Titulación | Tipo | Curso | Semestre |
---|---|---|---|
2503740 Matemática Computacional y Analítica de Datos | OB | 2 | 2 |
Se recomienda un buen conocimiento de la asignatura de Modelización e Inferencia así como una cierta soltura con el software R.
El principal objetivo es proporcionar herramientas estadísticas para el análisis de datos, dominando las técnicas más relevantes para enfrentarse con modelos complejos.
1- Modelos lineales: regresión múltiple y ANOVA.
2- Modelos lineales generalizados: regresión logística y de Poisson.
3- Métodos de remuestreo 1: tests permutacionales.
4- Métodos de remuestreo 2: bootstrap.
5- Métodos de remuestreo 3: jackknife.
Si hay tiempo también se hará una introducción al Análisis de Componentes Principales.
De acuerdo con los objetivos de la asignatura, el desarrollo del curso se basa en las siguientes actividades:
Clases de teoría: El alumno adquiere los conocimientos científico-técnicos propios de la asignatura asistiendo en las clases de teoría complementándolas con el estudio personal de los temas explicados. Las clases de teoría son las actividades en las cuales se exige menos interactividad al estudiante: están concebidas como un método fundamentalmente unidireccional de transmisión de conocimientos del profesor al alumno. Las clases se harán utilizando un apoyo de diapositivas PowerPoint en Anglès que se colgarán también al Campus Virtual.
Problemas y prácticas: Los problemas y las prácticas son sesiones con una doble misión. Por un lado se trabajan los conocimientos científico-técnicos expuestos en las clases de teoría para completar su comprensión y profundizar en ellos desarrollando actividades diversas, desde la típica resolución de problemas hasta la discusión de casos prácticos. Por otro lado, las clases de problemas son el foro natural en el cual discutir en común el desarrollo del trabajo práctico, aportando los conocimientos necesarios para llevarlo adelante, o indicando donde y como se pueden adquirir.
El curso práctico de esta asignatura se plantea como un camino para orientar el estudiante en un trabajo de campo de estadística en cada una de sus etapas. Así realizan por su cuenta con el software R unos ejercicios prácticos dirigidos a resolver problemas reales concretos. Este planteamiento está orientado a promover un aprendizaje activo y a desarrollar el razonamiento crítico y la capacidad de análisis y síntesis.
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.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clases de Teoría | 24 | 0,96 | 4, 2, 5, 6, 7, 8, 9, 10, 11, 12, 13, 16 |
Clases de problemas | 20 | 0,8 | 4, 2, 5, 6, 7, 8, 9, 10, 11, 12, 13 |
Tipo: Supervisadas | |||
Sesiones prácticas | 20 | 0,8 | 1, 4, 3, 11, 14, 15, 16 |
Tipo: Autónomas | |||
Trabajo personal | 61 | 2,44 | 4, 3, 5, 6, 7, 9, 10, 12, 13, 14, 15 |
La evaluación se realiza a lo largo de todo el curso. La evaluación continuada tiene varios objetivos fundamentales: Monitorizar el proceso de enseñanza y aprendizaje, permitiendo tanto al alumno como al profesor conocer el grado de logro de las competencias y corregir, si es posible, las desviaciones que se produzcan. Incentivar el esfuerzo continuado del alumno frente al sobreesfuerzo, frecuentemente inútil, de última hora. Verificar que el alumno ha logrado las competencias determinadas en el plan de estudios.
Para hacer esta evaluación se cuenta con los siguientes instrumentos: Los ejercicios prácticos librados por los estudiantes (30%), un examen parcial de Teoría en medio del curso (35%), otro examen parcial de Teoría al final del curso (35%). A la recuperación solo podrán ir los alumnos que tengan un mínimo de 3 en la nota final, recuperando solo la parte de Teoría.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Ejercicios | 30 | 20 | 0,8 | 4, 3, 11, 14, 15 |
Examen parcial 1 | 35 | 2,5 | 0,1 | 1, 2, 5, 6, 7, 8, 9, 10, 12, 13, 16 |
Examen parcial 2 | 35 | 2,5 | 0,1 | 1, 2, 5, 6, 7, 8, 9, 10, 12, 13, 16 |
Se utilizará el software R.