|
Teaching GuideTerm Faculty of Computer Science |
| Mestrado Universitario en Técnicas Estadísticas (Plan 2019) |
 Subjects |
| Resampling Techniques |
| Learning aims |
| Identifying Data | 2019/20 | |||||||||||||
| Subject | Resampling Techniques | Code | 614493130 | |||||||||||
| Study programme |
|
|||||||||||||
| Descriptors | Cycle | Period | Year | Type | Credits | |||||||||
| Official Master's Degree | 1st four-month period |
Second | Optional | 5 | ||||||||||
|
||||||||||||||
| Learning outcomes | Study programme competences | ||
| Coñecer os fundamentos teóricos das técnicas de remuestreo. | AC16 AC18 AC19 AC20 AC21 AC23 AC24 AC25 |
BJ1 BJ2 BJ3 BJ4 BJ5 BJ17 BJ18 BJ19 BJ20 BJ21 |
CJ11 CJ12 CJ13 CJ14 CJ15 |
| Saber aplicar de xeito autónomo os principios do bootstrap aos principais problemas de inferencia estatística. | AC16 AC18 AC19 AC20 AC21 AC23 AC24 AC25 |
BJ1 BJ2 BJ3 BJ4 BJ5 BJ17 BJ18 BJ20 BJ21 |
CJ11 CJ12 CJ13 CJ14 CJ15 |
| Ser capaz de deseñar e validar algoritmos bootstrap para a resolución de problemas de inferencia non paramétrica sobre as funcións de densidade e regresión. | AC16 AC18 AC19 AC20 AC21 AC23 AC24 AC25 |
BJ1 BJ2 BJ3 BJ4 BJ5 BJ17 BJ18 BJ19 BJ20 BJ21 |
CJ11 CJ12 CJ13 CJ14 CJ15 |
|
