos,
perfiles de la funcin docente, materiales,
4. Velar para que la eficacia, eficiencia y transparencia sean los principios de gestin de la Escuela de
Posgrado y de los Programas de posgrado que gestiona.
5. Potenciar la mejorar de la accin docente, estableciendo mecanismos de coordinacin de la
docencia, asegurando la idoneidad de los programas docentes, facilitando la participacin del
profesorado en procesos de formacin, asegurando una estructura eficiente de apoyo a la mejora
continuada de la docencia y estimulando la innovacin metodolgica en el profesorado implicado
en los posgrados.
6. Mejorar la satisfaccin del alumnado implicado en los posgrados a travs de una atencin directa e
individual, que facilite su progreso, que evite el abandono, que mejore sus resultados acadmicos y
que lo posicione en una situacin de ventaja competitiva ante su insercin en el mbito laboral o de
investigacin.
La Escuela de Posgrado de la Universidad de Granada est convencida de la conveniencia del
establecimiento de un Sistema de Garanta de Calidad del Programa Oficial del MSTER EN
ESTADSTICA APLICADA, que favorezca la mejora continua y garantice un nivel de calidad que cumpla
con las expectativas de los diferentes grupos de inters implicados en el mismo y con el compromiso que,
como Centro de la Universidad de Granada, tiene con la Sociedad a la que presta su servicio pblico. Esta
Escuela de Posgrado es consciente tambin de la importancia que tiene consolidar una cultura de la calidad
en el mbito universitario, y considera dicha consolidacin como un factor estratgico para conseguir que
las competencias, habilidades y aptitudes, tanto de sus egresados, como de sus estudiantes y de todo su
personal, sean reconocidas por los empleadores y por la Sociedad en general. Por todo ello se compromete,
en corresponsabilidad con los rganos de gobierno de la Universidad de Granada, a implantar el Sistema de
Garanta de Calidad que se presenta en este documento y a velar por su adecuado desarrollo.
Los referentes normativos y evaluativos de este Sistema de Garanta de la Calidad son los siguientes:
- Ley Orgnica 4/2007, de 12 de abril por la que se modifica la Ley Orgnica 6/2001, de 21 de
diciembre de Universidades (BOE 13 de abril de 2007).
- Real Decreto 1393/2007, de 29 de octubre, por el que se establece la ordenacin de las

enseanzas universitarias oficiales.
- Real Decreto 56/2005 de 21 de enero, por el que se regulan los estudios universitarios oficiales de
Posgrado.
- Estatutos de la Universidad de Granada (Plan Estratgico).

- Criterios y directrices para la Garanta de Calidad en el Espacio Europeo de Educacin Superior
propuestos por ENQA.
- Protocolo de evaluacin para la VERIFICACIN de ttulos universitarios oficiales

- Gua de apoyo para la elaboracin de la memoria para la solicitud de verificacin de ttulos oficiales
(Grado y Mster)
- Normativa vigente de la Universidad de Granada que regula los aspectos relativos a los
procedimientos del SGIC de los Posgrados.
- Reglamento de la Escuela de Posgrado

- Manual sobre orientaciones prcticas para el establecimiento de un Sistema de Garanta de
Calidad de ttulos Universitarios Oficiales de Grado, elaborado por una comisin propuesta por
AGAE. (2008)
2. ESTRUCTURA DEL SISTEMA DE GARANTA DE CALIDAD DEL PROGRAMA OFICIAL DEL

MSTER EN ESTADSTICA APLICADA DE LA UNIVERSIDAD DE GRANADA
2.1. Responsables del Sistema de Garanta de la Calidad
Los rganos encargados, en la UGR, del seguimiento y garanta de la Calidad de los Posgrados
son el Vicerrectorado para la Garanta de la Calidad y el de Enseanzas de Grado y Posgrado.
El rgano responsable de integrar el Sistema de Garanta Interna de la Calidad en el
funcionamiento cotidiano de este Programa de posgrado es la Comisin de Garanta Interna de la Calidad
del Posgrado (CGICP) que ser creada y aprobada por el Consejo Asesor de Enseanzas de Posgrado,
odo el Coordinador del programa.
2.2. Comisin de Garanta Interna de la Calidad del Posgrado
La Comisin de Garanta Interna de Calidad de este Posgrado contar con el apoyo tcnico de la
UGR a travs de los vicerrectorados implicados en el desarrollo del Posgrado (Vicerrectorado para la
Garanta de la Calidad, de Enseanzas de Grado y Posgrado, de Relaciones Internacionales, de
Ordenacin Acadmica y Profesorado y el Vicerrectorado de Estudiantes.)
Los responsables ejecutivos del Sistema de Garanta Interna de la Calidad del Posgrado son el
Coordinador del Posgrado y el Consejo Asesor de Enseanzas de Posgrado
La composicin de la Comisin de Garanta Interna de la Calidad del Mster es la siguiente:
Miembros titulares
- Coordinador/a del Mster. Quien velar por el desarrollo y cumplimiento de
la sistemtica y de los procedimientos establecidos en el Sistema de
Garanta de la Calidad del ttulo. Debe asegurar el desarrollo de las
funciones de esta comisin as como el cumplimiento de sus objetivos. La
recogida de informacin, su anlisis, la elaboracin de unos informes
anuales/bianuales, el diseo de propuestas de mejora y su derivacin a los
responsables institucionales para su aprobacin, son las tareas principales
del coordinador/a de este mster en esta comisin; tareas que realizar en
coordinacin constante con el resto de miembros de esta comisin. Es el
responsable de la gestin de la calidad del mster y por lo tanto debe
reaccionar ante cualquier imprevisto o circunstancia relacionada con el
desarrollo del mster.
- Un miembro del equipo de direccin de la Escuela de Posgrado.
- Un miembro del PAS vinculado con la gestin administrativa del Mster
Un alumno/a del Mster

Un mnimo de dos profesores del Mster. La principal funcin de estos/as
profesores/as es participar, en coordinacin con el resto de miembros, en el
desarrollo de la sistemtica propuesta en los procedimientos establecidos en
el Sistema de Garanta de la Calidad de este Mster. Recoger informacin,
participar en su anlisis y en la elaboracin de las propuestas de mejora,
constituyen tareas concretas.
Miembros suplentes:
- Un profesor/a del Mster
Esta Comisin contar, cada vez que lo considere necesario, con el asesoramiento de
un agente externo (profesional en ejercicio o representante de otra universidad) cuya
relacin con la CGICP ser establecida en el Reglamento de Funcionamiento Interno de
dicha comisin. Este agente externo estar sometido, en el ejercicio de sus funciones,
al deber de confidencialidad que establece la legislacin vigente, suscribiendo el Cdigo
tico de Conducta establecido por la Agencia Andaluza de Evaluacin (Julio de 2008,
V02. 090608).
Esta Comisin contar, cada vez que lo considere necesario, con el asesoramiento de un agente
externo (profesional en ejercicio o representante de otra universidad) cuya relacin con la CGICP
ser establecida en el Reglamento de Funcionamiento Interno de dicha comisin. Este agente
externo estar sometido, en el ejercicio de sus funciones, al deber de confidencialidad que
establece la legislacin vigente, suscribiendo el Cdigo tico de Conducta establecido por la
Agencia Andaluza de Evaluacin (Julio de 2008, V02. 090608).
Los objetivos de esta Comisin son:
-
Propiciar la mejora continua y sistemtica del Posgrado.

Asegurar el desarrollo del Sistema de Garanta Interna de la Calidad del Posgrado.
Constituir un servicio de apoyo a la coordinacin del Posgrado en la toma de decisiones de
mejora del mismo.
Potenciar la participacin de todos los colectivos implicados en la evaluacin y mejora de la
Sus funciones son las siguientes:

-
Proponer las estimaciones de los indicadores de seguimiento de la calidad del Posgrado.

Proponer los criterios y estndares para la suspensin temporal o definitiva del Posgrado y
asegurar su aplicacin.
Recoger y analizar la informacin relacionada con los procedimientos para garantizar la
Definir acciones de mejora del Posgrado e informar de las mimas a la coordinacin del
Posgrado y a la Direccin de la Escuela de Posgrado.
Dinamizar y coordinar la puesta en marcha de las propuestas de mejora del Posgrado.
Realizar, cada tres aos, un informe de seguimiento del Posgrado tomando como referente
los indicadores de calidad establecidos.
Contribuir a superar los procesos de evaluacin (SEGUIMIENTO /ACREDITACIN) del
Posgrado establecidos por la ANECA.
Asegurar la confidencialidad de la informacin generada as como la difusin de aquella que
sea de inters para la comunidad universitaria y la sociedad.
Esta Comisin definir su reglamento de funcionamiento interno una vez que el posgrado se haya puesto
en marcha. En este reglamento se aludir, por lo menos, al proceso de constitucin de la CGICP, a la
renovacin de sus miembros y al proceso a seguir para la toma de decisiones.
3. PROCEDIMIENTOS DEL SISTEMA DE GARANTA DE CALIDAD DEL PROGRAMA OFICIAL

DEL MSTER EN ESTADSTICA APLICADA
El Sistema de Garanta Interna de la Calidad del Posgrado establece cmo se revisar el desarrollo de
este Posgrado. Este sistema integra distintos mecanismos y procedimientos relativos tanto a la recogida y
anlisis de la informacin sobre diferentes aspectos del plan de estudios, como al modo en que se utilizar
esta informacin para el seguimiento, revisin y la toma de decisiones de mejora del mismo. Estos
procedimientos hacen referencia a los siguientes aspectos del Posgrado:
1.
2.
3.
4.
5.
6.
7.
8.
9.
La enseanza y el profesorado
Resultados acadmicos
Las prcticas externas (si procede)
Los programas de movilidad (si procede).
La insercin laboral de los egresados y su satisfaccin con la formacin recibida
La satisfaccin de los distintos colectivos implicados
La atencin a las sugerencias y reclamaciones
La difusin del Posgrado, su desarrollo y resultados
Criterios y procedimiento para la suspensin eventual o definitiva de los ttulos oficiales de
Posgrado
La Comisin de Garanta Interna de la Calidad de este Posgrado es la responsable del desarrollo de

estos procedimientos que se especifican a continuacin:
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA CALIDAD DE LA ENSEANZA Y

DEL PROFESORADO (P.1.)
1. OBJETIVOS:
- Establecer los mecanismos para la recogida y anlisis de la informacin relativa a la
organizacin, gestin y desarrollo de la enseanza y la actuacin docente del profesorado
implicado en el Posgrado.
- Definir el modo en que se utilizar la informacin recogida para el seguimiento, la revisin y
mejora del desarrollo del Programa del Posgrado.
ALCANCE:
Alumnado
Profesorado
Coordinador del Posgrado
Agente Externo
Equipo de Direccin de la Escuela de Posgrado: Director de la Escuela y Consejo Asesor de
Vicerrectorado para la Garanta de la Calidad.

La evaluacin y mejora de la calidad de la enseanza y del profesorado se realizar tomando
como referente las siguientes variables e indicadores:
1. Accesibilidad y difusin de las Guas Docentes de las materias del Posgrado
2. Claridad y adecuacin de los objetivos/competencias y los contenidos.

3. Concrecin, suficiencia y diversidad de estrategias docentes, recursos, oferta tutorial
y sistema de evaluacin del Programa de Posgrado
4. Coordinacin entre el profesorado (de una misma materia de diferentes materias)
5. Cumplimiento de los planificado: Grado de cumplimiento de los planificado e incidencias
surgidas en el desarrollo del programa y respuestas dadas a las mismas
6. Variables relativas a la actuacin docente del profesorado: Actuacin docente del
profesorado en opinin del alumnado y actuacin docente del profesorado del Posgrado
segn informe global emitido en el marco del programa DOCENTIA-GRANADA
Indicadores
Resultados de las encuestas de la
opinin de los estudiantes sobre la
actuacin docente del profesorado
(Sobre 5 puntos)
Cursos acadmicos
Valor
2002-03
2004-05
estimado1
3.68
(Referentes)
Diplomado en Estadstica
Licenciado en CC y TT Estadsticas
Informe global sobre la actuacin
docente (DOCENTIA-GRANADA)
3.85
3.90
3.92
3.67
Actualmente no procede (no se ha

realizado este proceso todava)
4. DESARROLLO:
4.1. SISTEMA DE RECOGIDA DE INFORMACIN
Fuentes de informacin: profesorado, Coordinador del Posgrado, responsable de gestionar las
quejas y reclamaciones relacionadas con el posgrado, alumnado, Vicerrectorado para la Garanta de
la Calidad y fuentes documentales/bases de datos de la UGR (Guas Docentes de las Materias del
Posgrado y web del Posgrado)
El Coordinador del Posgrado recopilar la informacin sobre los indicadores anteriores, usando para
ello el Informe del coordinador del Posgrado (P1-01)
El Vicerrectorado para la Garanta de la Calidad recoger informacin sobre la actuacin docente del
profesorado y remitir a la CGICP dos informes (globales) uno sobre la opinin aportada por los
estudiantes sobre la actuacin docente del profesorado del Posgrado utilizando el Cuestionario de
opinin del alumnado sobre la actuacin docente del profesorado (P1-02) y un segundo informe
relativo a la evaluacin alcanzada por el profesorado implicado en el Posgrado en el marco del
Programa DOCENTIA-GRANADA.
Estos tres informes, sern remitidos a la Comisin de Garanta Interna de la Calidad del Posgrado.
4.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN y TOMA DE DECISIONES
La CGICP, llevar a cabo el anlisis de la informacin recogida y relativa a las variables
anteriores y elaborar cada dos aos un informe (IBP-13), a travs del cual documentar todos los
indicadores sealados anteriormente, destacar las fortalezas y los puntos dbiles del Posgrado y
realizar propuestas de mejora del mismo.
4.3. SISTEMA PARA LA REVISIN,
POSGRADO
MEJORA Y SEGUIMIENTO DEL PROGRAMA DE

Mejora (PMP-14) con carcter bianual que ser el respaldo institucional a las acciones de mejora
Posgrado.
avances y mejoras producidas en la calidad de la enseanza y del profesorado, resaltando el grado
de mejora en la tendencia de los indicadores integrantes de este procedimiento, y tomando como
la Escuela de Posgrado que informar al Consejo Asesor de Enseanzas de Posgrado.
Posgrado, de los indicadores de calidad del mismo y, en su caso, realizar nuevas recomendaciones
de mejora que sern integradas en el Plan de Mejora siguiente.
4.4. HERRAMIENTAS.
(Disponibles en la web
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Informe del Coordinador del Posgrado (P1-01)
Cuestionario de Opinin del alumnado sobre la actuacin docente del
profesorado. (Cuestionario del programa DOCENTIA-Andaluca verificado
por AGAE y actualmente en proceso de adaptacin y mejora en la
Universidad de Granada). (P1-02)
Informe del Vicerrectorado para la Garanta de la Calidad sobre el Estado
del Posgrado (IVEP)
Otros: __________________________________
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA CALIDAD DE LA ENSEANZA Y DEL

PROFESORADO (P.1.)
Recogida de Informacin
Coordinador/a Posgrado
Base datos UGR
Cuestionario opinin alumnado sobre

actuacin docente profesorado P1-01
Informe sobre Evaluacin
Profesorado Posgrado Programa
Docentia - Granada
Cuestionario opinin alumnado

sobre actuacin docente
profesorado P1-02
Recogida Informacin sobre actuacin

docente profesorado
Vicerrectorado Garanta Calidad
Remisin 3 Informes
P1-01+ P1-02+ Informe Docentia a la C.G.I.C.P.
RECOGIDA DE INFORMACIN
Informe Coordinador/a Posgrado

P1-01
Informes distinta fuentes
Vicerrectorado Garanta Calidad +

C.G.I.C.P.
Elaboracin Informe Bianual
Informe Bianual CGICP (IBP-13)
C.G.I.C.P.
No
es vlida y
suficiente la
informacin?
Si
Remisin al Equipo de Direccin Escuela

Posgrado
C.G.I.C.P.
Presentacin del Informe y Propuestas de

Mejora en el Consejo Asesor de Posgrado
ANLISIS DE LA INFORMACIN Y TOMA DE DECISIONES
Anlisis Informacin recibida
Equipo de Direccin Escuela Posgrado
Asignacin Responsable Plan de Mejora

Comisin de Posgrado, oda la CGICP
Definicin indicadores seguimiento y

temporalizacin
Responsable Plan de Mejora
Aprobacin Propuesta de Mejora

Consejo Asesor de Posgrado
Si
Remisin al Vicerrectorado para la Garanta
de la Calidad
Escuela de Posgrado
Revisa y Aprueba
Aprueba
No
Si
Firma Plan de Mejora Bianual
PMP-14
REVISIN y MEJORA DEL PROGRAMA DE POSGRADO
No
Aprueba

y CGICT
Envo a los rganos Universitarios

Implicados
Publicacin Web del Posgrado

Direccin Escuela Posgrado
TRANSCURRIDOS 3 AOS IMPLANTACIN

POSGRADO
Valoracin Calidad Enseanza y

Profesorado
C.G.I.C.P.
MSP-15
Elaboracin de la memoria seguimiento

C.G.I.C.P.
Remisin Memoria
Equipo Direccin Escuela
Posgrado
Vicerrectorado Garanta Calidad

C.G.I.C.T.
IVEP
Revisin
Informar Consejo Asesor de
Posgrado
Posgrado
Comisin Evaluacin
No
se alcanzan los
indicadores de
seguimiento?
Si
Recomendaciones de Mejora
Remisin del Informe a la C.G.I.C.P.

Enviar al Equipo de Direccin Escuela

Posgrado y al Consejo Asesor de Posgrado
C.G.I.C.P.
Publicacin en web Posgrado

Equipo de Direccin Escuela Posgrado
Custodia
10
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DEL RENDIMIENTO ACADMICO (P.2.)

1. OBJETIVOS:
relativa a los Resultados Acadmicos.
ALCANCE:
Se trata de un procedimiento comn a todos los Programas Oficiales de los Posgrados de la
UGR
-

Agente Externo

La evaluacin y mejora relativa a los Resultados Acadmicos se realizar tomando como
referente las estimaciones (sobre los tres ltimos aos acadmicos y expresados en la Tabla de
estimaciones adjunta a este procedimiento) realizadas sobre los siguientes indicadores relativos al
Posgrado:
1. Tasa de graduacin.
Definicin: Porcentaje de estudiantes que finalizan la enseanza en el tiempo previsto en el
Programa de Posgrado o en un ao acadmico ms en relacin con su cohorte de entrada.
2. Tasa de abandono.
Definicin: Relacin porcentual entre el nmero total de estudiantes de una cohorte de
nuevo ingreso que debieron obtener el ttulo el ao acadmico anterior y que no se han
matriculado ni en ese ao acadmico ni en el anterior.
3. Tasa de eficiencia.
Definicin: Relacin porcentual entre el nmero total de crditos del Programa del Posgrado
a los que debieron haberse matriculado a lo largo de sus estudios el conjunto de graduados
de un determinado ao acadmico y el nmero total de crditos en los que realmente han
tenido que matricularse.
Definicin: Relacin porcentual entre el nmero de trabajos defendidos (trabajos fin de
master y tesis doctorales) y el nmero de alumnos/as matriculados en una misma cohorte.
Nota: Para la estimacin de este valor se ha tenido en cuenta que este Ttulo de
Posgrado tiene dos orientaciones, una investigadora y otra profesionalizante que, de
no ser tenida en cuenta, podra hacer sobreestimar el valor de esta tasa.
Definicin: Relacin porcentual entre el nmero total de crditos superados (excluidos los
adaptados, convalidados y reconocidos) por el alumnado en un programa y el nmero total
de crditos matriculados.
11

Definicin: Duracin media (en aos) que los estudiantes tardan en superar los crditos
correspondientes al Programa del Posgrado.
Valor de referencia establecido para el seguimiento: 1.53 Aos
4. DESARROLLO:
Fuentes de informacin: Bases de datos de la Universidad de Granada.
El/la coordinado/a del posgrado recopilar informacin sobre los indicadores anteriores a travs de
la informacin aportada por el Vicerrectorado de Enseanzas de Grado y Posgrado y el de Garanta
de la Calidad procedente de las bases de datos de la UGR.
Esta recogida de informacin se realizar al final de cada curso acadmico utilizando para ello la
Tabla de estimaciones (P2-03)
4.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN y TOMA DE DECISIONES.
La CGICP llevar a cabo los anlisis de los valores de estos indicadores examinando el
cumplimiento o no de los valores estimados y elaborar, cada dos aos, un informe (IBP-13) a
travs del cual documentar los indicadores sealados anteriormente, destacar las fortalezas y los
puntos dbiles del Posgrado y realizar propuestas de mejora de la misma.
Para la puesta en marcha y seguimiento de las propuestas de mejora, la Comisin de
Estudios del Posgrado, oda la CGICP, asignar un responsable dentro de la misma, definir los
avances y mejoras producidas en los diferentes aspectos evaluados sobre el rendimiento
acadmico, resaltando el grado de mejora en la tendencia de los indicadores integrantes de este
4.4. HERRAMIENTAS:
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:
12

Tabla de seguimiento de indicadores (P2-03)

Posgrado (IVEP)
Otros: _____________________________________
13
REVISIN
MEJORA
14
RECOGIDA DE
INFORMACIN
SEGUIMIENTO DEL POSGRADO
15
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LAS PRCTICAS EXTERNAS

INTEGRADAS EN EL PROGRAMA OFICIAL DEL POSGRADO (P.3.)
1. OBJETIVOS:
1. Establecer los mecanismos para la recogida y anlisis de la informacin relativa a la gestin
y desarrollo de las prcticas externas integradas en el posgrado.
mejora del desarrollo del Programa de Posgrado.
ALCANCE:
Se trata de un procedimiento comn a todos los Programas Oficiales de Posgrado de la
UGR que contemplan prcticas externas
-
Alumnado
Tutores de prcticas: docentes de la UGR y de la empresa o entidad de prcticas
Responsable de las prcticas externas del Posgrado
Comisin de Garanta Interna de Calidad del Posgrado(CGICP)
Agente Externo

La evaluacin de la calidad de las prcticas externas del posgrado se realizar tomando como
referente las siguientes variables e indicadores:
1. Idoneidad y suficiencia de las entidades de prcticas:
- Grado de adecuacin de la entidad o centro de prcticas al Posgrado
- Grado de especificidad y claridad de los criterios para la seleccin de las entidades
de prcticas.
- Variedad, tipologa y nmero de entidades de prcticas colaboradoras para la
realizacin de las prcticas externas del Posgrado.
3. Suficiencia de la coordinacin acadmica y administrativa de las prcticas externas
- Claridad, objetividad y transparencia de los criterios establecidos para la
adjudicacin de los estudiantes a las entidades de prcticas
- Nivel de comunicacin y coordinacin acadmica con las entidades de prcticas
4. Pertinencia, suficiencia y eficacia del programa de formacin
- Grado de relacin entre las competencias de formacin y las atribuciones
profesionales.
- Nivel de concrecin de los componentes del programa de formacin
o El asesoramiento y orientacin recibida
o Con el cumplimiento del programa
o Con la entidad de prcticas
o Con la gestin acadmica y administrativa de la prcticas
- Grado de satisfaccin de los tutores/as externos de las empresas y entidades de
prcticas
6. Difusin pblica del programa de prcticas externas
16
- Estrategias para la publicacin y difusin del programa de prcticas externas

4. DESARROLLO:
Fuentes de informacin: responsable de las prcticas externas, tutores/as internos, tutores/as
externos, alumnado y fuentes documentales/bases de datos (convenios establecidos, programa de
prcticas del Posgrado, reglamento de la Escuela de Posgrado, protocolos de coordinacin, actas de
reuniones y web del Posgrado)
El/la responsable de las prcticas externas del Posgrado, recopilar informacin sobre los
indicadores anteriores a travs de las fuentes sealadas y de los instrumentos aportados por el
Vicerrectorado para la Garanta de la Calidad (P3-04; P3-05) o de los propuestos por la Escuela de
Posgrado. Esta recogida de informacin se realizar anualmente, una vez terminadas las prcticas y
dentro del ao acadmico en el que se han desarrollado.
4.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN Y LA TOMA DE DECISIONES
El/la responsable de las prcticas externas del Posgrado llevar a cabo el anlisis de la
informacin y elaborar, cada dos aos, un informe (P3-06).
La CGICP junto con el/la responsable de las prcticas externas del Posgrado
cumplimentarn el apartado del Informe Bianual del Posgrado
(IBP-13) relativo a este
procedimiento, a travs del cual se documentarn los indicadores sealados anteriormente, se
destacarn las fortalezas y los puntos dbiles de las prcticas externas asociadas al Posgrado y se
realizarn propuestas de mejora de la misma.
presentar al Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora del mismo
Posgrado, stas sern remitidas, por la direccin de la Escuela de posgrado al Vicerrectorado para
Mejora (PMP-14) con carcter bianual que ser el respaldo institucional a las acciones
Posgrado.
Transcurridos tres aos de la implantacin del posgrado, la CGICP, junto con el responsable
de las prcticas externas, realizar una valoracin de los avances y mejoras producidas en el
desarrollo de las mismas, resaltando el grado de mejora en la tendencia de los indicadores
integrantes de este procedimiento, y tomando como referente los indicadores de seguimiento del
Plan de Mejora. La CGICP integrar esta valoracin en la Memoria de Seguimiento del Posgrado
(MSP-15). y la remitir al Equipo de Direccin de la Escuela de Posgrado que informar al Consejo
Asesor de Enseanzas de Posgrado.
Posgrado, de los indicadores de calidad de la misma y, en su caso, realizar nuevas
17
4.4.
HERRAMIENTAS (Disponibles en la
web
del
Vicerrectorado
para
la Garanta
de
la
Calidad:

Cuestionario de Evaluacin del Alumnado (P3-04)
Cuestionario de evaluacin del Tutor/a externos/a (P3-05)
Informe del responsable de las prcticas del Posgrado (P3-06)
Posgrado (IVEP)
Otros: ____________________________
18
REVISIN
MEJORA
19
RECOGIDA DE
INFORMACIN
20
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LOS PROGRAMAS DE MOVILIDAD

ASOCIADOS AL POSGRADO. (P.4.)
OBJETIVOS:
1.
Establecer los mecanismos a travs de los cuales se recoger y analizar informacin
relativa a la gestin y desarrollo de los programas de movilidad relacionados con el Programa
Oficial del Posgrado.
2.
Definir el modo en que se utilizar la informacin recogida para el seguimiento, la
revisin y mejora del desarrollo del Programa Oficial de Posgrado.
ALCANCE:
-
Alumnado participante en programas de movilidad.

Coordinadores/as acadmicos internos y externos
Personal de Administracin y Servicios vinculado a los programas de movilidad.
Agente Externo
Vicerrectorado de Relaciones Internacionales/Oficina de Relaciones Internacionales
Responsable de los programas de movilidad del Posgrado.

La evaluacin de la calidad de los programas de movilidad asociados al Posgrado se realizar
tomando como referente las siguientes variables e indicadores:
1. Idoneidad de los centros/universidades socias
- Especificidad y claridad de los criterios para la seleccin de las universidades
socias.
- Tipologa y nmero de centros/universidades socias
3. Suficiencia de la coordinacin acadmica y administrativa de los programas de
movilidad
- Definicin de los criterios para la adjudicacin de ayudas de movilidad a los
estudiantes por parte del Vicerrectorado de Relaciones Internacionales.
- Identificacin de los requisitos para participar en la oferta de movilidad de la
universidad/centro.
- Nivel de comunicacin y coordinacin entre los socios
- Establecimiento de una estrategia para el seguimiento de la movilidad y de las
incidencias surgidas.
o El asesoramiento e informacin recibida (previamente a la movilidad y por
parte de la Universidad de acogida).
o La gestin acadmica y administrativa del programa de movilidad disfrutado.
o Los resultados alcanzados
o Con los servicios, enseanzas, profesorado, del centro/universidad de
acogida.
o Las estrategias identificadas para el seguimiento de las incidencias surgidas,
quejas y reclamaciones emitidas.
21
Grado de satisfaccin de los tutores/as acadmicos de la UGR
5. Difusin pblica de los programas de movilidad

- Definicin y establecimiento de unas estrategias de difusin y publicacin de los
programas de movilidad asociados al posgrado.
1
6. ndices de aprovechamiento :
- Tasa de participacin: nmero de alumnos/as del posgrado que participan en
programas de movilidad // nmero de alumnos/as matriculados en del posgrado
que cumplen los requisitos para participar en un programa de movilidad.
- Tasa de rendimiento: nmero de alumnos/as que terminan un programa //
nmero de alumnos/as que participan en programas de movilidad
- Tasa de aprovechamiento: nmero de plazas ocupadas // nmero de plazas
ofertadas para el desarrollo de programas de movilidad asociados al posgrado.
4. DESARROLLO:
Fuentes de informacin: responsable de la Oficina de Relaciones Internacionales de la UGR,
responsable de los programas de movilidad del Posgrado, tutores/as acadmicos, alumnado y
fuentes documentales/bases de datos (convenios establecidos, reglamento de los programas de
movilidad del centro/UGR, protocolos de coordinacin, actas de reuniones y web del
Posgrado/Oficina RRII)
El/la responsable de los programas de movilidad del Posgrado o la Comisin responsable recopilar
informacin sobre estos indicadores. Esta recogida de informacin se realizar bianualmente.
El/la responsable de los programas de movilidad del Posgrado o Comisin designada,
llevar a cabo el anlisis de la informacin recogida y elaborar, cada dos aos, un informe (P4-07).
La CGICP junto con el/la responsable de la movilidad del Posgrado cumplimentarn el apartado del
Informe Bianual del Posgrado (IBP-13) relativo a este procedimiento, a travs del cual se
documentarn los indicadores sealados anteriormente, se destacarn las fortalezas y los puntos
dbiles de los programas de movilidad y se realizarn propuestas de mejora de la misma.
Una vez aprobadas las propuestas de mejora por el Consejo Asesor de Enseanzas de Posgrado,
stas sern remitidas, por la direccin de la Escuela de Posgrado al Vicerrectorado para la Garanta
de la Calidad que, tras la valoracin de las mismas, firmar con la CGICP un Plan de Mejora (PMP14) con carcter bianual que ser el respaldo institucional a las acciones propuestas. Dicho Plan de
Mejora ser remitido a los rganos universitarios implicados en el desarrollo del mismo y publicado,
por la direccin de la Escuela de Posgrado, en la pgina web del Posgrado.
Transcurridos tres aos de la implantacin del posgrado, el responsable de la movilidad del
Posgrado y la CGICP realizarn una valoracin de los avances y mejoras producidas en el
1
Estos ndices hacen referencia al carcter bidireccional de los programas de movilidad, es decir se refiere tanto a los
programas que permiten a los estudiantes de la UGR a ir a otra universidad como a los que permiten a estudiantes de
otras universidades acceder a la UGR.
22
desarrollo de los programas de movilidad asociados al posgrado, resaltando el grado de mejora en

la tendencia de los indicadores integrantes de este procedimiento, y tomando como referente los
indicadores de seguimiento del Plan de Mejora. Esta informacin ser integrada en la Memoria de
Seguimiento del Posgrado (MSP-15). Esta memoria ser remitida al Equipo de Direccin de la
Escuela de Posgrado que informar al Consejo Asesor de Enseanzas de Posgrado.
recomendaciones de mejora que sern integradas en el Plan de Mejora siguinete.
Posgrado.
4.4. HERRAMIENTAS
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Informe del Responsable o Comisin responsable de los programas de movilidad del
Posgrado. (P4-07)
Memoria de seguimiento del Posgrado (MSP-15)
Posgrado (IVEP)
Otros: ________________________________________
23
24

POSGRADO
Valoracin Programas Movilidad

Responsable Movilidad Posgrado y
C.G.I.C.P.

posgrado, valorando grado mejora
tendencia indicadores
MSP-15
Responsable Movilidad Posgrado y

C.G.I.C.P.
Remisin
Posgrado
C.G.I.C.P.
Informar al Consejo Asesor

de Posgrado
Realizacin Informe Estado SGIC Posgrado

Posgrado
No
IVEP
se alcanzan los
indicadores de
seguimiento?
Si


C.G.I.C.P.
Publicacin en web del Posgrado

Equipo de Direccin Centro
Custodia
25
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA INSERCIN LABORAL DE LOS

EGRESADOS Y DE LA SATISFACCIN CON LA FORMACIN RECIBIDA. (P.5.)
1. OBJETIVOS:
relativa a la insercin laboral de los egresados del posgrado y su satisfaccin con la
formacin recibida en el posgrado.
mejora del desarrollo del Programa Oficial de Posgrado.
ALCANCE:
-
Egresados
Comisin de Garanta Interna de Calidad de la Posgrado (CGICP)
Agente Externo
Empleadores
Comisionado para la Fundacin General de la Universidad de Granada
Vicerrectorado Estudiantes de Grado y Posgrado

La evaluacin de la insercin laboral de los egresados y la satisfaccin de stos y de los
empleadores con la formacin recibida se realizar tomando como referencia las siguientes
variables:
- Grado de insercin laboral de los egresados (porcentaje de egresados
profesionalmente insertos dos aos despus de finalizar el posgrado)
- Tiempo medio para la insercin.
- Grado de satisfaccin de egresados y empleadores con la formacin
recibida/aportada
INDICADORES
Grado de insercin laboral de los
egresados
Tiempo medio para la insercin
Grado de Satisfaccin con la
formacin recibida
Grado de satisfaccin de
empleadores con la formacin
aportada
Valor estimado
Cursos acadmicos
Valores de referencia segn los
estudios de egresados de la UGR1
70% (**)
93.18% (*)
12 meses (**)
3.5 (sobre 5)
2.67 meses (*)

3.32 (antes de la insercin) (*)
3.87(despus de la insercin) (*)
-----
-----
Nota:
(*) La Evaluacin de la titulacin de Licenciado en Ciencias y Tcnicas Estadsticas inclua
recomendaciones de los Comits de Evaluacin Interno y Externo a tener en cuenta y esto junto a
las directrices del Plan de Calidad Docente del Vicerrectorado de Planificacin, Calidad y Evaluacin
Docente de la Universidad de Granada supuso programar acciones de mejora para dicha Titulacin
en el marco de un Contrato Programa conformado por cuatro Proyectos. El primero de estos
proyectos fue el Estudio y difusin del perfil del egresado, cuyo informe completo puede consultarse
en www.ugr.es/~cctecnie/INFORMEADJUNTO.pdf .
Algunas de las conclusiones extradas de dicho informe, relativas a promociones tituladas desde el
inicio de la Licenciatura en el curso acadmico 1995-1996 hasta 2005, son:
- el 93.18% de los egresados trabajan, de los cuales el 78% en el rea de estadstica
- el 47.5% consiguen el primer trabajo en un mes y el 92.5% en seis meses, con un tiempo medio de
2.67 meses.
26
- la valoracin de los estudios recibidos obtiene (en una escala sobre 5) una puntuacin media de
3.32 por parte de los egresados antes de su insercin laboral, mientras que asciende a 3.87
despus de la misma
Tambin se puede consultar el Estudio de egresados de la Universidad de Granada, Curso 2004 y
2005, disponible en http://marketing.ugr.es/encuesta/docs/informe.pdf .
(**) Los valores han sido estimados teniendo en cuenta la actual situacin socioeconmica de
Espaa, la cual no nos permite realizar estimaciones muy fiables.
4. DESARROLLO
Fuentes de informacin: responsable del Observatorio de Empleo del Vicerrectorado de Estudiantes
de la UGR, responsable del Comisionado para la Fundacin General de la UGR,
Director/Subdirector de la Escuela de Posgrado, los egresados, los estudios de empleabilidad y
satisfaccin y fuentes documentales/bases de datos (estudios de egresados de la UGR)
Cada dos aos, y a partir de que la primera promocin de estudiantes finalice, la CGICP recabar
del Observatorio de Empleo del Vicerrectorado de Estudiantes, del Comisionado para la Fundacin
General o del Director/Subdirector de la Escuela de Posgrado, los resultados de los estudios de
empleabilidad e insercin profesional de esa cohorte de egresados con el propsito de recabar
informacin sobre las variables anteriormente sealadas.
destacar las fortalezas y los puntos dbiles de los aspectos analizados y realizar propuestas de
mejora del Posgrado.
Estos estudios de empleabilidad e insercin profesional del Posgrado se publicarn en la
web del mismo.
4.3. SISTEMA PARA EL SEGUIMIENTO, REVISIN Y MEJORA DE LA POSGRADO
Transcurridos tres aos a partir de que la primera promocin de estudiantes finalice, se
realizar una valoracin de los avances y mejoras producidas en la insercin laboral de los
graduados y su satisfaccin con la formacin recibida, resaltando el grado de mejora en la tendencia
de los indicadores integrantes de este procedimiento, y tomando como referente los indicadores de
seguimiento del Plan de Mejora. Esta memoria de seguimiento ser realizada por CGICP usando
para ello el instrumento MSP-15 y la remitir al Equipo de Direccin de la Escuela de Posgrado que
informar al Consejo Asesor de Enseanzas de Posgrado.
Igualmente, esta memoria ser enviada al Vicerrectorado para la Garanta de la Calidad, para
su revisin por una Comisin de Evaluacin que emitir un informe sobre el estado del SGIC del
Posgrado, de los indicadores de calidad del mismo y, en su caso, realizar
nuevas
Este informe se remitir a la CGICP que lo har llegar al Equipo de Direccin de la Escuela y
al Consejo Asesor de Enseanzas de Posgrado y lo publicar en la web del Posgrado. Este informe
27
quedar archivado en el Vicerrectorado para la Garanta de la Calidad y a disposicin de los rganos

universitarios implicados en la garanta de la calidad de este Posgrado.
4.4. HERRAMIENTAS
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:
Instrumento para la recogida de informacin y documentos generados:

Plan de mejora del Posgrado (PMP-14)
Informe del Vicerrectorado para la Garanta de la Calidad sobre el Estado del Posgrado
(IVEP)
Otros: __________________________
28
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA INSERCIN LABORAL DE LOS EGRESADOS

Y DE LA SATISFACCIN CON LA FORMACIN RECIBIDA (P.5)
RECOGIDA DE
INFORMACIN
Recogida Bianual de
Informacin
C.G.I.C.P.
Resultados Estudios
Empleabilidad e Insercin
Profesional Egresados
Anlisis de la informacin recogida

C.G.I.C.P.
Vicerrectorado Estudiantes /
Comisionado para la
Fundacin General /
Vicedecano Estudiantes
Centro
Elaboracin de un
informe Bianual
Informe Bianual Titulacin

(IBP-13)
C.G.I.C.P.
Resultados Estudios sobre Satisfaccin

Empleadores
Vicerrectorado Estudiantes
No
Resultados Estudios sobre Satisfaccin

Egresados
es vlida y
suficiente la
informacin?
Si
Remisin al Equipo de Direccin

Escuela Posgrado
C.G.I.C.P.
Presentacin del Informe y

Propuestas de Mejora en el Consejo
Asesor de Posgrado
Equipo de Direccin Escuela
Posgrado
Asignacin Responsable Plan de
Mejora
Comisin de Posgrado, oda la CGICP
Definicin indicadores seguimiento y

temporalizacin
Responsable Plan de Mejora
Aprobacin Propuesta de Mejora

Consejo Asesor de Posgrado
No
Aprueba
Si
Remisin al Vicerrectorado para la
Garanta de la Calidad
Escuela de Posgrado
REVISIN y MEJORA
Revisa y Aprueba
Vicerrectorado para la Garanta de la
Calidad
No
Aprueba
Si
Firma Plan de Mejora Bianual
PMP-14

Calidad y CGICT
Envo a los rganos Universitarios

Implicados
Calidad
Publicacin Web del Posgrado

Direccin Escuela Posgrado
29

POSGRADO
Valoracin Insercin Laboral Graduados y

Satisfaccin formacin recibida
C.G.I.C.P.
MSP-15

C.G.I.C.P.
Remisin
Posgrado
C.G.I.C.P.

Posgrado
No
se alcanzan los
indicadores de
seguimiento del
Plan de Mejora?
Si
IVEP

de Posgrado


C.G.I.C.P.

Custodia
30
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA SATISFACCIN DE LOS DISTINTOS

COLECTIVOS IMPLICADOS CON EL POSGRADO. (P.6.)
1. OBJETIVOS:
relativa al grado de satisfaccin de los distintos colectivos implicados en el Programa Oficial
del Posgrado.
ALCANCE:
2. RGANOS Y UNIDADES IMPLICADOS EN EL DESARROLLO DE ESTE PROCEDIM IENTO:
-
Alumnado
Profesorado
Agente Externo

La evaluacin y mejora de la satisfaccin de los distintos colectivos implicados en el posgrado
se realizar tomando como referente las siguientes variables e indicadores:
1. Satisfaccin del profesorado: Grado de satisfaccin con:
- La planificacin y desarrollo de la enseanza en el Posgrado
- Los resultados obtenidos
- El seguimiento y control de la calidad del Posgrado
2. Sobre la satisfaccin del alumnado Grado de satisfaccin con:
- La informacin recibida, su disponibilidad y accesibilidad
- El asesoramiento y orientacin acadmica/profesional /de investigacin recibidos
durante el desarrollo del programa.
- La planificacin y desarrollo de las enseanzas del posgrado (recursos,
cumplimiento del programa,)
- Los resultados alcanzados
- Las prcticas externas (si procede)
- Programas de movilidad (si procede)
- La atencin a las reclamaciones y sugerencias
- La coordinacin entre las universidades colaboradoras (si procede)
- Grado de cumplimiento de expectativas sobre el posgrado.
- Mecanismos para la difusin del Posgrado
3. Sobre la satisfaccin del Personal de Administracin y otro personal relacionado con el
mismo: Grado de satisfaccin con:
- La informacin y el asesoramiento recibidos sobre el Posgrado
- Los sistemas informticos-administrativos para la gestin de la informacin
- La planificacin y desarrollo de las enseanzas
- Los resultados
31
El seguimiento y la gestin de la calidad del Posgrado

La coordinacin entre las universidades colaboradoras (si procede)
La comunicacin y relaciones con los distintos colectivos implicados en el Posgrado
La atencin a las reclamaciones y sugerencias de los estudiantes
Mecanismos para la difusin del Posgrado
4. DESARROLLO
Fuentes de informacin: profesorado, alumnado, personal de administracin y servicios, y
gestores/as del Posgrado
La Comisin de Garanta Interna de Calidad del Posgrado (CGICP) recopilar informacin sobre los
indicadores anteriores a travs de los instrumentos P6-8; P6-9 y P6-10. Esta recogida de
informacin se realizar en el ltimo ao del Posgrado.
La informacin recogida ser remitida al Vicerrectorado para la Garanta de la Calidad quien
se encargar de su procesamiento y anlisis descriptivos de forma desagregada y agregada (en
funcin de las variables e indicadores sealados) para conocer la satisfaccin global sobre el
Posgrado; estos anlisis sern remitidos a la CGICP que elaborar, cada dos aos, un informe (IBP13), dentro del ao acadmico en el que se ha recogido la informacin, a travs del cual
documentar los indicadores sealados anteriormente, destacar las fortalezas y los puntos dbiles
del posgrado y realizar propuestas de mejora de la misma.
al Consejo Asesor de Enseanzas de Posgrado las propuestas de mejora del posgrado relativas a
desarrollo mismo y publicado, por la direccin de la Escuela de Posgrado, en la pgina web del
Posgrado.
avances y mejoras producidas en la satisfaccin de los colectivos implicados, resaltando el grado de
la Escuela de Posgrado que informar al Consejo Asesor de Enseanzas de Posgrado
Posgrado.
32
4.4. HERRAMIENTAS
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Cuestionario de Satisfaccin del Alumnado con el Posgrado(P8-08)
Cuestionario de Satisfaccin del Profesorado con el Posgrado (P8-9)
Cuestionario de Satisfaccin del PAS con el Posgrado (P8-10)
Informe Bianual de la CGICP (IBP-13)
Posgrado (IVEP)
Otros: __________________________________
33
34
35
PROCEDIMIENTO PARA LA EVALUACIN Y MEJORA DE LA GESTIN Y ATENCIN A LAS

SUGERENCIAS Y RECLAMACIONES RELACIONADAS CON ALGN ASPECTO DEL POSGRADO.
(P.7.)
1. OBJETIVOS:
relativa al proceso de gestin, atencin y revisin de las sugerencias y reclamaciones
surgidas en el contexto del Posgrado.
ALCANCE:
- Alumnado
- Profesorado
- Personal de Administracin y Servicios vinculado al Posgrado
- Responsable de gestionar las sugerencias y reclamaciones en el Posgrado
- Comisin de Garanta Interna de Calidad del Posgrado (CGICP)
- Agente Externo
- Equipo de Direccin de la Escuela de Posgrado: Director de la Escuela y el Consejo Asesor
- Vicerrectorado de Estudios Grado y Posgrado
- Vicerrectorado para la Garanta de la Calidad
La evaluacin y mejora de la gestin y atencin a las sugerencias y reclamaciones se realizar
sobre las siguientes variables e indicadores:
Existencia, disponibilidad y accesibilidad de las hojas de sugerencias o reclamaciones.

Transparencia y claridad del proceso seguido en el Posgrado para la tramitacin de las
sugerencias y reclamaciones.
Tipologa y nmero de incidencias, reclamaciones realizadas
Nmero de sugerencias realizadas
Tiempo medio transcurrido entre la recepcin de las reclamaciones/sugerencias y la
respuesta a las mismas.
4. DESARROLLO:
Fuentes de informacin: profesorado, alumnado, personal de administracin y servicios, el
responsable del Posgrado de canalizar las reclamaciones y sugerencias y fuentes documentales
(hojas de sugerencias y reclamaciones, informes de respuesta, )
El responsable de gestionar las reclamaciones y sugerencias del Posgrado recopilar
trimestralmente informacin sobre los indicadores anteriores analizando las reclamaciones y
sugerencias existentes y relativas al posgrado a travs del Impreso de sugerencias y
reclamaciones (P7-11). Si no hubiera un responsable en el Posgrado, la CGICP deber nombrar a
uno quien se encargar de establecer y asegurar el funcionamiento de un mecanismo para la
gestin y atencin de las sugerencias y reclamaciones asociadas al Posgrado. Esta informacin
quedar reflejada en un informe (P7-12) que ser cumplimentado por este responsable.
misma.
36

desarrollo del mismo y publicado en la pgina web del Posgrado.
Transcurridos tres aos de la implantacin del programa se realizar una valoracin de los
avances y mejoras producidas en la atencin y gestin a las sugerencias y reclamaciones asociadas
al posgrado, resaltando el grado de mejora en la tendencia de los indicadores integrantes de este
Este informe se remitir a la CGICT que lo har llegar al Equipo de Direccin de la Escuela
Posgrado.
4.4. HERRAMIENTAS
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Impreso de sugerencias y reclamaciones (P7-11)
Informe del responsable del Posgrado de la gestin de las sugerencias y
reclamaciones (P7-12)
Posgrado (IVEP)
Otros: _____________________________
37
38

POSGRADO
Valoracin Atencin y Gestin Sugerencias y

Reclamaciones
Responsable Centro/ C.G.I.C.P.

tiitulacin, valorando calidad de la
Enseanza y Profesorado
MSP-15
C.G.I.C.P.
Remisin
Posgrado
C.G.I.C.P.

de Posgrado

Posgrado
IVEP
No
se alcanzan los
indicadores de
seguimiento ?
Si


C.G.I.C.P.

Custodia
39
MECANISMOS PARA LA DIFUSIN DEL PLAN DE ESTUDIOS, SU DESARROLLO Y RESULTADOS

(P.8.)
1. OBJETIVOS:
1. Establecer los mecanismos a travs de los cuales se publica y difunde informacin sobre el
programa de posgrado a todos los colectivos implicados.
2. Establecer los mecanismos para la recogida y el anlisis de informacin sobre el plan de
difusin del Posgrado.
ALCANCE:
-
Alumnado
Profesorado
Personal de Administracin y Servicios vinculado al posgrado
Agente Externo
Vicerrectorado de Enseanzas Grado y Posgrado
3. MECANISMO
POSGRADO):
PARA LA DIFUSIN DEL POSGRADO (PROGRAMA OFICIAL DEL
El Posgrado contar con una pgina web cuya dinamizacin es responsabilidad de la

CGICP. El mantenimiento y administracin tcnica ser proporcionada por los servicios de
informtica de la UGR. Esta difusin virtual, podr ser complementada con otro formato de difusin
siempre que la Comisin de Garanta Interna de la Calidad del Posgrado (CGIP) y el Consejo Asesor
de Enseanzas de Posgrado lo consideren necesario.
La informacin publicada sobre el Posgrado debe hacer referencia a:
1. El Programa Oficial de Posgrado (objetivos, estructura, competencias y
contenidos)
2. Responsables del Programa Oficial del Posgrado
3. Polticas de acceso establecidas por la UGR relativas al Posgrado
4. Mecanismos de asesoramiento y orientacin a los estudiantes propuestos
desde la UGR
5. Ayudas y asesoramiento especfico para estudiantes con necesidades
educativas especiales
6. Reconocimiento y transferencia de crditos
7. Desarrollo anual del Posgrado: programas, profesorado, horarios, aulas,
infraestructura/recursos disponibles para el desarrollo de la enseanza,
calendario de exmenes, atencin en tutoras, etc,
8. Programas de movilidad asociados al Posgrado (si procede)
9. Prcticas externas asociadas del Posgrado (si procede)
10. Indicadores de Rendimiento acadmico
11. Insercin profesional de los graduados
12. Estudios y noticias vinculadas al desarrollo profesional del Posgrado.
13. Eventos, convocatorias y noticias de inters
14. Satisfaccin con el Posgrado
15. Calidad del Posgrado: Sistema para garantizar la Calidad interna del
Posgrado e indicadores de seguimiento.
16. Reclamaciones y sugerencias
17. Fecha de actualizacin de la informacin.
La CGICP, de forma anual, y cada vez que surja un acontecimiento de inters, actualizar
esta informacin y decidir qu publicar, bajo qu formato y a qu colectivos ir dirigida.
40

La evaluacin de la calidad del plan de difusin del Posgrado se realizar tomando como
referente los siguientes indicadores relativos a la utilidad del plan de difusin en funcin de la
satisfaccin de los implicados y de otros indicadores complementarios:
Satisfaccin con la informacin:
- Adecuacin de la informacin aportada a las necesidades informativas de los
implicados en el Posgrado
- Suficiencia/utilidad de la informacin aportada
- Actualizacin de la informacin
- Disponibilidad de informacin
Satisfaccin con las caractersticas tcnicas del espacio de difusin (web):
- Agilidad y velocidad de la plataforma donde se ubica la pgina
- Posibilidades de interaccin de la web
- La administracin tcnica de la web
Indicadores complementarios:
- Nmero de visitas
- Nmero y tipologa de reclamaciones/sugerencias relativas al plan de difusin del
Posgrado
- Nmero de incidencias tcnicas surgidas
- Nmero de actualizaciones realizadas.
5. DESARROLLO
Fuentes de informacin: Profesorado, alumnado, responsable acadmico del Posgrado,
administrador del servicio de informtica de la UGR y web del Posgrado (en el caso de haber
diseado otra publicidad complementaria sta ser utilizada para su anlisis en los mismos
trminos que los establecidos para la pgina web).
La CGICP recoger informacin sobre los indicadores anteriores anualmente, a travs de las fuentes
indicadas y de los instrumentos aportados para tal fin.
5.2. SISTEMA PARA EL ANLISIS DE LA INFORMACIN Y TOMA DE DECISIONES.
La CGICP, llevar a cabo el anlisis de la informacin recogida, cada dos aos, y elaborar
misma.
Este informe se remitir al Equipo de Direccin de la Escuela de Posgrado, que presentar
Enseanzas de Posgrado oda la CGICP, asignar un responsable dentro del mismo, definir los
Posgrado, stas sern remitidas, por la direccin de la Escuela de Posgrado, al Vicerrectorado para
desarrollo mismo y publicado en la pgina web del Posgrado.
avances y mejoras producidas en la difusin del programa de posgrado, resaltando el grado de
41
la Escuela de Posgrado que informar al Consejo Asesor de Enseanzas de Posgrado.
Posgrado.
5.4. HERRAMIENTAS
del
Vicerrectorado
para
la
Garanta
de
la
Calidad:

Posgrado (IVEP)
Otros: ___________________________________
42
43

POSGRADO
Valoracin Difusin Programa Posgrado

C.G.I.C.P.

titulacin
MSP-15
C.G.I.C.P.
Remisin
Posgrado

No
se alcanzan los
indicadores de
seguimiento?
Si
IVEP

de Posgrado
Posgrado
C.G.I.C.P.


C.G.I.C.P.

Custodia
44
4. CRITERIOS PARA LA SUSPENSIN DEL MSTER EN ESTADSTICA APLICADA y

PROCEDIMIENTOS PARA GARANTIZAR LOS DERECHOS DEL ALUMNADO QUE CURSE EL TTULO
SUSPENDIDO
Los criterios para la suspensin temporal o definitiva de este Ttulo de Posgrado de la UGR hacen
referencia a:
1. La demanda de acceso. El nmero total de matriculados y la demanda de acceso al Posgrado
sern indicadores de la pertinencia del mismo. El descenso de matriculados durante un
determinado periodo de tiempo consecutivo ser motivo para considerar la suspensin temporal o
definitiva del Posgrado o la necesidad de redefinirlo en el marco de otras enseanzas afines que se
imparten en la universidad
2. El rendimiento acadmico. La disminucin las Tasas de xito, Graduacin, Eficiencia y otros
indicadores de seguimiento del rendimiento acadmico y el aumento de la Tasa de Abandono del
posgrado sern motivo para considerar interrumpir temporal o definitivamente el programa o para
introducir reformas en el mismo, tras un estudio de las razones que han provocado la disminucin
de las Tasa de xito y el aumento de las Tasas de Abandono.
3. La calidad. El Posgrado debe cumplir los niveles de calidad que la UGR ha establecido en cuanto
a profesorado, el personal de apoyo, los recursos y los servicios.
4. Los resultados del proceso de acreditacin. No superar el proceso de acreditacin a los seis
aos de su implantacin ser motivo para considerar la suspensin definitiva del Posgrado o su
redefinicin.
La Escuela de Posgrado arbitrar los mecanismos a travs de los cuales salvaguardar los derechos y
compromisos adquiridos con el alumnado que est cursando un Posgrado suspendido.
CRITERIOS Y PROCEDIMIENTO PARA LA SUSPENSIN EVENTUAL O DEFINITIVA

DE LOS TTULOS OFICIALES DE POSGRADO DE LA UGR (P.9)
1. OBJETIVOS:
Establecer los mecanismos a travs de los cuales:
a. se definen los criterios para la suspensin temporal o definitiva del ttulo
b. se salvaguardan los derechos del alumnado que curse las enseanzas suspendidas
c. se toma decisiones sobre la suspensin eventual o definitiva del Posgrado
ALCANCE:
-
Alumnado
Profesorado
Comisin de Garanta Interna de Calidad deL Posgrado (CGICP)
Consejo Asesor Escuela de Posgrado.
3. CRITERIOS PARA LA SUSPENSIN TEMPORL O DEFINITIVA DE LOS TTULOS OFICIALES

DE POSGRADO DE LA UGR:
Criterios para la suspensin temporal o definitiva de un Ttulo de Posgrado de la UGR:

1. Cuando el ttulo no supere el proceso de acreditacin previsto en el artculo 27 del
RD 1393/2007.
2. Cuando el Consejo de Universidades considere que las modificaciones
incorporadas al ttulo suponen un cambio apreciable en la naturaleza y objetivos del
ttulo previamente inscrito en el RUCT lo que supondra que se tratara de un nuevo
45
plan de estudios y procedera a actuar como corresponde a un nuevo ttulo tal y

como establece el artculo 28.2 del RD 1393/2007.
3. Cuando la propia Universidad de Granada proponga un Posgrado que sustituya al
actual
4. A propuesta del Consejo de Gobierno segn los siguientes criterios:
i.
El descenso en el nmero total de matriculados y en la demanda de acceso a la
titulacin ser motivo para considerar la suspensin temporal o definitiva de la
titulacin o la necesidad de redefinirla en el marco de otras enseanzas afines
que se imparten en la universidad.
ii.
La disminucin de las Tasas de xito, Graduacin, Eficiencia y otros
indicadores de seguimiento del rendimiento acadmico y el aumento de la Tasa
de Abandono de la titulacin sern motivo para considerar interrumpir temporal
o definitivamente la titulacin o para introducir reformas en la misma.
iii.
El incumplimiento de los niveles de calidad que la UGR ha establecido en
cuanto a profesorado (insuficiencia de profesores/as y deficiencias en la calidad
docente segn Docentia-Granada), al personal de apoyo, a los recursos y a los
servicios teniendo en cuenta la realidad de cada centro.
La revisin y actualizacin peridica de estos criterios, as como el
establecimiento de los lmites concretos para cada uno de ellos ser presentada
por la CGICP, al Consejo Asesor de la Escuela de Posgrado y al Consejo de
Gobierno de la UGR.
Mecanismos establecidos para salvaguardar los derechos del alumnado que curse las
enseanzas suspendidas hasta su finalizacin:
El Consejo Asesor de la Escuela de Posgrado, teniendo en cuenta la normativa establecida por la
UGR, decidir y har pblicos los mecanismos que permitirn a los estudiantes la superacin de las
enseanzas una vez extinguidas; estos mecanismos harn referencia a:
1. Nmero de aos acadmicos, posteriores a la extincin del ttulo, de vigencia de estos
derechos.
2. Alternativas propuestas (nuevos posgrados) para los/las estudiantes que estn cursando
la enseanza suspendida.
3. Supresin gradual de la imparticin de la docencia
4. No admisin de matriculas de nuevo ingreso en la titulacin
5. Acciones tutoriales y de orientacin especfica a los estudiantes
6. Asegurar el derecho a la evaluacin hasta consumir las convocatorias reguladas por la
normativa de la UGR
7. Otros mecanismos determinados por el Rector mediante resolucin
4. DESARROLLO:
El Vicerrectorado para la Garanta de la Calidad, tras el anlisis de la Memoria de
Seguimiento del Posgrado (MSP-15) elaborada por la CGICP y remitida a este Vicerrectorado,
emitir un informe sobre el estado del SGIC del Posgrado, de los indicadores de calidad de mismo
y, en su caso, realizar nuevas recomendaciones de mejora que sern integradas en el Plan de
Mejora siguiente.
Este informe se remitir al coordinador/a del Posgrado que lo har llegar a la CGICP y al
Consejo Asesor de la Escuela de Posgrado quien valorar el cumplimiento, o no, por el ttulo, de los
criterios establecidos para la suspensin temporal o definitiva de mismo. Cuando proceda, el
Consejo Asesor de la Escuela de Posgrado tendr en cuenta los informes de seguimiento externos
y/o el informe de acreditacin.
En caso de que el Consejo Asesor de la Escuela de Posgrado considere la suspensin del
ttulo comunicar de ello a la CGICP y al Equipo de Gobierno de la UGR, para que el Consejo de
Gobierno apruebe la suspensin temporal o definitiva del mismo as como los mecanismos para
salvaguardar los derechos de los estudiantes que cursan la enseanza suspendida.
Estos acuerdos se expondrn en la web del posgrado para el conocimiento de toda la comunidad
universitaria.
La CGICP har un seguimiento detallado de estos estudiantes asegurando el cumplimiento
46
de sus derechos e informando anualmente sobre la situacin de la titulacin suspendida al Consejo

Asesor de la Escuela de Posgrado, quien informar al Consejo de Gobierno de la UGR.
HERRAMIENTAS
(Disponibles en la web del Vicerrectorado para la Garanta

http://calidad.ugr.es/pages/secretariados/ev_calidad/docs/herramientasdelsgcdelostitulosdegradodelaugr
de
la
Calidad:

Posgrado. (IVEP)
Otros: _____________________________
47
PROCEDIMIENTO PARA LA SUSPENSIN EVENTUAL O DEFINITIVA (P.9.)
IVEP
(Informe Vicerrectorado Estado Posgrado)
Envo Informe Coordinador/a Posgrado

Calidad
Envo Informe a la CGICP y al Consejo
Asesor de la Escuela de Posgrado
Informes Seguimiento Externos
(si proceden)
Informe Acreditacin
(si proceden)
Valoracin Cumplimiento Criterios
Establecidos para la suspensin
Consejo Asesor de la Escuela de
Posgrado
Suspensin
del Titulo?
Si
No
Comunicacin a la CGICP y al Equipo

de Gobierno de la UGR
Consejo Asesor de la Escuela de
Posgrado
Continuacin Sistemtica
Establecida
Procedimientos anteriores
Aprobacin Suspensin temporal o
definitiva y Mecanismos para
seguimiento Posgrados/estudiantes
Equipo de Gobierno/Consejo de
Gobierno
Publicacin en web de los acuerdos
Seguimiento Posgrado suspendido y

derechos estudiantes
CGICT
48
5.
ANEXO. Informacin Complementaria
Carta de aceptacin y compromiso del director de la Escuela de Posgrado con el Sistema de

Garanta Interna de la Calidad de los posgrados de la UGR.
Carta de aceptacin y compromiso del coordinador del Programa con el Sistema de Garanta
Interna de la Calidad propuesto.
49
50
51

MU en Estadística Aplicada

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

MU en Estadística Aplicada

Загружено:

Авторское право:

Доступные форматы

TTULO: Mster Universitario en

Mster en Estadstica Aplicada

1. Descripcin del ttulo

Mster en Estadstica Aplicada

Representante Legal de la universidad

Representante del ttulo

ESCUELA DE POSGRADO. UNIVERSIDAD DE GRANADA

Direccin a efectos de notificacin

Descripcin del ttulo

Centro/s donde se imparte el ttulo

CEVUG / FACULTAD DE CIENCIAS

Convenio (archivo pdf)

Ciencias Sociales y Jurdicas

Mster en Estadstica Aplicada

N de plazas de nuevo ingreso ofertadas en el primer ao de implantacin

N de plazas de nuevo ingreso ofertadas en el segundo ao de implantacin

N de plazas de nuevo ingreso ofertadas en el tercer ao de implantacin

N de plazas de nuevo ingreso ofertadas en el cuarto ao de implantacin

N de ECTs del ttulo

N Mnimo de ECTs de matrcula por el estudiante y periodo lectivo

Normas de permanencia (archivo pdf)

Naturaleza de la institucin que concede el ttulo

Profesiones para las que capacita una vez obtenido el ttulo

Mster en Estadstica Aplicada

Justificacin del ttulo propuesto, argumentando

La Universidad de Granada tiene una larga y amplia experiencia en la formacin para la

d) Desde 1995, establecido el nuevo ttulo de Licenciado en Ciencias y Tcnicas

En 2007, a partir del Doctorado con mencin de calidad MCD2007-00027, antes

Mster en Estadstica Aplicada

alumnos, y que es la base inmediata del actual Mster en Estadstica Aplicada.

Formar en tcnicas avanzadas para desarrollar tareas especficas en empresas privadas,

Ampliar conocimientos transmitindoles mtodos y tcnicas no estudiadas en los cursos

Incrementar la capacidad, crtica, respecto de las posibilidades que la Estadstica tiene

Formar en la metodologa de la investigacin propia de este rea de conocimiento, lo

Apoyar en la incorporacin a grupos de investigacin, especialmente en empresas, o en

Introduce posibilidades de formacin interdisciplinaria, de acuerdo con las nuevas

Fomenta y se beneficia del uso de la infraestructura cientfica existente en la

Mster en Estadstica Aplicada

diferentes grados definidos de autonoma, y la capacidad de insertarse rpidamente en

Estadstica Medioambiental y del Cambio Climtico.

Anlisis de Riesgos (Finanzas, Geofsica y Meteorologa, etc.).

Modelizacin estocstica en la Economa y Finanzas, Hidrologa, Crecimiento celular.

Supervivencia y Demografa Estadstica.

Mtodos estadsticos en Microarray Data en Gentica, Biologa Molecular y otros

Control estadstico de calidad. Normativas de calidad.

Muestreo estadstico avanzado.

Bioestadstica y Estadstica Sanitaria.

Mster en Estadstica Aplicada

El Ttulo de Mster en Estadstica Aplicada que se propone, con orientaciones de investigacin y

El desarrollo, difusin y divulgacin de la Estadstica.

Demanda de los empleadores.

Se enumeran a continuacin algunos de los perfiles profesionales ms relevantes y que figuran

Mster en Estadstica Aplicada

formacin continuada, investigacin bsica.

2.2 Referentes externos a la universidad proponente que avalen la

Mster en Estadstica Aplicada y Estadstica para el Sector Pblico.

Mster en Estadstica Aplicada

2.3. Descripcin de los procedimientos de consulta internos utilizados

2.4. Descripcin de los procedimientos de consulta externos utilizados

Mster en Estadstica Aplicada

Plan de Estudios e incorporadas, en su caso, en la propuesta definitiva. La Comisin decidi

PROCEDIMIENTOS DE CONSULTA INTERNOS Y EXTERNOS. PRINCIPALES

El procedimiento de consulta interno ha consistido en

Mster en Estadstica Aplicada