Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 97 Horas de Titorías: 3 Clase Expositiva: 25 Clase Interactiva: 25 Total: 150
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Estatística, Análise Matemática e Optimización
Áreas: Estatística e Investigación Operativa
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
O obxectivo desta materia é que o alumnado se familiarice cos conceptos e as técnicas básicas de estatística descritiva, probabilidade e inferencia estatística, especialmente aplicadas ao campo da enxeñaría en informática.
TEMA 1. ESTATÍSTICAS DESCRITIVAS
1.1 Conceptos xerais.
1.2 Distribucións de frecuencia.
1.3 Representacións gráficas.
1.4 Medidas características: posición, dispersión e forma.
1.5 Estatísticas descritivas bidimensionais. Táboas de continxencia, diagrama de dispersión e recta de regresión.
TEMA 2. FUNDAMENTOS DE PROBABILIDADE
2.1 Experimento aleatorio. Sucesos e espazo mostral.
2.2 Asignación e definición de probabilidade. Operacións con sucesos.
2.3 Probabilidade condicional. Independencia de sucesos. Resultados notables.
TEMA 3. VARIABLE ALEATORIA DISCRETA
3.1 Variable discreta. Soporte, función de masa probabilidade e función de distribución.
3.2 Medidas características.
3.3 Principais modelos de distribucións discretas.
UNIDADE 4. VARIABLE ALEATORIA CONTINUA
4.1 Variable continua. Función de densidade e función de distribución.
4.2 Medidas características.
4.3 Principais modelos de distribucións continuas.
4.4 Teorema do límite central.
4.4 Aproximación das distribucións.
4.5 Transformación de variables aleatorias.
TEMA 5. INTRODUCIÓN Á INFERENCIA ESTATÍSTICA E ESTIMACIÓN DE PARÁMETROS
5.1 Introdución á inferencia estatística.
5.2 Estimación dunha poboación.
5.3 Estimación para dúas poboacións
5.4 Estimación por intervalos de confianza.
TEMA 6. CONTRASTE DE HIPÓTESES
6.1 Introdución ó contraste de hipóteses.
6.2 Procedemento de contraste.
6.3 Contrastes para unha poboación.
6.4 Contrastes para dúas poboacións.
CONTIDO DAS PRÁCTICAS CON ORDENADOR: introdución a R; Estatísticas descritivas; variables aleatorias; distribucións na mostraxe; intervalos de confianza e contrastes de hipóteses; modelo de regresión lineal simple.
BIBLIOGRAFÍA BÁSICA
Febrero Bande, M., Galeano San Miguel, P., González Díaz, J. y Pateiro López, B. (2008). Estadística: ingeniería técnica en informática de sistemas. Universidade de Santiago de Compostela, Santiago de Compostela.
Fernández-Viagas, Escudero, V., Framiñán Torres, J. M., Pérez González, P. y Villa Caro, G. (2016) Problemas resueltos de probabilidad y estadística en la ingeniería. Universidad de Sevilla, Sevilla.
Montgomery, D. C., Runger, G. C. y Medal, E. G. U. (2007). Probabilidad y estadística aplicadas a la ingeniería. Limusa-Wiley, México.
Peña, D. (1993). Estadística: Modelos y Métodos. Alianza Editorial, Madrid.
BIBLIOGRAFÍA COMPLEMENTARIA
Cao, R., Francisco, M., Naya, S., Presedo, M. A., Vázquez, M., Vilar, J. A. y Vilar, J. M. (1998). Estadística básica aplicada. Tórculo Edicións, Santiago de Compostela.
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, Madrid.
Devore, J. L. (2001). Probabilidad y Estadística para Ingeniería y Ciencias. Thomson Learnin, México.
Guisande-González, C., Vaamonde-Liste, A. y Barreiro-Felpeto, A. (2011). Tratamiento de datos con R, Statistica y SPSS. Díaz de Santos, Madrid.
Mendenhall, W. M. y Sincich, T. L. (2016). Statistics for Engineering and the Sciences. CRC Press, Boca Raton.
Peña, D. (1991). Fundamentos de estadística. Alianza Editorial, Madrid.
Quesada Paloma, V. y García Pérez, A. (1988). Lecciones de cálculo de probabilidades. Ediciones Díaz de Santos, Madrid.
Ross, S. M. (2014). Introduction to probability and statistics for engineers and scientists. Elsevier, Burlington.
Toda a bibliografía básica recomendada está dispoñible na biblioteca da Escola de Enxeñaría. A bibliografía complementaria pódese atopar nas bibliotecas da Universidade de Santiago de Compostela, onde tamén hai unha notable colección bibliográfica sobre estatística e manuais para o uso de software estatístico.
Despois de realizar este curso, espérase que o alumnado traballe as habilidades que figuran no informe do Grao en Enxeñaría en Informática da Universidade de Santiago de Compostela. Así, os estudantado debe adquirir as seguintes habilidades básicas, xerais e transversais: CB1, CB3, CB4, CB5, CG5, CG8, CG9, CG10, TR1, TR2, TR3, FB1, FB3, RI6 e TI5.
Como resultados da aprendizaxe, obterase coñecementos básicos para o tratamento, xestión e resumo da información mediante métodos estatísticos. Para iso introdúcense os fundamentos da estatística a un nivel descritivo para logo establecer as bases da teoría da probabilidade en que se basea o modelado estatístico de variables aleatorias.
Despois desta primeira fase introdutoria, este coñecemento aplícase a interesantes problemas de inferencia e modelos lineais que teñen que ver coa predición, o control de calidade e a toma eficiente de decisións. Entre outros exemplos aplicados ao campo da enxeñaría informática, veranse: como estudar a vida útil dunha peza de ordenador, como calcular a capacidade recomendada dun servidor segundo o número de usuarios que entran nunha páxina web, como verificar se unha peza tende a ser máis defectuosa do que o fabricante afirma, como comprobar se unha marca ofrece ordenadores que son máis duradeiros en media que outra.
Nos apartados onde se describe a metodoloxía e o sistema de avaliación, especifícase o xeito no que se traballará e avaliará as competencias (xerais, transversais, básicas, da rama de informática e tecnoloxía da información) que se van adquirir na materia. No caso das competencias específicas do módulo de matemáticas e específicas da materia, debe entenderse que todas as actividades formativas a desenvolver teñen como obxectivo traballar estas competencias.
Ensinanza expositiva (25 horas). Para a transmisión de coñecemento, farase uso de diapositivas e taboleiro e resolveranse problemas estándar, para que o alumnado poida traballar nos boletíns de exercicios proporcionados. En canto ao material para o seguimento da materia, máis alá da bibliografía recomendada, o estudantado contará coa axuda de material adicional no Campus Virtual da USC. Nas sesións de ensino expositivo traballaranse as seguintes habilidades: habilidades básicas (CB1 e CB5), xerais (CG8 e CG9), transversais (TR2, TR3, FB3 e RI6).
Prácticas con ordenador (14 horas). Para impartir este tipo de ensinanza, empregarase software estatístico libre e gratuíto R. Nalgúns casos, esta aprendizaxe complementarase co uso de follas de cálculo ou o software necesario para resolver problemas prácticos no campo da computación. Fóra da aula, o estudantado deberá practicar o uso de R de forma independente para consolidar conceptos e afrontar os problemas de análise de bases de datos e funcións de programación no devandito software. Para o seguimento das sesións na aula de informática, facilitaranse ao alumnado os guións das prácticas. Obxectivos desenvolvidos: habilidades básicas (CB3, CB4 e CB5), xerais (CG5) e transversais (TR1, FB1, RI6 e TI5).
Resolución de problemas (10 horas). Neste tipo de ensinanza, a implicación do alumnado na resolución dos exercicios prácticos será guiada polo profesor nas horas impartidas na aula. Obxectivos desenvolvidos: habilidades básicas (CB1, CB3 e CB5), xerais (CG9 e CG10) e transversais (TR1, TR2, FB1 e FB3).
Titorías (3 horas): as titorías están destinadas a seguir a aprendizaxe do alumno. Nas sesións de titoría levaranse a cabo diferentes actividades que permiten ao estudantado obter unha visión xeral da materia e, ao mesmo tempo, identificar en que aspectos deben mellorar. Obxectivos desenvolvidos: habilidades básicas (CB1, CB3, CB4 e CB5) e transversais (TR1 e TR2).
A distribución das horas de docencia expositiva (25 horas) e seminarios de resolución de problemas (10 horas), por materias, é a seguinte, en sesións dunha hora:
Tema 1. Estatística descritiva: 5 expositivas, 2 seminarios.
Tema 2. Fundamentos da probabilidade: 4 expositivas, 1 seminario.
Tema 3. Variables aleatorias discretas: 4 expositivas, 1 seminario.
Tema 4. Variables aleatorias continuas: 4 expositivas, 2 seminarios.
Tema 5. Introdución á inferencia e á estimación de parámetros: 4 expositivas, 2 seminarios.
Tema 6. Contraste de hipóteses: 4 expositivas, 2 seminarios.
A docencia interactiva no laboratorio (14 horas) divídese en 7 prácticas, cuxos contidos están ligados a diversos temas. Como guía, a distribución das prácticas é a seguinte:
Práctica 1. Introdución a R. (2 horas)
Práctica 2. Estatística descritiva (2 horas, tema 1).
Práctica 3. Variables aleatorias (2 horas, tema 3, tema 4).
Práctica 4. Transformación de variables aleatorias e axuste do modelo (2 horas, tema 4).
Práctica 5. Distribución na mostraxe e intervalos de confianza (2 horas, tema 5).
Práctica 6. Contrastes de hipóteses (2 horas, tema 6).
Práctica 7. Regresión lineal (2 horas, tema 1, tema 4).
Durante o curso avaliarase continuamente o grao no que o estudantado alcanzou os obxectivos propostos para esta materia. Rematando cun exame teórico-práctico. A continuación detállase o peso de cada parte da avaliación.
Avaliación continua (30%): a avaliación continua realizarase en función da participación en diferentes tipos de tarefas. As actividades de avaliación continua incluirán a resolución de casos prácticos (individualmente ou en grupo), que poden incluír o uso do software estatístico R. Tamén se propoñerán exercicios de resolución individual que se realizarán de xeito presencial e/ou non presencial. A nota obtida manterase entre oportunidades do mesmo curso académico (ordinario e extraordinario). Durante esta parte tamén se avaliará a participación e implicación do alumnado na aula. Para optar á avaliación continua, sempre que sexa posible, é necesario asistir como mínimo ao 75% das sesións prácticas. Estarán exentos desta condición o alumnado que xa cumpriu este requisito polo menos nun dos dous últimos cursos académicos, previa notificación ao profesorado. Competencias avaliadas: CB1, CB3, CB4, CB5, CG5, CG8, CG9, CG10, TR1, TR2, TR3, FB1 e FB3.
Exame final (70%): o exame final consistirá en varias preguntas e exercicios teórico-prácticos que versaran sobre os contidos da materia, dentro dos cales se pode incluír a interpretación dos resultados obtidos co paquete estatístico empregado na docencia interactiva. Competencias avaliadas: CB1, CB3, CB5, CG9, CG10, TR3, FB1, FB3, RI6, RI6 e TI5.
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na “Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións”.
Por último, considérase que acódese a avaliación cando a persoa interesada participa en actividades que lle permiten obter, como mínimo, o 50% da avaliación final. O peso da avaliación continua na oportunidade de recuperación será o mesmo que na convocatoria ordinaria.
Nesta materia, o estudantado conta coa seguinte docencia impartidas polo profesorado: 25 horas de docencia expositiva, 15 horas de prácticas con ordenador e 10 horas de resolución de problemas. O alumnado terá que dedicar 52 horas a maiores para profundar no coñecemento das clases, 20 horas para as prácticas con ordenador e 15 para a resolución de problemas. Durante estas horas, os coñecementos adquiridos deberían afondarse a través da revisión de conceptos, a práctica da resolución de problemas e a consulta da bibliografía recomendada.
O seguimento das sesións expositivas e interactivas é esencial para a superación da materia. O alumnado deberá realizar todas as actividades recomendadas polo profesorado (resolución de problemas, revisión de bibliografía e exercicios prácticos) para superar con éxito a materia. Ademais, recoméndase facer uso das horas de titoría para resolver as dúbidas que poidan xurdir.
O material do curso poñerase a disposición do alumnado a través do Campus Virtual da USC.
Esta guía e os criterios e metodoloxías nela descritos están suxeitos ás modificacións que se deriven de normativas e directrices da USC.
Angel Manuel Gonzalez Rueda
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Correo electrónico
- angelmanuel.gonzalez.rueda [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
Alejandro Saavedra Nieves
Coordinador/a- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Correo electrónico
- alejandro.saavedra.nieves [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
| Luns | |||
|---|---|---|---|
| 15:00-17:30 | Grupo /CLIL_01 | Galego | Aula de Informática I5 |
| Martes | |||
| 11:00-12:00 | Grupo /CLIS_01 | Galego | Aula A3 |
| 12:00-13:00 | Grupo /CLIS_02 | Galego | Aula A3 |
| 13:00-14:00 | Grupo /CLIS_03 | Galego | Aula A3 |
| 15:30-17:30 | Grupo /CLIL_02 | Galego | Aula de Informática I5 |
| Mércores | |||
| 11:00-12:00 | Grupo /CLE_01 | Galego | Aula A3 |
| 15:30-17:30 | Grupo /CLIL_03 | Galego | Aula de Informática I5 |
| Xoves | |||
| 11:00-12:00 | Grupo /CLE_01 | Galego | Aula A3 |
| 15:30-17:30 | Grupo /CLIL_04 | Galego | Aula de Informática I5 |
| 17.01.2023 09:15-14:00 | Grupo /CLIL_02 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLE_01 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLIS_03 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLIL_03 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLIS_01 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLIL_01 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLIL_04 | Sala descanso/comedor |
| 17.01.2023 09:15-14:00 | Grupo /CLIS_02 | Sala descanso/comedor |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_04 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLE_01 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIS_02 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_02 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIS_03 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_03 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIS_01 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_01 | Aula A3 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_03 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLIS_01 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_01 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_04 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLE_01 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLIS_02 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLIL_02 | Aula A4 |
| 31.05.2023 09:15-14:00 | Grupo /CLIS_03 | Aula A4 |
| 04.07.2023 16:00-20:45 | Grupo /CLIL_02 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLIS_03 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLIL_03 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLIS_01 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLIL_01 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLIL_04 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLE_01 | Aula A1 |
| 04.07.2023 16:00-20:45 | Grupo /CLIS_02 | Aula A1 |