Descripciones Probabilísticas y Estadísticas
Código: 104348 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 2503758 Ingeniería de Datos | FB | 2 | 1 |
Contacto
- Nombre:
- Giulia Binotto
- Correo electrónico:
- giulia.binotto@uab.cat
Uso de idiomas
- Lengua vehicular mayoritaria:
- catalán (cat)
- Algún grupo íntegramente en inglés:
- No
- Algún grupo íntegramente en catalán:
- Sí
- Algún grupo íntegramente en español:
- No
Equipo docente
- Joan Porti Pique
- Giulia Binotto
Prerequisitos
No hay prerequisitos. Se recomienda haber cursado Álgebra y Cálculo.
Objetivos y contextualización
El objetivo de la asignatura es introducir las herramientas de probabilidad y estadística básicas para analizar datos provenientes de la descripción de fenómenos naturales, sociales o económicos o de experimentos, incidiendo sobre su correcta utilización y la interpretación de los resultados. Las clases de teoría y de problemas se complementarán con unas clases prácticas con el objetivo de que el alumnado aprenda a utilizar herramientas informáticas para el análisis estadístico.
Competencias
- Buscar, seleccionar y gestionar de manera responsable la información y el conocimiento.
- Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlo de manera efectiva, tanto en las lenguas propias como en inglés.
- Diseñar soluciones algorítmicas eficientes para problemas computacionales, implementarlas en forma de desarrollo de software robustos, estructurados y fáciles de mantener, y verificar su validez.
- Trabajar cooperativamente, en entornos complejos o inciertos y con recursos limitados, en un contexto multidisciplinar, asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar las técnicas propias de la probabilidad y estadística para analizar y modelar fenómenos complejos, y para resolver problemas de optimización.
Resultados de aprendizaje
- Adquirir y consolidar los conceptos básicos de la teoría de la probabilidad, esperanza matemática y probabilidades condicionadas.
- Buscar, seleccionar y gestionar de manera responsable la información y el conocimiento.
- Desarrollar programas con un buen estilo de programación y bien documentados y saber depurarlos, testearlos y corregirlos.
- Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlo de manera efectiva, tanto en las lenguas propias como en inglés.
- Identificar las distribuciones estadísticas y su aplicación a problemas de ingeniería.
- Identificar los descriptores más habituales para un conjunto de datos y valorar su aplicabilidad a un conjunto de datos conocido.
- Seleccionar y aplicar la combinación de estructuras de datos y estrategias de resolución más apropiada para resolver de manera eficiente un problema informático.
- Trabajar cooperativamente, en entornos complejos o inciertos y con recursos limitados, en un contexto multidisciplinar, asumiendo y respetando el rol de los diferentes miembros del equipo.
Contenido
Tema 1. Estadística descriptiva.
Estudio descriptivo de una variable: distribuciones de frecuencias, representaciones gráficas, resúmenes numéricos (medidas de posición, de dispersión y de forma).
Estudio descriptivo de dos variables: correlación y recta de regresión, tablas de contingencia.
Tema 2. Probabilidad.
Noción de probabilidad y propiedades básicas. Probabilidad condicionada. Fórmula de las probabilidades totales. Fórmula de Bayes.
Independencia de eventos.
Esperanza y varianza de una variable aleatoria.
Variables aleatorias discretas. Distribuciones Bernoulli, Binomial y Poisson.
Variables aleatorias continuas. Distribuciones Normal y Exponencial. Aproximación de la Binomial por la Normal.
Independencia de variables aleatorias.
Teorema del límite central.
Tema 3. Inferencia estadística.
Muestra y población. Estadísticos más frecuentes.
Intervalos de confianza para la media y para la varianza de una población normal y por la proporción.
Concepto de test de hipótesis. Test para la media y para la varianza de una población Normal. Test para la proporción. Test de comparación de medias y de varianzas para dos poblaciones Normales. Test de comparación de proporciones.
Test de la Chi-cuadrada para la bondad de ajuste y test de independencia.
Metodología
El centro del proceso de aprendizaje es el trabajo del alumnado. El estudiante aprende trabajando, siendo la misión del profesorado ayudarle en esta tarea suministrándole información o mostrándole las fuentes donde se puede conseguir y dirigiendo sus pasos de manera que el proceso de aprendizaje pueda realizarse eficazmente. En línea con estas ideas, y de acuerdo con los objetivos de la asignatura, se dispone de clases teóricas, de problemas y de prácticas. Mediante estas clases y el trabajo individual del alumnado se alcanzan las competencias específicas de la asignatura.
La materia nueva se introducirá primordialmente a las clases de teoría, pero habrá que ampliar las explicaciones del profesor con el estudio autónomo del alumnado, con el apoyo de la bibliografía de referencia.
La clase de problemas se dedicará a la resolución orientada de algunos problemas propuestos. Se cuidará tanto la corrección y el rigor en la resolución como el vocabulario, la escritura matemática y la claridad en la exposición escrita. Se hará un control parcial de teoría y problemas.
En las clases prácticas se introducirá el uso de software para el análisis estadístico. Se verán metodologías descriptivas e inferenciales. Estas herramientas se podrán emplear para resolver problemas y se utilizarán para hacer unos trabajos que los estudiantes harán de entregar.
El Campus Virtual UAB es una herramienta fundamental para el seguimiento de la asignatura: acceso a los materiales, consulta de los plazos y seguimiento del ritmo del curso.
Las clases de teoría, en que se discuten modelos matemáticos, y de problemas, en que se plantean diferentes posibles resoluciones de problemas, junto con el trabajo individual del alumnado permiten también el logro de las competencias transversales de la asignatura (T01.01, T01.02y T01.03).
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases de problemas | 12 | 0,48 | 1, 2, 3, 4, 6, 5, 7, 8 |
| Clases de prácticas | 12 | 0,48 | 1, 2, 3, 4, 6, 5, 7, 8 |
| Clases de teoría | 26 | 1,04 | 1, 2, 3, 4, 6, 5, 7, 8 |
| Tipo: Supervisadas | |||
| Tutorías | 10 | 0,4 | 1, 2, 3, 4, 6, 5, 7, 8 |
| Tipo: Autónomas | |||
| Estudio autónomo | 60 | 2,4 | 1, 2, 3, 4, 6, 5, 7, 8 |
Evaluación
La evaluación de la parte teórica y de los problemas consta de dos exámenes parciales, el primero con un peso del 30% y el segundo con un peso del 40%. Estos dos parciales serán la parte recuperable de la asignatura.
La evaluación de las prácticas con ordenador tendrá un peso del 30% en la evaluación final de la asignatura. La nota se obtendrá a partir de unos trabajos que el estudiante tendrá que entregar a lo largo del curso. Esta parte no es recuperable.
Para participar en la recuperación, el alumnado debe haber sido previamente evaluado en un conjunto de actividades el peso de las que equivalga a un mínimo de dos terceras partes de la calificación total de la asignatura.
Se requiere una media ponderada de un mínimo de 4 sobre 10 en los exámenes parciales, o bien en su recuperación. También se requiere una nota mínima de 4 sobre 10 en la nota media de los trabajos de prácticas. En caso de alcanzar estas notas mínimas la nota final es la media ponderada. En caso contrario la nota final se calcula como el mínimo entre la media ponderada y 4,5 (todo valorado sobre 10).
Se considerará No Evaluable quien no haya hecho pruebas que sumen un 50% del curso.
Se otorgará la calificación de matrícula de Honor (MH) a los mejores entre aquellos alumnos que, habiendo superado un 9 de nota final, hayan alcanzado de manera brillante, a criterio del equipo docente, todos los objetivos dela asignatura.
Las fechas de evaluación continua y entrega de trabajos se publicarán en el campus virtual y pueden estar sujetos a posibles cambios de programación por motivos de adaptación a posibles incidencias. Se informará sobre estos cambios en el campus virtual, ya que se entiende que el CV es el mecanismo habitual de intercambio de información entre profesor y estudiantes.
Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, las irregularidades cometidas por un estudiante que puedan conducir a una variación de la calificación en una actividad evaluable se calificarán con un cero (0) en la parte correspondiente y no será recuperable, lo cual conlleva un suspenso en la asignatura con una calificación final no superior a un 4,5 sobre 10. Estas irregularidades incluyen, entre otros, cualquier tipo de plagio, copia o dejar copiar. Tener dispositivos de comunicación accesibles durante las pruebas presenciales de evaluación también se considerará una irregularidad grave, tanto si se utilizan como si no.
Actividades de evaluación
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Exámenes parciales | 70% | 5 | 0,2 | 1, 2, 3, 4, 6, 5, 7, 8 |
| Recuperación | 70% | 5 | 0,2 | 1, 2, 3, 4, 6, 5, 7, 8 |
| Trabajos de prácticas | 30% | 20 | 0,8 | 1, 2, 3, 4, 6, 5, 7, 8 |
Bibliografía
Bardina, X. Farré, M. Estadística descriptiva. Manuals UAB, 2009.
Besalú, M. Rovira C. Probabilitats i estadística. Publicacions i Edicions de la Universitat de Barcelona, 2013.
Delgado, R. Probabilidad y Estadística para ciencias e ingenierías. Delta, Publicaciones Universitarias. 2008.
Devore, J. L. Probabilidad y estadística para ingeniería y ciencias. Thomson, 2005.
Montgomery, D. C. Runger, G. C. Probabilidad y estadística aplicadas a la ingeniería. Limusa Wiley, 2002.
Walpole, R. Myers, R. H. Myers, S. L. Probabilidad y estadística para ingenieros. Prentice Hall, 1999.
Software
En las sesiones de prácticas con ordenador el alumnado aprenderá a utilizar el software libre R con el entorno de desarrollo integrado RStudio, a fin de aplicar las herramientas estadísticas para el análisis descriptivo de conjuntos de datos y la inferencia estadística.