| Competencias do título |
| Código | Competencias do título |
| A1 | CE1 - Capacidade para utilizar con destreza conceptos e métodos propios da matemática discreta, a álxebra lineal, o cálculo diferencial e integral, e a estatística e probabilidade, na resolución dos problemas propios da ciencia e enxeñaría de datos. |
| A2 | CE2 - Capacidade para resolver problemas matemáticos, planificando a súa resolución en función das ferramentas dispoñibles e das restricións de tempo e recursos. |
| A3 | CE3 - Capacidade para a análise de datos e a comprensión, modelado e resolución de problemas en contextos de aleatoriedade. |
| B1 | CB1 - Que os estudantes demostrasen posuír e comprender coñecementos nunha área de estudo que parte da base da educación secundaria xeral, e adóitase atopar a un nivel que, aínda que se apoia en libros de texto avanzados, inclúe tamén algúns aspectos que implican coñecementos procedentes da vangarda do seu campo de estudo |
| B5 | CB5 - Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía |
| B6 | CG1 - Ser capaz de buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo. |
| C1 | CT1 - 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. |
| C2 | CT2 - Estimular a capacidade para traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sustentable ambiental, económico, político e social. |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Coñecer e saber utilizar as técnicas adecuadas para a análise exploratoria de datos. | A1 A2 A3 |
B1 B5 B6 |
C1 |
| Coñecer e comprender conceptos xerais relativos a modelos de probabilidade. | A1 A2 A3 |
B1 B5 B6 |
C1 C2 |
| Saber modelizar en contextos aleatorios sinxelos empregando ferramentas probabilistas. | A1 A2 A3 |
B1 B5 B6 |
C1 |
| Saber utilizar ferramentas informáticas auxiliares á Estatística: paquetes estatísticos e linguaxes de programación con orientación estatística; e saber interpretar de maneira crítica os resultados acadados. | A1 A2 A3 |
B1 B5 B6 |
C1 |
| Contidos |
| Temas | Subtemas |
| Probabilidade | Definición de probabilidade. Propiedades Probabilidade condicionada. Teorema de Bayes |
| Variables aleatorias unidimensionais | Variables aleatorias discretas Variables aleatorias continuas Teorema central do límite Aplicacións: Fiabilidade e simulación |
| Variables aleatorias multidimensionais | Variables bidimensionais discretas Variables bidimensionais continuas Distribucións marxinais Distribucións condicionadas Independencia de variables aleatorias Medidas características Variables aleatorias multidimensionais |
| Estatística descritiva | Distribucións de frecuencias Representacións gráficas Medidas de posición e de dispersión Variable estatística bidimensional Regresión linear simple |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A1 A3 B5 | 30 | 48 | 78 |
| Prácticas de laboratorio | C1 | 20 | 16 | 36 |
| Seminario | A2 B6 | 10 | 10 | 20 |
| Proba mixta | B1 | 4 | 0 | 4 |
| Atención personalizada | 12 | 0 | 12 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Sesión maxistral | O alumno recibirá clases maxistrais nas que o profesor, coa axuda dos medios audiovisuais pertinentes, exporá os contidos teórico-prácticos da asignatura. Fomentarase en todo momento a participación e o debate. |
| Prácticas de laboratorio | As prácticas de laboratorio impartiranse nun laboratorio informático. Aprenderase a utilizar o programa de balde de orientación estatística e gráfica R, aprenderanse as súas estruturas de programación e realizaranse estudos estatísticos de datos, tanto reais como simulados. |
| Seminario | Os seminarios reforzarán tanto o carácter aplicado da asignatura como a súa interactividade. Os alumnos poderán expoñer as súas dúbidas e inquedanzas referidas á materia, e terán a oportunidade de realizar, coa supervisión do profesor, problemas semellantes ós dos exames. Ademáis, cunha atención moi individualizada, poderán cumplimentar as prácticas de laboratorio. |
| Proba mixta | O alumno deberá demostrar o seu dominio dos aspectos teóricos da materia e a súa capacidade para a resolución de problemas do ámbito da probabilidade e da estatística. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Seminario | A2 B6 | Ó longo do curso, o alumno demostrará o seu interese pola materia e o seu dominio da mesma realizando dúas probas escritas (controis), cada unha con una calificación máxima do 10%. As dúas probas corresponderán cos temas 1 e 2 da asignatura. Aqueles alumnos que non acadaran o máximo do 20% da nota correspondente a esta parte, poderán recuperar a parte faltante ó realizar o exame final da asignatura. |
20 |
| Proba mixta | B1 | O exame final, cun valor entre o 60 e o 80% (dependendo da calificación obtida nos controis dos temas 1 e 2), consistirá en realizar unha proba escrita teórico-práctica. | 60 |
| Prácticas de laboratorio | C1 | Para avaliar o grao de comprensión e aprendizaxe destas prácticas, programaranse 2 ou 3 probas de avaliación, que se realizarán durante as clases de laboratorio e que outorgarán o 20% da nota final. Para os alumnos matriculados a tempo completo, a nota de prácticas non é recuperable mediante a realización doutra proba. Os alumnos matriculados a tempo parcial, que non teñan sido avaliados da parte de prácticas de laboratorio, poderán realizar unha proba específica para recuperar o 20% da nota correspondente a esta parte. |
20 |
| Observacións avaliación | |||
|
<p>O alumno rematará o período de clases cun máximo dun 40% da cualificación, que acadará mediante dous controis escritos (10% cada un) e dúas ou tres probas de avaliación das prácticas de laboratorio (20%). </p><p>Na data que estableza a Facultade na súa programación anual, o alumno realizará, por escrito, o exame final da materia, no que terá que respostar a preguntas teóricas, resolver cuestións teórico-prácticas, e calcular a solución de diversos problemas; para esta proba o alumno só poderá levar consigo o material que se autorice de maneira expresa (do tipo de bolígrafo ou calculadora). </p><p>A nota acadada o día do exame final reescalarase de maneira que o alumno teña a oportunidade de recuperar o 20% da cualificación correspondente ós controis escritos (non poderá recuperarse o 20% da nota da parte de avaliación das prácticas de laboratorio). Desta maneira, dependendo da puntuación acadada polo alumno nos dous controis escritos, a nota máxima do exame final estará comprendida entre 6 e 8 puntos (sobre 10).</p><p>Así, suposto que P é a nota total de prácticas (entre 0 e 2 puntos), C é a nota final dos controis dos temas 1 e 2 (entre 0 e 2 puntos) e F é a nota do exame final (entre 0 e 10 puntos), a calificación final da asignatura é P+C+0'1*(8-C)*F.</p><p>O día do exame final, os alumnos a tempo parcial, que non teñan sido avaliados con anterioridade da parte de prácticas de laboratorio, poderán realizar unha proba específica para recuperar o 20% da nota correspondente a dita parte.</p>
|
|||
| Fontes de información |
| Bibliografía básica |
Eguzkitza Arrizabalaga, J.M. (2014). Laboratorio de estadística y probabilidad con R. Gami Editorial
Cao, R., Francisco, M., Naya, S., Presedo, M.A., Vázquez, M., Vilar, J.A. y Vilar, J.M. (2001). Introducción a la Estadística y sus aplicaciones. Ediciones Pirámide |
|
|
|
| Bibliografía complementaria |
Gonick, L. y Smith, W. (2001). Á estatística ¡en caricaturas!. SGAPEIO
R Development Core Team (2000). Introducción a R. http://www.r-project.org/
Blasco Lorenzo, A. y Pérez Díaz, S. (2015). Modelos aleatorios en ingeniería. Paraninfo
Montgomery, D.C. y Runger, G.C. (2004). Probabilidad y Estadística aplicadas a la Ingeniería. McGraw-Hill
Devore, J.L. (2008). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson
Walpole, R.E., Myers, S.L. y Myers, R. (2000). Probabilidad y Estadística para Ingenieríos. Prentice Hall
Hernández, V., Ramos, E. y Yáñez, I. (2007). Probabilidad y sus aplicaciones en Ingeniería Informática. Ediciones Académicas
Ugarte, M.D., Militino, A.F., Arnholt, A.T. (2008). Probability and Statistics with R. Chapman and Hall/CRC
Horgan, J.M. (2009). Probability with R. An Introduction with Computer Science Applications. Wiley |
|
|
| Recomendacións | ||
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario | ||
|
| Observacións | |