Información general


Idiomas de impartición


  • English

Clases en inglés.

Descripción


La asignatura como disciplina de la ciencia encargada de aprender de los datos y analizar los fenómenos con incertidumbre se ha beneficiado muchísimo de los avances en computación e informática. Esta asignatura da las bases para sintetizar la información, resolver problemas donde hay presencia de fenómenos aleatorios y abre la puerta a conceptos más avanzados de Machine Learning. Se verá la teoría de la probabilidad y el estudio de las diferentes distribuciones de probabilidad para resolver problemas. Se darán ejemplos aplicados de muestreo y de inferencia estadística aplicados a los ámbitos próximos a las áreas de la titulación.

 

Esta asignatura dispone de recursos metodológicos y digitales para hacer posible su continuidad en modalidad no presencial en el caso de ser necesario por motivos relacionados con el Covid-19. De esta forma se asegurará la consecución de los mismos conocimientos y competencias que se especifican en este plan docente.

Resultados de aprendizaje


A nivel general, esta asignatura contribuye a los siguientes resultados de aprendizaje especificados para la materia a la que pertenece (Fundamentos Científicos)

 

Ra1: Describir la estructura general de un análisis estadístico donde intervienen la definición de los objetivos, la captura de datos, el análisis previo, así como la resolución y presentación de resultados haciendo uso de software de análisis de datos.

 

Ra2: Usar la estadística descriptiva para sintetizar información, tanto desde la perspectiva gráfica como numérica.

 

Ra3: Conocer y saber aplicar los principios básicos de combinatoria, así como usar las principales propiedades de la Teoría de la Probabilidad para resolver problemas.

 

Ra4: Resolver problemas de fenómenos aleatorios con la identificación de la distribución de referencia.

 

Ra5: Identificar, usar y representar la distribución gaussiana.

 

Ra6: Aplicar conceptos de simulación (Monte Carlo) y muestreo en la resolución de problemas.

 

Ra7: Resolver problemas de inferencia estadística utilizando intervalos de confianza y contrastes de hipótesis.

Metodologia de trabajo


Todos los conceptos teóricos de la materia se presentarán en clases de teoría (grupos grandes) y/o en sesiones de laboratorio (grupos pequeños). En estas clases, y a discreción de los docentes impartidores, también se resolverán ejercicios y problemas de carácter más práctico. Asimismo y siempre a discreción de los impartidores, se podrá pedir a los estudiantes que resuelvan de manera individual o en grupo, problemas y / o ejercicios breves. Estas actividades, por su naturaleza de optatividad y brevedad servirán al estudiante como instrumento de autoevaluación y seguimiento de los contenidos de la materia y podrán ser utilizados por parte del docente para valorarlas.

 

Los conceptos de carácter más práctico, y todos los que en esencia se puedan considerar la aplicación práctica de los conceptos teóricos serán trabajados en grupos pequeños (de laboratorio). En las sesiones que se programen a tal efecto se darán las herramientas adecuadas para resolver las actividades programadas. En ocasiones los estudiantes deberán finalizar durante el tiempo de aprendizaje autónomo. Siempre que se considere oportuno se pondrá a disposición de los estudiantes actividades de tipo totalmente opcional que le ayuden a preparar y a prepararse para las de carácter obligatorio.

Contenidos


1.- Análisis de Datos y Estadística Descriptiva

2.- Probabilidad y Combinatoria

3.- Variable Aleatoria Discreta

4.- Variable Aleatoria Continua

5.- Muestreo e Inferencia Estadística

6.- Modelos Lineales: ANOVA

Actividades de aprendizaje


Se pone a disposición de los estudiantes una serie de actividades de carácter eminentemente práctico (ejercicios cortos, problemas, ...) que son la base de las actividades de aprendizaje de la asignatura. Estas actividades los estudiantes las tendrán que resolver, a menudo de manera no presencial, siguiendo las indicaciones de los docentes y también serán trabajadas en clase, ya sea como ejemplos en las sesiones de teoría, ya sea en las sesiones de laboratorio. Si bien estas actividades tendrán carácter optativo (los docentes no verificarán de manera individualizada la realización por parte de los estudiantes), serán imprescindibles para alcanzar los conocimientos teórico-prácticos de la asignatura.

Con el objetivo de recoger evidencias del logro de los resultados de aprendizaje esperados se realizan las siguientes actividades de carácter evaluativo:

 

PeX = Prueba escrita (Examen)

La prueba incluirá los contenidos asociados a los resultados de aprendizaje siguientes: Ra2, Ra3, Ra4, Ra5 y Ra7

A nivel competencial se detallan las competencias en la que incide esta actividad: B1, EFB1, T1 y T2

 

PLab = Prácticas Laboratorio

Las prácticas permitirán al estudiante comprender un problema (o diversos) que implique un proyecto de análisis de datos así como su resolución haciendo uso de software de análisis de datos. Se desarrollaran en tiempo no presencial.

Evidencia de los resultados de aprendizaje: Ra1, Ra2, Ra5, Ra6 i Ra7

A nivel competencial se detallan las competencias en la que incide esta actividad: Competencias básicas generales B1, B3 y B4; competencia específica EFB1, y las competencias transversales T1 y T2

 

Proj = Presentación Proyecto Análisis de Datos

Los estudiantes presentarán un problema de análisis de datos describiendo todas y cada una de las etapas que han desarrollado. Se entregará el código, el documento de trabajo y la presentación realizada

Evidencia de los resultados de aprendizaje: Ra1, Ra2, Ra3, Ra4, Ra5, Ra6 y Ra7

A nivel competencial se detallan las competencias en la que incide esta actividad: Competencias básicas generales B1, B3 y B4; competencia específica EFB1, y las competencias transversales T1 y T2

 

ExiP = Ejercicios y participación en clase

Los estudiantes y / o grupos que participen en la resolución de problemas

Evidencia de los resultados de aprendizaje: Ra2, Ra3, Ra4, Ra5 y Ra7

A nivel competencial se detallan las competencias en la que incide esta actividad: Competencias básicas generales B1; competencia específica EFB1, y las competencias transversales T1 y T2

 

Form = Entrega de diversos formularios

Los estudiantes sintetizarán los contenidos vistos en la asignatura. Evidencia de los resultados de aprendizaje Ra2, Ra3, Ra4, Ra5 y Ra7

A nivel competencial se detallan las competencias en la que incide esta actividad: Competencias básicas generales B1, B3 y B4; competencia específica EFB1, y la competencias transversales T1

 

Observaciones:

Para superar las actividades evaluativas, los estudiantes deberán demostrar el Nivel MECES – 2:

  • (punto c) tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de su campo de estudio
  • (punto e) saber comunicar a todo tipo de audiencias (especializadas o no) de manera clara y precisa, conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de su campo de estudio;
  • (punto f) ser capaces de identificar sus propias necesidades formativas en su campo de estudio y entorno laboral o profesional y de organizar su propio aprendizaje con un alto grado de autonomía en todo tipo de contextos

Para cada actividad, los docentes informarán de las normas y condiciones particulares que las rijan


Las actividades unipersonales presuponen el compromiso del estudiante de realizarlas de manera individual y sin ningún tipo de colaboración con otras personas. Se considerarán suspendidas (calificación 0) todas aquellas actividades en que el estudiante no se ajuste a este compromiso de individualidad, independientemente de su papel (emisor o receptor) y sin que ello excluya la posible aplicación de otras sanciones de acuerdo con el Régimen Disciplinario vigente.

Igualmente, las actividades que se deban realizar en grupo presuponen el compromiso por parte de los estudiantes que lo integran de realizarlas en el seno del grupo y sin ningún tipo de colaboración con otros grupos o personas que sean ajenas (individualidad grupal). Se considerarán suspendidas (calificación 0) todas aquellas actividades en las que el grupo no haya respetado este compromiso con independencia de su papel (emisor o receptor) y sin que ello excluya la posible aplicación de otras sanciones de acuerdo con el Régimen Disciplinario vigente.

En el caso de actividades que puedan hacerse en grupo, cuando en alguna de ellas no se respete el compromiso de individualidad grupal y / o utilicen medios fraudulentos en su realización, la calificación de la actividad será, para todos los miembros del grupo, de 0 puntos (Nota Actividad = 0) y sin que ello excluya la posible aplicación de otras sanciones de acuerdo con el Régimen Disciplinario vigente.

Cualquier actividad no entregada se considerará puntuada con cero puntos

Es potestativo de los docentes aceptar o no entregas fuera de los plazos que se indiquen. En caso de que estas entregas fuera de plazo se acepten, es potestativo del docente decidir si aplica alguna penalización y la cuantía de esta

 

Sistema de evaluación


La calificación final es la suma ponderada de las calificaciones de las actividades de aprendizaje:

 

Q = 0.50 PeX + 0.15 PLab + 0.20 Proj + 0.10 ExiP + 0.05 Form

 

 

Observaciones relativas a la Recuperación

 

La parte de teoría de la asignatura (PEX) sí es recuperable. El resto de partes no son recuperables. Para los estudiantes que asistan al examen de recuperación su calificación (PEX) será la obtenida en esta prueba y su calificación final (Q) se calculará con las fórmulas anteriormente detalladas y en ningún caso será superior a 7.

 

Bibliografía


Básica

Hossein Pishro-Nik , Introduction to Probability, Statistics, and Random Processes .  Kappa Research, LLC 2014

Joseph K. Blitzstein , Jessica Hwang, Introduction to Probability,  Chapman & Hall/CRC Texts in Statistical Science Har/Psc Edition 2014

MICHAEL BARON. Probability and Statistics for Computer Scientists. 2nd Ed. CRC Press 2014


Complementaria

Pierre Lafaye de Micheaux, Rémy Drouilhet, Benoit Liquet; The R Software: Fundamentals of Programming and Statistical Analysis (Statistics and Computing) , springer 2013th Edition