Guía docente de Métodos Estadísticos para la Gestión de Recursos Humanos (25911B1)

Se recomienda haber cursado al menos una asignatura básica de Estadística

• Software Estadístico para el Análisis de Datos Laborales y de Recursos Humanos.
• Métodos de Regresión Estadística.
• Métodos Estadísticos de Clasificación.
• Análisis de Supervivencia. Análisis Longitudinal.

Cognitivos

- Objetivo general: poseer un conocimiento interdisciplinar que permita la comprensión de los métodos y técnicas estadísticas desde su contextualización en el marco de las Relaciones Laborales y los Recursos Humanos.

- Objetivos específicos:

• Comprender la importancia de la Estadística en el análisis de datos de problemas de Relaciones Laborales y los Recursos Humanos.
• Conocer las estrategias propias de los Métodos Estadísticos para la síntesis de información.
• Reconocer la necesidad del análisis multivariante de datos en situaciones prácticas.
• Diseñar estrategias adecuadas para la recogida de información de forma que sea adecuada para su posterior análisis.

Procedimentales

- Objetivos generales

• Resolver problemas fundamentales mediante técnicas propias de la Estadística Aplicada.
• Manejar de forma eficiente recursos informáticos orientados al tratamiento estadístico de datos multivariantes.

- Objetivos específicos

• Elaborar bases de datos adecuadas para su tratamiento estadístico.
• Sintetizar de forma correcta la información observada.
• Resolver problemas de análisis de grandes volúmenes de datos.
• Solucionar problemas de comparación de grupos y asociación de variables.
• Interpretar los coeficientes asociados a los análisis producidos.

Actitudinales

• Contemplar a la metodología estadística como herramienta fundamental en la investigación empírica.
• Utilizar el pensamiento crítico en la valoración del producto de una investigación.
• Valorar positivamente el uso de las tecnologías informáticas y de los recursos bibliográficos y documentales.

TEMA 1. DESCRIPCIÓN DE MÓDULOS DEL SOFTWARE ESTADÍSTICO. Creación de una base de datos. Tipos de variables. Segmentación. Filtrado. Importación de datos. Gráficos elementales. Resúmenes estadísticos. Tablas de doble entrada. Tablas múltiples.

TEMA 2. MÉTODOS DE REGRESIÓN ESTADÍSTICA Modelo de regresión lineal simple univariante. Modelo de regresión lineal múltiple. Modelos de regresión no lineal.

TEMA 3. MÉTODOS ESTADÍSTICOS DE CLASIFICACIÓN Análisis de Componentes Principales. Multidimensional Scaling. Análisis de Correspondencias Simple. Análisis Discriminante Lineal. Análisis Clúster.

TEMA 4. ANÁLISIS DE SUPERVIVENCIA. Distribución de la variable tiempo de espera. Estimación de la función de supervivencia (método de Kaplan-Meier). Método actuarial. Alternativa paramétrica. Modelo de riesgo proporcional (Cox)

Todos los temas se desarrollarán con ayuda de un SOFTWARE ESTADÍSTICO, que en el curso actual será R (y su extensión R-Commander). En cada sesión se planteará brevemente el soporte teórico de la técnica, y se profundizará en la misma con ayuda de ejercicios aplicados a la Gestión de Recursos Humanos por medio del citado software. Como complemento, se usarán herramientas de IA (ChatGPT, Gemini, Copilot, etc.) para generación de código en R e interpretación de resultados.

• Abad, F.; Huete. M.D. y Vargas, M. (2016). Estadística, Probabilidad en Introducción al Análisis Demográfico. Ed. Avicam. Granada.
• Abad, F.; Vargas, M. (2002). Análisis de datos para las Ciencias Sociales con SPPS. Ed. Urbano. Granada.
• Aldas Manzano, J.; Uriel Jiménez, E. (2017). Análisis multivariante aplicado con R. 2ª ed. Ed. Paraninfo
• Lara Porras, Ana. Guía interactiva de Autoaprendizaje de SPSS en https://www.ugr.es/~bioestad/guiaspss/
• Martín Martín, Q. (2007). Tratamiento estadístico de datos con SPSS. Prácticas resueltas y comentadas. Ediciones Paraninfo.
• Paladino, M. (2018). "R para Ciencias Sociales" en https://martinpaladino.github.io/rsociales/
• Pérez López, C. (2024). “Análisis Multivariante de Datos. Aplicaciones con R”. Garceta, Grupo Editorial.
• Manuales online del software utilizado (SPSS, JASP, R, etc.)
• Visauta, B. (2003). Análisis estadístico con SPSS para Windows, vol. II (Ebook) Ed. Mc Graw Hill Interamericana S.L.

Manuales de software

• https://www.ugr.es/~bioestad/guiaspss/ (Lara Porras, Ana. Guía interactiva de Autoaprendizaje de SPSS)
• http://static.jasp-stats.org/JASPGuideEspanol.pdf (Análisis estadístico con JASP: una guía para estudiantes)
• https://knuth.uca.es/moodle/course/view.php?id=37 (Libro Libre: Estadística Básica con R y R-Commander)

• http://www.ine.es/
• http://www.juntadeandalucia.es/institutodeestadisticaycartografia/
• https://www.randomservices.org/random/
• https://onlinestatbook.com/
• https://davidmlane.com/hyperstat/
• http://www.estadisticaparatodos.es/software/descartes.html
• https://www.bmj.com/about-bmj/resources-readers/publications/statistics-square-one
• https://claude.ai/login
• https://chatgpt.com/
• https://www.perplexity.ai/
• https://www.kimi.com/
• https://grok.com/

• MD01. Clases magistrales con soporte de las TIC, si es necesario, y debate en gran grupo. Planteamiento y resolución de ejercicios o supuestos prácticos. Exposición y discusión oral en clase. 
• MD02. Tutorías colectivas e individuales (presenciales o virtuales). 

Evaluación continua

• Pruebas escritas (exámenes de ensayo periódicos, resolución de problemas, pruebas de respuesta breve, informes y diarios de clase) y pruebas orales (exposiciones de trabajos orales en clase, individuales o en grupo). Ponderadas para la calificación final con el 70%.
• Técnicas basadas en la asistencia y participación activa del alumno en clase, seminarios y tutorías: trabajos en grupos reducidos sobre supuestos prácticos propuestos (ponderadas con un 30%).

Según normativa aprobada en consejo de departamento el 9/6/2026 en el departamento de Estadística e I.O. para la evaluación: "Todas las actividades de evaluación continua (exámenes, trabajos, exposiciones, ...) serán consideradas para la calificación final combinadas con su correspondiente ponderación. En ningún caso se exigirá un mínimo de puntuación en una actividad, para que sea computada o para que se impida la consideración de las restantes."

En la evaluación extraordinaria se contempla la realización de un examen final de toda la materia impartida en la asignatura, que supondrá el 100% de la calificación, dado el carácter extraordinario de la evaluación.

Se contempla la realización de una evaluación única final a la que podrán acogerse aquellos estudiantes que no puedan cumplir con el método de evaluación continua por motivos laborales, estado de salud, discapacidad o cualquier otra causa debidamente justificada que les impida seguir el régimen de evaluación continua.

Sobre el uso de IA: En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

Sobre el plagio: El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se hubiera detectado, independientemente del resto de las calificaciones que el estudiante hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades disciplinarias en las que pudieran incurrir los estudiantes que plagien.

Sobre la propiedad intelectual: La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a los estudiantes que el plagio es una práctica contraria a los principios que rigen la formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su protección de acuerdo con la propiedad intelectual según establezca la legislación vigente.

Sobre adaptación de contenidos: Cualquier elemento de esta guía podrá ser adaptado para atender a la diversidad del alumnado teniendo en cuenta los informes facilitados por los tutores NEAE, y siempre siguiendo la Normativa de la Universidad de Granada: https://www.ugr.es/sites/default/files/2017-09/NCG1114.pdf

Norma de aplicación: Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada:

https://www.ugr.es/universidad/normativa/texto-consolidado-normativa-evaluacion-calificacion-estudiantes-universidad-granada

Se utilizará el programa R (y su extensión R-Commander), el software libre de referencia para el análisis de datos en el ámbito académico.