Curs Acadèmic:
2022/23
3377 - Grau en Enginyeria en Informàtica
24295 - Estadística
Informació del Pla Docent
Curs acadèmic:
2022/23
Centre acadèmic:
337 - Escola d'Enginyeria
Estudi:
3377 - Grau en Enginyeria en Informàtica
Assignatura:
24295 - Estadística
Àmbit:
---
Crèdits:
5.0
Curs:
2
Idiomes de docència:
Teoria: | Grup 1: Anglès |
| Grup 2: Català |
Pràctiques: | Grup 101: Català |
| Grup 102: Català |
| Grup 201: Català |
| Grup 202: Català |
| Grup 203: Castellà |
Seminari: | Grup 101: Català |
| Grup 102: Català |
| Grup 103: Català |
| Grup 104: Català |
| Grup 201: Català |
| Grup 202: Castellà |
| Grup 203: Català |
| Grup 204: Català |
Professorat:
Jordi Taixés Ventosa, Ruben Moreno Bote
Periode d'Impartició:
Segon trimestre
Horari:
Presentació
L'assignatura d'Estadística és una de les assignatures de base matemàtica per a l'enginyeria que es cursa en els estudis de grau d'Enginyeria Matemàtica en Ciència de Dades, Enginyeria en Informàtica, Enginyeria en Sistemes Audiovisuals i Enginyeria Telemàtica. S'imparteix en el segon trimestre del segon curs i requereix l'ús de diversos mètodes matemàtics adquirits a les assignatures de primer, en particular, a Càlcul i a Àlgebra Lineal.
Els coneixements matemàtics adquirits en aquesta assignatura són fonamentals per a les assignatures en les que es pretén avaluar la validesa d’un model, una hipòtesi o el rendiment d'un programa o sistema informàtic, per exemple, en assignatures 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
A. Generals
A1. Científiques
A1.1 Anàlisi
1. Interpretar dades, els resultats de problemes d'estadística i saber-los contextualitzar dins del marc general de la teoria.
2. Relacionar conceptes i resultats matemàtics.
A1.2 Comprensió
3. Comprendre el llenguatge matemàtic quan es parla en termes estocàstics.
4. Comprendre els enunciats dels problemes matemàtics i saber per on començar.
A2. Tecnològiques
5. Saber aplicar els coneixements teòrics a problemes pràctics.
A3. Comunicació
6. Exposició d’idees matemàtiques i dels resultats de problemes matemàtics de forma concisa.
A4. Desenvolupament de l’autoaprenentatge
7. Saber buscar i analitzar la informació provinent de fonts diverses.
A5. Interpersonals
8. Saber discutir i analitzar qüestions i conceptes de probabilitat en equip, a fi d’entendre’ls en profunditat.
A6. Competències específiques
9. Conèixer i entendre els conceptes de probabilitat, en especial el de variable aleatòria amb la representació i models associats.
Resultats de l'aprenentatge
Aplicació de coneixements de matemàtica estadística per resoldre problemes que puguin plantejar-se en enginyeria.
Objectius de Desenvolupament Sostenible
ODS 4. Educació de qualitat # ODS 9. Indústria, innovació i infraestructures
Prerequisits
Es pressuposa una base de Matemàtiques corresponent a un nivell de batxillerat científic amb algun aprofundiment en càlcul de derivades i integrals.
Continguts
T1 Estadística descriptiva
T2 Estimació de paràmetres
T3 Intervals de confiança
T4 Tests d'hipòtesis (test Z)
T5 Tests d'hipòtesis (test T i valor P)
T6 Regressió lineal
T7 Regressió lineal (ANOVA, intervals i tests)
T8 Regressió multilineal
T9 Mètodes no paramètrics (bootstrapping)
T10 Mètodes no paramètrics (tests del signe i del rang)
T11 Inferència bayesiana
T12 Repàs general
Metodologia docent
A les classes de teoria es presentaran els conceptes fonamentals de l’assignatura, motivats per exemples suggerents i aplicats a moltes situacions.
El treball fort de l'estudiant es durà a terme 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 i, un cop s'hagin celebrat aquestes sessions, se'n publicaran les solucions.
En les pràctiques computacionals s'abordaran problemes d'una certa envergadura de càlcul que exigiran de l'estudiant ser capaç de dissenyar, programar, obtenir i interpretar els resultats. S'ajudarà a l'estudiant suggerint les funcions del paquet de software que es poden utilitzar i, fins i tot, d'algun exemple de solució.
Els seminaris estan destinats a la discussió i aprofundiment dels conceptes introduïts a les classes de teoria. L’estudiant disposarà de dues hores per treballar i discutir amb el professorat 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 constituïts per una sessió de teoria i una de seminaris o de pràctiques, a més de les sessions de laboratori que s'hi intercalaran. Les sessions de pràctiques seran com les de seminaris però amb més estudiants.
És important que l'estudiant tingui en compte, de cara a distribuir el seu temps, que aquesta assignatura és de 5 crèdits ECTS, que corresponen a 125 hores de treball de l'estudiant, de les quals 24 són de sessions de teoria i 22 són d'autoaprenentatge tutoritzat (sessions de seminari, de pràctiques o de laboratori). La resta, comptant-hi les tres hores d'examen final, forma part de la seva auto-programació.
Avaluació
L'avaluació de l'assignatura es farà a partir de dues pràctiques de laboratori, un examen parcial i un examen final. Hi haurà una segona convocatòria d'examen final al mes de juliol per a aquells/es estudiants que hagin suspès l'assignatura.
Per superar l'assignatura cal treure com a mínim un 5 a l'examen final. En aquest cas, la nota final es calcularà de la forma següent:
NOTA FINAL = 0.60 · examen final + 0.20 · examen parcial + 0.05 · 1r lab + 0.05 · 2n lab + 0.10 · presentació 2n lab
Notes importants:
- Els exàmens contindran teoria (conceptes, manipulacions abstractes i demostracions) i exemples pràctics.
- L'ús de dispositius electrònics (com ara calculadores o mòbils) està prohibit durant els exàmens.
Bibliografia i recursos d'informació
- Michael BARON, Probability and statistics for computer scientists, CRC Press, 2014.
- Douglas C. MONTGOMERY i George C. RUNGER, Applied statistics and probability for engineers, John Wiley & Sons, Inc, 2003.
- Jay L. DEVORE, Probabilidad y estadística para ingeniería y ciencias, Cengage Learning Editores, 2008.