IDENTIFYING DATA 2023_24
Subject (*) MATEMÀTIQUES II Code 20244006
Study programme
Grau en Tècniques de Bioprocessos Alimentaris (2018)
Cycle 1r
Descriptors Credits Type Year Period Exam timetables and dates
6 Formació bàsica Segon 1Q
Modality and teaching language
Prerequisites
Department Enginyeria Mecànica
Enginyeria Química
Coordinator
FERNÁNDEZ SABATER, ALBERTO
E-mail alberto.fernandez@urv.cat
roger.girbes@urv.cat
deepak.parajuli@urv.cat
Lecturers
FERNÁNDEZ SABATER, ALBERTO
GIRBES BALAGUE, ROGER
PARAJULI , DEEPAK
Web
General description and relevant information
DESCRIPCIÓ GENERAL DE L’ASSIGNATURA:
Conèixer les tècniques estadístiques per fer anàlisis de dades de manera correcta i eficient. Saber aplicar les eines matemàtiques bàsiques per tal de resoldre problemes de l’àmbit de l’enginyeria.

Competències
Type A Code Competences Specific
 A1.1 Aplicar efectivament el coneixement de les matèries bàsiques, científiques i tecnològiques pròpies de l'enginyeria.
 A3.1 Capacitat per resoldre els 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, algorítmica numèrica, estadística i optimització.
Type B Code Competences Transversal
 B1.5 Usar les TIC per gestionar eficientment la informació i el coneixement.
 B4.1 Aprendre maneres eficaces per assimilar coneixements i comportaments.
Type C Code Competences Nuclear

Resultats d'aprenentage
Type A Code Learning outcomes
 A1.1 Aplica correctament els principis matemàtics que es puguin plantejar en enginyeria, àlgebra lineal, geometria, geometria diferencial, càlcul diferencial i integral, equacions diferencials i en derivades parcials, mètodes numèrics, algorítmica numèrica, estadística i optimització.
 A3.1 Adquireix les tècniques més elementals del càlcul numèric i les aplica amb l'ajuda d'un llenguatge de programació estructurat d'alt nivell en models.
Coneix els mecanismes estadísticament correctes per a una anàlisi eficient de dades: interpretació i presa de decisions sobre els valors de paràmetres físics o químics.
Coneix els mètodes més usuals d'optimització i els sap utilitzar en la resolució de problemes de l'àmbit de l'enginyeria.
Type B Code Learning outcomes
 B1.5 Coneix el maquinari bàsic dels ordinadors.
Coneix el sistema operatiu com a gestor del maquinari i el programari com a eina de treball.
Utilitza programari per a comunicació: editors de textos, fulls de càlcul i presentacions digitals.
Utilitza programari per a comunicació virtual: eines interactives (web, moodle, blocs..), correu electrònic, fòrums, xat, vídeo-conferències, eines de treball col·laboratiu etc.
Localitza i accedeix a la informació de manera eficaç i eficient.
 B4.1 Desenvolupa estrategies pròpies per resoldre problemes i trobar solucions.
Type C Code Learning outcomes

Continguts
Topic Sub-topic
1. Estadística descriptiva. Mitjana, variància i desviació estàndar.
2. Models de distribució de probabilitats: binomial, Poisson, normal.
3. Teoria de l’estimació puntual i per intervals de confiança.
4. Contrast d’hipòtesis.
5. Anàlisi de la variància.
6. Aproximació mínim-quadràtica. Regressió lineal i regressió lineal múltiple.
7. Introducció als mètodes d'optimització. Búsqueda de màxims i mínims. Multiplicadors de Lagrange.
8. Introducció a les equacions diferencials ordinàries (EDO). Solucions analítiques d'EDOs lineals de primer i segon ordre.
9. Introducció a les equacions diferencials en derivades parcials. Variables separables.
10. Introducció a la geometria diferencial.

Planificació
Methodologies  ::  Tests
  Competences (*) Class hours
Hours outside the classroom
(**) Total hours
Activitats Introductòries
1 1.5 2.5
Sessió Magistral
A1.1
A3.1
22 33 55
Resolució de problemes, exercicis a l'aula ordinària
A1.1
A3.1
14 21 35
Pràctiques a través de TIC en aules informàtiques
A1.1
A3.1
14 21 35
Atenció personalitzada
A1.1
A3.1
1 1.5 2.5
 
Proves objectives de preguntes curtes
A1.1
A3.1
2 8 10
Proves objectives de preguntes curtes
A1.1
A3.1
2 8 10
 
(*) 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.

Metodologies
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.
Resolució de problemes, exercicis a l'aula ordinària Resolució de problemes a l'aula per part del professor.
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.

Atenció personalitzada
Description

Temps que cada professor té reservat per atendre i resoldre dubtes als alumnes.


Avaluació
Methodologies Competences Description Weight        
Pràctiques a través de TIC en aules informàtiques
A1.1
A3.1
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
A1.1
A3.1
Prova individual de caràcter de síntesi sobre els continguts desenvolupats durant la primera part de l'assignatura. 40-50%
Proves objectives de preguntes curtes
A1.1
A3.1
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.


Fonts d'informació

Bàsica Mateo, J.M., Estadística pràctica pas a pas, Universitat Rovira i Virgili,
Zill, D.G.; Wright, W.S., Matemáticas avanzadas para ingeniería, McGraw-Hill,

Complementària

Recomanacions


(*)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.