Type A
|
Code |
Competences Specific | | A1.1 |
Aplicar efectivament el coneixement de les matèries bàsiques, científiques i tecnològiques pròpies de l'enginyeria |
| A1.2 |
Dissenyar, executar i analitzar experiments relacionats amb l'enginyeria |
| A3.1 |
Capacitat per a la resolució dels problemes matemàtics que puguin plantejar-se en l'enginyeria. Aptitud per aplicar els coneixements sobre àlgebra lineal, geometria, geometria diferencial, càlcul diferencial i integral, equacions diferencials i en derivades parcials, mètodes numèrics, algorísmica numèrica, estadística i optimització (FB1) |
Type B
|
Code |
Competences Transversal | | B4.1 |
Aprendre maneres eficaces per assimilar coneixements i comportaments. |
| B4.4 |
Coneixement en matèries bàsiques i tecnològiques que capaciti per a l'aprenentatge de nous mètodes i teories i els doti de versatilitat per adaptar-se a noves situacions. |
Type C
|
Code |
Competences Nuclear |
Type A
|
Code |
Learning outcomes |
| A1.1 |
Aplica correctament els principis matemàtics que puguin plantejar-se en l’enginyeria, àlgebra lineal, geometria, geometria diferencial, càlcul diferencial i integral, equacions diferencials i en derivades parcials, mètodes numèrics, algorítmica numèrica, estadística i optimització.
| | A1.2 |
Coneix les tècniques de disseny d'experiments i anàlisis multivariant
| | A3.1 |
Adquireix la capacitat d’utilització de les eines matemàtiques bàsiques en el modelat i resolució de situacions relacionades amb l’enginyeria. Les tècniques estudiades son les relacionades amb l’àlgebra lineal i l’anàlisi univariant i multivariant.
Coneix els mecanismes estadísticament correctes per a un anàlisis eficient de dades: interpretació i presa de decisions sobre els valors de paràmetres físics o químics.
Coneix els mètodes més freqüents d’optimització i saber utilitzar-los en la resolució de problemes de l’àmbit de l’enginyeria
|
Type B
|
Code |
Learning outcomes |
| B4.1 |
Desenvolupa estrategies pròpies de resoldre problemes i trobar solucions.
Es capaç d’integrar paradigmes d’altres disciplines.
| | B4.4 |
Té una visió de conjunt de les diferents teories o metodologies d’una assignatura.
Fa aportacions significatives o certes innovacions.
Transfereix l’aprenentatge de casos i exercicis de l’aula a situacions reals d’altres àmbits.
|
Type C
|
Code |
Learning outcomes |
Topic |
Sub-topic |
1. Introducció a l’anàlisi de dades |
1.1. Concepte d’Estadística. Contingut de l’Estadística.
1.2. Concepte de població, mostra, individu i variable estadística.
1.3. Classificació de les variables estadístiques.
1.4. Distribució de freqüències. Representacions gràfiques.
1.5. Agrupació de dades en intervals.
1.6. Paràmetres de posició.
1.7. Paràmetres de dispersió.
|
2. Variables aleatòries |
2.1. Concepte de probabilitat i propietats.
2.2. Concepte de variable aleatòria.
2.3. Variables aleatòries discretes: funció de probabilitat i funció de distribució.
2.4. Variables aleatòries contínues: funció de densitat i funció de distribució.
2.5. Esperança matemàtica.
2.6. Variància.
|
3. Models de distribució de probabilitats |
3.1. Distribucions discretes: Weibull, Bernoulli, binomial, Poisson, uniforme.
3.2. Distribucions contínues: uniforme, exponencial, normal.
3.3. Llei normal general. Llei normal reduïda: N(0,1).
3.4. Distribucions deduïdes de la normal: khi-quadrat, t de Student i F de Snedecor.
3.5. Convergència a la llei normal: teorema del límit central.
3.6. Ús de les taules estadístiques.
|
4. Intervals de confiança |
4.1. Nocions de mostra i mostreig.
4.2. Concepte d’estadístic i de paràmetre.
4.3. Estimació puntual i estimació per intervals.
4.4. Noció d’interval de confiança. Coeficient de confiança.
4.5. Determinació d’intervals de confiança.
4.6. Aplicació dels intervals de confiança al control de processos. |
5. Contrast d’hipòtesis |
5.1. Hipòtesis estadístiques. Tipus d’hipòtesis.
5.2. Concepte de regió crítica i regió d’acceptació.
5.3. Tipus d’errors. Nivell de significació.
5.4. Aplicació dels contrastos d’hipòtesis.
5.5. Control de recepció. |
6. Anàlisi de la variància |
6.1. Generalitats sobre l’anàlisi de la variància.
6.2. Disseny d’un factor.
6.3. Disseny de dos factors sense interacció. Blocs aleatoritzats.
6.4. Disseny de dos factors amb interacció.
|
7. Regressió lineal |
7.1. Model de regressió mostral simple.
7.2. Estimació de la recta de regressió pel mètode dels mínims quadrats.
7.3. Mesures de bondat d’ajust.
7.4. Contrastos de significació.
7.5. Construcció d’intervals de predicció.
7.6. Regressió no lineal.
7.7. Regressió lineal múltiple.
|
Methodologies :: Tests |
|
Competences |
(*) Class hours
|
Hours outside the classroom
|
(**) Total hours |
Activitats Introductòries |
|
1 |
2 |
3 |
Sessió Magistral |
|
24 |
48 |
72 |
Pràctiques a través de TIC en aules informàtiques |
|
20 |
40 |
60 |
Atenció personalitzada |
|
1 |
2 |
3 |
|
Proves objectives de preguntes curtes |
|
2 |
4 |
6 |
Proves objectives de preguntes curtes |
|
2 |
4 |
6 |
|
(*) On e-learning, hours of virtual attendance of the teacher. (**) The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
Methodologies
|
Description |
Activitats Introductòries |
Introducció de l'assignatura on es comenten els continguts a treballar, els objectius a avaluar, la metodologia que s'usarà, i el sistema d'avaluació. |
Sessió Magistral |
El professor explica els continguts teòrics de cada tema. |
Pràctiques a través de TIC en aules informàtiques |
Es demana als alumnes que facin i lliurin pràctiques, realitzades amb ordinador, relacionades amb els continguts que s'estan treballant en cada moment. Aquestes pràctiques formen part de l'avaluació continuada de l'assignatura. |
Atenció personalitzada |
Els alumnes poden rebre atenció personalitzada de manera presencial o telemàtica durant l'horari d'atenció a l'alumnat, i durant les hores de pràctiques a l'aula. |
Description |
Temps que cada professor té reservat per atendre i
resoldre dubtes als alumnes.
|
Methodologies |
Competences
|
Description |
Weight |
|
|
|
|
Pràctiques a través de TIC en aules informàtiques |
|
L’estudiant haurà de resoldre, amb ordinador, problemes dels diversos continguts de l'assignatura. Es valorarà l’aprofitament de les pràctiques. |
0-20% |
Proves objectives de preguntes curtes |
|
Prova individual de caràcter de síntesi sobre els continguts desenvolupats durant la primera part de l'assignatura. |
40-50% |
Proves objectives de preguntes curtes |
|
Prova individual de caràcter de síntesi sobre els continguts desenvolupats durant la segona part de l'assignatura. |
40-50% |
Others |
|
|
|
|
Other comments and second exam session |
Avaluació contínua: La nota de les pràctiques sols es tindrà en consideració quan sigui superior a la nota mitjana de les dues proves parcials. En aquest cas, els pesos de la nota de pràctiques i de les dues proves parcials seran 20%, 40% i 40%, respectivament. Altrament, aquests pesos seran 0%, 50% i 50%, respectivament. Segona convocatòria: La qualificació final consistirà en un 100% per la nota d'una prova objectiva individual sobre el contingut de tota l'assignatura. |
Bàsica |
Mateo, J.M., Estadística pràctica pas a pas, , URV
|
|
Complementària |
|
|
(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation. |
|