Jesús Zavala
Jesús Zavala
 

229324 - Métodos Cuantitativos en Geografía II

Presentación

Plan de estudios oficial (link).

Unidad: Iztapalapa
División: Ciencias Sociales y Humanidades
Nombre del Plan: Licenciatura en Geografía Humana
Clave: 229324
Unidad de Enseñanza-Aprendizaje: Métodos Cuantitativos en Geografía II
Créditos: 9
Tipo: Obligatoria
Horas Teoría: 3
Horas Práctica: 3
Seriación: 229320
Trimestre: V

OBJETIVO (S)

Que el alumno y la alumna conozca:

  1. El uso de las muestras aleatorias para hacer inferencias sobre uno o varios parámetros poblacionales, mediante las pruebas de hipótesis, utilizando paquetería estadística para resolver algunos de estos problemas.

  2. El análisis de correlación y regresión para que puedan utilizarlos adecuadamente en sus aplicaciones.

  3. La aplicación de técnicas estadísticas para el análisis territorial, enfocado a problemas socioeconómicos y de ordenamiento.

CONTENIDO SINTÉTICO

  1. Pruebas de hipótesis sobre la media.

    1. Prueba de hipótesis sobre una media de una población.

    2. Prueba de hipótesis para dos poblaciones. Prueba para comparar dos medias de poblaciones con distribución normal.

    3. Distribución ji-cuadrada.

    4. Análisis bivariado para clasificación y regionalización de unidades territoriales. La prueba de la ji-cuadrada.

    5. Prueba de hipótesis para muestras pequeñas, la t de Student.

    6. Prueba de hipótesis para datos apareados. Prueba sobre la media de las diferencias.

     

  2. Correlación Lineal.

    1. Conceptualizacíón y utilidad en el análisis geográfico.

    2. Coeficiente de correlación de Pearson.

    3. Interpretación gráfica.

    4. Correlación de Spearman.

     

  3. Regresión lineal simple.

    1. El modelo de regresión lineal simple.

    2. El método de los mínimos cuadrados.

    3. Estimación de los parámetros del modelo.

    4. Prueba de significación usando t de Student.

    5. Descomposición de la variación total en la variación debida al modelo

    6. Coeficiente de determinación (R2).

    7. Intervalo de confianza para la media e intervalo de predicción.

    8. Análisis de residuales.

     

  4. Análisis de cúmulos.

    1. Clasificación de unidades territoriales mediante el análisis de cúmulos.

    2. Regionalizaciones resultantes de este análisis.

     

  5. Análisis de componentes principales.

    1. Componentes principales y clasificación de unidades territoriales.

    2. Determinación de las regionalizaciones.

MODALIDADES DE CONDUCCIÓN DEL PROCESO DE ENSEÑANZA-APRENDIZAJE

Podrá realizarse por: exposición del profesor y participación de los alumnos y las alumnas, discusiones dirigidas, exposiciones individuales o de grupo u otras que sean dadas a conocer al principio del curso. El aprendizaje de las herramientas estadísticas se reforzará con prácticas en la Sala de Informática.

MODALIDADES DE EVALUACIÓN

Global

Incluirá evaluaciones periódicas y/o evaluación terminal. Estas evaluaciones podrán realizarse a través de elaboración de fichas, controles de lectura, participación en clase, exámenes escritos diseñados, aplicados y evaluados individual o colectivamente, exposiciones individuales o de grupo y elaboración de trabajos de investigación. Los factores de ponderación serán a juicio del profesor. Éstos serán dados a conocer a los alumnos y las alumnas al principio del curso.

Recuperación

Podrá incluir un trabajo de investigación sobre algún tema del programa (que deberá entregarse en la fecha señalada en el calendario de evaluación de recuperación aprobado por el Consejo Académico) y/o una evaluación escrita, que se hará con base en los contenidos del programa y puede ser de todo el curso o de una parte.

BIBLIOGRAFÍA NECESARIA O RECOMENDABLE

  • Anderson, David, Sweeney Denis y Williams Thomas (2000), Estadística para administración y economía, International Thompson Editores, México.

  • Bachi, Robert (1999), New Methods in Geostatistical Analysis and Graphical Presentation: Distribution of Population, Plenum Pub. Co, Nueva York.

  • Béguin, Hubert (1979), Méthodes en géographie quantitative, Litec, París.

  • Bosque Sendra, Joaquín et al. (1988), Aplicaciones de la informática a la Geografía y las ciencias sociales, Ed. Síntesis, Madrid.

  • Bosque Sendra, Joaquín y Moreno (1994), Prácticas de análisis exploratorio y multivalente, Ed. Oikos-Tau, Barcelona.

  • Chistensen, Howard B. (1999), Estadística paso a paso, Trillas, 4ª. Edición, México

  • Chorley, Richard J. y Haggett Peter (1971), La Geografía y los modelos socio-económicos, Instituto de Estudios de Administración Local, Madrid.

  • Ebdon, David (1982), Estadística para Geógrafos, Ed. Oikos-Tau, Barcelona.

  • Erickson, Robert y John M. Harlin (1994), Geographical Measurement and Quantitative Analysis, Merril Pub. Co., Nueva York.

  • Fotheringham, Stewart A. et als (2000), Quantitative Geography: perspectives in Spatial Data Analysis, Sage, Three Thousand Oaks, California.

  • Freund, John, E y Gary A. Simon (1994), Estadística elemental, Ed. Prentice Hall, 8ª. ed.

  • García de León Loza, Armando (1988), Generalidades del análisis de cúmulos y del análisis de componentes principales, UNAM, México, 29p.

  • Gregory, Stanley (1978), Statistical methods and the geographer, Logman, Nueva York, 240p.

  • Guerrero, G. Víctor , Manuel (2000), Estadística básica para estudiantes de economía y otras ciencias sociales, Ed. F.C.E., 2ª. Edición, México.

  • Haggett, Peter (1976), Análisis locacional en geografía humana, Gustavo Gili, Barcelona, 434p.

  • Hammond, Robert (1978), Quantitative techniques in geography: An introduction, Clarendon, Oxford, 364p.

  • Manzano, Vicente (1995), Inferencia estadística. Aplicaciones con SPSS/PC+, Computec, México.

  • Mendenhall, W. Y Reinmuth, James (1981), Estadística para la administración y economía, Grupo Ed. Iberoamérica.

  • Pérez Sandoval Blanca Rosa (1992), Estadística para las Ciencias Sociales, Vol. II. UAM-Iztapalapa. Libros de texto, México.

  • Taylor, Peter J. (1983), Quantitative Methods in Geography, Waveland Press, Londres.

  • Wilson, Alan G. (1981), Geography and environment: Systems analytical methods, J.Wiley, Nueva York, 297p.

 

  • Campbell, M. (2019). Learn Rstudio IDE: Quick, effective, and productive Data Science. Apress. [pdf] (url).
  • Hillebrand J., Nierhoff M.H. (2015). Mastering RStudio; Develop, communicate, and collaborate with R. Packt Publishing. [epub] (url).
  • Pimpler, E. (2018). Data visualization and exploration with R: A practical guide to using R, RStudio and Tidyverse for data visualization exploration and data science applications. [pdf] (url).
  • Cirillo, A. (2016). RStudio for R statistical computing cookbook: Over 50 practical and useful recipes to help you perform data analysis with R by unleashing every native RStudio feature. Packt Publishing. [pdf] (url).
  • Horton, N. J. & Kleinman, K. (2015). Using R and RStudio for data management, statistical analysis and graphics. Chapman and Hall/CRC. [pdf] (url).
  • Taeger, D., & Kuhnt, S. (2014). Statistical hypothesis testing with SAS and R. Wiley&Sons. [pdf] (url). (Código y Conjuntos de Datos).
  • Weakliem, D. L. (2016). Hypothesis testing and model selection in the social sciences. The Guilford Press. [pdf] (url).
  • Bridgmon, K. D., & Martin, W. E. (2012). Quantitative and statistical research methods: From hypothesis to results. Jossey-Bass. [pdf] (url).
  • Cleophas, T. J. & Zwinderman, A. H. (2016). Clinical data analysis on a pocket calculator: Understanding the scientific methods of statistical reasoning and hypothesis testing. Springer International Publishing. [pdf] (url).
  • Cleophas, T. J. & Zwinderman, A. H. (2016). SPSS for starters and 2nd levelers. Springer International Publishing. [pdf]. (url).
  • Halter, C. P. (2017). The PSPP guide: An introduction to statistical analysis. San Diego, CA: Creative Minds Press Group. [pdf] (url).
  • Free Software Foundation (2018). PSPP users’ guide. [pdf] (url).

 

  • Khan Academy en Español. (2018, Feb 12). Ejemplos de hipótesis nula y alternativa. YouTube. [video] (7:12 min). (url).