Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 720326 | Asignatura: Análisis de datos en organización | ||||
| Créditos: 3 | Tipo: | Curso: NULL_VALUE | Periodo: 1º S | ||
| Departamento: Estadística, Informática y Matemáticas | |||||
| Profesorado: | |||||
| GARCIA OLAVERRI, M. CARMEN (Resp) [Tutorías ] | |||||
Módulo/Materia
Módulo de Especialización en Organización de Empresas / Técnicas avanzadas de organización de empresas
Descripción/Contenidos
Análisis estadístico de dependencia. Métodos factoriales multivariantes: reducción de la dimensión. Técnicas de clasificación y agrupamiento. Métodos de predicción en organizaciones empresariales.
Competencias genéricas
CG06 - Conocimientos de informática relativos al ámbito de estudio
CG07 - Habilidad para analizar y buscar información proveniente de fuentes diversas
CG08 - Capacidad de tomar decisiones
CG09 - Capacidad para trabajar en equipo
CG13 - Compromiso ético en el trabajo
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Competencias específicas
CE11 - Compilar información muchas veces incompleta y ser capaz de formular juicios y generar informes en relación con todas las actividades que afecten a la organización o departamento.
CE14 - Evaluar, interpretar y seleccionar la información existente, contrastarla e integrarla para optimizar la toma de decisiones
Resultados aprendizaje
Adquirir el conocimiento de técnicas estadísticas para extraer de forma sintética la información más relevante proporcionada por grandes volúmenes de datos y facilitar así el proceso de toma de decisiones.
Metodología
| Metodología - Actividad | Horas Presenciales | Horas no presenciales |
| AF1-Sesiones Teóricas | 13 | |
| AF2-Clases Prácticas (casos, simulación, etc.) | 13 | |
| AF3-Estudio individual y examen | 02 | 22,5 |
| AF4-Preparación de trabajos (individuales y grupales) | 22,5 | |
| AF5-Tutorías | 02 | |
| Total | 30 | 45 |
Evaluación
| Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|---|
| Conocimiento de los principales métodos de análisis multivariante de datos para la toma de decisiones en la empresa y la búsqueda de patrones de comportamiento en las grandes bases de datos del Big Data. | Tres Pruebas prácticas parciales* al finalizar tres bloques temáticos (30%, 20%, 20%) | 70% (30%+20%+20%) | Recuperable en su conjunto en el examen global de recuperación | NO |
| Manejo del software específico para el tratamiento de datos multivariantes | Examen final de ordenador | 30% | Recuperable | NO |
*Las pruebas parciales se pueden hacer en clase o el día del examen final ordinario.
Los estudiantes que no superen la asignatura en la convocatoria ordinaria, podrán hacer un examen global de recuperación teórico práctico.
Temario
Tema 1. Análisis estadístico de dependencia.
Tema 2. Métodos factoriales multivariantes: reducción de la dimensión.
Tema 3. Técnicas de clasificación y agrupamiento.
Tema 4. Métodos de predicción en organización industrial.
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. (2009): "The Elements of Statistical Learning: Data mining, Inference and Prediction". 2nd Ed, Springer.
JAMES, G., WITTEN, D., HASTIE, T., TIBSHIRANI, R., (2014): "An introduction to Statistical Learning: with Applications in R", Springer.
JOHNSON, R.A., WICHERN, D.W. (2007): "Applied Multivariate Statistical Analysis", 6th Ed. Prentice Hall.
PEÑA, D. (2002); "ANÁLISIS DE DATOS MULTIVARIANTES"; McGraw-Hill.
Revistas científicas: JOURNAL OF THE ROYAL STATISTICAL SOCIETY, ADVANCES IN DATA ANALYSIS AND CLASSIFICATION, JOURNAL OF STATISTICAL COMPUTATION AND SIMULATION, JOURNAL OF APPLIED STATISTICS