http://hdl.handle.net/10366/152533 Sat, 09 May 2026 21:02:15 GMT 2026-05-09T21:02:15Z http://hdl.handle.net/10366/171054 [ES]El material que se presenta a continuación forma parte del segundo bloque (probabilidad) de la asignatura de Estadística del grado matemáticas y doble grado de física y matemáticas, impartida en la facultad de ciencias de la Universidad de Salamanca. La página web oficial curso 2024-25 se encuentra en https://guias.usal.es/node/197650, y curso 2025-26 en https://guias.usal.es/node/225898. El material cubre el tema 6: Distribuciones Básicas de Probabilidad, aunque abarca un poco más del temario. Por ejemplo: (1) presenta una breve perspectiva histórica de varios de los contenidos probabilísticos estudiados (2) a pesar de ser un material docente, éste tiene una fuerte influencia del mundo de la investigación (el autor de este material trabajó exclusivamente como investigador científico por más de 15 años); (3) se tratan temas y problemas que no son habituales en un curso básico de probabilidad, (4) se proporcionan ligas (en magenta) para la información referenciada y complementaria; (5) el material proporciona un buen balance entre teoría, ejemplos prácticos y demostraciones; (6) finalmente se proporcionan algunos códigos en R de algunos temas estudiados que lo ameritan, aunque esta parte será reforzada por otro material docente (en preparación) exclusivamente enfocado en uso de R para esta asignatura. Prácticamente todas las figuras y tablas han sigo creadas en R o en LATEX y son de libre uso. (C) 2026. Todos los derechos reservados. Material bajo licenciamiento libre CC-BY 4.0, Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional Mon, 20 Apr 2026 00:00:00 GMT http://hdl.handle.net/10366/171054 2026-04-20T00:00:00Z http://hdl.handle.net/10366/171041 [ES]El material que se presenta a continuación forma parte del tema (simulación estocástica) de la asignatura Investigación Operativa III del grado de estadística, impartida en la facultad de ciencias de la Universidad de Salamanca. La página web oficial del curso 2023-24 se encuentra en https://guias.usal.es/node/197650, la del curso 2024-25 en https://guias.usal.es/node/227238 y la del curso 2025-26 en https://studium25.usal.es/course/view.php?id=2507702. Este breve material cubre algunos de los aspectos más representativos del método de simulación de Monte Carlo, por ejemplo, se presenta una breve perspectiva histórica sobre el origen de este método y su importancia, la estimación de π, la evaluación de integrales definidas y algunas aplicaciones reales en finanzas: uso del modelo de camino aleatorio, y en ecología: uso de un test no paramétrico que hemos desarrollado para determinar la significancia/significación estadística para los coeficientes de correlación por ventanas móviles, también se incluye el uso del paquete NonParRolCor disponible en CRAN donde implementamos este test estadístico. El material también incluye código R con licenciamiento libre para todos ejemplos presentados. Todas las figuras y tablas han sigo creadas en R o en LATEX y son de libre uso. (C) 2026. Todos los derechos reservados. Material bajo licenciamiento libre CC-BY 4.0, Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional. Sat, 18 Apr 2026 00:00:00 GMT http://hdl.handle.net/10366/171041 2026-04-18T00:00:00Z http://hdl.handle.net/10366/170910 [ES]La validez de la simulación estocástica depende críticamente de la calidad es- tadística de los generadores de números pseudoaleatorios (PRNG) utilizados. Un generador deficiente puede introducir sesgos sistemáticos que invalidan los resultados obtenidos, incluso bajo arquitecturas de código correctas. Este documento analiza la batería DieHarder —una de las herramientas de auditoría más rigurosas para los PRNG, fundamentada en los trabajos de George Marsaglia, Donald Knuth y Robert G. Brown— empleando el paquete R RDieHarder como interfase oficial para el entorno R. La evaluación se basa en la aplicación de contrastes de Kuiper-Kolmogorov- Smirnov sobre las distribuciones de p-values obtenidas al someter los seis generado- res nativos de R a diez tests representativos de la batería. El objetivo es verificar que las secuencias generadas se aproximan a una distribución uniforme U(0, 1) bajo la hipótesis nula. Este material docente detalla el flujo completo de trabajo: desde los fundamentos teóricos y la resolución de conflictos técnicos en la instalación y configuración, hasta la ejecución de ejemplos prácticos y la interpretación de resul- tados. Este enfoque proporciona un marco de referencia adecuado que trasciende las limitaciones (en tiempo y contenido) de las temáticas de las asignaturas a estudio, aplicándose específicamente a la sección de números aleatorios y simulaciones de Monte Carlo en la asignatura de Investigación Operativa III del Grado en Estadís- tica de la Universidad de Salamanca (USAL). Thu, 09 Apr 2026 00:00:00 GMT http://hdl.handle.net/10366/170910 2026-04-09T00:00:00Z http://hdl.handle.net/10366/167598 [ES]LearnSTAT es una plataforma educativa abierta desarrollada en el marco del Proyecto de Innovación Docente ID2024/212 “Uso de metodologías activas para la alfabetización estadística: desarrollo de la herramienta LearnSTAT” de la Universidad de Salamanca. Su finalidad es mejorar la enseñanza y la percepción de la estadística a través de metodologías activas, aprendizaje basado en proyectos y recursos visuales e interactivos. La plataforma ofrece un entorno accesible y dinámico que integra materiales para distintos niveles educativos —desde Primaria hasta Educación Superior—, fomentando la alfabetización estadística, el pensamiento crítico y la conexión entre teoría, práctica y sociedad. Entre sus recursos destacan el juego “Pasapalabra Estadístico”, el taller “Data Explorers: Detectives de Decisiones”, la revista interactiva “Estadística Empresarial”, guías y materiales audiovisuales elaborados por el alumnado. Estructurada en secciones temáticas (actividades, propuestas de aprendizaje, cultura estadística y enlaces), LearnSTAT constituye un entorno abierto, sostenible y transferible que promueve el aprendizaje autónomo, la colaboración interdisciplinar y la enseñanza de la estadística desde una perspectiva aplicada y socialmente comprometida. Mon, 30 Jun 2025 00:00:00 GMT http://hdl.handle.net/10366/167598 2025-06-30T00:00:00Z http://hdl.handle.net/10366/167597 [ES]Este material reúne las prácticas de inferencia estadística desarrolladas en el entorno RStudio, orientadas al aprendizaje aplicado de los procedimientos de estimación y contraste de hipótesis. A través de ejemplos guiados y conjuntos de datos reales, el alumnado aprende a generar muestras, calcular intervalos de confianza, realizar contrastes paramétricos y no paramétricos (2 poblaciones, Chi-Cuadrado), e interpretar los resultados en contextos reales. Este manual continúa el Manual de Estadística con R (I) y se complementa con el Manual de Estadística con SPSS, conformando una secuencia coherente de formación estadística aplicada. Wed, 15 Oct 2025 00:00:00 GMT http://hdl.handle.net/10366/167597 2025-10-15T00:00:00Z http://hdl.handle.net/10366/167596 [ES]Este material reúne las prácticas desarrolladas en el entorno SPSS como apoyo docente en la asignatura Estadística de la Universidad de Salamanca. Su objetivo es introducir al alumnado en el uso del programa para el análisis de datos y la interpretación de resultados con diferentes conjuntos de datos. A lo largo de las prácticas se trabajan aspectos como la descripción de variables, la elaboración de tablas y gráficos, el cálculo de medidas estadísticas, la regresión lineal simple y múltiple, los intervalos de confianza y los contrastes paramétricos y no paramétricos. El documento incluye enunciados, prácticas resueltas y conjuntos de datos, orientados a fomentar el aprendizaje autónomo, la comprensión aplicada de la inferencia y el razonamiento estadístico en contextos reales. Mon, 15 Sep 2025 00:00:00 GMT http://hdl.handle.net/10366/167596 2025-09-15T00:00:00Z http://hdl.handle.net/10366/167595 [ES]Este material reúne las prácticas desarrolladas en el entorno RStudio como apoyo docente en la asignatura Estadística de la Universidad de Salamanca. Su objetivo es introducir al alumnado en el uso de R para el análisis de datos, combinando teoría aplicada y ejercicios guiados con diferentes conjuntos de datos. A lo largo de las prácticas se trabajan aspectos como la organización y visualización de la información, el cálculo de medidas descriptivas, la representación gráfica, la regresión lineal y no lineal, la probabilidad y un breve acercamiento a los intervalos de confianza. El documento incluye prácticas resueltas, bases de datos, un caso propuesto y un cuestionario de autoevaluación, orientados a fomentar el aprendizaje autónomo, el razonamiento estadístico y la utilización de software libre en la enseñanza universitaria. Thu, 30 Oct 2025 00:00:00 GMT http://hdl.handle.net/10366/167595 2025-10-30T00:00:00Z http://hdl.handle.net/10366/161773 El material que se presenta a continuación forma parte del primer bloque (estadística descriptiva) de la asignatura de Estadística del grado matemáticas y doble grado de física y matemáticas, impartida en la facultad de ciencias dela Universidad de Salamanca. La página web oficial curso 2024-25 se encuentra en https://guias.usal.es/node/197650. El material cubre los cinco temas (ver diapositiva siguiente) del bloque de estadística descriptiva, aunque abarca un poco más del del temario. Por ejemplo: (1) presenta una breve perspectiva histórica de varios de los contenidos estadísticos estudiados así como una perspectiva actual relacionado principalmente con la inteligencia artificial (IA); (2) a pesar de ser un material docente, éste tiene una fuerte influencia del mundo de la investigación (el autor de este material trabajó exclusivamente como investigador científico por más de 15 años); (3) se tratan temas que no son habituales en un curso básico de estadística, como el uso de varios estimadores de correlación más allá de Pearson, el uso de la correlación cruzada, así como la correlación por ventanas móviles (temas en los cuales el autor de este material ha trabajado extensamente); (4) se proporcionan ligas (en magenta) para la información referenciada y complementaria; (5) el material proporciona un buen balance entre teoría, ejemplos prácticos y demostraciones; (6) finalmente se proporcionan algunos códigos en R de algunos temas estudiados que lo ameritan, aunque esta parte será reforzada por otro material docente (en preparación) exclusivamente enfocado en uso de R para esta asignatura. Todas las figuras y tablas han sigo creadas en R o en LaTeX y son de libre uso. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/10366/161773 2025-01-01T00:00:00Z http://hdl.handle.net/10366/159982 Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/10366/159982 2024-01-01T00:00:00Z