| Competencias del título |
| Código | Competencias del título |
| A3 | CE3 - Reconocer y analizar problemas físicos, químicos, matemáticos, biológicos en el ámbito de la Nanociencia y Nanotecnología, así como plantear respuestas o trabajos adecuados para su resolución, incluyendo el uso de fuentes bibliográficas. |
| A7 | CE7 - Interpretar los datos obtenidos mediante medidas experimentales y simulaciones, incluyendo el uso de herramientas informáticas, identificar su significado y relacionarlos con las teorías químicas, físicas o biológicas apropiadas. |
| B2 | CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio |
| B4 | CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
| B5 | CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
| B6 | CG1 - Aprender a aprender |
| B7 | CG2 - Resolver problemas de forma efectiva. |
| B8 | CG3 - Aplicar un pensamiento crítico, lógico y creativo. |
| B9 | CG4 - Trabajar de forma autónoma con iniciativa. |
| B10 | CG5 - Trabajar de forma colaborativa. |
| B11 | CG6 - Comportarse con ética y responsabilidad social como ciudadano/a y como profesional. |
| B12 | CG7 - Comunicarse de manera efectiva en un entorno de trabajo. |
| C3 | CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida |
| C7 | CT7 - Desarrollar la capacidad de trabajar en equipos interdisciplinares o transdisciplinares, para ofrecer propuestas que contribuyan a un desarrollo sostenible ambiental, económico, político y social. |
| C8 | CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad |
| C9 | CT9 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar actividades, identificar las críticas, establecer plazos y cumplirlos |
| Resultados de aprendizaje | |||
| Resultados de aprendizaje | Competencias del título | ||
| Identificar la necesidad del uso de métodos numéricos y estadísticos en la resolución de modelos de problemas reales, especialmente originados en nanociencia y nanotecnología | A3 A7 |
B2 B4 B5 B7 B8 B9 B10 |
C7 |
| Conocer y adquirir soltura en el manejo de los métodos numéricos para la solución de los distintos problemas, así como conocer las condiciones para aproximar la solución | A3 A7 |
B2 B4 B5 B6 B7 B8 B9 B10 |
|
| Tener criterio para seleccionar los métodos numéricos más eficientes en los distintos problemas, especialmente los relacionados con nanociencia y nanotecnología | A3 A7 |
B2 B4 B5 B6 B7 B8 B9 B10 B11 B12 |
C7 C8 |
| Adquirir conocimientos sobre probabilidad y métodos estadísticos de modelización, análisis de datos, diagnosis e interpretación de resultados | A3 |
B2 B4 B5 B6 B7 B8 B9 B10 B11 B12 |
C3 C7 C8 C9 |
| Manejar herramientas de software que implementen las metodología estudiadas y saber analizar los resultados | A3 A7 |
B2 B4 B5 B6 B7 B8 B9 B10 B11 B12 |
C3 C7 |
| Contenidos |
| Tema | Subtema |
| Tema 0: Introducción a los métodos numéricos | Generalidades de métodos y algoritmos numéricos. Errores |
| Tema 1: Resolución numérica de sistemas lineales y cálculo numérico de autovalores. |
- Métodos directos (LU, Cholesky) - Métodos iterativos (Jacobi, Gauss-Seidel) - Aproximación de autovalores: QR - Aplicaciones |
| Tema 2: Resolución numérica de ecuaciones y sistemas no lineales. |
- Resolución numérica de ecuaciones (dicotomía, Newton y variantes, iteración funcional) - Resolución de sistemas non lineaies (iteración funcional, Newton) - Aplicaciones |
| Tema 3: Interpolación, derivación e integración numéricas. | - Interpolación (Lagrange, Chebyshev, Splines) - Derivación numérica - Integración numérica (punto medio, trapecio, Simpson, cuadratura gaussianas) - Aplicaciones |
| Tema 4. Fundamentos del cálculo de probabilidades |
- Cálculo de probabilidades - Probabilidad condicionada e independencia de sucesos - Teorema de Bayes |
| Tema 5. Variables aleatorias | - Variables aleatorias discretas y continuas - Distribución normal y teorema central del límite - Aplicaciones en Nanociencia y Nanotecnología |
| Tema 6. Introducción a la inferencia estadística |
- Estimadores y distribucións muestral - Regresión lineal - Herramientas de software |
| Planificación | ||||
| Metodologías / pruebas | Competéncias | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Sesión magistral | A3 B2 B4 B5 B6 B7 B11 C8 | 28 | 56 | 84 |
| Solución de problemas | A7 B8 B12 | 8 | 16 | 24 |
| Prácticas a través de TIC | A3 A7 B2 B4 B10 C3 C7 C9 | 12 | 25 | 37 |
| Prueba mixta | B7 B9 C9 | 3 | 0 | 3 |
| Atención personalizada | 2 | 0 | 2 | |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | ||||
| Metodologías |
| Metodologías | Descripción |
| Sesión magistral | Exposición de los contenidos especificados en el programa de la asignatura, para ello se emplearán medios audiovisuales o pizarra. |
| Solución de problemas | Sesiones donde se presentarán problemas de relevancia en el ámbito de las Ciencias y de la Ingeniería, que se resolverán tanto analítica como numéricamente: el estudiante deberá ser capaz de alcanzar la solución de cualquier problema mediante lápiz y papel o alternativamente empleando herramientas informáticas, y comparar los resultados. |
| Prácticas a través de TIC | Prácticas interactivas en las que se resolverán problemas de relevancia en el ámbito de las Ciencias y de la Ingeniería. En la parte correspondiente a Métodos Numéricos (Temas 0 - 3) se empleará el lenguaje de programación Python, y en la parte de Métodos Estadísiticos (Temas 4-6) se trabajará con R empleando Rcmdr. |
| Prueba mixta | Desarrollo de cuestiones y problemas de la materia. |
| Atención personalizada |
|
|
| Evaluación | |||
| Metodologías | Competéncias | Descripción | Calificación |
| Prácticas a través de TIC | A3 A7 B2 B4 B10 C3 C7 C9 | Resolución de problemas de carácter práctico empleando el lenguaje de programación Python o R. | 30 |
| Solución de problemas | A7 B8 B12 | Resolución de problemas de carácter práctico. | 20 |
| Prueba mixta | B7 B9 C9 | Prueba que incluye la resolución de cuestiones y problemas de la materia | 50 |
| Observaciones evaluación | |||
|
La asignatura está organizada en dos partes: Métodos Numéricos (MNum) y Métodos Estadísticos (MEst). Los contenidos correspondientes a la parte MNum son los indicados en los temas 0- 3, y los contenidos correspondientes a la parte MEst son los indicados en los temas 4-6. Cada parte será calificada sobre 10 puntos:
La calificación final de la asignatura será la media de las notas obtenidas en cada una de las dos partes: Nota Final= (CNum + CEst)/2 Se indica a continuación el desglose de la calificación para cada una das dos partes de la asignatura:
La calificación final de MNum (CNUm) será la suma de las tres partes CP_1 + CR_1 + CE_1, siempre y cuando la calificación de la prueba mixta sea mayor que 1.5 (sobre 5 puntos). En otro caso, la calificación final será la nota obtenida en la prueba objetiva, CE_1. La nota final en la parte Num será: CNum= CP_1 + CR_1 + CE_1
La calificación final de MEst (CEst) será la suma de las tres partes CP_2 + CR_2 + CE_2, siempre y cuando la calificación de la prueba mixta sea mayor que 1.5 (sobre 5 puntos). En otro caso, la calificación final será la nota obtenida en la prueba objetiva, CE_2. La nota final en la parte MEst será: CEst= CP_2 + CR_2 + CE_2 La nota final de la asignatura será la media de CNum y CEst: NotaFinal = (CEst + CNum)/2 En la segunda oportunidad de la evaluación:
Se pondrá un No Presentado a aquellos alumnos/as que no se presenten a la prueba mixta final. - Observaciones sobre el “Alumnado con reconocimiento de dedicación a tiempo parcial y dispensa académica de exención de asistencia”: las medidas de atención personalizada específicas para el “Alumnado con reconocimiento de dedicación a tempo parcial y dispensa académica de exención de asistencia” para el estudio de la asignatura, la evaluación continua de las prácticas a través de TIC y de la resolución de problemas se realizará mediante pruebas parciales online. |
|||
| Fuentes de información |
| Básica |
James F. Epperson (2021). An Introduction to Numerical Methods and Analysis (3rd Ed.). Wiley
F. Rius Díaz, F.J. Barón López (2005). Bioestadística. Thomson.
A.J. Arriaza Gómeza (2008). Estadística básica con R y R-Commander. Servicio Publicaciones UCA.
R. Cao Abad y otros (2001). Introducción a la estadística y sus aplicaciones. Ed. Pirámide
J. Douglas Faires, R. Burden (2014). Métodos Numéricos (7ª ed). Thomson
Steven C. Chapra, Raymond P. Canale (2019). Métodos Numéricos para ingenieros (7º ed). McGrawHill |
|
|
|
| Complementária |
Jeffrey J. Heys (2017). Chemical and Biomedical Engineering Calculations Using Python. Wiley
J. Baró LLinas, (1998). Estadística Descriptiva, Cálculo de probabilidades e Inferencia estadística (tres volúmenes). Ed. Parramón
W. Navidi (2006). Estadística para ingenieros y científicos (1ª Ed) . Mc Graw-Hill
Jaan Kiusalaas (2013). Numerical Methods in Engineering with Python 3. Cambridge University Press |
|
|
| Recomendaciones | |||||
| Asignaturas que se recomienda haber cursado previamente | |||||
|
| Asignaturas que se recomienda cursar simultáneamente |
| Asignaturas que continúan el temario | |
|
| Otros comentarios | |
|