Saltar al contingut Menu
Mapa
  • Inicio
  • Información
  • Contacto
  • Mapa

Estadística (EST)

Créditos Dept. Tipo Requisitos
9.0 (7.2 ECTS) EIO
  • Obligatoria para la EI
  • Obligatoria para la ETIG
  • Obligatoria para la ETIS
AL - Prerequisito para la EI , ETIG , ETIS
CAL - Prerequisito para la EI , ETIG , ETIS

Profesores

Responsable:  (-)
Otros:(-)

Objectivos Generales

La asignatura presenta, por una parte, técnicas de análisis de datos (estadística descriptiva...) que permiten al estudiante enfrentarse de manera adecuada a los retos de interpretación de datos que afrontará en la práctica profesional. Por otra parte, se presentan los fundamentos de probabilidad aplicada que un informático puede necesitar a lo largo de su ejercicio profesional. Estos fundamentos deben ser la base para abordar campos como: la fiabilidad de sistemas y/o software, el estudio del rendimiento de sistemas, el tratamiento de los datos de la simulación y la teoría de colas, el diseño de sistemas de información cuantitativa, la explotación estadística de bases de datos, etc.

Objectivos Específicos

Conocimientos

  1. Conceptos fundamentales de probabilidad: acontecimiento aleatorio, dato, población, muestra, probabilidad, variable aleatoria discreta y continua.
  2. Conceptos fundamentales de inferencia: parámetro poblacional, estimador muestral, estimación por intervalo, prueba de hipótesis, modelo, decisión, riesgo.
  3. Ejemplos aplicables a los conceptos anteriores, desde los juegos de azar a situaciones habituales en el mundo de la informática.

Habilidades

  1. Saber aplicar el formalismo matemático para resolver problemas que comportan incertidumbre.
  2. Saber distinguir las componentes estocásticas de la parte determinista, y ver la necesidad de cuantificar el grado de incertidumbre.
  3. Saber utilizar un software estadístico, calculadora científica y/o tablas para hacer cálculos con las distribuciones de probabilidades más importantes.
  4. Saber utilizar el software estadístico para analizar datos y obtener indicadores numéricos y gráficos que resuman la información relevante.
  5. Saber convertir datos en información y prepararlas para la toma de decisiones.

Competencias

  1. Capacidad para el razonamiento crítico y lógico-matemático.
  2. Capacidad para diseñar, llevar a cabo experimentos y analizar los resultados.
  3. Capacidad para aplicar un modelo verosímil a una situación no determinista, estimar los parámetros implicados, estudiar la validez del modelo y utilizarlo para realizar previsiones o tomar decisiones considerando el error de la muestra.
  4. Capacidad para tomar decisiones en presencia de incertidumbre, asumiendo unos riesgos cuantificados.
  5. Preparación para trabajar en grupo.

Contenidos

Horas estimadas de:

T P L Alt L Ext. Est O. Ext.
Teoria Problemas Laboratorio Otras actividades Laboratorio externo Estudio Otras horas fuera del horario fijado

1. Estadística descriptiva
T      P      L      Alt    L Ext. Est    O. Ext. Total 
0 0 8,0 0 8,0 0 0 16,0
  • Laboratorio:
    4 semanas x 2 horas/sem.

2. Probabilidad
T      P      L      Alt    L Ext. Est    O. Ext. Total 
4,0 2,0 0 0 0 6,0 0 12,0

3. Variable aleatoria
T      P      L      Alt    L Ext. Est    O. Ext. Total 
14,0 4,0 0 0 0 22,0 0 40,0
Modelos de distribución de la probabilidad

4. Comparación de sistemas utilizando datos muestrales
T      P      L      Alt    L Ext. Est    O. Ext. Total 
12,0 4,0 4,0 0 4,0 16,0 0 40,0
Muestreo, inferencia estadística, estimación, pruebas de hipótesis

5. Métodos estadísticos aplicados
T      P      L      Alt    L Ext. Est    O. Ext. Total 
10,0 6,0 6,0 0 6,0 16,0 2,0 46,0
Modelo lineal, ANOVA

6. Introducción a la delado de sistemas
T      P      L      Alt    L Ext. Est    O. Ext. Total 
4,0 0 4,0 0 4,0 4,0 0 16,0
Introducción a la simulación

Aplicaciones en modelos de colas


Total por tipo T      P      L      Alt    L Ext. Est    O. Ext. Total 
44,0 16,0 22,0 0 22,0 64,0 2,0 170,0
Horas adicionales dedicadas a la evaluación 10,0
Total horas de trabajo para el estudiante 180,0

Metodología docente

Habitualmente se utilizará la clase magistral, con uso de transparencias y pizarra. Eventualmente, se podrán sustituir estos medios por ordenador + cañón proyector, posibilitando el uso de tecnologías de la información, como exposición de software, uso de "applets", acceso a internet, etc.

Está prevista la resolución de problemas en modalidad cooperativa (un equipo de estudiantes resuelve el problema preparado por otros equipos), y también la resolución de problemas con ordenador que permita autocorrección, entorno denominado e-status. Puntualmente, el profesor también explica y resuelve ejercicios ilustrativos.



En el laboratorio, el estudiante trabajará en grupo delante del ordenador y siguiendo un guión que lo orienta en el trabajo de la sesión correspondiente, mientras el profesor da orientaciones generales y resuelve dudas. Para cada sesión, el estudiante deberá leer previamente el guión propuesto y, después, puede tener que pasar un cierto tiempo acabando el trabajo y contestando un cuestionario.

Método de evaluación

La nota final está compuesta por:
- (20%) una nota de entregas parciales de resolución de problemas y/o preguntas tipo test, que se realizan en horas de clase (entre tres y cinco)
- (20%) una nota de laboratorio correspondiente a un máximo de seis entregas ponderadas realizadas en horario de laboratorio
- (60%) una nota de examen final

Si la nota del examen final es superior a la que se obtiene con la anterior ponderación, la nota de la asignatura será la del examen final.

Bibliografía básica

  • William A. Florac, Anita D. Carleton. Measuring the software process : statistical process control for software process improvement, Addison-Wesley, 1999.
  • José Javier Dolado Cosín, Luis Fernández Sanz Medición para la gestión en la ingeniería del software, RA-MA, 2000.
  • Raj Jain The Art of computer systems performance analysis : techniques for experimental design, measurement, simulation, and modeling, John Wiley & Sons, 1991.
  • Daniel Peña Sánchez de Rivera Estadística : modelos y métodos, Alianza, 1986-1991.
  • Thomas H. Wonnacott, Ronald J. Wonnacott Introducción a la estadística, Limusa, 1999.

Bibliografía complementaria

  • Arnold O. Allen Probability, statistics and queueing theory : with computer science applications, Academic Press, 1990.
  • Stephen H. Kan Metrics and models in software quality engineering, Addison-Wesley, 2003.
  • Larry Gonick, Woollcott Smith La Estadística en cómic, Zendrera Zariquiey, 2002.

Enlaces web

  1. http://www-eio.upc.es/teaching/estad/


Capacidades previas

Los alumnos deben tener los conocimientos suficientes de álgebra y análisis matemático para poder asimilar los conceptos relacionados con álgebra de conjuntos, series numéricas, funciones de variable real de una o más dimensiones, derivación e integración.


Compartir

 
logo FIB © Facultad de Informática de Barcelona - Contacto - RSS
Esta web utiliza cookies propias para ofrecerle una mejor experiencia y servicio. Si continúa la navegación, entendemos que acepta nuestra política de cookies. Versión clássica Versión móvil