Curs Acadèmic:
2022/23
3377 - Grau en Enginyeria en Informàtica
24291 - Probabilitat
Informació del Pla Docent
Curs acadèmic:
2022/23
Centre acadèmic:
337 - Escola d'Enginyeria
Estudi:
3377 - Grau en Enginyeria en Informàtica
Assignatura:
24291 - Probabilitat
Àmbit:
---
Crèdits:
5.0
Curs:
2
Idiomes de docència:
Teoria: | Grup 1: Català |
| Grup 2: Català |
Pràctiques: | Grup 101: Anglès |
| Grup 102: Anglès |
| Grup 201: Català |
| Grup 202: Català |
| Grup 203: Català |
Seminari: | Grup 101: Català |
| Grup 102: Anglès |
| Grup 103: Català |
| Grup 104: Anglès |
| Grup 201: Català |
| Grup 202: Català |
| Grup 203: Català |
| Grup 204: Castellà |
Professorat:
Jordi Taixés Ventosa, Carla Rafols Salvador
Periode d'Impartició:
Primer trimestre
Horari:
Presentació
Aquesta assignatura es cursa en els estudis de grau d'Enginyeria Matemàtica en Ciència de Dades, Enginyeria en Informàtica, Enginyeria en Sistemes Audiovisuals i Enginyeria de Xarxes de Telecomunicació. S’imparteix en el primer trimestre del segon curs i requereix l’ús de molts mètodes matemàtics adquirits a les assignatures de primer curs, en particular, càlcul i àlgebra lineal.
En aquesta assignatura s'introdueixen elements fonamentals de la teoria de probabilitats com són: probabilitat i probabilitat condicionada, variables aleatòries i distribucions usuals de probabilitat tan discretes com contínues, valors esperats, teorema del límit central i simulació de l’aleatorietat per computador.
Els models aleatoris estudiats a l'assignatura són fonamentals per a poder avaluar la validesa d’un model, una hipòtesi o el rendiment d'un programa o sistema informàtic. En aquest sentit, es bàsica per matèries com Aprenentatge Automàtic, Intel·ligència Artificial, Processament del Senyal, Lingüística Computacional, Àudio, Visió Computacional i totes aquelles que d'una manera o altra utilitzen tècniques d'aprenentatge.
Competències associades
Competències Generals:
CB2. Que els estudiants sàpiguen aplicar els seus coneixements al seu treball
o vocació d'una forma professional i posseeixin les competències que es solen
demostrar per mitjà de l'elaboració i defensa d'arguments i la resolució de
problemes dins de la seva àrea d'estudi;
CB3. 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 d'índole social, científica o ètica;
CB4. Que els estudiants puguin transmetre informació, idees, problemes i
solucions a un públic tant especialitzat com no especialitzat;
Competències Transversals:
CT1. Treballar en equip en contextos internacionals i interdisciplinaris.
CT3. Aplicar amb flexibilitat i creativitat els coneixements adquirits i d'adaptar-
los a contextos i situacions noves.
Competències Específiques:
CE1. Resolver los problemas matemáticos que puedan plantearse en la
ingeniería y aplicar los conocimientos sobre: álgebra lineal; cálculo diferencial e
integral; métodos numéricos, algorítmica numérica, estadística y optimización.
Resultats de l'aprenentatge
RA.CE1.5 Es fan servir coneixements d'estadística per resoldre problemes que
es puguin plantejar en l'enginyeria.
Objectius de Desenvolupament Sostenible
ODS 4: Educació de qualitat
#
ODS 9: Indústria, innovació i infraestructura
Prerequisits
Es pressuposa una base de matemàtiques corresponent a un nivell de batxillerat científic amb algun aprofundiment en càlcul de derivades i integrals i àlgebra linial, com els obtinguts en un primer curs d'enginyeria.
Continguts
En l'assignatura de probabilitat, s'impartiran els temes següents:
T1: Models probabilístics, conceptes bàsics, comptatge i aplicacions.
T2: Probabilitat Condicional. Teorema de les Probabilitats Totals i Teorema de Bayes.
T3: Variables aleatòries discretes i contínues. Vectors aleatoris. Funcions d'una variable aleatòria
T4: Esperança i variància. Propietats. Desigualtat de Txebixev. Independència, covariància i correlació.
T5: Famílies de distribucions discretes (I): Bernoulli, Binomial, Geomètrica, Binomial Negativa, Multinomial.
T6: Famílies de distribucions discretes (II): Poisson. Aproximació de Poisson a la Binomial.
T7: Famílies de distribucions Contínues (II): Uniforme, Normal, Exponencial i Gamma.
T8: Teorema Central del Límit. Aproximació Normal a la Distribució Binomial i correcció de continuïtat.
T9: Simulació computacional de Variables Aleatòries: Generació de nombres aleatoris. Generació de distribucions discretes. Teorema de la transformació inversa i mètode de rejecció. Alguns mètodes específics. Extensió a vectors aleatoris.
T10: Introducció als mètodes de Monte Carlo.
Metodologia docent
A les classes de teoria es presentaran els conceptes fonamentals de l’assignatura, motivats per exemples sugerents, i aplicats a moltes situacions.
El treball fort de l'alumne es durà a terme, a més de treballar la teoria, mitjançant la resolució de problemes i les pràctiques computacionals. Els problemes es publicaran juntament amb el material de la classe de teoria. Es treballaran en les sessions de problemes i de seminaris.
En les pràctiques computacionals s'abordaran problemes d'una certa envergadura de càlcul que exigiran de l'alumne ser capaços de dissenyar, programar, obtenir i interpretar els resultats. S'ajudarà a l'alumne suggerint les funcions del paquet de Software que es poden utilitzar i, fins i tot, algun exemple de solució.
Els seminaris estan destinats a la discussió i aprofundiment dels conceptes introduïts a les classes de teoria. L’alumne disposarà de dues hores per a treballar i discutir amb el professor la llista de problemes proposats. Es detallarà, amb temps, quins són els problemes que cal dur preparats i treballats cada setmana per tal d’aprofitar la classe. Tots els temes estan ordenats per una sessió de teoria i una de seminaris o de problemes; a més de les sessions de pràctiques de laboratori que s'hi intercalaran. Les sessions de Problemes seran com les de seminaris però amb més alumnes.
El material docent es publicarà cada setmana en el Moodle. Aquest consta de transparències, llistes de problemes i dels guions de les pràctiques computacionals.
Es important que l'alumne tingui en compte, cara a distribuir el seu temps, que aquesta assignatura és de 5 crèdits ECTS que correspon a 125 hores de treball de l'estudiant, de les quals 24 son de sessions teòriques i de 22 hores més d'autoaprenentatge tutoritzat (sessions de problemes, seminaris o de pràctiques de laboratori). La resta, comptant-hi les tres hores d'examen, forma part de la seva auto-programació.
Avaluació
L'avaluació de l'assignatura es farà a partir d'un examen parcial, un examen sobre els continguts de les pràctiques computacionals (Labs) i de l'examen final (Desembre). Hi haurà una segona convocatòria d'examen final en el mes de Juliol per aquells alumnes que hagin suspès l'assignatura.
Hi haurà un nota de examen parcial (EP1), una de l'examen sobre el contingut de les dues pràctiques computacionals (EP2) i la nota d'examen final.
La nota de Desembre serà:
Nota=0.7*NotaExamenDec+0.15*NotaEP1+0.15*EP2 amb NotaExamenDec >=5
La nota de Juliol (si és el cas) serà:
Nota= Màxim(NotaExamenJuliol, 0.7*NotaExamenJuliol+0.15*NotaEP1+0.15*NotaEP2) amb NotaExamenJuliol >=5
Els controls i les pràctiques no son recuperables en el mes de Juliol.
Bibliografia i recursos d'informació
Bibliografia:
Michael Baron. Probability and Statistics for Computer Scientist. CRC Press 2014
Jay L. Devore. Probabilidad y Estadística para Ingeniería y Ciencias. Cengage Learning Editores. 2008
Douglas C. Montgomery & George C. Runger. Applied Statistics And Probability For Engineers. John Wiley & Sons, Inc 2003