Modelización Y Análisis Estadístico De Procesos Estocásticos ...
DATOS IDENTIFICATIVOS
Asignatura
Modelización y análisis estadístico de procesos Código 0000
estocásticos
Enseñanza
Oficial
Curso
1
Descriptores
Crd. total Crd. T
Crd. P Tipo
Periodo
Ciclo
6
3
3
Mixto
Docencia Master
Idioma
Español
Prerrequisitos
Conocimientos básicos de Estadística Matemática
Departamento
Matemáticas
Coord./profesor
Jesús López Fidalgo
e-mail
Jesus.LopezFidalgo@u
clm.es
Web
http://areaestadistica.uclm.es/
Descripción
Fundamentos teóricos sobre modelización estadística. Modelos de
general
procesos para la representación de fenómenos que evolucionan en el
espacio y/o tiempo. Aspectos relacionados con la inferencia estadística:
estimación y predicción. Simulación. Aplicaciones de modelos
estadísticos y diseños experimentales en distintas áreas (Ciencias Físico-
Naturales, Medio Ambiente, Ingeniería,...).
COMPETENCIAS
Específicos
•
Modelización estadística en situaciones reales.
(tipo A)
•
Estimación de modelos y predicción.
•
Diseño de experimentos.
•
Simulación.
•
Interpretación de los resultados.
Transversales
Instrumentales
(Tipo B)
•
Capacidad de razonamiento lógico
•
Capacidad de análisis y síntesis
•
Capacidad de organización y planificación
•
Capacidad de comunicación oral y escrita en lengua nativa
•
Conocimiento de una lengua extranjera
•
Conocimientos de informática relativos al ámbito de estudio
•
Capacidad de resolución de problemas
•
Capacidad para aplicar los conocimientos en la práctica
•
Capacidad de interrelacionar conocimientos previamente adquiridos
Personales
•
Capacidad para trabajar en equipo y colaborar eficazmente con otras personas
•
Capacidad para trabajar en equipos de carácter interdisciplinar
•
Habilidades en las relaciones interpersonales
•
Razonamiento crítico
Sistémicas
•
Capacidad para pensar de forma creativa y desarrol ar nuevas ideas y conceptos
•
Iniciativa y espíritu emprendedor
Otras Competencias
•
Capacidad para asumir responsabilidades
•
Capacidad de autocrítica
•
Saber desarrol ar presentaciones audiovisuales
•
Saber obtener información de forma efectiva a partir de libros y revistas
especializadas, y de otra documentación.
•
Ser capaz de obtener información de otras personas de forma efectiva
Nucleares
•
Conocer la potencialidad de la modelización estadística en la resolución
(Tipo C)
de problemas complejos reales.
•
Desarrol ar la capacidad de modelizar y resolver un problema real.
•
Evaluar las limitaciones en la estimación y la predicción.
- 1 -
OBJETIVOS DE APRENDIZAJE
COMPETENCIAS
RELACIONADAS
Comprender la filosofía de la inferencia estadística.
Interpretación de las
inferencias estadísticas.
Modelizar adecuadamente un problema real.
Resolución de problemas
reales.
Estimar y predecir con modelos estadísticos.
Técnicas de estimación y
medición de los errores de
estimación y predicción.
Condiciones básicas en la resolución de un modelo.
Comprobación de las
hipótesis básicas sobre el
modelo.
Diseñar la experimentación de modo óptimo.
Minimización de los
errores de estimación y
predicción
Simular modelos para el estudio de sus propiedades.
Estudio de la sensibilidad
de las soluciones.
CONTENIDOS
Bloque/tema/módulo
Descripción
Fundamentos sobre modelización estadística.
1
Estimación y predicción.
2
Diseño de Experimentos: aplicaciones al Control de Calidad.
3
Análisis de superficies de respuesta.
4
Simulación.
5
Aplicaciones a la Ingeniería y Ciencias Físico-Naturales.
6
METODOLOGÍA
Tipología
Descripción
Presentación
Entrevista personal a cada alumno matriculado por el Profesorado del curso
acerca de sus intereses y expectativas en el campo de estudio del curso
Lecciones
5 horas por cada bloque temático de 1 a 6
magistrales
Acontecimientos Asistencia a posibles conferencias y seminarios sobre temas relacionados con el
científicos o
curso
divulgativos
Prácticas de
Resolución práctica de problemas con el ordenador
laboratorio
Prácticas
Realización de un trabajo personal sobre un tema elegido por el alumno de entre
autónomas
una lista ofertada por el profesor. Incluirá una revisión bibliográfica de
antecedentes, metodología y recursos.
Prácticas a través Visita, crítica e informe acerca de los contenidos de distintos portales Web de
de TIC
grupos de investigación que trabajen en los diferentes temas del curso.
Prácticas
externas (de
campo/salidas)
PLANIFICACIÓN
A
B
C
D
E
Tipología de la
Atención
Evaluación
Horas
Horas
Factor de
Horas de
Horas
actividad
personalizada
de clase
presenciales
Trabajo
trabajo
totales
fuera del aula
del
personal del
alumno
alumno
- 2 -
Tiene
Que se hace en la
La actividad implica
Aula
atención
implicación en la
Entorno académico guiado
(A o B xC)
(A+B+D)
asignatura?
personalizada
ordinaria
cualificación?
Actividades
Entrevista
Encuesta final al
0
1
0
1
2
introductorias
alumno
Lección magistral
Tutorías
Cuestionario de
30
0
1.5
45
75
autoevaluación
Acontecimientos
Asistencia a
Resumen de la
0
4
1 4
8
científicos o
conferencias o
conferencia
divulgativos
seminarios
Prácticas de
Tutorización en el Realización de
0
30
1
30
60
laboratorio y
laboratorio
un trabajo y
autónomas
proyecto
tutorizado
Prácticas externas
(de campo/salidas)
Atención
Tutorías de teoría
0
5
0
5
5
personalizada
y prácticas
autónomas
150
ATENCIÓN PERSONALIZADA
Tipología
Descripción
Tutoría
Las tutorías se realizarán durante el periodo comprendido entre el inicio de curso
y el final del Master. Las vías de comunicación serán tanto presenciales como a
través de TIC (correo electrónico, foros, etc.)
EVALUACIÓN
Tipología
Descripción
%
Evaluación continua Evaluación teórica
15
Prácticas de laboratorio (aprovechamiento, iniciativa,
habilidades)
30
Prácticas Autónomas: Trabajo tutelado y Proyecto de
50
investigación
Asistencia
5
FUENTES DE INFORMACIÓN
Básica
Fedorov V.V. and Hackl P. (1997). Model-oriented design of experiments.
Springer. New York.
Peña Sánchez de Rivera, D. (2002): Regresión y Diseño de Experimentos.
Alianza Editorial. Madrid.
Complementaria
Anderson D.H. (1983). Compartmental modeling and tracer kinetics. Ed.
Springer-Verlag.
Mccul agh, P. y Nelder, J. A. (1983): “Generalized Linear Models”. Chapman and
Hal . London.
Pliz, J. (1991): “Bayesian Estimation and Experimental Design in Linear
Regression Models”. John Wiley. New York.
Otros recursos
Apuntes elaborados por el profesor de la asignatura.
Página web
RECOMENDACIONES
- 3 -
- 4 -
