
Herramientas Matemáticas II
Código: 106804Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Nanociencia y Nanotecnología | FB | 2 |
Profesor/a de contacto
- Nombre :
- Francisco Javier Bafaluy Bafaluy
- Correo electrónico :
- javier.bafaluy@uab.cat
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
No hay. El contenido y los métodos desarrollados en esta asignatura presuponen que se han cursado las asignaturas de primer curso de la materia Matemáticas: Fonaments de Matemàtiques y Càlcul.
Objetivos
Proporcionar la capacidad de utilizar algunas herramientas de la Estadística Aplicada y la Probabilidad necesarias para el estudio de los nanosistemas: sin presuponer ningún conocimiento previo de Probabilidad ni de Estadística los y las estudiantes alcanzarán un grado de familiaridad con diversas técnicas estadísticas.
Las personas que cursen la asignatura aprenderán a afrontar problemas relacionados con el análisis de datos como son planificar las investigaciones que deberán generar los datos, analizar los datos obtenidos e interpretar los resultados.
Resultados de aprendizaje
- CM06 (Identificar la naturaleza matemática de determinados fenómenos físicos y químicos, para abstraer las variables esenciales que los describen.) Identificar la naturaleza matemática de determinados fenómenos físicos y químicos, para abstraer las variables esenciales que los describen.
- CM07 (Resolver problemas reales del ámbito de la ciencia y la tecnología mediante herramientas y métodos matemáticos.) Resolver problemas reales del ámbito de la ciencia y la tecnología mediante herramientas y métodos matemáticos.
- KM11 (Reconocer los métodos matemáticos (cálculo, álgebra, numéricos) utilizados en la modelización probabilística.) Reconocer los métodos matemáticos (cálculo, álgebra, numéricos) utilizados en la modelización probabilística.
- SM09 (Expresarse adecuadamente utilizando el lenguaje matemático básico.) Expresarse adecuadamente utilizando el lenguaje matemático básico.
- SM11 (Utilizar métodos y programas estadísticos al tratamiento de datos y al análisis de problemas concretos.) Utilizar métodos y programas estadísticos al tratamiento de datos y al análisis de problemas concretos.
- SM12 (Utilizar métodos gráficos y numéricos para explorar, describir e interpretar datos.) Utilizar métodos gráficos y numéricos para explorar, describir e interpretar datos.
Contenidos
- Estadística Descriptiva
- Introducción a la Probabilidad
- Variables aleatorias
- Distribuciones Muestrales
- Estimación puntual
- Intervalos de confianza
- Test de hipótesis
- Regresión lineal
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Clases teóricas | 36 | 1,44 | CM06, CM07, KM11, SM09, SM11, SM12 |
| Estudio personal | 36 | 1,44 | CM06, KM11 |
| Clases de prácticas | 4 | 0,16 | CM07, SM09, SM11, SM12 |
| Clases de problemas | 12 | 0,48 | CM06, CM07, KM11, SM09, SM11, SM12 |
| Resolución de problemas | 52 | 2,08 | CM06, CM07, KM11, SM09, SM11, SM12 |
| Preparación de las sesiones de prácticas | 4 | 0,16 | KM11 |
- Clases teóricas: Se introducirán los conceptos y métodos de los diferentes temas, con variedad de ejemplos.
- Clases de problemas: Los profesores resolverán ejercicios seleccionados de una colección que se pondrá a disposición de los estudiantes con anterioridad.
- Clases de prácticas: Se realizarán en un aula informática. Se prondrán actividades a realizar por medio de un programario adecuado. Deberán presentarse los resultados de algunas prácticas en un plazo establecido.
- Trabajo autónomo: Es imprescindible que los estudiantes complementen las activitades presenciales con el trabajo autónomo, individual o en grupo; es especialmente importante la resolución de problemas.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Exámenes parciales | 80% | 6 | 0,24 | CM06, CM07, KM11, SM09 |
| Resultados de las prácticas | 10% | 0 | 0 | CM07, KM11, SM09, SM11, SM12 |
| Presentación de problemas | 10% | 0 | 0 | CM07, KM11, SM09, SM11, SM12 |
Exámenes parciales: Se realizarán dos pruebas parciales, con un peso en la evaluación final del 40% cada una.
Prácticas y presentación de problemas: El 20% restante provendrá de la evaluación de los problemas presentados y de las sesiones prácticas a partes iguales. La presentación de las prácticas será obligatoria.
Prueba de recuperación: Se podrá hacer la recuperación de uno,o de los dos parciales. Podrán presentarse al examen de recuperación las personas que hayan realizado el menos el 60% de las actividades de evaluación continuada; por ejemplo: haberse presentado a los dos parciales, o bien a un parcial, las prácticas i tener todos los problemas presentados.
Se considerará "no evaluable" la persona que no haya realizado actividades de evaluación que supongan al menos del 50% de la evaluación total.
Evaluación única:
Las personas que sigan la modalidad de evaluación única deberán realizar una prueba final de un formato similar a las prueba parciales pero incluyendo actividades relativas a toda la asignatura. Esta prueba ss realizará el día en que se haga el examen del segundo parcial y supondrá un 90% de la nota.
La presentación de los resultados de las prácticas será también obligatoria, en el mismo plazo que las personas que sigan la evaluación continuada, y contribuirá el 10% restante de la nota.
Si fuera necesario, podrán realizar la prueba de recuperación, que será la misma para quienes sigan las dos formas de evaluación.
Uso de la IA:
En esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) exclusivamente en la búsqueda bibliográfica o de información. En el caso de las entregas evaluables se deberá identificar claramente que partes se han generado con esta tecnología, especificar las herramientas utilizadas y incluir una reflexión crítica sobre como éstas han influido en el proceso y el resultado final de la actividad. La no transparencia del uso de la IA en estas actividades evaluables se considerará falta de honestidad académica i podría comportar una penalización parcial o total en la nota de la actividad, o sanciones mayores en casos de gravedad.
Bibliografía
- R. Delgado de la Torre, Probabilidad y estadística para ciencias e ingenierías, Delta, 2008. Disponible en la biblioteca y en línea.
- Ross, Sheldon M. (2009). Introduction to probability and statistics for engineers and scientists. (4th ed.) Elsevier Academic Press. Disponible en línea
- Gupta, Bhisham C. & Jayalath, Kalanka & Guttman, Irwin. (2020). Statistics and probability with applications for engineers and scientists using Minitab, R and JMP. (2nd ed.) Wiley. Disponible en línea
Software
RStudio
Python
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (TE) Teoría | 1 | Catalán | segundo cuatrimestre | tarde |
| (PAUL) Prácticas de aula | 1 | Catalán | segundo cuatrimestre | tarde |
| (PLAB) Prácticas de laboratorio | 1 | Catalán | segundo cuatrimestre | manaña-mixto |
| (PLAB) Prácticas de laboratorio | 2 | Catalán | segundo cuatrimestre | manaña-mixto |