Información general


Tipo de asignatura: básica

Coordinador: Alfonso Palacios González

trimestre: Segundo trimestre

Créditos: 6

Profesorado: 

Moisés Burset Albareda
Xavier Font Aragonés 

Competencias


competencias básicas
  • B1_Que los estudiantes hayan demostrado tener y comprender conocimientos en un área de estudio que tenga su base en la educación secundaria general, y se acostumbre a encontrar a un nivel que, aunque con el soporte de libro de texto avanzados, incluya también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

  • B3_Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio), para emitir juicios que incluyan una reflexión sobre temas relevantes de carácter social, científico o ético

  • B4_Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tan especializado como no especializado

Competencias específicas
  • EFB3_Capacidad para comprender y dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas propios de la ingeniería

competencias transversales
  • T2_Que los estudiantes tengan capacidad para trabajar como miembros de un equipo interidisciplinar ya sea como un miembros más, o realizando tareas de dirección con el fin de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles

Descripción


La comprensión y la habilidad para analizar fenómenos aleatorios puede ser de gran relevancia en algunas ramas de la ingeniería informática, como en el procesado y análisis de información biológica (bioinformática). Hay procesos que, por su propia naturaleza, son aleatorios (como el estudio del tiempo que puede pasar hasta que una máquina se estropee, o qué tamaño tendrá un animal, ...) lo que, paradójicamente, no implica que no sean fenómenos tratables y / o modelizables.

 

Resultados de aprendizaje


1.- Describir la estructura general de un estudio estadístico. Definir los objetivos, la adquisición de datos junto con una primera exploración de las mismas, analizarlas, extraer conclusiones y presentar los resultados (utilizando algún tipo de software de análisis de datos)
2.- Sintetizar la información (de forma gráfica y numérica) mediante estadística descriptiva
3.- Conocer cómo aplicar los principios básicos de la combinatoria, utilizando las propiedades principales de la teoría de las probabilidades, así como solucionar problemas concretos
4.- Identificar la distribución de referencia en un fenómeno aleatorio concreto
5.- Identificar las típicas situaciones de la distribución normal
6.- Resolver problemas de inferencia estadística, ya sea utilizando intervalos de confianza o test de hipótesis.
 

Metodología de trabajo


Todos los conceptos teóricos de la materia se expondrán en las clases de teoría (grupos grandes), aunque constantemente estaremos mezclando la teoría con ejemplos y ejercicios, por lo que muy probablemente sería más adecuado hablar de sesiones teórico-prácticas.

Algunos de los ejercicios se resolverán en clase y otros quedarán como trabajo individual de aprendizaje y consolidación de conceptos. Se podrán aprovechar las sesiones prácticas, o de laboratorio (grupos pequeños), para resolver algunos de los ejercicios o para plantear nuevos, basados ​​en los que ya se habrán trabajado en las sesiones teórico-prácticas. Estas actividades, por su naturaleza breve y en ocasiones optativa, servirán al estudiante como instrumento de autoevaluación de su consecución de los contenidos de la materia.

 

Contenidos


1.-Estadística descriptiva
  1.1.-Concepto de variable aleatoria (VA)
  1.2.-Tipo de variables (cuantitativas, cualitativas)
  1.3.-Población y muestra
  1.4.-Concepto de estadístico (centralidad, dispersión)
  1.5.-Concepto de probabilidad
  1.6.-Función de densidad de la probabilidad
  1.7.-Función de distribución
  
2.-Combinatoria y probabilidades
  2.1.-Probabilidades como conjuntos (diagrama de Venn)
  2.2.-Intersección, unión y probabilidades condicionadas
  2.3.-Teorema de las probabilidades totales
  2.4.-Teorema de Bayes

3.-Distribuciones
  3.1.-Bernouilli
  3.2.-Binomial
  3.3.-Poisson
  3.4.-Normal
  
4.-Inferencia
  4.1.-Tablas de contingencia
  4.2.-Tipo de errores
  4.3.-Contraste de hipótesis (1 población)
  4.4.-Contraste de hipótesis (2 poblaciones)
  4.5.-Análisis de la varianza (contraste de n poblaciones)
  
5.-Regresiones
  5.1.-Regresión lineal simple
  5.2.-Coeficientes de la recta
  5.3.-Calidad del ajuste (r cuadrado)
  5.4.-Regresión lineal múltiple
  5.5.-Regresión logística
 

Actividades de aprendizaje


Los estudiantes recibirán un conjunto de actividades (ejercicios cortos, problemas,...) que serán la base para su aprendizaje. En ocasiones, estas actividades serán resueltas en las sesiones de teoría, otras veces se resolverán en las sesiones prácticas y en otras ocasiones se convertirán en trabajos individuales para resolver después de clase.

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

Exámenes: habrá debido pruebas escritas individuales. Un examen parcial (P) y uno final (F), donde se incluirá todo el temario de la asignatura. La puntuación se calculará como: maxim((P+F)/2, F). En resumen, el parcial sólo puede subir la nota, nunca descenderla.

Trabajo en grupo: hacia el final de la asignatura, dentro de las sesiones prácticas, será necesario escribir y presentar un informe ante la clase donde se expondrán los resultados de un estudio estadístico aplicado a unos datos concretos, obtenidos de alguna base de datos pública ( como el INE).

Cualquier actividad no entregada se considerará puntuada con cero puntos

 

Sistema de evaluación


Calificación_final = 0.70 nota_exámenes + 0.30 trabajo_grupo

Bibliografía


Básico

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

MICHAEL BARON. Probabilidad y estadística para informáticos. 2nd Ed. CRC Press 2014

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

Complementario

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