Percentatge d'alumnes amb una puntuació de TFG > 8 en funció del nombre total d'alumnes que l'han aprovat. Quota d'estudiants de la UB en programes de mobilitat en relació al total d'estudiants implicats en l'educació.
Introducció
Identificar els algorismes bàsics associats a determinats tipus de dades estructurades: algorismes de cerca i algorismes d'ordenació. Si cal, aplicar algorismes bàsics relacionats amb alguns tipus de dades estructurades: algorismes de cerca i algorismes d'ordenació.
Introducció a l’algorísmica
Constructors de tipus i algorismes
Activitats complementàries (ACT): activitats tant grupals com individuals per promoure l'aprenentatge actiu dels fonaments de la informàtica i el disseny d'algoritmes. Capacitat d'utilitzar mètodes estadístics com a base per a la presa de decisions en organitzacions de diferents àmbits professionals.
Probabilitat condicionada i independència estocàstica
La capacitat de classificar, presentar i resumir la informació utilitzant criteris objectius proporcionats per un conjunt de dades. Calcula probabilitats a partir d'una especificació de model proporcionada per una funció de densitat o funció de distribució de variables discretes i contínues.
Vectors aleatoris bivariants
En aquesta prova de síntesi s'ha d'obtenir una puntuació mínima de 4 sobre 10 per poder ser ponderada en el càlcul de la nota de l'avaluació final. S'avalua amb una única prova en la mateixa data que la prova de síntesi d'avaluació contínua.
Introducció a l’economia Conceptes bàsics
L'objectiu fonamental de l'assignatura és que l'estudiant conegui els principis bàsics de l'economia, tant des del seu punt de vista microeconòmic com macroeconòmic. Més concretament, l'objectiu és assolir les competències següents: la capacitat d'interpretar dades econòmiques i resoldre problemes econòmics; la capacitat d'anàlisi i síntesi; capacitat
Anàlisi macroeconòmica
Economia internacional
L'estudiant que vulgui renunciar a l'avaluació sobre el terreny i opti per una única avaluació ha de fer-ho abans d'una data determinada, que s'anuncia públicament amb antelació. Qui decideixi fer una prova de coneixements unificats haurà de fer un examen segons el programa amb preguntes tipus test i/o raonaments teòrics i resolució de problemes numèrics.
Els nombres reals
Funcions. Límits i continuïtat
Derivació. Polinomis de Taylor
Integració
Successions i sèries
Ser capaç d'entendre la importància i els objectius de la gestió dels recursos humans per a les empreses i demostrar coneixements bàsics dels principals processos d'aquesta àrea. Ser capaç de demostrar coneixements bàsics dels principals objectius de la gestió operativa i dels principals processos en aquesta àrea.
Introducció a l’empresa
Direcció
Recursos humans
Finances
Comercial i màrqueting
Operacions
Tramitació pràctica 1 i lliuraments parcials (al final de l'assignatura 3 "Recursos humans"): 5% de la nota. La prova d'estudi continuat 2 (PEC 2) consta d'una sèrie de preguntes breus relacionades amb la pràctica 2 i el tema 4 "Finances".
Espacios vectoriales
Su objetivo principal es familiarizar al estudiante con los conceptos y métodos básicos del cálculo matricial real. El problema básico es resolver e interpretar un sistema de ecuaciones lineales, imprescindible para el estudio de cualquier fenómeno de naturaleza lineal (o aproximativo a ella) y que se produce de forma repetida a lo largo de la materia.
Matrices
Determinantes
Las actividades que determinan la evaluación permanente son: las sesiones de laboratorio, la prueba parcial y la prueba final de la evaluación permanente. Para estar sujeto a evaluación continua es obligatorio haber superado al menos la prueba final de la evaluación continua.
Inferència estadística: introducció i conceptes bàsics Introducció, objectius i programa de l’assignatura
Saber utilitzar les proves d'hipòtesis i els intervals de confiança com a eines de presa de decisions. Calcular i interpretar proves de mitjanes i variàncies assumint la normalitat, en percentatges en un binomi, en els paràmetres d'un Poisson.
Proves d’hipòtesis per a una població. Conceptes fonamentals
Comparació de dues poblacions
Proves no paramètriques basades en la llei de khi al quadrat
L'entrega de resultats i conclusions d'un treball de camp [TC], que val el 25% del. Realització, durant el període d'exàmens, d'un exercici d'anàlisi global de dades amb R fet a l'aula d'informàtica [PR], amb un valor del 25% de la nota total.
Repàs d’eines fonamentals de la programació Els vectors
Entendre per què de vegades cal utilitzar una estructura de dades no lineal per resoldre un problema. Aplicar el judici adequat per seleccionar l'estructura de dades adequada per resoldre un problema determinat.
Diccionaris
La prova escrita també conté una part que avalua els coneixements de la part pràctica (NPRAC). Apreneu que cal utilitzar un alt grau de pragmatisme en l'aplicació dels mètodes de mostreig.
Teoremes límit com a fonament del mostreig
Es poden proposar activitats de classe per substituir part de la nota o complementar la nota dels exàmens parcials. PS: Càlcul de diverses variables http://www.ub.edu/grad/plae/AccesInformePD?curs=2013&codiGiga=.
Funcions de diverses variables
Diferenciació
Derivades d’ordre superior. Extrems
Capacitat per identificar els principals models de recerca operativa i conèixer-ne les propietats i l'abast. PS: Introducció a la Investigació Operativa http://www.ub.edu/grad/plae/AccesInformePD?curs=2013&codiGiga=.
Presentació
Introduir l'ús d'algunes estructures bàsiques de modelització i, en particular, les que són objecte de desenvolupament en altres assignatures de l'assignatura impartida en el grau. Comprendre els avantatges i els inconvenients de la modelització com a pas previ en el procés de resolució de problemes reals.
El procés de modelització
Resolució dels models lineals d’optimització
Models lineals d’optimització: plantejaments alternatius
Formulació i resolució dels models no lineals d’optimització
Els principis genèrics se situen en el marc de la programació lineal i no lineal i la presa de decisions en situacions. Treballar la realització de les diferents etapes de la pràctica, sota el guiatge del professor.).
L’enquesta com a tècnica d’investigació social
Estudia com es construeix un qüestionari, quines parts ha de tenir i com s'han d'escriure les preguntes. S'estudia com s'han d'introduir les dades recollides en un suport informàtic per tal de construir una base de dades per realitzar anàlisis estadístiques.
L’informe d’investigació
PS: Estadístiques per a la Gestió de la Qualitat http://www.ub.edu/grad/plae/AccesInformePD?curs=2013&codiGiga=. Ser conscient de la importància i les possibilitats de l'estadística en el context de la gestió de la qualitat.
Introducció a la gestió de la qualitat
Capacitat per aplicar tècniques estadístiques i investigació operativa en la millora de la qualitat i la productivitat en diferents entorns (tecnològic, industrial, etc.). Entendre i prendre consciència de per què les estadístiques són una eina important en la gestió de la qualitat.
Millora de la qualitat
Identificar en quines situacions les eines de millora de la qualitat poden ser útils i saber utilitzar-les correctament.
Variabilitat: causes i mesura
Control estadístic de processos
Inspecció per mostreig
Eines per a la planificació
L'alumnat que vulgui renunciar a l'avaluació contínua i optar per l'avaluació unificada ha de fer-ho abans d'una data determinada, que s'anuncia públicament amb prou antelació. Conèixer els principals tipus de processos estocàstics i reconèixer situacions reals en què són útils.
Variable aleatòria univariant 2. Distribucions multivariants
Conèixer algunes de les aplicacions de les matemàtiques a altres branques de la ciència i la tecnologia. La data de les activitats d'avaluació contínua es comunica amb una antelació mínima de dues setmanes.
Model estadístic
Conèixer el concepte d'estimador d'intervals, així com alguns mètodes per construir intervals de confiança. Aconseguir un nivell de càlcul suficient per poder derivar explícitament proves UMP quan estiguin disponibles, així com desenvolupaments bàsics de la prova de relació de versemblança.
Mètodes de construcció d’estimadors
Mètodes de construcció i avaluació d’intervals de confiança
Mètodes de construcció i avaluació de proves d’hipòtesis
Classes teòriques (40 hores), en les quals s'introdueixen i consoliden els conceptes principals mitjançant la resolució de tasques il·lustratives. L'aplicació pràctica dels mètodes presentats requereix l'ús d'ordinadors i l'ús i el coneixement del programari Matlab adequat per implementar els mètodes presentats a les explicacions de la classe.
Preliminars
Capacitat per descobrir, formular i aportar solucions mitjançant models d'investigació operativa a problemes de presa de decisions en diverses organitzacions i, si escau, integrar els resultats de les anàlisis estadístiques. Conèixer els models de presa de decisions més importants per a la investigació operativa en diverses àrees d'aplicació.
Introducció a la programació lineal (PL)
Aplicar, sense assistència informàtica, els estudiats algorismes de programació lineal a problemes acadèmics de dimensió reduïda. Aplicar, sense assistència informàtica, els algorismes estudiats de programació lineal entera a problemes acadèmics de dimensió reduïda.
Teoria de programació lineal i algorisme del símplex
Resoldre problemes reals de presa de decisions mitjançant programari d'optimització de referència corresponent als diferents algorismes d'optimització estudiats al llarg del curs.
Dualitat en programació lineal i anàlisi de sensibilitat
Models de programació lineal entera (PLE)
Algorismes de programació lineal entera
Prova de teoria (NAT, 60% de la nota): examen per avaluar l'adquisició d'habilitats relacionades amb la comprensió de les propietats dels models i algorismes. Prova d'avaluació pràctica (NAP, 40% de la nota): examen per avaluar l'adquisició de competències relacionades amb la implementació i solució computacional de problemes d'optimització.
El llenguatge de programació R
Desenvolupar aplicacions estadístiques estructurades i eficients mitjançant programari estadístic de referència, aplicant les habilitats adquirides en els cursos de programació. Aplicar models i tècniques estudiades a altres matèries d'investigació estadística i operativa mitjançant programari estadístic de referència, comercial i de distribució lliure.
El llenguatge SAS
Capacitat per proposar, modelitzar, analitzar, validar i interpretar situacions i problemes reals, adaptant els models teòrics a les necessitats especials dels diversos camps d'aplicació. E] Conèixer alguns termes i conceptes de biologia molecular i algunes tecnologies utilitzades en experiments biològics i biomèdics.
Estadística i bioinformàtica
Capacitat per utilitzar llenguatges de programació per implementar algorismes i sistemes de gestió de bases de dades. Ser capaç d'aplicar els coneixements teòrics mitjançant l'ús de programari de gestió de bases de dades.
Arxius i bases de dades
Conèixer els conceptes bàsics de les estructures de dades en memòria i els conceptes bàsics d'organització de dades. Saber resoldre problemes de complexitat baixa i mitjana construint una base de dades en l'àmbit de l'estadística.
Llenguatge SQL
Capacitat d'utilitzar, interpretar, documentar i adaptar eines informàtiques per a l'anàlisi estadística i la gestió de bases de dades, que permeten l'ajustament de models i la resolució de problemes.
Utilització del llenguatge SQL amb l’Access 1. Consultes bàsiques
Utilització del llenguatge SQL amb el SAS 1. Consultes bàsiques
Els estudiants que ho desitgin poden optar per ser avaluats amb una prova final i única que representa el 100% de la nota. Aquesta prova és diferent de la realitzada pels alumnes que van seguir la prova de coneixements en curs, i es realitza en una data determinada pel consell docent.
Model bayesià
Conèixer les contribucions rellevants de l'estadística al progrés científic i tècnic en diferents àrees del coneixement. Introducció als mètodes de Montecarlo basats en cadenes de Markov per a la inferència bayesiana.
Computació bayesiana
Construcció de models
L'avaluació de l'assignatura té una doble finalitat: d'una banda, comprovar fins a quin punt cada alumne ha assolit els objectius, que es qualifica per la nota; d'altra banda, donar feedback als alumnes al llarg del curs sobre com ho estan fent perquè puguin corregir a temps situacions inexistents. La nota de l'assignatura es calcula de la següent manera: on Npract és la nota dels treballs de les classes pràctiques, NExParc és la nota del col·loqui i NExFinal és la nota de l'examen final.
Regressió lineal simple
L'alumnat que es perdi una prova per motius justificats, pot fer com a màxim una prova el dia de la prova de síntesi. Aplicar els conceptes de programació no lineal per trobar resultats i inferir-ne la naturalesa.
Programació no lineal
Pel que fa als fluxos en xarxes, atès que una gran part dels problemes es poden resoldre mitjançant programació lineal, l'objectiu de l'assignatura és exposar tant les nocions elementals de la teoria com conèixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismes propis de les xarxes. la seva solució. Pel que fa a les classes, es pretén que l'anàlisi de diversos exemples porti a la necessitat de definir conceptes bàsics, i que aquests conceptes i procediments s'apliquin després a exemples més complexos de la realitat econòmica.
Temari sencer
Per poder fer l'avaluació contínua, almenys quatre de les sis tasques o exercicis que es realitzen al llarg del curs s'han d'haver realitzat en el moment corresponent i, per descomptat, l'examen final s'ha de fer al final de la contínua valoració. L'única avaluació (sense continuïtat) de l'assignatura consta d'un examen final amb una part teòrica i una part pràctica.
Disseny d’un factor
Aplicar les directrius de treball correctes en cadascuna de les etapes necessàries quan s'utilitza un model de regressió lineal múltiple: especificació, estimació, validació i interpretació. Desenvolupar l'interès per l'anàlisi i la recerca aplicada a partir de l'ús de tècniques economètriques i de modelització.
El model de regressió lineal múltiple: especificació i estimació 1. Especificació del model
Incompliment de les hipòtesis bàsiques del terme de pertorbació 1. Matrius de variàncies i covariàncies escalars i no escalars
Heteroscedasticitat
Assimilar la idea d'aplanament de corbes i la seva aplicació a la regressió no paramètrica i l'estimació de la funció de densitat no paramètrica. Aquesta habilitat inclou saber utilitzar més d'un mètode simultàniament, com ara el bootstrapping i l'estimació de densitat no paramètrica en el mateix problema de classificació.
Visió global de l’estadística no paramètrica i de remostreig sobre un cas d’estudi
Algunes proves bàsiques de permutació: dues mostres independents, dades aparellades, significació de la correlació, ANOVA unidireccional.
Mètodes de suavització i estadística no paramètrica
Seguir les activitats pràctiques com a mitjà per aprofundir en el domini dels procediments i competències bàsiques de l'assignatura i la seva didàctica, i també com a sistema per aprofundir en els coneixements teòrics de l'assignatura. Conèixer el paper de la simulació com a eina metodològica per avaluar models de cua i sistemes d'emmagatzematge.
Introducció als processos de renovació
Conèixer les magnituds fonamentals més importants que intervenen en un sistema de cues i com reflecteixen el funcionament d'aquest sistema, així com les interrelacions entre aquestes magnituds. Identificar les distribucions de probabilitat subjacents en els diferents processos implicats en un sistema d'espera.
Cues no exponencials
L'assignatura inclou el desenvolupament d'un treball del curs amb subtasques de tota l'assignatura. Conèixer i comprendre els diferents mètodes utilitzats dins de l'anomenada anàlisi determinista de sèries temporals per calcular prediccions i estimar-ne els components.
Introducció a les sèries temporals
Conèixer les bases teòriques i pràctiques en relació amb la identificació, estimació, validació i modelització de sèries temporals mitjançant models SARIMA. Donada una sèrie temporal, poder decidir quin tipus de model SARIMA és el més adequat.
Metodologia Box-Jenkins
Els alumnes que segueixin l'avaluació continuada i no es presentin a la prova final rebran la qualificació de “no presentat”. Aquesta prova de reavaluació sempre té les característiques de la prova única, permet obtenir la màxima nota i pot ser presentada per tots els alumnes, independentment de si han optat per l'avaluació única o contínua.
Introducció a l’MLGz
Conèixer l'extensió a models d'efectes aleatoris lineals generalitzats o models mixts quan les dades no són independents. Saber resoldre alguns models lineals generalitzats d'ús habitual: model lineal general, regressió logística i models log-lineals.
Models lineals generalitzats amb efectes aleatoris
Conèixer i comprendre alguns dels models més importants de relacions lineals entre variables de la família exponencial. Davant de la descripció d'un conjunt de dades, ser capaç de formular correctament el model estadístic associat adequat.
Disseny d’experiments a la indústria
Metodologia de superfície de resposta
Control estadístic de processos: monitoratge i ajust
Estudis de repetibilitat i reproductibilitat
Casos pràctics d’aplicació de l’estadística en la indústria i en els serveis
Es busca la participació de tots els alumnes en la discussió de les situacions i casos plantejats. Les assignatures en què cal tenir una bona base són, sobretot, l'anàlisi multivariant i els models lineals.
Introducció a la mineria de dades
Visualització de les dades
Clusterització (o clustering)
Arbres de decisió
Regles d’associació
Metodologia de validació
Regles de classificació. Anàlisi discriminada paramètrica
Discriminació no paramètrica
Mètodes flexibles de discriminació
Xarxes neuronals
Xarxes neuronal radials
Modelització multivariant
Especificar correctament les mesures de risc i rendibilitat dels actius i carteres, així com els models bàsics de risc col·lectiu i individual. Conèixer els models per a la selecció òptima de carteres d'actius utilitzats i la seva implementació amb suport informàtic.
Introducció a les assegurances
Estadística per a les assegurances de vida
Introducció als mercats financers, preus i riscos
Estadística borsària
Estadística de la gestió del risc
Anàlisi de supervivència http://www.ub.edu/grad/plae/AccesInformePD?curs=2013&codiGiga=.. component), en pediatria (temps fins al deslletament), etc. Aplicar les principals tècniques i models d'anàlisi de supervivència mitjançant programari estadístic de referència.
Conceptes i inferència Introducció
Conèixer el procés de realització d'un cens de població, el contingut de les fitxes vitals i les característiques de les enquestes. Descriu l'evolució que ha experimentat el fenomen del matrimoni i la convivència en les últimes dècades.
Estructura i creixement de la població 1. Equació demogràfica bàsica
Utilitzar entorns estadístics R i SAS per a l'anàlisi de dades d'estudis empírics en ciències de la salut. Prendre consciència de les qüestions ètiques inherents als estudis empírics dins de les ciències de la salut.
Entorn de treball
Aplicar tècniques estadístiques en estudis empírics en ciències de la salut i interpretar correctament els resultats. Aplicar les tècniques estadístiques aplicades a la revisió sistemàtica d'estudis en ciències de la salut i interpretar correctament els resultats.
Assajos clínics i revisions sistemàtiques
