| Study programme competencies |
| Code | Study programme competences |
| A1 | Capacidade para a resolución dos problemas matemáticos que poidan formularse na enxeñaría. Aptitude para aplicar os coñecementos sobre: álxebra lineal; xeometría; xeometría diferencial; cálculo diferencial e integral; ecuacións diferenciais e en derivadas parciais; métodos numéricos; algorítmica numérica; estatística e optimización. |
| B2 | Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
| B3 | Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitiren xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
| B4 | Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como leigo |
| B5 | Que os estudantes desenvolvan aquelas habilidades de aprendizaxe necesarias para emprenderen estudos posteriores cun alto grao de autonomía |
| B6 | Ser capaz de concibir, deseñar ou poñer en práctica e adoptar un proceso substancial de investigación con rigor científico para resolver calquera problema formulado, así como de comunicar as súas conclusións –e os coñecementos e razóns últimas que as sustentan– a un público tanto especializados como leigo dun xeito claro e sen ambigüidades |
| B7 | Ser capaz de realizar unha análise crítica, avaliación e síntese de ideas novas e complexas |
| C1 | Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
| C4 | Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse. |
| Learning aims | |||
| Learning outcomes | Study programme competences | ||
| Capacity for abstraction, understanding, analysis and simplification of instances and processes. | A1 |
B2 B3 B4 B5 B6 B7 |
C1 C4 |
| Using statistical software for solving engineering problems involving randomness and large volume of data. | A1 |
C1 |
|
| Ability to solve statistical problems encountered in engineering. | A1 |
C1 |
|
| Contents |
| Topic | Sub-topic |
| Introduction to Statistics | |
| 2. Exploratory data analysis. | |
| 3. Probability. | |
| 4. Ramdom variables. | |
| 5. Discrete random variables and probability distributions. | |
| 6. Continous random variables and probability distributions. | |
| 7. Joint probability distributions. | |
| 8. Statistical inference. | |
| 9. Point estimation of parameters. | |
| 10. Statistical intervals for a single sample. | |
| 11. Test of hypotheses for a single sample. | |
| 12. Regression an analysis of variance (ANOVA). |
| Planning | ||||
| Methodologies / tests | Competencies | Ordinary class hours | Student’s personal work hours | Total hours |
| Guest lecture / keynote speech | A1 B2 B6 B7 | 30 | 36 | 66 |
| Problem solving | A1 B3 B4 B5 C1 C4 | 20 | 18 | 38 |
| ICT practicals | A1 B6 B7 C1 C4 | 10 | 10 | 20 |
| Mixed objective/subjective test | A1 B2 B3 B4 B5 | 3 | 9 | 12 |
| Objective test | A1 B2 B3 B4 | 3 | 9 | 12 |
| Personalized attention | 2 | 0 | 2 | |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. | ||||
| Methodologies |
| Methodologies | Description |
| Guest lecture / keynote speech | Lectures about the course topics. |
| Problem solving | Solving exercises and statistical problems encountered in engineering. |
| ICT practicals | Resolution of practical cases of statistical problems by Excel. |
| Mixed objective/subjective test | Midterm exam of the first issues of the subject. |
| Objective test | Final exam of the subject |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies | Description | Qualification |
| Mixed objective/subjective test | A1 B2 B3 B4 B5 | Midterm exam with test questions and troubleshooting. | 25 |
| Objective test | A1 B2 B3 B4 | Final exam with test questions and troubleshooting. | 50 |
| ICT practicals | A1 B6 B7 C1 C4 | Evaluation of case studies solved in small groups. | 25 |
| Assessment comments | |||
|
<p> </p>
|
|||
| Sources of information |
| Basic |
Douglas C. Montgomery, George C. Runger (2011). Applied Statistics and Probability for Engineers. John Wiley
García del Valle, Alejandro; Crespo, Diego (2010). Apuntes de Estadística para Ingenieros. Moodle UDC |
|
|
|
| Complementary |
S. Christian Albright, Wayne Winston, Christopher J. Zappe (1999). Data Analysis & Decision Making with Microsoft Excel. Duxbury
Ronald E. Warpole (1999). Probabilidad y Estadística para Ingenieros. Pearson |
|
|
| Recommendations | ||
| Subjects that it is recommended to have taken before |
| Subjects that are recommended to be taken simultaneously |
| Subjects that continue the syllabus | ||
|
| Other comments | |
| <p> .</p> |