Informació general


Tipus d'assignatura: Bàsica

Coordinador: Alfons Palacios Gonzàlez

Trimestre: 2

Crèdits: 6

Professorat: 

Moisès Burset Albareda
Xavier Font Aragonés 

Competències


Competències bàsiques
  • B1_Que els estudiants hagin demostrat tenir i comprendre coneixements en una àrea d'estudi que tingui la seva base en l'educació secundaria general, i s'acostumi a trobar a un nivell que, tot i que amb el suport de llibre de text avançats, inclogui també alguns aspectes que impliquen coneixements procedents de la vanguardia del seu camp d'estudi

  • B3_Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi), per emetre judicis que incloguin una reflexió sobre temes rellevants de caire social, científica o ètica

  • B4_Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tan especialitzat com no especialitzat

Competències específiques
  • EFB3_Capacitat per comprendre i dominar els conceptes bàsics de matemàtica discreta, lògica, algorítmica i complexitat computacional, i la seva aplicació per a la resolució de problemes propis de l'enginyeria

Competències transversals
  • T2_Que els estudiants tinguin capacitat per a treballar com a membres d'un equip interidisciplinar ja sigui com un membres més, o realitzant tasques de direcció amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, assumint compromisos tenint en compte els recursos disponibles

Descripció


La comprensió i l'habilitat per analitzar fenòmens aleatoris pot ser de gran rellevància en algunes branques de l'enginyeria informàtica, com ara en el processat i anàlisi d'informació biològica (bioinformàtica). Hi ha processos que, per la seva pròpia naturalesa, son aleatoris (com ara l'estudi del temps que pot passar fins que una màquina s'espatlli, o quina mida tindrà un animal, ...) el que, paradoxalment, no implica que no siguin fenòmens tractables i/o modelitzables.

Aquesta assignatura disposa de recursos metodològics i digitals per fer possible la seva continuïtat en modalitat no presencial en el cas de ser necessari per motius relacionats amb la Covid-19. D'aquesta forma s'assegurarà l'assoliment dels mateixos coneixements i competències que s'especifiquen en aquest pla docent.

Resultats d'aprenentatge


1.- Descriure l'estructura general d'un estudi estadístic. Definir els objectius, l'adquisició de dades juntament amb una primera exploració de les mateixes, analitzar-les, extreure conclusions i presentar els resultats (utilitzant algun tipus de programari d'anàlisi de dades)
2.- Sintetitzar la informació (de forma gràfica i numèrica) mitjançant estadística descriptiva
3.- Conèixer com aplicar els principis bàsics de la combinatòria, utilitzant les propietats principals de la teoria de les probabilitats, així com solucionar problemes concrets
4.- Identificar la distribució de referència en un fenomen aleatori concret
5.- Identificar les típiques situacions de la distribució normal
6.- Resoldre problemes d'inferència estadística, ja sigui utilitzant intervals de confiança o tests de hipòtesis.
 

Metodologia de trabajo


Tots els conceptes teòrics de la matèria s'exposaran en les classes de teoria (grups grans), encara que constantment estarem mesclant la teoria amb exemples i exercicis, pel que molt probablement seria més adequat parlar de sessions teorico-pràctiques.

Alguns dels exercicis els resoldrem a classe i altres quedaran com a treball individual d'aprenentatge i consolidació de conceptes. Es podran aprofitar les sessions pràctiques, o de laboratori (grups petits), per a resoldre alguns dels exercicis o per a plantejar-ne de nous, basats en els que ja s'hauran treballat en les sessions teorico-pràctiques. Aquestes activitats, per la seva naturalesa breu i de vegades optativa, serviran a l'estudiant com a instrument d'autoavaluació del seu assoliment dels continguts de la matèria.

 

Continguts


1.-Estadística descriptiva
2.-Combinatòria i probabilitats
3.-Distribucions
4.-Inferència
5.-Regresions

 

Activitats d'aprenentatge


Els estudiants rebran un conjunt d'activitats (exercicis curts, problemes, ...) que seran la base per al seu aprenentatge. De vegades, aquestes activitats seran resoltes en les sessions de teoria, altres cops es resoldran en les sessions pràctiques i en altres ocasions es convertiran en treballs individuals per resoldre després de classe.

Amb l’objectiu de recollir evidències de l’assoliment dels resultats d’aprenentatge esperats es realitzen les següents activitats de caràcter avaluatiu:

Exàmens: hi haurà dues proves escrites individuals. Un examen parcial (P) i un final (F), on entrarà tot el temari de l'assignatura. La puntuació es calcularà com: maxim((P+F)/2,F). En resum, el parcial només pot pujar la nota, mai baixar-la. Aquesta part tindrà la possibilitat de ser recuperada, si s'ha suspès.

Treball en grup: cap al final de l'assignatura, dins les sessions pràctiques, caldrà escriure i presentar un informe davant de la classe on s'exposaran els resultats d'un estudi estadístic aplicat a unes dades concretes, obtingudes d'alguna base de dades pública (com ara el INE).

Qualsevol activitat no lliurada es considerarà puntuada amb zero punts

 

Sistema d'avaluació


La qualificació final serà la suma ponderada de les qualificacions de les activitats d’aprenentatge, es a dir:

Qualificacio_final = 0.70 nota_examens + 0.30 treball_grup

Bibliografia


Bàsic

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

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

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

Complementary

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