Titulació | Tipus | Curs | Semestre |
---|---|---|---|
2503740 Matemàtica Computacional i Analítica de Dades | FB | 1 | 2 |
Aquesta assignatura és de segon semestre de primer curs. Com a prerequisits hi ha molt especialment
També és molt necessari que l'alumne vagi assolint al llarg del semestre els continguts de l'assignatura Càlcul en Diverses Variables, que es cursa simultàniament.
Què tenen en comú un sorteig de la loteria, un assaig clínic per avaluar experimentalment l'eficàcia i/o seguretat d'un nou tractament mèdic, la previsió meteorològica de pluja a determinat indret, la gestió de l'inventari d'una empresa, la transmissió de gens de pares a fills, l'estimació de la mida de la població de balenes, un estudi epidemiològic sobre la incidència de certa malaltia, la inspecció dels lots de productes que fabrica una empresa per a verificar la seva qualitat, un experiment per a estudiar l'efecte de pressió i temperatura en el resultat de certa reacció química, o l'efecte de l'ús de diferents adobs en la producció agrícola d'una explotació,...?
Són situacions reals en les quals intervé l'atzar.
Per a estudiar-les i poder extraure'n conclusions fiables, hem de fer servir un model matemàtic adient. Aquest model ens el proporciona la Probabilitat, que és la teoria matemàtica que permet modelitzar fenòmens aleatoris, és a dir, situacions on intervé l'atzar.
L'objectiu d'aquesta assignatura és el d'introduir la teoria de la Probabilitat com a teoria matemàtica que estudia els models que permeten tractar amb l'atzar. Els temes que s'introduiran i es desenvoluparan en aquesta assignatura inclouen continguts bàsics de la teoria de la Probabilitat (desenvolupament del model matemàtic per a fenòmens aleatoris), encara que sense utilitzar elements avançats de la Teoria de la Mesura que corresponen a un nivell més profund de l'estudi de la matèria. Però l'èmfasi es posarà en les aplicacions, quan s'ha de intentar trobar el millor model probabilístic possible en una determinada situació real i, fent-lo servir de manera adient, amb les eines que aprendrem al llarg de l'assignatura, extreure informació valuosa, coneixement, i arribar a conclusions útils, doncs és aquest l'objectiu que es preten quan es fa modelització.
1. Modelitzant l'atzar: el model probabilístic.
2. Variables aleatòries.
3. Esperança matemàtica, Variància i Moments.
4. Successions de variables aleatòries.
IMPORTANT: Per tal d'incloure la perspectiva de gènere a la docència d'aquesta assignatura, s'han revisat els
possibles biaixos androcèntricsi qüestionat els supòsits i estereotips de gènere ocults.
Aquesta revisió comporta incloure als continguts de l’assignatura, en la mesura que sigui possible, el coneixement
produït per les dones científiques, sovint oblidades, procurant el reconeixement de les
seves aportacions, així com el de les seves obres a les referències bibliogràfiques.
En aquesta assignatura no es fa la distinció clàssica en les activitats presencials de: classes de teoria, de problemes i de pràctiques amb ordinador, sinó que s'aniran combinant segons les necessitats docents en cada moment, gràcies a la facilitat que suposa el fet que els estudiants portin el seu ordinador a classe.
D'aquesta manera, el professor anirà introduint els conceptes i exemples, mentre que quan sigui adequat es treballaran els problemes a classe o es farà servir el programari estadístic i llenguatge de programació R per a dur a terme alguna pràctica relativa al tema que s'estigui treballant a classe. Es tracta de fer servir un sistema integral que incorpori les tres vessants clàssiques de les activitats presencials de manera òptima per a facilitar l'aprenentage de l'alumne i assolir els objectius marcats, fent a la vegada la classe el més participativa possible, seguint el principi de que només s'aprèn allò que s'intenta fer.
IMPORTANT: Donada la situació provocada per la covid19, és probable que part de la docència de l'assignatura es faci de manera virtual. La informació al respecte i les instruccions per al bon seguiment de l'assignatura es publicaran a l'espai docent (Aula Moodle) dins el Campus Virtual de la UAB: http://cv.uab.cat.
Els estudiants es podran comunicar amb la professora a través del correu electrònic, enviat sempre des de l'adreça institucional @e-campus.uab.cat.
IMPORTANT: Per a treballar més còmodament amb R, es recomana fe servir l'interface RStudio: és lliure, "open source" i funciona amb Windows, Mac i Linux.
https://www.rstudio.com/
OBSERVACIÓ: Encara que ja hem parlat de la perspectiva de gènere en la docència en l'apartat dels continguts de l'assignatura, anem més enllà fent una revisió dela metodologia docent i de les interaccions entre l’alumnat i el professorat. En aquest sentit, s'implementarà una metodologia docent participativa, on es generi un entorn igualitari, menys jeràrquic a l’aula, evitant exemples estereotipats en gènere i vocabulari sexista, amb l’objectiu de desenvolupar el raonament crític i el respecte a ladiversitat i pluralitat d’idees, persones i situacions, la qual serà més favorable a la integració i plena participació de les alumnes.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Classes de problemes | 15 | 0,6 | 1, 2, 3, 4, 5, 6, 7, 10, 11, 12, 13, 14, 15 |
Classes de teoria | 30 | 1,2 | 1, 5, 6, 7, 8, 9, 10, 11, 12, 13, 15 |
Tipus: Supervisades | |||
Sessions pràctiques | 11 | 0,44 | 1, 2, 3, 4, 5, 6, 7, 10, 11, 12, 13, 14, 15 |
Tipus: Autònomes | |||
Treball personal | 85 | 3,4 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 |
L'avaluació d'aquesta assignatura consistirà en:
Avaluació continuada:
Examen: l'examen tindrà un pes total de 60% i constarà de dues parts:
Per tant, Nota1 = 0,2*PAC1 + 0,2*PAC2 + 0,5*Eprob + 0,1*EPract.
Si Nota1 >= 5, l'alumne supera l'assignatura. En cas contrari, té l'oportunitat de presentar-se a l'examen de recuperació, que NO serveix per a millorar nota.
Examen de recuperació (ERec): val un 80% de la nota. L'examen de pràctiques amb R valdrà el 20% restant de la nota.
Per tant, Nota2 = 0,8*ERec + 0,2*EPract
La NOTA FINAL serà Nota1 pels alumnes tals que Nota1>=5, i serà el màxim entre Nota1 i Nota2 en cas contrari.
IMPORTANT: per a que qualsevol prova (PAC o examen) es pugui tenir en compte en el còmput de la nota de l'assignatura (Nota o Nota Final), s'ha de treure com a mínim un 3,5 sobre 10 en l'avaluació de la prova.
En cas contrari, la prova puntuarà com un 0 en el còmput.
Si un estudiant presenta al menys un dels dos PACs, o bé es presenta a algun dels exàmens, es considerarà com a Presentat; en cas contrari, la seva qualificació serà "No avaluable". Per a un alumne que es considera com a Presentat,
la nota de qualsevol prova avaluable a la qual no es presenti serà un 0.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Examen | 0,60 | 5 | 0,2 | 1, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 15 |
Prova d'Avaluació Continuada, PAC1 | 0,20 | 2 | 0,08 | 1, 2, 3, 4, 6, 7, 9, 10, 11, 12, 13, 14, 15 |
Prova d'Avaluació Continuada, PAC2 | 0,20 | 2 | 0,08 | 1, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 15 |
BIBLIOGRAFIA BÀSICA:
Bardina, Xavier. Càlcul de Probabilitats. Servei de Publicacions UAB, 2004.
DeGroot, Morris H. Probabilidad y estadística. Addison-Wesley Iberoamericana, cop. 1988
Devore, Jay L. Probabilidad y Estadística para ingeniería y ciencias. México [etc.] : Cengage Learning, cop., 2012
Julià, Olga; Márquez, David; Rovira, Carles i Sarrà, Mónica. Probabilitats: Problemes i més problemes.
Publicacions i edicions de la Universitat de Barcelona, 2005.
Kai Lai, Chung. Teoría elemental de la probabilidad y los procesos estocásticos. Reverté, cop., 1983.
Sanz-Solé, Marta. Probabilitats. Edicions de la Universitat de Barcelona, 1999.
BIBLIOGRAFIA COMPLEMENTÀRIA:
Rao, C. Radhakrishna. Estadística y verdad. Aprovechando el azar. Colección Universitas-73. Serie Estadística y Análisis de datos. PPU, S.A., 1994.