|
Tipo A
|
Código |
Competencias Específicas | | | A2 |
Conocimientos para la realización de mediciones, cálculos, valoraciones, tasaciones, peritaciones, estudios, informes, planificación de tareas y otros trabajos análogos de informática. |
| | FB1 |
Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar los conocimientos sobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estadística y optimización.
|
|
Tipo B
|
Código |
Competencias Transversales | | | B2 |
Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones. |
|
Tipo C
|
Código |
Competencias Nucleares |
| Resultados de aprendizaje |
|
Tipo A
|
Código |
Resultados de aprendizaje |
| | A2 |
Calcula los parámetros estadísticos descriptivos de una población.
Utiliza los modelos de distribución de probabilidad más comunes para modelar situaciones reales.
Conoce las situaciones modeladas por procesos estocásticos
Analiza una situación desde el punto de vista de la inferencia estadística.
Comprende los parámetros estadísticos descriptivos de una población.
| | | FB1 |
Comprende las distribuciones de probabilidad binomial, normal, exponencial y de Poisson.
Utiliza los modelos de distribución de probabilidad más comunes para modelar situaciones reales.
Comprende los fundamentos de la teoría de cues.
Aplica los fundamentos de la teoría de colas a la informática.
Comprende las bases de la inferencia estadística.
|
|
Tipo B
|
Código |
Resultados de aprendizaje |
| | B2 |
Domina el teorema central del límite.
Utiliza les técnicas de procesos estocásticos en problemas concretos.
Comprende los fundamentos de la teoría de colas.
Utiliza las técnicas de regresión.
|
|
Tipo C
|
Código |
Resultados de aprendizaje |
| tema |
Subtema |
| Estadística Descriptiva |
Tipos de datos, gráficos de representación de datos y medidas de centralización y de dispersión. |
| Distribuciones de Probabilidad |
Experimentos aleatorios, espacio muestral y probabilidad. Modelos discretos y modelos continuos más comunes. Teorema del límite central. |
| Procesos Estocásticos |
Cadenas de Markov. Matriz de transición y probabilidades estacionarias. |
| Teoría de colas |
Estudio de los modelos de colas fundamentales. Aplicaciones a la informática. |
| Estimación Matemática |
Estimación puntual y por intervalos. |
| Fundamentos de test de hipótesis |
Test de hipótesis paramétricas.
Test de bondad de ajuste. |
| Regresión Lineal |
|
| Metodologías :: Pruebas |
| |
Competencias |
(*) Horas en clase
|
Horas fuera de clase
|
(**) Horas totales |
| Actividades introductorias |
|
1 |
0 |
1 |
| Sesión magistral |
|
23 |
46 |
69 |
| Practicas a través de TIC en aulas informáticas |
|
13 |
15 |
28 |
| Resolución de problemas/ejercicios en el aula ordinaria |
|
13 |
22 |
35 |
| Atención personalizada |
|
3 |
0 |
3 |
| |
| Pruebas prácticas |
|
1 |
7 |
8 |
| Pruebas objetivas de preguntas cortas |
|
6 |
0 |
6 |
| |
(*) En el caso de docencia no presencial, serán las horas de trabajo con soporte virtual del profesor.
(**) Los datos que aparecen en la tabla de planificación son de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías
| |
descripción |
| Actividades introductorias |
Se hará la presentación de la asignatura y se describirá el desarrollo de las clases, así como la evaluación de la asignatura.
También se motivará la necesidad de conocimientos estadísticos en informática.
|
| Sesión magistral |
Transferencia de los conocimientos teóricos básicos de la asignatura. Los alumnos podrán tomar notas de las explicaciones hechas en la pizarra, a través de transparencias y/o cañón de video. |
| Practicas a través de TIC en aulas informáticas |
Formulación, análisis, resolución y debate de problemas o ejercicios relacionados con la temática de la asignatura. |
| Resolución de problemas/ejercicios en el aula ordinaria |
Se harán problemas en clase con participación activa de los estudiantes |
| Atención personalizada |
El profesor queda a disposición de los alumnos que precisen de una atención personalizada.
Las horas de consulta se publicarán en el espacio moodle de la asignatura.
También se puede contactar por e-mail.
|
|
descripción |
|
El professor resta a disposició dels alumnes que precisin d'una atenció personalitzada.
Les hores de consulta es publicaran en l'espai moodle de l'assignatura.
També es pot contactar per e-mail. |
|
Metodologías |
Competencias
|
descripción |
Peso |
|
|
|
|
| Pruebas prácticas |
|
Se evalúa el trabajo realizado en el laboratorio y la metodología desarrollada y conclusiones de una práctica individual realizada con el paquete estadístico que se indique a principios de curso. |
25% |
| Pruebas objetivas de preguntas cortas |
|
Pruebas individuales parciales mediante preguntas cortas con solución tipo test y / o problemas de desarrollo sobre los contenidos proporcionados hasta el momento. Se harán 3 pruebas durante el curso. |
75% |
| Otros |
|
|
|
| |
|
Otros comentarios y segunda convocatoria |
|
Consistirá
en una prueba escrita con un peso del 100% de la nota. A
los alumnos que han realizado las pruebas prácticas durante el curso actual, se
les pondrá nota más alta entre las dos opciones siguientes: -
100% nota de la segunda convocatoria -
75% nota de la segunda convocatoria y 25% nota de las pruebas prácticas En
todas las pruebas de evaluación queda totalmente prohibido el uso o tenencia de
dispositivos de comunicación y transmisión de datos durante la realización de
las pruebas y serán de obligado cumplimiento por parte del estudiante. |
| Básica |
J.L.Devore, Probabilidad y Estadística, Thomson, 2005
Larry Gonick y Woollcott Smith, La Estadística en cómic, Zendrera Zariquiey, 2ed. 2002
V.Zaiats, M.L.Calle i R. Presas, Probabilitat i Estadística. Exercicis I, Eumo, 1998
|
|
| Complementaria |
C.H.Brase and C.P.Brase, Understanding Basics Statistics, Houghton Mifflin, 2004
Spiegel, Schiller i Srinivasan, Probabilidad y Estadística, McGraw-Hill, 2000
Lapin, Probability and Statistics for Modern Engineering, PWS-KENT, 1990
Quintín Martín, Investigación Operativa, Pearson Prentice Hall, 2003
|
|
| Asignaturas que se recomienda haber cursado previamente |
| ANÁLISIS MATEMÁTICO I/17234005 |
|
(*)La Guía docente es el documento donde se visualiza la propuesta académica de la URV. Este documento es público y no es modificable, excepto en casos excepcionales revisados por el órgano competente o debidamente revisado de acuerdo la normativa vigente. |
|