Guia Docent 1920 Facultat drsquoEconomia i Empresa (UB) Facultat de Matemagravetiques i Estadiacutestica (UPC)
Grau en Estadiacutestica
Cur
s Fou
rier
1768-1830
Grau Estadiacutestica Sumari___________________________________________
Catalagrave
Informacioacute general
Assignatures Grau Estadiacutestica
Espantildeol
Informacioacuten general
English
General Information
Grau en Estadiacutestica (interuniversitariUB-UPC)
Amb el grau en Estadiacutestica (acreditat amb excelmiddotlegravencia per lAQU Catalunya) coordinat per la Universitat de Barcelona (UB) iamb la participacioacute de la UPC cursaragraves mategraveries vinculades a lrsquoestadiacutestica la probabilitat la investigacioacute operativa lainformagravetica o lrsquoeconomia que et permetran dissenyar megravetodes per recollir dades i transformar-les en informacioacute uacutetil per a lapresa de decisions en empreses organitzacions i institucions dirigir processos de control i millora de la qualitat i elaborarestudis drsquoopinioacute puacuteblica informes estadiacutestics estudis epidemiologravegics i assajos cliacutenics en lrsquoagravembit de la sanitat Aquests estudissrsquoimparteixen conjuntament amb la Universitat de Barcelona (UB) i aixograve enriqueix la formacioacute gragravecies a la unioacute de lrsquoexpertesadel professorat de totes dues universitats en els agravembits de lrsquoenginyeria i la tecnologia lrsquoeconomia les ciegravencies socials i lesciegravencies de la salut
Aquest grau simparteix a la Facultat de Matemagravetiques i Estadiacutestica DADES GENERALS
Durada4 anys
Cagraverrega lectiva240 cregravedits ECTS (incloent-hi el treball de fi de grau) Un cregravedit equival a 25-30 hores de treball
Tipus de docegravenciaPresencial
Nota de tall del curs 2019-20209512
Horaristorns1r i 2on (matiacute) i 3er i 4rt (tarda)
Preus i bequesPreu aproximat per curs 2326 euro Consulta el percentatge de minoracioacute en funcioacute de la renda (beques i modalitats depagament)
Tiacutetol oficialInscrit en el registre del Ministeri dEducacioacute Cultura i Esport
ACCEacuteS
Places nou ingreacutes50
Nota de tall del curs 2019-20209512 Notes de tall
Ponderacions PAUTaula de ponderacions de les mategraveries per a la fase especiacutefica
Com shi accedeixTotes les vies dacceacutes preinscripcioacute i matriacutecula
Convalidacions de CFGSConvalidacions de CFGS
Legalitzacioacute de documentsEls documents expedits per estats no membres de la Unioacute Europea ni signataris de lrsquoAcord sobre lrsquoespai econogravemic
europeu han destar legalitzats per via diplomagravetica o amb la postilmiddotla corresponent
SORTIDES PROFESSIONALS
Sortides professionalsSalut i ciegravencies naturals serveis de sanitat medicina salut puacuteblica induacutestria farmacegraveutica assaigs cliacutenics sanitat
animal medi ambient ciegravencies de la vida bioinformagravetica i agriculturaData Science
Economia i finances ciegravencies actuarials assegurances banca avaluacioacute de riscos i concessioacute de cregravedits borsa
gestioacute de carteres de valors anagravelisi financera investigacioacute de mercats anagravelisi de la competegravencia o poliacutetiques depreusAdministracions puacutebliques activitats en instituts oficials destadiacutestica projeccions demogragravefiques tendegravencies socials
mercat de treball assignacioacute ograveptima de recursos etcInduacutestria i serveis (incloent-hi la informagravetica) disseny dexperiments control de qualitat millora de processos i
productes logiacutestica gestioacute dinventaris planificacioacute de la produccioacute i gestioacute ograveptima de recursosDocegravencia i recerca
ORGANITZACIOacute
Organitzacioacute dels estudis
Els estudis tenen una durada de quatre anys organitzats en vuit quadrimestres Totes les assignatures del pladestudis soacuten de 6 ECTS llevat del treball de fi de grau que en teacute 18
Calendari acadegravemicCalendari acadegravemic dels estudis universitaris de la UPC
Normatives acadegravemiquesNormativa acadegravemica dels estudis de grau de la UPC
Acreditacioacute i reconeixement didiomesEls estudiants de grau han dacreditar la competegravencia en una tercera llengua per obtenir el tiacutetol de grau Certifica el teunivell drsquoidiomes
Facultat de Matemagravetiques i Estadiacutestica (FME)
PLA DESTUDIS
Assignatures cregraveditsECTS
Tipus
PRIMER CURS
Agravelgebra Lineal 6 Obligatograveria
Estadiacutestica Descriptiva 6 Obligatograveria
Fonaments dAdministracioacute dEmpreses 6 Obligatograveria
Introduccioacute a la Inferegravencia Estadiacutestica 6 Obligatograveria
Introduccioacute a la Informagravetica 6 Obligatograveria
Introduccioacute a la Investigacioacute Operativa 6 Obligatograveria
Introduccioacute a la Probabilitat 6 Obligatograveria
Assignatures cregraveditsECTS
Tipus
Introduccioacute al Cagravelcul 6 Obligatograveria
Principis dEconomia 6 Obligatograveria
Programacioacute 6 Obligatograveria
SEGON CURS
Cagravelcul de Diverses Variables 6 Obligatograveria
Disseny dEnquestes 6 Obligatograveria
Estadiacutestica per a la Gestioacute de la Qualitat 6 Obligatograveria
Estadiacutestica Puacuteblica 6 Obligatograveria
Inferegravencia Estadiacutestica 6 Obligatograveria
Megravetodes de Mostratge 6 Obligatograveria
Megravetodes Numegraverics 6 Obligatograveria
Probabilitat i Processos Estocagravestics 6 Obligatograveria
Programacioacute Lineal i Entera 6 Obligatograveria
Software Estadiacutestic 6 Obligatograveria
TERCER CURS
Anagravelisi Multivariant 6 Obligatograveria
Disseny dExperiments 6 Obligatograveria
Econometria 6 Obligatograveria
Estadiacutestica per a les Biociegravencies 6 Obligatograveria
Fitxers i Bases de Dades 6 Obligatograveria
Megravetodes Bayesians 6 Obligatograveria
Megravetodes No Paramegravetrics i de Remostreig 6 Obligatograveria
Models Lineals 6 Obligatograveria
Programacioacute No Lineal i Fluxos en Xarxes 6 Obligatograveria
Teoria de Cues i Simulacioacute 6 Obligatograveria
QUART CURS
Anagravelisi de Segraveries Temporals 6 Obligatograveria
Anagravelisi de Supervivegravencia 6 Optativa
Demografia 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Megravedica 6 Optativa
Estadiacutestica per a la Millora de la Qualitat 6 Optativa
Megravetodes Estadiacutestics en Mineria de Dades 6 Optativa
Megravetodes Estadiacutestics per a Finances i Assegurances 6 Optativa
Megravetodes Estadiacutestics per al Magraverqueting 6 Optativa
Models Lineals Generalitzats 6 Obligatograveria
Optimitzacioacute en Enginyeria 6 Optativa
Optimitzacioacute Financera 6 Optativa
Assignatures cregraveditsECTS
Tipus
Pragravectiques Empresarials I 6 Optativa
Pragravectiques Empresarials II 6 Optativa
Treball de Fi de Grau 18 Projecte
Setembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Pla docent de lassignatura
Dades generals
Nom de lassignatura Agravelgebra Lineal
Codi de lassignatura 361212
Curs acadegravemic 2019-2020
Coordinacioacute Xavier Guitart Morales
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoria 30
- Teoricopragravectica 15
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura eacutes una introduccioacute a lrsquoagravelgebra lineal sobre els nombres reals adaptada especialmentper a usos estadiacutestics Lrsquoobjectiu principal eacutes familiaritzar-se amb les nocions i megravetodes bagravesics delcagravelcul matricial real
No obstant aixograve no es tracta nomeacutes drsquoadquirir mecanismes de cagravelcul sinoacute tambeacute drsquoarribar a unacomprensioacute adequada del seu significat Per aconseguir-ho srsquointrodueixen els conceptes meacuteselementals del llenguatge drsquoespais vectorials juntament amb una intuiumltiva interpretacioacutegeomegravetrica afiacute i euclidiana que permet visualitzar nocions i teoremes
El problema bagravesic eacutes resoldre i interpretar un sistema drsquoequacions lineals essencial per a lrsquoestudide qualsevol fenomen de caragravecter lineal (o que srsquohi acosti) i que apareix repetidament durant totalrsquoassignatura
Un objectiu complementari drsquoaquesta assignatura eacutes adquirir un cert hagravebit de raonament cientiacuteficproporcionat tant pel contingut teograveric com pels exercicis que es resolen a les classes pragravectiques
Els resultats especiacutefics drsquoaprenentatge que es volen aconseguir amb aquesta assignatura soacutenmdash Adquirir habilitat en el cagravelcul matricialmdash Resoldre sistemes drsquoequacions lineals i saber interpretar-ne els resultatsmdash Adquirir habilitat en el maneig de vectors bases i subespais vectorialsmdash Calcular determinants i conegraveixer-ne les propietats bagravesiquesmdash Calcular productes escalars de vectors i bases ortonormals Saber calcular projeccions ensubespaismdash Factoritzar simbogravelicament una matriu (diagonalitzacioacute)
Blocs temagravetics
1 Espais vectorials
Conceptes clau sistema lineal espai vectorial independegravencia lineal base dimensioacute aplicacioacutelineal nucli i imatge
Objectius especiacuteficsmdash Repassar les maneres de resoldre un sistema lineal i introduir la nocioacute drsquoespai vectorial atraveacutes del conjunt de solucions drsquoun sistemamdash Introduir la nocioacute clau drsquoindependegravencia lineal i despreacutes la nocioacute de dimensioacutemdash Introduir les aplicacions lineals i les operacions que srsquohi poden fer com tambeacute els cagravelculs dedimensions que faciliten
11 Sistemes drsquoequacions lineals Megravetode de Gauss-Jordan
12 Espais vectorials Subespais Suma i interseccioacute
13 Dependegravencia lineal Bases Dimensioacute
14 Aplicacions lineals Construccioacute drsquoaplicacions lineals Suma i producte
15 Nucli imatge i rang drsquouna aplicacioacute lineal
2 Matrius
Conceptes clau matriu drsquouna aplicacioacute lineal operacions amb matrius transposada rang
operacions elementals canvis de base
Objectius especiacuteficsmdash Definir les operacions amb matrius i estudiar-ne les propietatsmdash Introduir les operacions elementals i aplicar-les al cagravelcul del rang i de la inversa drsquounamatriumdash Estudiar un sistema lineal amb els instruments ja introduiumlts de rang nucli etcmdash Estudiar com canvien les coordenades i matrius en canviar una base
21 Matrius i aplicacions lineals
22 Producte de matrius Matrius invertibles
23 Transposada drsquouna matriu Igualtat dels rangs de files i columnes
24 Operacions elementals Cagravelcul del rang i de la matriu inversa
25 Comptabilitat i estructura de les solucions drsquoun sistema drsquoequacions lineals
26 Canvis de base
3 Determinants
Conceptes clau determinant drsquouna matriu quadrada desenvolupament drsquoun determinantmenors
Objectius especiacuteficsmdash Definir els determinants i exposar-ne les propietats bagravesiquesmdash Caracteritzar la independegravencia lineal amb determinants i utilitzar-los per calcular el rang i lainversa drsquouna matriumdash Resoldre un sistema lineal mitjanccedilant determinants
31 Definicioacute i propietats del determinant drsquouna matriu
32 Desenvolupament drsquoun determinant Determinant de les matrius producte
transposada i inversa Determinant drsquouna matriu repartida en blocs
33 Determinants i independegravencia lineal Cagravelcul del rang drsquouna matriu mitjanccedilant
determinants
34 Resolucioacute de sistemes lineals mitjanccedilant determinants Regla de Cramer
4 Producte escalar
Conceptes clau producte escalar norma base ortonormal ortogonal drsquoun subespai projeccioacuteortogonal
Objectius especiacuteficsmdash Construir bases ortonormalsmdash Calcular projeccions ortogonals
41 Producte escalar Espai vectorial euclidiagrave
42 Norma Desigualtat de Schwarz
43 Bases ortonormals Megravetode de Gram-Schmidt
44 Lrsquoortogonal drsquoun subespai Projeccions ortogonals
5 Diagonalitzacioacute de matrius
Conceptes clau valor propi vector propi polinomi caracteriacutestic diagonalitzacioacute
Objectius especiacuteficsmdash Aprendre a diagonalitzar i comprendrersquon el significatmdash Caracteritzar les matrius diagonalitzables
51 Valors i vectors propis Subespais caracteriacutestics
52 Polinomi caracteriacutestic
53 Caracteritzacioacute de matrius diagonalitzables
6 Formes quadragravetiques reals
Conceptes clau forma quadragravetica rang iacutendex i signatura positivitat
Objectius especiacuteficsmdash Classificar una forma quadragravetica mitjanccedilant operacions elementalsmdash Donar el criteri de positivitat drsquouna forma quadragravetica
61 Formes quadragravetiques Representacioacute matricial
62 Canvis de base Congruegravencia de matrius
63 Formes (semi)definides
64 Reduccioacute a forma canogravenica Llei drsquoinegravercia de Sylvester Criteri de Sylvester Criteri de
positivitat
7 Cagravelcul matricial real i aplicacions
Conceptes clau matriu ortogonal matriu simegravetrica
Objectius especiacuteficsmdash Comprendre que tota matriu simegravetrica real eacutes diagonalitzable mitjanccedilant una matriuortogonalmdash Aplicar el resultat al cagravelcul de diverses descomposicions drsquouna matriu
71 Matrius ortogonals
72 Diagonalitzacioacute de matrius reals simegravetriques
73 Matrius (semi)definides positives cagravelcul drsquoarrels i descomposicioacute en producte drsquouna
matriu i la seva transposada
Metodologia i activitats formatives
La docegravencia srsquoorganitza en classes teograveriques classes teoricopragravectiques classes de laboratori i una provaparcial
Una hora de classe de laboratori seminari es desdobla en dos grups en franges horagraveries consecutives
Les classes de laboratori soacuten sessions presencials drsquouna hora de durada sempre dins de lrsquohorariprevist de classes Consisteixen en la resolucioacute per escrit drsquoexercicis que srsquoextreuen de llistes anunciadespregraveviament a traveacutes del Campus Virtual Els estudiants han de fer un nombre miacutenim de lliuramentsdrsquoaquests exercicis resolts per poder optar a la qualificacioacute corresponent El nombre miacutenim delliuraments drsquoexercicis srsquoestableix en comenccedilar el curs
A final drsquoabril en una classe drsquohora i mitja es fa una prova parcial individual amb un format similar alde la prova final drsquoavaluacioacute El temari de la prova parcial abasta la mategraveria impartida fins aleshores
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Les activitats que determinen lrsquoavaluacioacute continuada soacuten les sessions de laboratori la prova parciali la prova de tancament de lrsquoavaluacioacute continuada
La prova de tancament eacutes la mateixa que la prova drsquoavaluacioacute uacutenica i es fan conjuntament en la data dejuny fixada pel Consell Docent Aquestes proves consten de diversos exercicis (75 de la nota) i drsquounapregunta teograverica (25 de la nota)
Per poder ser objecte drsquoavaluacioacute continuada eacutes obligatori haver fet com a miacutenim la prova detancament de lrsquoavaluacioacute continuada i haver obtingut una nota miacutenima de 4 punts en aquesta prova
La qualificacioacute de lrsquoassignatura srsquoobteacute sumant la nota obtinguda en les sessions de laboratori (30 ) lanota de la prova parcial (20 ) i la nota de la prova de tancament (50 )
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui acollir-se a lrsquoavaluacioacute uacutenica ho ha de fer abans de la data liacutemit fixada pel ConsellDocent
La prova drsquoavaluacioacute uacutenica constitueix el 100 de la nota final de lrsquoassignatura i teacute lloc en la data dejuny fixada pel Consell Docent
Reavaluacioacute
Despreacutes de la qualificacioacute en el mes de juny lrsquoestudiant que no hagi superat lrsquoassignatura (sense tenir
en compte la forma drsquoavaluacioacute que hagi escollit) teacute dret a una prova de reavaluacioacute Aquesta provaes fa el mes de juliol en la data que fixi el Consell Docent
La prova de reavaluacioacute teacute el mateix format que la drsquoavaluacioacute uacutenica i es qualifica al 100 independentment de totes les proves anteriors
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AMERRamon et al Agravelgebra lineal Problemes exercicis i quumlestions Terrassa UPC 1998
CASTELLETManuel et al Agravelgebra lineal i Geometria 4a ed Bellaterra UAB 2011
MERINO Luis M et al Aacutelgebra lineal con meacutetodos elementales Madrid Thomson 2006
MORENOJoseacute Miguel Una introduccioacuten al Aacutelgebra lineal elemental 2a ed Bellaterra UAB 1990
NART Enric Notes drsquoagravelgebra lineal Bellaterra UAB 2003
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Segraveries Temporals
Codi de lassignatura 361233
Curs acadegravemic 2019-2020
Coordinacioacute Antoni Meseguer Artola
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques dordinadors 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Conegraveixer i entendre els diferents megravetodes usats dins de lrsquoanomenada anagravelisi determinista desegraveries temporals per tal de calcular prediccions i estimar-ne les components
Conegraveixer els fonaments teograverics i pragravectics relatius a la identificacioacute estimacioacute validacioacute imodelitzacioacute de segraveries temporals a traveacutes de models SARIMA
Referits a habilitats destreses
Identificar si una segraverie temporal segueix un esquema additiu o multiplicatiu
Aplicar els megravetodes de lrsquoanagravelisi determinista de segraveries temporals per tal de calcular prediccions
Donada una segraverie temporal ser capaccedil de decidir quin tipus de model SARIMA eacutes el meacutes adient
Usar els models SARIMA per calcular prediccions
Usar i programar algorismes drsquoestimacioacute i previsioacute usant R
Blocs temagravetics
1 Introduccioacute a les segraveries temporals
11 Definicioacute de segraverie temporal i prediccioacute econogravemica
12 Classificacioacute dels megravetodes de prediccioacute
13 Criteris drsquoavaluacioacute de la capacitat predictiva
2 Anagravelisi determinista de segraveries temporals
21 Components drsquouna segraverie temporal
22 Prediccioacute amb models sense tendegravencia
23 Prediccioacute amb models amb tendegravencia
3 Tractament determinista de lrsquoestacionalitat
31 Anagravelisi del component estacional
32 Prediccioacute amb models sense tendegravencia i amb component estacional
33 Prediccioacute amb models amb tendegravencia i component estacional
4 Anagravelisi estocagravestica de segraveries temporals
41 Processos estocagravestics
42 Conceptes drsquoestacionarietat i ergodicitat
43 Funcions drsquoautocovariagravencia i autocorrelacioacute
44 Funcions drsquoautocovariagravencia i autocorrelacioacute mostral
45 Models elementals soroll blanc i camiacute aleatori
5 Models lineals de segraveries temporals
51 Models de mitjanes mogravebils (MA)
52 Models autoregressius (AR)
53 Models mixtos (ARMA)
54 Processos no estacionaris Models integrats (ARIMA)
55 Models estacionals (SARIMA)
6 Metodologia Box-Jenkins
61 Identificacioacute de models SARIMA
62 Estimacioacute de paragravemetres
63 Validacioacute del model
64 Prediccioacute puntual i per interval
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Tallers a lrsquoaula drsquoinformagravetica en quegrave lrsquoobjectiu eacutes dur a terme problemes i exemples pragravectics quepermetin conegraveixer la vessant meacutes aplicada de lrsquoanagravelisi de segraveries temporals 3 Dues pragravectiques individuals que srsquohan de fer fora de les hores de classe i que tambeacute serveixen com aevidegravencies drsquoavaluacioacute per als estudiants que optin per lrsquoavaluacioacute continuada Es tracta de dos casospragravectics basats en dades reals en quegrave els estudiants han drsquoaplicar les eines drsquoanagravelisi de segraveries temporalsper donar resposta a algun problema
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classeConsta de diferents activitats individuals que es duen a terme al llarg del curs
a) Dues pragravectiques
Pragravectica 1 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi determinista de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de novembre
Pragravectica 2 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi estocagravestica de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de gener
b) Una prova final sobre els continguts treballats al llarg de tot el curs Valor 60 de la nota finalData la fixada pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Els estudiants que segueixin lrsquoavaluacioacute continuada i no es presentin a la prova final tenen unaqualificacioacute de laquono presentatraquo Si es presenten a la prova final i obtenen una nota igual o superior a 4(sobre 10) llavors la qualificacioacute final eacutes la que srsquoobtingui de la mitjana ponderada de les duespragravectiques i la prova final En el cas que la nota en aquesta prova final sigui inferior a 4 la qualificacioacutefinal eacutes aquesta nota Per tant en aquest darrer cas no es fa la mitjana ponderada amb les duespragravectiques
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova es fa en les dates fixades pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-sea lrsquoavaluacioacute uacutenica han de fer-ho abans drsquoaquesta data que es fa puacuteblica amb antelacioacute suficient
Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Time series analysis forescasting and control 4th edicioacute Hoboken NJ Wiley2008
BROCKWELL Peter J Introduction to time series and forecasting New York Springer 2010
PENtildeA Daniel Anaacutelisis de series temporales Madrid Alianza Editorial 2010
SHUMWAY Robert H et al Time series analysis and Its applications with R exemples 3rd ed New York[etc] Springer 2011
URIEL Ezequiel et al Introduccioacuten al anaacutelisis de series temporales Madrid Editorial AC-Thomson 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Supervivegravencia
Codi de lassignatura 361245
Curs acadegravemic 2019-2020
Coordinacioacute Lluis Bermudez Morata
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 15
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Lrsquoanagravelisi de la supervivegravencia eacutes un conjunt de tegravecniques i models estadiacutestics que tracten drsquoanalitzar lesvariables aleatograveries definides com ara la durada o temps entre dos successos
La caracteriacutestica meacutes rellevant drsquoaquesta mategraveria eacutes la seva aplicabilitat en agravembits i camps moltdiversos Per citar alguns exemples en medicina (temps fins a la curacioacute drsquoun pacient) en biologia(temps fins a la mort drsquoun animal) en sociologia (temps fins a lrsquoocupacioacute drsquouna persona en atur) enepidemiologia (temps fins a la infeccioacute) en assegurances (temps fins a la mort drsquouna persona) engeriatria (temps fins a la incapacitacioacute drsquouna persona) en enginyeria (temps fins a la fallada drsquouncomponent) en pediatria (temps fins al deslletament) etcegravetera
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer i distingir les funcions de supervivegravencia les funcions de risc i la funcioacute de riscacumulada
Reconegraveixer la presegravencia de dades censurades io truncades en un estudi estadiacutestic
Modelar amb procediments paramegravetrics o semiparamegravetrics dades que representen durades entredos successos
Utilitzar el model de Cox de riscos proporcionals per a la inclusioacute de covariables en els estudis desupervivegravencia
Referits a habilitats destreses
Aplicar les principals tegravecniques i models per a lrsquoanagravelisi de la supervivegravencia utilitzant programariestadiacutestic de referegravencia
Blocs temagravetics
1 Conceptes i inferegravencia
11 Introduccioacute
12 Inferegravencia no paramegravetrica per a lrsquoanagravelisi de supervivegravencia
13 Comparacioacute de dues o meacutes poblacions mitjanccedilant processos no paramegravetrics
2 Models de regressioacute
21 Estimacioacute i regressioacute dels models paramegravetrics
22 Regressioacute semiparamegravetrica el model de Cox de riscos proporcionals
Metodologia i activitats formatives
En les classes magistrals el professor explica els continguts teograverics i pragravectics de la mategraveria es comentenaplicacions reals dels models presentats i es resolen exercicis pragravectics que ajudin a consolidar elcontingut del temari
Les classes pragravectiques es fan en aules drsquoinformagravetica i es resolen exercicis pragravectics del temari amb lrsquoajudadel paquet survival del programari R
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Primera convocatograveria
El procediment drsquoavaluacioacute de lrsquoadquisicioacute de competegravencies es basa en un proceacutes drsquoavaluacioacutecontinuada en quegrave la nota final eacutes una ponderacioacute dels coneixements teoricopragravectics i habilitatsadquirits al llarg del curs mitjanccedilant
mdash Dues proves escrites dels continguts teograverics i pragravectics del temari una per a cada bloc temagravetic un copfinalitzades les classes corresponents a cada bloc (35 + 35 )
mdash Lliurament drsquoexercicis durant el curs en grups de tres o quatre alumnes (15 )
mdash Un treball escrit al final de curs en grups de tres o quatre alumnes (15 )
Per tenir nota amb aquesta opcioacute drsquoavaluacioacute continuada eacutes imprescindible fer les dues proves escrites
Segona convocatograveria
La nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels continguts teograverics i pragravectics deltemari
Avaluacioacute de les competegravencies
Les tres competegravencies especiacutefiques de la titulacioacute que teacute en compte lrsquoassignatura es poden resumir en
aquest cas en la capacitat de saber aplicar els megravetodes estadiacutestics adequats a lrsquoestudi de variablesaleatograveries definides com el temps fins a un esdeveniment Per aixograve cal que lrsquoestudiant aprengui amobilitzar i integrar una segraverie de coneixements teograverics unes habilitats i unes actituds Lrsquoavaluacioacutedrsquoaquesta competegravencia va molt lligada a lrsquoavaluacioacute presentada per lrsquoassignatura Els coneixementsteograverics es comproven als dos parcials tant a la part teograverica com a la pragravectica Drsquoaltra banda leshabilitats i actituds aixiacute com la integracioacute i mobilitzacioacute de tot plegat srsquoavalua a la part pragravectica de lesproves parcials i als treballs i pragravectiques en equip que lrsquoestudiant ha de presentar
Avaluacioacute uacutenica
En les dues convocatograveries la nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels contingutsteograverics i pragravectics del temari
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KLAINBAUM David G et al Survival analysis a self-learning text (Statistics for Biology and Health) 3thed New York Springer 2012
KLEIN JohnP et al Survival analysis techniques for censored and truncated data New York Springer2003
LEE Elisa T et al Statistical Methods for survival data analysis New Jersey Wiley Series 2013
KALBFLEISCH JD et al The statistical analysis of failure time data 2nd edition New York Wiley-Interscience 2002
COX David Roxbee et al Analysis of survival data London Chapman and Hall 1984
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi Multivariant
Codi de lassignatura 361232
Curs acadegravemic 2019-2020
Coordinacioacute KARINA GIBERT OLIVERAS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors
(Es desenvolupa a lrsquoaula drsquoinformagraveticaperograve inclou pragravectica drsquoordinadors i tambeacutedesenvolupament de projecte llarg)
30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Capacitats pregravevies
mdash Agravelgebra lineal espai vectorial real megravetriques projeccions diagonalitzacioacute de matrius etc
mdash Coneixements bagravesics de teoria de la probabilitat i drsquoestadiacutestica descriptiva i inferencial
mdash Coneixements bagravesics de R i algoriacutetmia per dissenyar scripts drsquoanagravelisi automatitzada
Altres recomanacions
mdash Seguir puntualment el desenvolupament del treball en equip cada setmana per evitaracumulacioacute de tasques pendents a final de curs
mdash Aprofitar les hores de laboratori per resoldre els dubtes amb la professora drsquoaquest treball enequip i poder avanccedilar cada setmana en el treball drsquoacord amb el temari de lrsquoassignatura
mdash Fer atencioacute a les indicacions que es donen al llarg del curs sobre la coordinacioacute del treball enequip i consultar la documentacioacute relacionada que es distribueix des de la coordinacioacute delrsquoassignatura
mdash Assegurar-se que els lliuraments srsquoajusten a les instruccions de lliurament disponibles a lapagravegina de lrsquoassignatura
mdash El bon desenvolupament del treball pragravectic eacutes una bona garantia drsquohaver adquirit tots elsconeixements teograverics i pragravectics necessaris per superar lrsquoexamen final
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu de lrsquoassignatura eacutes presentar tegravecniques estadiacutestiques drsquoanagravelisi de grans taules per taldrsquoextreure de manera ragravepida la informacioacute meacutes rellevant continguda en les dades els problemes
abordats soacuten de diversa tipologia des de la definicioacute drsquoeixos dominants a la caracteritzacioacuteestadiacutestica de subpoblacions Aquest objectiu es particularitza presentant agravempliament el punt devista de tres grans famiacutelies de tegravecniques estadiacutestiques multivariants
1 Tegravecniques multivariants de classificacioacute automagravetica orientades a establir tipologies i acaracteritzar-les es veuen diferents famiacutelies de megravetodes des dels meacutes clagravessics als meacutes recentsmegravetodes de particions megravetodes jeragraverquics megravetodes basats en densitats srsquoincideix especialmenten eines drsquointerpretacioacute de les classes srsquoestudia lrsquoadequacioacute dels diferents megravetodes a diferentscasos en funcioacute de lrsquoescalabilitat el tipus de dades etc
2 Tegravecniques multivariants enfocades a sintetitzar i a resumir la informacioacute estudiar relacionsmultidimensionals entre variables i eventualment definir indicadors latents es concreta en trestegravecniques fonamentals anagravelisi en components principals anagravelisi de correspondegravencies simples ianagravelisi de correspondegravencies muacuteltiples es planteja lrsquoanagravelisi factorial com a marc formal general delqual es deriven les tegravecniques esmentades com a cas particular es dona particular importagravencia alrsquoanagravelisi de resultats gragravefics srsquoilmiddotlustren algunes extensions addicionals com ara lrsquoanagravelisi textual
3 Tegravecniques drsquoanagravelisi discriminant es tracta de tegravecniques multivariants enfocades a obtenirregles drsquoassignacioacute srsquoincideix en la seva relacioacute amb les tegravecniques vistes anteriorment
4 Tegravecniques drsquoanagravelisi textual on es treballa amb textos lliures provinents de documents pagraveginesweb o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells
Lrsquoobjectiu de lrsquoassignatura eacutes doble des del punt de vista conceptual Drsquouna banda es vol donaruna base formal sogravelida per a les tegravecniques multivariants que componen el programa De lrsquoaltraels estudiants han de desenvolupar una capacitat pragravectica drsquoaplicacioacute a dades reals drsquoaquestestegravecniques En aquest sentit les sessions de pragravectiques segueixen el temari de lrsquoassignatura desde la perspectiva de lrsquoaplicacioacute i es treballa amb dades reals Amb aquest objectiu cal introduirun pas previ de preprocessament de dades per preparar-les per a lrsquoanagravelisi
Finalment i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es podentractar altres aspectes es presenten diverses tegravecniques multivariants drsquouna manera meacutesintroductograveria i enfocant-les menys algebraicament des drsquoun punt de vista meacutes algoriacutesmic
Referits a habilitats destreses
En aquesta assignatura es dona particular importagravencia a lrsquoentrenament en certes competegravenciestransversals importants en el desenvolupament professional drsquoun estadiacutestic com ara la capacitatdrsquoanagravelisi siacutentesi comunicacioacute integracioacute de coneixements redaccioacute drsquoinformes i sobretot eltreball en equip incloent-hi les capacitats de planificacioacute a mig termini repartiment de tasques igestioacute drsquoincidegravencies en el pla de treball al llarg del curs
La pragravectica srsquoestructura sota un esquema que permet entrenar aquestes capacitats amb elssuports necessaris del professorat de lrsquoassignatura
Blocs temagravetics
1 Introduccioacute
Megravetriques angles i projeccions nomenclatura multivariant matriu de variagravencies icovariagravencies i matriu de correlacions presentacioacute de punts de vista presentacioacute de tegravecniquespresentacioacute de sistemes informagravetics estadiacutestics exemples senzills de descripcioacute multivariantde caracteritzacioacute de dades de classificacioacute i de discriminacioacute
11 Introduccioacute i preprocessament de dades
Lrsquoagravembit de lrsquoanagravelisi multivariant Principals elements rellevants en el preprocessament
de dades
2 Classificacioacute automagravetica
Presentacioacute conceptual Megravetodes de particions Megravetodes jeragraverquics Megravetodes basats endensitats Relacioacute amb anagravelisi factorial Interpretacioacute de les classes Descripcioacute de tipologiesAplicacioacute a casos reals i implicacions pragravectiques
3 Anagravelisi factorial
Formalitzacioacute general resultats teograverics
4 Anagravelisi en components principals
Formalitzacioacute resultats teograverics interpretacioacute aplicacioacute a casos reals implicacionspragravectiques
5 Anagravelisi en correspondegravencies simples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacions a casos reals Implicacionspragravectiques
6 Anagravelisi en correspondegravencies muacuteltiples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacioacute a casos reals i implicacionspragravectiques que evidenciiumln avantatges en el tractament de dades drsquoenquesta
7 Anagravelisi discriminant
Formalitzacioacute resultats teograverics Relacioacute amb lrsquoanagravelisi factorial Interpretacioacute bagravesicament enel cas de dos grups Aplicacions a casos reals Implicacions pragravectiques
8 Altres megravetodes multivariants
Anagravelisi textual Correlacions canograveniques Escalament multidimensional
9 Anagravelisi textual
Tegravecniques drsquoanagravelisi textual de dades
Metodologia i activitats formatives
Teoria srsquohi presenten les diferent tegravecniques suficientment fonamentades i srsquoexemplifiquen amb exercicisde dimensioacute reduiumlda
Pragravectiques srsquohi fan exercicis de dimensioacute real amb sistemes informagravetics estadiacutestics que permetinaprofundir i consolidar els conceptes vistos a teoria srsquohi plantegen tambeacute treballs drsquoaplicacioacute pragravectica demeacutes llarg termini on lrsquoestudiant pugui entrenar la seva capacitat personal de dissenyar planificarprojectes on hagi drsquoaplicar les tegravecniques estudiades per analitzar un conjunt de dades real de certaenvergadura integrar els diferents coneixements adquirits en un informe ben argumentat i mostrar lesseves capacitats de siacutentesi i comunicacioacute presentant el treball a lrsquoaula
El grup de teoria es desdobla en dos grups de pragravectiques que fan classe de pragravectiques dues hores persetmana cadascun
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final (N) de lrsquoassignatura srsquoobteacute a partir drsquouna nota de proves (Np) i una nota de pragravectiquescorresponent al treball en equip desenvolupat al llarg del curs (Nte) segons lrsquoexpressioacute
N = Ne 035 + Nte 065
La nota de proves (Np) consta drsquouna segraverie de quiz de continguts teograverics que es realitzen al llarg del cursi que puntuen per igual (soacuten entre 3 i 5 depenent de la marxa del curs)
Per aprovar lrsquoassignatura amb avaluacioacute continuada srsquoha de treure un miacutenim de 5 a la nota de teoria ihaver presentat tots els lliuraments parcials del treball en equip i la memograveria final Si no es lliuren lespragravectiques a lrsquoavaluacioacute continuada hi consta una qualificacioacute de laquono presentatraquo
Les persones que no assoleixen el miacutenim requerit per aprovar amb avaluacioacute continuada han de fer unexamen final que consta drsquoun exercici per fer a lrsquoaula de laboratori sobre dades reals en quegrave caldemostrar coneixements teograverics i pragravectics sobre el temari de lrsquoassignatura Hi ha preguntes teograveriques ipragravectiques Per a les persones que no han tret un 5 a la nota de teoria la nota de proves de lrsquoavaluacioacutefinal de lrsquoassignatura correspon a la nota de lrsquoexamen final
La nota de pragravectiques (Np) srsquoobteacute amb el desenvolupament drsquoun treball pragravectic de llarga durada quesrsquoha de fer en grup i que ha drsquointegrar les diferents tegravecniques vistes al llarg del curs Hi ha treslliuraments parcials amb una puntuacioacute especiacutefica per a cadascun 01 045 i 045 La qualificacioacuteconsta drsquouna nota global de la pragravectica comuna a tot lrsquoequip i de bonificacions o penalitzacionsindividuals segons com cada estudiant respongui a les preguntes el dia de la presentacioacute de lespragravectiques (08) i de la nota drsquoavaluacioacute creuada atorgada pels companys drsquoequip (02)
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica (sense continuiumltat) consisteix en un examen final amb una part teograverica i una partpragravectica
El Consell Docent fixa una data liacutemit abans de la qual els estudiants poden manifestar si se srsquoacullen al
pla drsquoavaluacioacute continuada o uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute mdashamb lesmateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicamdash que teacute lloc durant el mes de juliol en la datafixada pel Consell Docent Es pot presentar a aquesta prova qualsevol estudiant independentment delpla drsquoavaluacioacute escollit durant el curs La prova dona acceacutes a la qualificacioacute magravexima
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
Bibliografia bagravesica
ESCOFIER Brigitte et al Anaacutelisis factoriales simples y muacuteltiples objetivos meacute todos e interpretacioacutenBilbao Servicio Editorial Universidad del Paiacutes Vasco 1992
Bibliografia bagravesica
GREENACRE Michael J Correspondence analysis in practice Boca Raton (Fla) [etc] Chapman ampHallCRC 2007
Bibliografia bagravesica
HUSSON Franccedilois et al Exploratory multivariate analysis by example using R Boca Raton CRC Press2011
Bibliografia bagravesica
JOHNSON Richard Arnold et al Applied multivariate statistical analysis 6th ed Upper Saddle River NJPearson Education Prentice-Hall 2007
Bibliografia bagravesica
BOUROCHE Jean-M et al Lrsquoanalyse des donneacutees Paris Presses Universitaire de France 1980
Bibliografia complementagraveria
JOBSON JD Applied multivariate data analysis Vol I y Vol II New York Barcelona [etc] Springer1992
Bibliografia complementagraveria
LEBART Ludovic et al Tratamiento estadiacutestico de datos meacutetodos y programas Barcelona [etc]Marcombo 1985
Bibliografia complementagraveria
SAPORTA Gilbert Probabiliteacutes analyse des donneacutees et statistique 3e eacuted reacutev Paris Technip 2011
Bibliografia complementagraveria
VOLLE Michel Analyse des donneacutees 4e eacuted Paris Economica 1985
Bibliografia complementagraveria
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Cagravelcul de Diverses Variables
Codi de lassignatura 361177
Curs acadegravemic 2019-2020
Coordinacioacute Ernest Fontich Julia
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
mdash Calcular liacutemits de funcions de diverses variables
mdash Calcular derivades parcials aplicar les regles de derivacioacute Calcular vectors gradientsCalcular el pla tangent a la gragravefica drsquouna funcioacute de dues variables i el pla tangent a una superfiacuteciedonada impliacutecitament
mdash Calcular extrems de funcions de diverses variables en conjunts oberts conjunts compactes iextrems subjectes a lligadures
mdash Conegraveixer la nocioacute drsquointegracioacute muacuteltiple i les tegravecniques bagravesiques de cagravelcul drsquointegrals i canvis devariables meacutes habituals
mdash Conegraveixer el concepte drsquointegral dependent drsquoun paragravemetre i alguns exemples de funcionsdefinides per integrals
Blocs temagravetics
1 Funcions de diverses variables
11 Norma i distagravencia euclidiana a R^2 i R^3
12 Gragravefiques de funcions Corbes de nivell
13 Coordenades polars ciliacutendriques i esfegraveriques
14 Liacutemits i continuiumltat
2 Diferenciacioacute
21 Derivades parcials derivades direccionals i diferenciabilitat
22 Vector gradient i pla tangent Matriu jacobiana
23 Regla de la cadena
3 Integracioacute
31 Integrals dobles i triples Integrals marginals Teorema de Fubini
32 Canvi de variable Integracioacute en polars ciliacutendriques i esfegraveriques
33 Integrals dependents drsquoun paragravemetre La funcioacute gamma
4 Derivades drsquoordre superior Extrems
41 Derivades parcials drsquoordre superior Matriu hessiana
42 Foacutermula de Taylor
43 Cagravelcul drsquoextrems
Metodologia i activitats formatives
En les sessions teoricopragravectiques es presenten els continguts teograverics i les tegravecniques de lrsquoassignatura i esdonen exemples A meacutes es resolen i discuteixen problemes basats en els conceptes i tegravecniquesintroduiumldes En les classes de problemes es resolen problemes directament relacionats amb els temesdel programa Pel que fa al treball autogravenom la metodologia consisteix en la realitzacioacute de tasquesbasades en la resolucioacute de problemes
Avaluacioacute acreditativa dels aprenentatges
Els alumnes poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en una prova parcial a la meitat del semestre (P1) i una prova parcialal final (P2)
La nota drsquoavaluacioacute continuada eacutes AC = 05 P1 + 05 P2
Una vegada acabades les classes hi ha un examen final que consta de dues parts amb el qual esgeneren dues notes mdash(F1) i (F2)mdash corresponents a cadascuna de les parts respectivament Hi ha lapossibilitat de presentar-se a una o a les dues parts de lrsquoexamen final per pujar nota
La nota final srsquoobteacute amb la foacutermula NF = 05 magravex[P1F1] + 05 magravex[P2F2]
Es considera laquono presentatraquo lrsquoestudiant del qual no es disposi drsquouna nota de cadascuna de les duesparts del curs
Una vegada acabat el periacuteode drsquoavaluacioacute hi ha la possibilitat drsquouna reavaluacioacute que consisteix en unexamen de tota lrsquoassignatura Els exagravemens contenen problemes per tal drsquoavaluar la capacitat perutilitzar el raonament logravegic i els instruments matemagravetics en un context determinat
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen final en una data fixada pel Consell Docent Per acollir-se aaquesta avaluacioacute cal demanar-ho a la Secretaria de la Facultat abans de la data fixada pel ConsellDocent que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYRES Frank Caacutelculo diferencial e integral 3a ed Madrid McGraw-Hill 1991
MARSDEN Jerrold E et al Caacutelculo vectorial 5a ed Madrid Addison-Wesley 2004
PISKUNOV N S Caacutelculo diferencial e integral Meacutexico DF Limusa 2014
Pagravegina web
Wolfram Mathematica
MathApplets-SLU
calculusorg
Cursos online
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Demografia
Codi de lassignatura 361255
Curs acadegravemic 2019-2020
Coordinacioacute Maria Teresa Costa Cor
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 5
- Pragravectiques dordinadors 10
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les fonts drsquoinformacioacute demogragravefica per a lrsquoobtencioacute de dades estadiacutestiques sobre lapoblacioacute
mdash Aprendre els instruments i tegravecniques bagravesics per a lrsquoanagravelisi de lrsquoestructura i creixement drsquounapoblacioacute construccioacute de taules estadiacutestiques representacioacute gragravefica i cagravelcul de diversos indicadors
mdash Descriure la transicioacute del regravegim demogragravefic antic al modern i els seus efectes sobre lacomposicioacute de la poblacioacute
mdash Estudiar la mortalitat per edat i causa de mort construir taules de mortalitat de moment icalcular probabilitats i indicadors conjunturals sobre el comportament drsquoaquest fenomen
mdash Analitzar la fecunditat a partir drsquoindicadors sintegravetics de periacuteode i de generacioacute
mdash Estudiar els moviments migratoris que afecten la poblacioacute
mdash Descriure els megravetodes bagravesics drsquoelaboracioacute de projeccions de poblacioacute la formulacioacute drsquohipogravetesis ila interpretacioacute dels resultats
Referits a habilitats destreses
mdash Utilitzar les fonts drsquoinformacioacute demogragravefica drsquoacord amb els objectius de treball
mdash Saber diferenciar entre anagravelisi de moment i anagravelisi de cohort
mdash Interpretar la intensitat i el calendari en els fenogravemens demogragravefics
mdash Comparar el comportament dels fenogravemens demogragravefics entre poblacions aplicant les tegravecniquesdrsquoestandarditzacioacute
mdash Obtenir els indicadors meacutes adients en lrsquoanagravelisi dels fenogravemens demogragravefics
mdash Analitzar i interpretar les dinagravemiques demogragravefiques que ha experimentat una poblacioacute en eltemps
mdash Fer previsions sobre lrsquoevolucioacute futura drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de fecunditat
mdash Calcular i interpretar les taxes de reproduccioacute drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de nupcialitat
mdash Calcular i interpretar diferents mesures de les migracions
mdash Saber utilitzar les eines informagravetiques relacionades amb lrsquoanagravelisi demogragravefica
Blocs temagravetics
1 Caracteriacutestiques i evolucioacute de la poblacioacute
11 Introduccioacute
111 Poblacioacute i demografia
112 Fonts estadiacutestiques per a lrsquoestudi de la poblacioacute
113 Les xifres de poblacioacute a Espanya
12 Megravetodes i tegravecniques en demografia
121 Magnituds estocs i fluxos
122 Anagravelisi longitudinal i anagravelisi transversal
123 La representacioacute del temps lrsquoesquema de Lexis
124 Les mesures en demografia taxes probabilitats i proporcions
13 Estructura i creixement de la poblacioacute
131 Lrsquoequacioacute demogragravefica bagravesica i el cagravelcul del creixement drsquouna poblacioacute
132 Els indicadors drsquoestructura de la poblacioacute
133 La piragravemide de poblacioacute la relacioacute entre lrsquoestructura de la poblacioacute i els
fenogravemens demogragravefics
134 Evolucioacute de la poblacioacute mundial La transicioacute demogragravefica
2 Estudi dels fenogravemens demogragravefics
21 Anagravelisi de la mortalitat
211 La mortalitat per edat i causa de mort
212 Lrsquoestandarditzacioacute
213 Construccioacute drsquouna taula de mortalitat Lrsquoesperanccedila de vida
22 Fecunditat i nupcialitat
221 Anagravelisi de la fecunditat indicadors de moment i de generacioacute
222 La reproduccioacute de les generacions
223 Caracteriacutestiques familiars i evolucioacute de lrsquoestructura de les llars
23 Migracions
231 Conceptes i mesures bagravesiques de les migracions
232 Migracions internes i externes
233 Evolucioacute dels moviments migratoris en la poblacioacute espanyola
3 Les projeccions demogragravefiques
31 Les projeccions de poblacioacute
311 El megravetode de les components
312 Metodologia per a la realitzacioacute de les projeccions de poblacioacute
32 Les projeccions de les llars
321 Conceptes bagravesics
322 El megravetode de les propensions
Metodologia i activitats formatives
En les classes magistrals srsquoexpliquen els continguts teograverics de cada tema i es presenten dadesdemogragravefiques de poblacions reals tant actuals com histograveriques per entendre i aplicar els principalsinstruments drsquoanagravelisi demogragravefica Tambeacute es recomana la lectura drsquoarticles de premsa o de revistesespecialitzades per comprendre els temes relacionats amb la poblacioacute que resulten drsquointeregraves enlrsquoactualitat
Es fan classes pragravectiques al llarg del curs a lrsquoaula drsquoordinadors i srsquoutilitza el programari apropiat perpoder obtenir les dades demogragravefiques de poblacions reals i fer el cagravelcul i interpretacioacute dels principalsindicadors demogragravefics en els exercicis proposats
Per aprofitar millor les classes magistrals i pragravectiques en el Campus Virtual es publiquen diferentsdocuments amb dades estadiacutestiques lectures recomanades i enunciats drsquoexercicis
Avaluacioacute acreditativa dels aprenentatges
Tant en lrsquoavaluacioacute continuada com en lrsquoavaluacioacute uacutenica es tenen en compte en el plantejament de lesproves les competegravencies que es pretenen desenvolupar en lrsquoassignatura Per una banda els enunciatsdels exercicis precisen capacitat drsquoanagravelisi i comprensioacute de les dades i per lrsquoaltra alguns problemes esbasen en aplicacions pragravectiques dels conceptes explicats que utilitzen dades reals de poblacions
Lrsquoavaluacioacute continuada de lrsquoassignatura consta de les activitats seguumlents
mdash Prova de contingut teograveric i pragravectic del bloc 1 es duu a terme en finalitzar el bloc temagravetic 1 Teacute unaponderacioacute del 25 de la nota final de lrsquoassignatura
mdash Prova de contingut teograveric i pragravectic del bloc 2 es duu a terme en finalitzar el bloc temagravetic 2 Teacute unaponderacioacute del 35 de la nota final de lrsquoassignatura
mdash Exercicis de contingut pragravectic del bloc 1 i del bloc 2 Es realitzen individualment i tenen unaponderacioacute del 20 de la nota final de lrsquoassignatura
mdash Treball escrit de contingut teograveric i pragravectic del bloc 3 Es pot fer individualment o en grups de dosalumnes i teacute una ponderacioacute del 20 de la nota final de lrsquoassignatura
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que estableix el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
En aquest cas lrsquoavaluacioacute es basa en un examen final que consta de quumlestions teograveriques i exercicispragravectics que es resolen utilitzant lrsquoordinador
Lrsquoexamen de reavaluacioacute de lrsquoassignatura teacute les mateixes caracteriacutestiques que lrsquoexamen drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KEYFITZ Nathan Applied mathematical demograpyh 3rd ed New York Springer 2005
LEGUINA Joaquiacuten Fundamentos de demografiacutea 5a ed Madrid Siglo XXI 1992
LIVI Massimo Introduccioacuten a la demografiacutea Barcelona Ariel 1993
NEWELL Colin Methods and models in demography Chichester [etc] Wiley 1994
PRESSAT Roland Introduccioacuten a la demografiacutea Barcelona Ariel 1985
TAPINOS Georges Photios Elementos de demografiacutea Madrid Espasa Calpe Universidad 1990
VINUESA Julio Demografiacutea Anaacutelisis y proyecciones Madrid Siacutentesis 1994
VINUESA Julio Teacutecnicas y ejercicios de demografiacutea Madrid INE 2007
PRESTON Samuel H et al Demography measuring and modeling population processes MaldenBlackwell 2001
VALLIN Jacques La poblacioacuten mundial Madrid Alianza Editorial 1995
Pagravegina web
Instituto Nacional de Estadiacutestica Disponible a ltwwwineesgt
Institut drsquoEstadiacutestica de Catalunya Disponible a ltwwwidescatcatgt
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dEnquestes
Codi de lassignatura 361229
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 12
- Tutoritzacioacute per grups 15
- Pragravectiques dordinadors 33
Treball tutelatdirigit
(Treball per dur a terme les diferents etapesde la pragravectica sota la tutela del professor)
40
Aprenentatge autogravenom
(Estudi previ a classe drsquoalguns temesteograverics Treball autogravenom de realitzacioacute de lapragravectica)
50
Recomanacions
mdash Tenir coneixements bagravesics drsquoalgun programa de tractament estadiacutestic del Word i del PowerPointmdash Redireccionar el correu UB cap al correu personal si lrsquoestudiant no accedeix regularment al correu UB
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les etapes que cal seguir per elaborar una enquestamdash Saber com redactar un projecte per elaborar una enquesta incloent-hi els objectius lametodologia les fases de lrsquoestudi el calendari el pressupost etcmdash Entendre la fitxa tegravecnica drsquouna enquesta i elaborar-ne una de nova a partir de lescaracteriacutestiques de lrsquoenquesta mostra i poblacioacutemdash Saber com elaborar un quumlestionari per recollir la informacioacute en funcioacute dels objectius previstosmdash Saber formular correctament les preguntes per incloure en el quumlestionari i valorar lrsquooportunitatde cada pregunta i el tipus de categoria de respostamdash Redactar preguntes en diferents escales de mesura aixiacute com preguntes obertesmdash Conegraveixer els fonaments de la teoria del mostratgemdash Planificar el treball de camp i assignar tasques als entrevistadorsmdash Dur a terme un treball de camp real i valorar-ne lrsquoexperiegravenciamdash Codificar les respostes dels diferents tipus de preguntes introduir les dades en suportinformagravetic i analitzar estadiacutesticament les dadesmdash Dissenyar estructurar i redactar un informe de resultats de lrsquoenquesta aixiacute com les conclusionsi exposar lrsquoinforme puacuteblicament
Referits a habilitats destreses
mdash Aprendre a identificar i plantejar un problema en termes que en permetin la resolucioacute Sabercom fer una recerca drsquoinformacioacutemdash Aprendre a treballar en grup negociar escoltar i ser assertiu manifestant les progravepies opinionsmdash Aprendre a planificar temporalment una activitat i a prioritzar les quumlestions importantsmdash Aprendre a analitzar (separar les parts drsquoun problema i tractar-les de forma individual) i asintetitzar (extraure el meacutes rellevant i tenir una visioacute de conjunt)mdash Aprendre a fer servir el programa estadiacutestic SPSS drsquouacutes comuacute en investigacioacute socialmdash Aprendre a dissenyar estructurar i redactar un informe de resultats per a un client Aprendre atractar amb un client i a vendre el nostre productemdash Adquirir nocions de parlar en puacuteblic de comunicar i de com es fa una presentacioacute oral
Blocs temagravetics
1 Lrsquoenquesta com a tegravecnica drsquoinvestigacioacute social
Introduccioacute i conceptes clau del disseny drsquoenquestes
11 Introduccioacute
12 Megravetodes i tegravecniques drsquoinvestigacioacute social
13 Enquestes explorar descriure i explicar la realitat social
14 Tipus drsquoenquestes
15 El proceacutes general drsquoinvestigacioacute a traveacutes drsquoenquestes
2 Fonaments de mostreig
Nocions bagravesiques de mostreig necessagraveries per saber com escollir la mostra drsquoindividus alsquals es faragrave lrsquoenquesta
21 Poblacioacute i mostra
22 Mostres aleatograveries i no aleatograveries
23 Megravetodes de mostreig aleatori idees bagravesiques
24 La mida de la mostra
25 Errors de mostreig
3 Seleccioacute de la persona enquestada
Srsquoestudia com escollir la persona a qui passar lrsquoenquesta en funcioacute de quin sigui el tipusdrsquoenquesta
31 Enquestes per correu
32 Enquestes telefograveniques
33 Enquestes cara a cara quotes i rutes aleatograveries
4 El quumlestionari
Srsquoestudia com es construeix un quumlestionari quines parts ha de tenir i com srsquohan deredactar les preguntes
41 Definicioacute i objectius del quumlestionari
42 Tipus de preguntes
43 El contingut de les preguntes
44 La manera de redactar les preguntes
45 Organitzacioacute i composicioacute del quumlestionari
5 El treball de camp
Srsquoestudia com srsquoha de fer lrsquoentrevista i el control del treball de camp
51 Lrsquoentrevistador importagravencia caracteriacutestiques i entrenament
52 Lrsquoentrevista organitzacioacute i problemes en la realitzacioacute
53 El control del treball de camp
54 Material per dur a terme el treball de camp
6 Tractament informagravetic de les dades obtingudes
Srsquoestudia com srsquohan drsquointroduir les dades recollides en un suport informagravetic de manera quees construeixi una base de dades per fer lrsquoanagravelisi estadiacutestica
61 La informagravetica i el tractament de dades
62 Codificacioacute de les dades i llibre de codis
63 Gravacioacute depuracioacute i validacioacute de les dades
64 Lrsquoanagravelisi estadiacutestica de les dades
7 Lrsquoinforme drsquoinvestigacioacute
Srsquoestudia com srsquoha de fer lrsquoinforme final de resultats parts que ha de tenir redaccioacutecontingut etc
71 Quumlestions pregravevies
72 Tipus drsquoinformes cientiacutefic tegravecnic i divulgatiu
73 Lrsquoinforme tegravecnic estructura elements i presentacioacute
74 Presentacioacute puacuteblica de lrsquoinforme
Metodologia i activitats formatives
Aquesta assignatura teacute els trets principals seguumlents
1 Srsquoenfoca molt directament a la pragravectica eacutes a dir tot el que es fa srsquoorienta a saber desenvolupar unaenquesta de principi a fi Es comenccedila preparant el projecte i srsquoacaba fent lrsquoexposicioacute puacuteblica delsresultats
2 Per poder dur a terme el punt anterior cal conegraveixer algunes quumlestions teograveriques que soacuten lrsquoobjectiudrsquoalgunes classes Eacutes habitual que es demani als estudiants que preparin el tema abans de classe Es fanavaluacions individuals i en grup per verificar si els coneixements srsquohan assolit correctament
3 Moltes de les classes es dediquen a les diferents fases de lrsquoactivitat pragravectica Es treballa en grups detres o quatre persones (obligatori) es duu a terme el treball de camp es va a lrsquoaula drsquoinformagravetica perintroduir les dades en suport informagravetic i per fer lrsquoinforme Al final els estudiants han de fer lespresentacions dels resultats davant la classe Durant tot el proceacutes lrsquoestudiant teacute el suport del professor
que lrsquoorienta
4 Es fa servir el Campus Virtual per concretar i donar detalls de totes les activitats del curs Eacutesimportant per tant que lrsquoestudiant hi entri regularment
5 Si ho estima necessari el professor pot passar un full de control drsquoassistegravencia a classe Srsquoenteacuten queuna assistegravencia irregular no permet assolir les competegravencies objecte de lrsquoassignatura ategraves que estreballen de manera intensa en les classes presencials
6 Algunes classes es dediquen a la tutoritzacioacute per grups Si el professor ho considera necessari es potdur a terme un desdoblament de manera que els estudiants poden tenir tutoria cada 15 dies
7 Com a consequumlegravencia del desplegament del projecte de foment de la qualitat docent que srsquoestagrave duent aterme a la Facultat drsquoEconomia i Empresa (impulsat des de la unitat de Recerca Innovacioacute i Millora de laDocegravencia i lrsquoAprenentatge (RIMDA) i el Vicerectorat de Docegravencia i Ordenacioacute Acadegravemica de la UB) durantels cursos 2018-2019 i 2019-2020 la metodologia docent drsquoalguns dels grups de lrsquoassignatura potquedar modificada respecte a la descrita anteriorment El detall drsquoaquesta metodologia es publica en elCampus Virtual a lrsquoinici de curs
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe La major part de lesactivitats soacuten en grup i es garanteix sempre que treballin tots els membres de lrsquoequip Cada grupdrsquoalumnes ha de dur a terme una investigacioacute de caragravecter socioeconogravemic a partir de dades obtingudesper enquesta i completar totes les etapes necessagraveries fins a arribar a conclusions
mdash Activitat 1 Plantejament de lrsquoestudi i disseny mostral cada grup suggereix una investigacioacute quesigui del seu interegraves i en defineix els objectius i la poblacioacute per estudiar Tot seguit proposa un dissenymostral que garanteixi una certa fiabilitat en els resultats Valor 5 de la nota final Data delliurament (aprox) 6 drsquooctubre
mdash Activitat 2 Disseny del quumlestionari cada grup dissenya el seu quumlestionari i nrsquoexplica lescaracteriacutestiques Valor 5 de la nota final Data de lliurament (aprox) 20 drsquooctubre
mdash Activitat 3 Treball de camp i generacioacute drsquoun fitxer de dades seguint el disseny mostral proposat esduen a terme les entrevistes per aconseguir les dades Posteriorment srsquointrodueixen les dades ensuport informagravetic i es genera un fitxer de dades codificat i etiquetat Valor 5 de la nota final Data delliurament (aprox) 5 de novembre
mdash Activitat 4 Anagravelisi estadiacutestica i presentacioacute de lrsquoinforme final fent servir el programa estadiacutesticSPSS es fa una anagravelisi estadiacutestica dels resultats i srsquoelabora una memograveria o informe amb les conclusionsValor 15 de la nota final Data de lliurament (aprox) 4 de desembre
mdash Activitat 5 Presentacioacute dels resultats de lrsquoestudi cal elaborar una presentacioacute en PowerPoint iexposar-la davant la resta de companys Valor 5 de la nota final Data (aprox) dues darreressetmanes del curs
Nota Tot el proceacutes drsquoelaboracioacute de lrsquoenquesta es tutoritza convenientment Els estudiants tenen lacolmiddotlaboracioacute del professor que ha drsquoestar assabentat en tot moment de lrsquoestat de lrsquoestudi i que vetllaperquegrave tots els membres dels equips treballin de forma igualitagraveria La nota drsquoaquestes activitats potdiferir entre els membres drsquoun mateix grup cas que hi hagi algun estudiant que no assisteixiregularment a classe o que no srsquoimpliqui en el treball en equip
mdash Prova final Serveix per comprovar que cada estudiant ha assolit coneixements suficients sobre lamategraveria del curs Valor 40 de la nota final Com a miacutenim lrsquoestudiant ha drsquoobtenir un 5 sobre 10perquegrave la nota drsquoaquesta prova faci mitjana amb la resta de notes del curs i pugui superar lrsquoassignaturaData la fixada pel Consell Docent
mdash El 25 restant de la qualificacioacute srsquoobteacute a partir del seguiment actiu i puntual de lrsquoassignaturaEs fan proves de seguiment individuals i en grup que srsquoanuncien amb antelacioacute per comprovar elcorrecte assoliment dels objectius de lrsquoassignatura Tambeacute es teacute en compte lrsquoassistegravencia i la participacioacuteactiva i respectuosa a classe
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
En cas que els canvis metodologravegics afectin el sistema drsquoavaluacioacute previst a lrsquoassignatura caldragrave tambeacutefer esment de les particularitats dels grups que se sotmetin al projecte
Avaluacioacute uacutenica
Aquesta opcioacute estagrave dissenyada per als estudiants que no assisteixen regularment a classe Tambeacute podenescollir-la la resta drsquoestudiants sempre que renunciiumln expliacutecitament a lrsquoavaluacioacute continuada tot i queno es recomana
En aquesta opcioacute es planteja un examen final que eacutes diferent i meacutes complet que la prova que fan elsalumnes que han seguit lrsquoavaluacioacute continuada Lrsquoestudiant ha de demostrar que coneix totes les etapesdrsquouna investigacioacute socioeconogravemica per enquesta i que sabria dur-la a la pragravectica Valor 100 de lanota final
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Disseny drsquoenquestes per a la investigacioacute social Barcelona Universitat deBarcelona 2011
ALVIRA Francisco La encuesta una perspectiva general metodoloacutegica Cuadernos Metodoloacutegicos Vol 352a ed rev Madrid CIS Centro de Investigaciones Socioloacutegicas 2011
AZOFRA Mariacutea Joseacute Cuestionarios Cuadernos Metodoloacutegicos Vol 26 Madrid Centro de InvestigacionesSocioloacutegicas 1999
DIacuteAZ DE RADA Vidal Organizacioacuten y gestioacuten de los trabajos de campo con encuestas personales ytelefoacutenicas Barcelona Ariel 2001
DIacuteAZ DE RADA Vidal Disentildeo y elaboracioacuten de cuestionarios para la investigacioacuten comercial MadridESIC 2001
FINK Arlene How to conduct surveys A step-by-step guide Thousand Oaks (CA) Sage 1998
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
REA Louis M et al Designing amp Conducting Survey Research A comprehensive Guide 3rd ed SanFrancisco Jossey- Bass 1992
RODRIacuteGUEZ Jacinto Meacutetodos de muestreo Cuadernos Metodoloacutegicos Vol 6 Madrid Centro deInvestigaciones Socioloacutegicas 2005
ROJAS Antonio et al (ed) Investigar mediante encuestas Madrid Siacutentesis 1998
Pagravegina web
Centro de Investigaciones Socioloacutegicas
Pagravegina web del Centro de Investigaciones Socioloacutegicas
Instituto Nacional de Estadiacutestica
Pagravegina web del Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Pagravegina web de lrsquoInstitut drsquoEstadiacutestica de Catalunya
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dExperiments
Codi de lassignatura 361230
Curs acadegravemic 2019-2020
Coordinacioacute Isaac Subirana Cachinero
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes especialment si soacuten deproblemesordinadors es desdoblen endiferents grups El professorat assigna elsestudiants als grups)
60
- Teoricopragravectica 40
- Pragravectiques dordinadors 20
Aprenentatge autogravenom 90
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Utilitzar aplicacions informagravetiques per a la resolucioacute de problemes matemagravetics
- Capacitat de construir un model matemagravetic en situacions simples de la realitat
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes que lrsquoalumnat conegui els principals dissenys i sigui capaccedildrsquoaplicar-los davant drsquouna situacioacute experimental concreta Estudiaragrave diferents tipus de dades realscorresponents a contextos diversos i ha de ser capaccedil de fer-ne una anagravelisi i obtenir-ne el magraveximdrsquoinformacioacute
Eacutes important que entengui el concepte de variabilitat experimental i que vegi lrsquoassignatura com elconjunt drsquoeines que permeten plantejar un experiment i despreacutes analitzar-lo estadiacutesticament pertal de controlar de manera eficient aquesta variabilitat experimental Eacutes per aixograve que davant decada disseny concret ha de comprendre quin eacutes lrsquoobjectiu i en quines situacions experimentals eacutesmeacutes adient
Referits a habilitats destreses
mdash Saber relacionar el pla experimental amb el model de disseny experimental corresponent
mdash Saber resoldre el disseny i interpretar-ne els resultats
mdash Conegraveixer els principals paquets estadiacutestics adients que permeten resoldre els dissenys
Blocs temagravetics
1 Dissenys amb factors fixos
11 Conceptes essencials en disseny drsquoexperiments
12 Comparacioacute de dos tractaments
13 Dissenys amb un factor
14 Dissenys amb blocs
15 Dissenys amb dos factors concepte drsquointeraccioacute
16 Dissenys 2K complets i fraccionals
2 Dissenys amb factors aleatoris i mixtos
21 Dissenys creuats fixos amb dos o meacutes factors
22 Dissenys creuats mixtos i aleatoris amb dos o meacutes factors
23 Dissenys jeragraverquics amb dos factors
24 Dissenys jeragraverquics amb meacutes de dos factors
25 Dissenys de mesures repetides
26 Comparacions muacuteltiples amb presegravencia de factors aleatoris
Metodologia i activitats formatives
Per a cadascun dels temes del programa els alumnes disposen drsquouna explicacioacute del professorat En lesclasses pragravectiques es plantegen diferents situacions experimentals en quegrave lrsquoestudiant ha drsquoidentificar eldisseny adient Per poder dur a terme les activitats programades srsquoexplica el programari necessariDurant les sessions presencials desdoblades es fan pragravectiques amb ordinador
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Els estudiants poden optar entre dues formes drsquoavaluacioacute una avaluacioacute continuada o una avaluacioacuteuacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acolliriquestse a lrsquoavaluacioacute uacutenica hande fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute continuada vol potenciar el treball continuat de lrsquoestudiant i facilitar un seguiment drsquoaquestaactivitat mitjanccedilant la interaccioacute alumnat-professorat
Les activitats drsquoavaluacioacute continuada obligatograveries soacuten
mdash Dues proves objectives al final de cada bloc (20 + 20 = 40 )
mdash Una prova final de siacutentesi (60 de la nota) La prova de siacutentesi es fa el mateix dia que la provadrsquoavaluacioacute uacutenica
La prova de reavaluacioacute teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica i srsquohi poden presentar totsels estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoexamen final consisteix en la resolucioacute de quumlestions i problemes i compta el 100 de la nota
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KUEHL Robert O Disentildeo de experimentos principios estadiacutesticos de disentildeo y anaacutelisis de investigacioacutenAustralia [etc] Madrid Thomson Learning 2001
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2011
BOX George E P et al Estadiacutestica para investigadores introduccioacuten al disentildeo de experimentos anaacutelisisde datos y construccioacuten de modelos Barcelona Reverteacute 1989
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Econometria
Codi de lassignatura 361238
Curs acadegravemic 2019-2020
Coordinacioacute Ramon Jose Alemany Leira
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes dominar les tegravecniques economegravetriques meacutes habitualsutilitzades avui en dia pels professionals tant de lrsquoeconomia i lrsquoempresa com drsquoaltres disciplinesen tasques de recerca aplicada
Conegraveixer i comprendre les eines i tegravecniques drsquoanagravelisi associades a la utilitzacioacute del model deregressioacute lineal muacuteltiple
Identificar les propietats dels diferents megravetodes drsquoestimacioacute del model de regressioacute lineal muacuteltiplei conegraveixer els avantatges i inconvenients de cadascun
Referits a habilitats destreses
Interpretar de manera rigorosa i correcta els resultats de lrsquoestimacioacute drsquoun model de regressioacutelineal muacuteltiple en les seves possibles especificacions
Identificar per a cada model particular quines de les hipogravetesis habituals drsquoestimacioacute soacuten meacutesraonables i quines ho soacuten menys
Valorar de manera criacutetica les conclusions que srsquoextreuen drsquoun model de regressioacute tenint encompte les propietats de les variables analitzades i les caracteriacutestiques de les dades disponibles
Aplicar les pautes de treball correctes en cadascuna de les etapes necessagraveries a lrsquohora drsquoutilitzarun model de regressioacute lineal muacuteltiple lrsquoespecificacioacute lrsquoestimacioacute la validacioacute i la interpretacioacute
Referits a actituds valors i normes
Desenvolupar lrsquointeregraves per lrsquoanagravelisi i la recerca aplicada basada en la utilitzacioacute de les tegravecniqueseconomegravetriques i de modelitzacioacute
Blocs temagravetics
1 Introduccioacute
11 Concepte i estrategravegia de la investigacioacute economegravetrica
12 Models econogravemics i models economegravetrics Components i tipologia
13 Etapes en la investigacioacute economegravetrica
2 El model de regressioacute lineal muacuteltiple especificacioacute i estimacioacute
21 Especificacioacute del model
22 Les hipogravetesis bagravesiques del model de regressioacute lineal muacuteltiple estagravendard
23 Estimacioacute per miacutenims quadrats ordinaris (MQO)
24 Propietats de lrsquoestimacioacute per MQO
25 Estimacioacute per magravexima versemblanccedila
3 El model de regressioacute lineal muacuteltiple validacioacute i prediccioacute
31 Mesures de bondat drsquoajust del model
32 Contrast drsquohipogravetesi
33 Estimacioacute amb restriccions lineals
34 Anagravelisi de la variagravencia
35 Prediccioacute puntual i per interval
4 Errors drsquoespecificacioacute i problemes amb les dades
41 Deteccioacute drsquoerrors a la manera funcional
42 Especificacioacute errogravenia de les variables explicatives
43 Permanegravencia versus canvi estructural
44 Multicolmiddotlinealitat
45 Deteccioacute de dades atiacutepiques i influents
5 Incompliment de les hipogravetesis bagravesiques del terme de pertorbacioacute
51 Matrius de variagravencies i covariagravencies escalars i no escalars
52 Estimacioacute per miacutenims quadrats ordinaris (MQO) i propietats
53 Estimacioacute per miacutenims quadrats generalitzats (MQG) i propietats
54 Estimacioacute per magravexima versemblanccedila i propietats
6 Heteroscedasticitat
61 Definicioacute i causes
62 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
63 Deteccioacute de lrsquoheteroscedasticitat
64 Estimacioacute per miacutenims quadrats generalitzats (MQG) i miacutenims quadrats ponderats
(MQP)
65 Inferegravencia i prediccioacute
7 Autocorrelacioacute
71 Definicioacute i causes
72 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
73 Deteccioacute de lrsquoautocorrelacioacute
74 Estimacioacute per miacutenims quadrats generalitzats (MQG)
75 Inferegravencia i prediccioacute
8 Models de variable dependent discreta
81 Model de probabilitat lineal
82 Model progravebit
83 Model logravegit
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials
mdash Classes de teoria amb lrsquoobjectiu de presentar les eines i les tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
mdash Classes de problemes amb lrsquoobjectiu de resoldre analitzar o discutir problemes basats en aquesteseines i tegravecniques
mdash Tallers a lrsquoaula drsquoinformagravetica per aplicar aquestes eines i tegravecniques a la resolucioacute de problemesconcrets a partir de dades determinades i amb la utilitzacioacute de programari especiacutefic
A meacutes es proposa que lrsquoalumnat elabori un total de tres pragravectiques de manera individual fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina drsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es basa en quatre tipus drsquoactivitats
a) Dues pragravectiques (5 cadascuna) Lrsquoobjectiu drsquoaquestes pragravectiques eacutes que a partir drsquoun conjunt dedades concret (proporcionat pel professorat) els estudiants responguin a un seguit de quumlestions per ales quals necessiten utilitzar les tegravecniques pregraveviament estudiades a classe Es posa egravemfasi sobretot enla interpretacioacute correcta dels resultats que srsquoobtenen Les pragravectiques es publiquen aproximadament aprincipi de marccedil i a principi de maig La data exacta de publicacioacute de lrsquoenunciat i la data liacutemit per a lapresentacioacute de cada pragravectica es publiquen en el Campus Virtual durant les dues primeres setmanes delcurs
b) Test de mig semestre (25 ) Al voltant de la meitat del semestre (set setmanes) es fa un test ambpreguntes curtes o de resposta muacuteltiple sobre aspectes teograverics i pragravectics La data exacta es comunica alrsquoinici del semestre
c) Tallers (5 ) Qualificacioacute en funcioacute de la participacioacute i les tasques dutes a terme en els tallers
d) Una prova escrita amb una ponderacioacute del 60 en relacioacute amb la nota final Per superar
lrsquoassignatura eacutes imprescindible obtenir una puntuacioacute miacutenima en aquesta prova de 3 sobre 10independentment de la qualificacioacute obtinguda en les pragravectiques el test i els tallers
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consta de dues partsa) Un examen escritb) Un exercici pragravectic amb lrsquoordinador
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GREENE William H Anaacutelisis economeacutetrico Madrid Prentice Hall 1999
WOOLDRIDGE Jeffrey M Introduccioacuten a la Econometriacutea Un enfoque moderno 4a ed revisada CengageLearning 2016
STOCK James Het al Introduccioacuten a la Econometriacutea 3a ed Madrid Pearson 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Descriptiva
Codi de lassignatura 361196
Curs acadegravemic 2019-2020
Coordinacioacute Manuela T Alcantildeiz Zanon
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Assistegravencia regular a classe Es considera que lrsquoestudiant hi ha assistit amb regularitat si ho ha fetalmenys al 80 de les sessions presencials
mdash Seguiment de lrsquoavaluacioacute continuada Aquest megravetode drsquoaprenentatge posa lrsquoaccent en la formacioacutede lrsquoestudiant al llarg del curs i no nomeacutes en lrsquoavaluacioacute entesa com a assignacioacute drsquouna qualificacioacute Pertant el seu seguiment eacutes del magravexim interegraves per assolir un autegraventic coneixement de la mategraveria
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els estadiacutestics de siacutentesi meacutes habituals dins del conjunt drsquoeines i tegravecniquesenglobades en el que srsquoanomena de forma genegraverica estadiacutestica descriptiva mdash Comprendre la utilitat els avantatges i els inconvenients de cadascun drsquoaquests estadiacutesticsaixiacute com conegraveixer en quines situacions eacutes meacutes adequat drsquoutilitzar-ne cadascun mdash Saber calcular aquests estadiacutestics mdash Aprendre a organitzar representar analitzar i sintetitzar un conjunt de dades usant elsmegravetodes gragravefics tabulars i numegraverics meacutes adients per a cada tipologia de variable i de dades mdash Interpretar de forma rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignaturamdash Seleccionar lrsquoestadiacutestic de siacutentesi meacutes adequat en cada situacioacute
Referits a habilitats destreses
mdash Adquirir els hagravebits adequats en relacioacute amb el tipus de raonament que srsquoutilitza en lrsquoanagravelisiestadiacutestica mdash Desenvolupar un cert esperit criacutetic en relacioacute amb les eines i tegravecniques presentades per taldrsquoidentificar-ne les limitacions drsquoacord amb lrsquoanagravelisi de problemes concrets aplicats
Blocs temagravetics
1 Introduccioacute
11 Conceptes bagravesics
Objecte de lrsquoestadiacutestica descriptiva
Poblacioacute i mostra
Tipus de variables
2 Anagravelisi de dades unidimensionals
21 Representacioacute gragravefica i tabular de dades
Tipus de dades
Tabulacioacute de dades unidimensionals
Megravetodes gragravefics per a la representacioacute de dades
22 Mesures de siacutentesi per a dades quantitatives univariants (I)
Mesures de posicioacute o tendegravencia central
Moments potencials
Mesures de dispersioacute
Mesures de localitzacioacute
23 Mesures de siacutentesi per a dades quantitatives univariants (II)
Mesures drsquoasimetria
Mesures drsquoapuntament o curtosi
Mesures de concentracioacute
Mesures per a dades agrupades en intervals
3 Anagravelisi de dades multidimensionals
31 Dades multidimensionals
Matriu de dades
Taules de creuament distribucions de frequumlegravencies (conjunta marginals i
condicionades)
Associacioacute entre dades quantitatives bidimensionals matriu de variagravencies i
covariagravencies i matriu de correlacions
Associacioacute entre dades quantitatives multidimensionals
Associacioacute entre dades qualitatives en escala nominal
Associacioacute entre dades qualitatives en escala ordinal
32 Model de regressioacute lineal
Descripcioacute drsquouna relacioacute entre variables
Especificacioacute del model de regressioacute lineal simple
Ajust per miacutenims quadrats ordinaris
Bondat drsquoajust Coeficient de determinacioacute
4 Altres indicadors estadiacutestics
41 Altres indicadors
Nombres iacutendexs iacutendexs simples i compostos
Nombres iacutendexs econogravemics
Deflacioacute
Taxes de variacioacute
Metodologia i activitats formatives
El megravetode docent es basa principalment en tres tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques Per a un millor aprofitament de les classes de problemes la professora potdesdoblar el grup en dos si ho considera necessari
3 Sessions de classe inversa (flipped classroom) La professora demana pregraveviament a la classe lrsquoestudidrsquoun material En comenccedilar la classe lrsquoestudiant fa una prova individual sobre la temagravetica estudiadaDespreacutes els estudiants es reuneixen en grups per discutir la mateixa prova i algun problema en grup Esdiscuteixen els resultats i srsquoaclareixen els punts on srsquoha trobat meacutes dificultat Aquesta activitat eacutesavaluable
A meacutes a meacutes es proposa als estudiants un conjunt de pragravectiques que han de fer en equips i fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de diferentsactivitats que es duen a terme al llarg del curs
a) Pragravectiques
Pragravectica 1 Els estudiants srsquohan drsquoagrupar en equips de 3-4 persones i crear una base de dades del seuinteregraves Despreacutes han de fer una explotacioacute descriptiva de les dades que contingui diferents mesures desiacutentesi gragravefics taules de frequumlegravencies etc Els estudiants han de presentar un informe escrit amb elsresultats obtinguts Valor 75 de la nota final Data de lliurament (aprox) 11 de novembre de2019
Pragravectica 2 Cada grup ha de proposar un model de regressioacute lineal fer diferents prediccions i valorar-neel grau de fiabilitat Valor 75 de la nota final Data de lliurament (aprox) 3 de gener de 2020
b) Sessions de classe inversa (flipped classroom)
Srsquoavaluen les proves individuals les proves en grup i els problemes i activitats complementagraveries de lessessions de classe inversa Valor 10 de la nota final Data diverses sessions al llarg del curs quesrsquoanuncien amb antelacioacute suficient
c) Dues proves escrites que consisteixen en la resolucioacute drsquoun conjunt de problemes i quumlestionsteograveriques
mdash Una prova de seguiment del curs Consta de 10 preguntes de tipus test que permeten alrsquoestudiant valorar el seu grau drsquoassimilacioacute de la mategraveria Valor 20 de la nota final Dataaproximada 13 de novembre de 2019
mdash Una prova final Valor 55 de la nota final Srsquoha de treure com a miacutenim un 4 perquegrave sigui
possible fer la mitjana amb la resta de notes del curs Data la fixada pel Consell Docent
La nota final de lrsquoestudiant eacutes el valor magravexim entre la nota calculada amb els percentatges anteriors ila nota obtinguda a la prova final
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova pot ser diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en les dates fixades pel Consell Docent
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Problemes drsquoEstadiacutestica Descriptiva Textos Docents nuacutem 389 BarcelonaUniversitat de Barcelona 2014
BARDINA Xavier et al Estadiacutestica Descriptiva Bellaterra Universitat Autogravenoma de Barcelona Servei dePublicacions 2009
CASTILLO Isabel et al Estadiacutestica descriptiva y caacutelculo de probabilidades Madrid Pearson 2006
FERNAacuteNDEZ Santiago et al Estadiacutestica descriptiva 2 ed rev y actualizada Madrid ESIC 2002
FERNAacuteNDEZ Carlos et al Curso de estadiacutestica descriptiva teoriacutea y praacutectica Barcelona Ariel 1995
HERNAacuteNDEZ Agustiacuten Curso elemental de Estadiacutestica Descriptiva Madrid Piraacutemide 2008
MARTIacuteN -GUZMAacuteN Pilar et al Manual de Estadiacutestica Descriptiva Cizur Menor Aranzadi 2006
MARTIacuteN Francisco Javier Introduccioacuten a la estadiacutestica econoacutemica y empresarial teoriacutea y praacutectica MadridAC-Thomson 2004
MONTERO J Mariacutea Estadiacutestica Descriptiva Madrid Thomson 2007
MONTERO J Mariacutea Problemas resueltos de Estadiacutestica Descriptiva para Ciencias Sociales MadridThomson 2007
MURES Mordf Jesuacutes et al Problemas de estadiacutestica descriptiva aplicada a las ciencias sociales MadridPearson Prentice Hall 2004
TOMEO Venancio et al Estadiacutestica Descriptiva Madrid Garceta Grupo Editorial 2009
Text electrogravenic
ALCANtildeIZ Manuela et al Concentracioacuten curva de Lorenz e iacutendice de Gini Colmiddotleccioacute OMADO DipogravesitDigital de la Universitat de Barcelona
ESPEJO I et al Estadiacutestica Descriptiva y Probabilidad 3a ed Caacutediz Servicio de PublicacionesUniversidad de Caacutediz 2011
Es pot descarregar Conteacute teoria i nombrosos exercicis resolts drsquoestadiacutesticadescriptiva
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Industrial
Codi de lassignatura 361250
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER TORT-MARTORELL LLABRES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 30
Treball tutelatdirigit
(Resolucioacute de casos pragravectics)30
Aprenentatge autogravenom
(Lectura siacutentesi i presentacioacute oral drsquoarticlesi capiacutetols de llibres)
60
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica per a la Gestioacute de laQualitat Software Estadiacutestic i Disseny drsquoExperiments
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
Es preteacuten que lrsquoestudiant sigui capaccedil de dissenyar i implementar un pla drsquoexperimentacioacute per talde descobrir com una segraverie de variables (controlables o no) drsquoun proceacutes afecten una caracteriacutesticade qualitat drsquointeregraves Tambeacute es preteacuten que lrsquoestudiant entengui la importagravencia de lluitar contra lavariabilitat per millorar la qualitat sagravepiga caracteritzar la variabilitat drsquoun proceacutes i coneguitegravecniques per reduir la variabilitat i mantenir-la en els nivells miacutenims Concretament en acabar elcurs els estudiants han de ser capaccedilos de
bull Seleccionar dissenys que permetin analitzar el comportament drsquoun producte o un proceacutes tantpel que fa a la mitjana com a la variagravencia transmesa per factors no controlables
bull Analitzar lrsquoefecte dels factors de control i soroll en la resposta drsquointeregraves i seleccionar lescondicions meacutes robustes
bull Seleccionar dissenys que permetin explorar la superfiacutecie de resposta amb polinomis de segonordre (disseny central compost disseny de Box-Behnken etc)
bull Explorar la regioacute drsquointeregraves de les variables experimentals que maximitzin (minimitzin) laresposta i estudiar la naturalesa de la superfiacutecie
bull Dissenyar experiments reals i implementar-los seguint una estrategravegia sequumlencial des delplantejament del pla experimental fins a lrsquoelaboracioacute de conclusions
bull Entendre com funcionen els gragravefics de control sofisticats i fer-los servir
bull Implantar un control estadiacutestic de processos en un proceacutes real tenint en compte la naturalesadel proceacutes i els costos associats
bull Fer estudis de repetibilitat i reproductibilitat per garantir que el sistema de mesura que es faservir en un proceacutes eacutes adequat
Referits a habilitats destreses
bull Treure informacioacute drsquointeregraves i aprendre a partir de llibres i articles
bull Treballar en grups per consensuar decisions i solucionar problemes de manera conjunta
bull Treballar en equip per consensuar decisions i solucionar problemes de manera conjunta
bull Comunicar idees i resultats de manera eficaccedil tant per escrit com oralment
Blocs temagravetics
1 Metodologia de millora sis sigma
Necessitat de la millora Aspectes organitzatius rols i responsabilitats Metodologia de milloraetapes Objectius i tasques de cadascuna de les cinc etapes definir mesurar analitzarmillorar i controlar Estudis de repetibilitat i reproductibilitat (RampR) Casos i exercicis
2 Disseny drsquoexperiments a la induacutestria i metodologia de superfiacutecie de resposta
Importagravencia de lrsquoexperimentacioacute en un entorn industrial Repagraves de dissenys factorials a dosnivells Bloqueig en dissenys factorials Punts centrals Superfiacutecie de resposta fent servirpolinomis de primer grau Uacutes de lrsquolaquosteepest ascentraquo per a lrsquoaproximacioacute a la regioacute drsquointeregravesSuperfiacutecie de resposta fent servir polinomis de segon grau Dissenys central compost i deBox-Bhenken Adequacioacute del model
3 Control estadiacutestic de processos monitoratge i ajust
Seleccioacute dels gragravefics de control adequats segons la variable que srsquoha de monitorar Conceptede subgrup racional i ARL Limitacions dels gragravefics de control de Shwart Dadesautocorrelacionades i processos no estacionaris Prediccions fent servir un model EWMA Ajustcontinu i ajust periogravedic de processos no estacionaris
4 Casos pragravectics drsquoaplicacioacute de lrsquoestadiacutestica en la induacutestria i en els serveis
Cas dels tubs de silicona Cas de la caixa cooperativa professional
Metodologia i activitats formatives
Teoria Exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Pragravectiques Resolucioacute de problemes i casos pragravectics Es proposen activitats per fer fora de les hores declasse
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Exercicis de seguiment de lrsquoassignatura 15
Casos pragravectics 35
Examen final 50
Avaluacioacute uacutenica
Examen final
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Statistics for experimenters design innovation and discovery 2nd ed HobokenWiley Interscience 2005
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2002
MYERS Raymond H et al Response surface methodology process and product optimization HobokenWiley Interscience 2009
HAHN Gerald J et al The role of statistics in business and industry Hoboken New Jersey Wiley 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Megravedica
Codi de lassignatura 361249
Curs acadegravemic 2019-2020
Coordinacioacute Erik Cobo Valeri
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 48
- Pragravectiques de problemes 8
- Pragravectiques dordinadors 4
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha drsquoestar disposat a adquirir progressivament competegravencies i habilitats especificades alrsquoentrada statistical consulting de lrsquoEnciclopegravedia en Ciegravencies Estadiacutestiques
Requisits
361231 - Models Lineals (Recomanada)
361237 - Estadiacutestica per a les Biociegravencies (Recomanada)
361232 - Anagravelisi Multivariant (Recomanada)
361234 - Models Lineals Generalitzats (Recomanada)
361214 - Software Estadiacutestic (Recomanada)
361221 - Inferegravencia Estadiacutestica (Recomanada)
361230 - Disseny dExperiments (Recomanada)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
bull Identificar i utilitzar correctament la terminologia bagravesica dels estudis empiacuterics en ciegravencies de lasalut
bull Distingir entre associacioacute i causalitat i entre estimacioacute drsquoefectes drsquointervencions definides icerca de causes
bull Interpretar i utilitzar correctament les principals guies de publicacioacute de recerca en salut(CONSORT SPIRIT PRISMA STROBE STARD TRIPOD)
bull Valorar criacuteticament els resultats de recerca en ciegravencies de la salut
bull Conegraveixer els entorns laborals en ciegravencies de la salut que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Referits a habilitats destreses
bull Aplicar les tegravecniques estadiacutestiques en estudis empiacuterics en ciegravencies de la salut i interpretar-necorrectament els resultats
bull Aplicar les tegravecniques estadiacutestiques a estudis observacionals i experimentals en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques de model lineal generalitzat a estudis en ciegravencies de la salut iinterpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques aplicades a la revisioacute sistemagravetica drsquoestudis en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis empiacuterics en ciegravencies de la salut
bull Fer una valoracioacute criacutetica drsquoun article cientiacutefic pel que fa als objectius megravetodes resultats ilimitacions trobades
Referits a actituds valors i normes
bull Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis empiacuterics en ciegravencies de la salut
Blocs temagravetics
1 Entorn de treball
11 Objectius de salut i tipus drsquoestudis
12 Aspectes egravetics Interaccioacute amb els investigadors
13 Regressioacute a la mitjana evolucioacute natural i efecte placebo
2 Dissenys experimentals per avaluar intervencions Revisions sistemagravetiques
21 Assajos cliacutenics Determinacioacute de la mida mostral Desviacions i dades no disponibles
Riscos de biaix
22 Dissenys amb intercanvi (cross-over)
23 Genegraverics Plantejament drsquoequivalegravencia
24 Revisions sistemagravetiques Metanagravelisi
3 Causalitat
31 Prediccioacute en front drsquointervencioacute
32 Estimacioacute drsquoefectes enfront de cerca de causes
33 Diadrames aciacuteclics Bloqueig Aplicacioacute a la confusioacute drsquoefectes i al biaix de seleccioacute
34 Ponderacioacute per la inversa de la probabilitat (IPW)
4 Dissenys observacionals
41 Tipus drsquoestudis epidemiologravegics estudis de cohort estudis cas-control i estudis
transversals
42 Mesures de frequumlegravencia de malalties i epidegravemies prevalenccedila incidegravencia acumulada i
taxa drsquoincidegravencia
43 Mesures drsquoassociacioacute diferegravencia de riscos (absolut atribuiumlble) quocient de riscos
(relatiu) quocient drsquooportunitats (odds ratio) i quocient de taxes (hazard ratio)
44 Diagnogravestic Probabilitats diagnogravestiques Corba del receptor (ROC)
45 Models pronogravestics Logiacutestic i de Cox Capacitat de discriminacioacute Calibracioacute
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions
Al comenccedilament de cada tema el professor fa una presentacioacute inicial i ofereix documentacioacute perquegrave elsalumnes elaborin alguns conceptes
En paralmiddotlel lrsquoestudiant prepara mdashindividualment o en grupsmdash aspectes complementaris dels temesexposats i es discuteixen passat un temps a classe
El professor tambeacute proposa dades i eines per treballar-les
Lrsquoalumnat hi treballa de forma guiada i nrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es duu a terme a traveacutes de tres elements
mdash Problemes per a cada bloc (410 )
mdash Informe escrit i presentacioacute oral drsquoun treball pragravectic (20 )
mdash Dues proves de siacutentesi en acabar els blocs 2 i 4 (220 )
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi Aquesta data es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Examen final que inclou exercicis de tots els tipus
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
SENN Stephen Statistical issues in drug development 2nd ed Chichestr Wiley-Blackwell 2007
PIANTADOSI Steven Clinical Trials a methodologic perspective Hoboken NJ Wiley-Interscience 2005
JEWELL Nicholas Statistics for Epidemiology Boca Raton [Fla] [etc] Chapman amp HallCRC 2004
Pagravegina web
Causality book Miquel Hernaacuten amp Jamie Robbins
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a la Gestioacute de la Qualitat
Codi de lassignatura 361235
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques dordinadors 225
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica DescriptivaIntroduccioacute a la Probabilitat i Introduccioacute a la Inferegravencia Estadiacutestica
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Prendre consciegravencia de la importagravencia i de les possibilitats de lrsquoestadiacutestica en el context de lagestioacute de la qualitat mdash Conegraveixer i saber aplicar les tegravecniques fonamentals
Capacitats a adquirir mdash Entendre i prendre consciegravencia de per quegrave lrsquoestadiacutestica eacutes una eina important en la gestioacute de laqualitatmdash Identificar en quines situacions poden ser uacutetils les eines per a la millora de la qualitat i saber-les utilitzar adequadamentmdash Plantejar i realitzar estudis de capacitat Conegraveixer quegrave soacuten i com es calculen els iacutendexs decapacitatmdash Conegraveixer el paper dels gragravefics de control en la lluita contra la variabilitat Saber com esconstrueixen i com srsquointerpreten els gragravefics drsquouacutes meacutes habitualmdash Entendre i saber calcular els riscos inherents a qualsevol pla de mostreig Construir iinterpretar la corba caracteriacutestica drsquoun pla de mostreigmdash Conegraveixer les tegravecniques meacutes habituals per a la planificacioacute de la qualitat
Blocs temagravetics
1 Introduccioacute a la gestioacute de la qualitat
Quegrave eacutes la qualitat El control de la qualitat evolucioacute histograverica Gestioacute de la qualitat Latrilogia de Juran El paper de lrsquoestadiacutestica en la gestioacute de la qualitat Lrsquoassignatura en elcontext de la carrera
2 Millora de la qualitat
Quegrave eacutes la millora La definicioacute del projecte i dels objectius Metodologia per a la millora Lesset eines bagravesiques drsquoIshikawa plantilles histogrames diagrames de Pareto diagramescausa-efecte diagrames bivariants estratificacioacute gragravefics de control Habilitats el treball enequip Introduccioacute a la metodologia de millora sis sigma
3 Variabilitat causes i mesura
Concepte de variabilitat Causes comunes i causes assignables Tractament probabiliacutestic deles causes comunes la llei normal Estudis de capacitat a curt i llarg termini Iacutendexs decapacitat Llenguatge sis sigma
4 Control estadiacutestic de processos
Estrategravegies en la lluita contra la variabilitat Control estadiacutestic de processos com i per quegraveGragravefics de control per variables gragravefics Xbarra-R Altres gragravefics de control per variablesGragravefics de control per atributs P NP Altres gragravefics de control per atributs
5 Inspeccioacute per mostreig
Quegrave eacutes la inspeccioacute per mostreig Quegrave eacutes un pla de mostreig Risc del comprador i risc delvenedor Cagravelcul dels riscos Corba caracteriacutestica drsquoun pla de mostreig Disseny de plans demostreig Normes MIL-STD 105 D
6 Eines per a la planificacioacute
La veu del client El model de Kano QFD la casa de la qualitat Anticipar-se a lrsquoaparicioacute dedefectes lrsquoAMFE Sistemes antierror Poka-Yoke Quegrave eacutes un producte robust Introduccioacute almodel EFQM i ISO
Metodologia i activitats formatives
Teoria exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Problemes i pragravectiques resolucioacute de problemes i casos pragravectics Es proposen problemes per fer foradrsquohores de classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
NF = 025NAC + 035NEP + 040NEF (cal una nota miacutenima de 4 a la NEF per fer la ponderacioacute encas contrari NF = NEF)
NF nota finalNAC nota drsquoavaluacioacute continuada (exercicis que els estudiants han de lliurar al llarg del curs)NEP nota de lrsquoexamen parcialNEF nota de lrsquoexamen final
En lrsquoexamen final entra tota la mategraveria del curs
Avaluacioacute uacutenica
Un uacutenic examen en quegrave entra tota la mategraveria La nota obtinguda en aquest examen eacutes la nota delrsquoassignatura Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacuteuacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MONTGOMERY Douglas C Introduction to Statistical Quality Control 5th ed Chichester John Wiley 2005
Estadiacutestica con MINITAB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a les Biociegravencies
Codi de lassignatura 361237
Curs acadegravemic 2019-2020
Coordinacioacute Esteban Vegas Lozano
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 36
- Pragravectiques de problemes 16
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes convenient que lrsquoestudiant disposi de les competegravencies i habilitats que srsquoespera que tingui al final delsegon curs del grau drsquoEstadiacutestica
Requisits
mdash Probabilitat i Inferegravenciamdash Estadiacutesticamdash Anagravelisi Multivariant
mdash Model Linealmdash Coneixement del llenguatge de R
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
[A] Identificar i utilitzar correctament la terminologia bagravesica dels estudis de biociegravencies biologiabiomedicina i bioinformagravetica ecologia genegravetica i biodiversitat
[B] Enunciar les tegravecniques estadiacutestiques meacutes rellevants en estudis de biociegravencies
[C] Aplicar les tegravecniques estadiacutestiques en estudis de biociegravencies i interpretar-ne correctament elsresultats
[D] Conegraveixer les especialitats megravediques meacutes rellevants i els seus tipus drsquoestudis i variables meacutesusuals
[E] Conegraveixer alguns termes i conceptes de biologia molecular aixiacute com algunes de les tecnologiesemprades en experiments de biologia i biomedicina
[F] Aprendre els processos usuals per a lrsquoanagravelisi de dades drsquoalt rendiment
[G] Conegraveixer i interpretar les mesures estadiacutestiques generals de diversitat i la seva relacioacute amb labiodiversitat en ecologia i en genegravetica
[H] Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis de biociegravencies
[I] Potenciar la capacitat de reflexioacute i criacutetica mitjanccedilant el treball amb conjunts de dades drsquoestudisde biociegravencies
[J] Aprendre a redactar un informe que contingui els objectius megravetodes i resultats aixiacute com unavaloracioacute criacutetica de les limitacions trobades
[K] Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis en les biociegravencies
[L] Conegraveixer els entorns laborals en biociegravencies que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Blocs temagravetics
1 Estadiacutestica i bioinformagravetica
11 Biomolegravecules biomedicina i malalties
mdash Les molegravecules de la vida ADN i proteiumlnes dogma central expressioacute gegravenica
mdash Biomedicina i bases moleculars drsquoalgunes malalties (el cagravencer o malalties
immunes)
mdash Exemples i estudi drsquoun cas medicina personalitzada
12 Introduccioacute a algunes eines de la biotecnologia
mdash La bioinformagravetica
mdash Anagravelisi de lrsquoexpressioacute gegravenica microarrays (matrius)
mdash Altres tegravecniques drsquoobtencioacute de dades drsquoalt rendiment sequumlenciacioacute i proteogravemica
mdash Exemples i estudi de casos eines bioinformagravetiques per a lrsquoexplotacioacute de bases de
dades biologravegiques
13 Anagravelisi de dades drsquoalt rendiment anagravelisi de matrius drsquoexpressioacute gegravenica
mdash Preprocessament i control de qualitat
mdash Normalitzacioacute
mdash Seleccioacute de gens diferencialment expressats
mdash Classificacioacute i prediccioacute amb dades drsquoalt rendiment
mdash Exemples i estudi drsquoun cas seleccioacute de gens associats amb cagravencer de mama
2 Estadiacutestica i biodiversitat
21 Introduccioacute a la diversitat
mdash Mesures estadiacutestiques de diversitat Lrsquoiacutendex de Simpson i lrsquoiacutendex de Shannon
22 Biodiversitat en ecologia
mdash Conceptes bagravesics drsquoecologia espegravecie ecosistema niacutenxol hagravebitat riquesa
drsquoespegravecies iacutendex de diversitat abundagravencia etc
mdash Gragravefics per a la representacioacute de dades de diversitat la distribucioacute de les
frequumlegravencies i el diagrama de rang-abundagravencia
mdash Models estadiacutestics per a la diversitat drsquoespegravecies log-segraverie de Fisher el model log-
normal la segraverie geomegravetrica el model del bastoacute trencat de McArthur
mdash Les mesures de diversitat drsquoespegravecies la riquesa drsquoespegravecies lrsquoiacutendex de Simpson
lrsquoiacutendex de Shannon
mdash Estimacioacute de la riquesa drsquoespegravecies la corba drsquoacumulacioacute drsquoespegravecies estimadors
paramegravetrics i no paramegravetrics de la riquesa
mdash Incertesa en lrsquoestimacioacute de la diversitat El jackknife
mdash Exemples
23 Biodiversitat en genegravetica
mdash Conceptes bagravesics de genegravetica cromosomes locus gens i almiddotlels genotips
haplotips marcadors dominants codominants i recessius microsategravelmiddotlits i SNP
polimorfismes frequumlegravencies almiddotlegraveliques i genotiacutepiques heterozigositat observada i
esperada equilibri genegravetic (Hardy-Weinberg i desequilibri de lligament) Estadiacutestics
per mesurar desequilibri
mdash Les mesures de la diversitat gegravenica Percentatge de locus polimograverfics nombre
efectiu drsquoalmiddotlels riquesa drsquoalmiddotlels heterozigositat esperada Lrsquoiacutendex de Simpson i
lrsquoiacutendex de Shannon
mdash Anagravelisi de la diversitat gegravenica entre i dins de poblacions els iacutendexs de Nei i els
estadiacutestics F de Wright
mdash Exemples
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions Alcomenccedilament de cada tema el professorat fa una presentacioacute inicial i ofereix documentacioacute perquegravelrsquoalumnat elabori alguns conceptes
Paralmiddotlelament els alumnes preparen individualment o en grups aspectes complementaris dels temesexposats que es discuteixen passat un temps a classe
Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Eacutes elprofessorat qui assigna els estudiants als grups
El professorat tambeacute proposa dades i eines per treballar-les I lrsquoalumnat hi treballa de forma guiada inrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi en acabar cada bloc (45 )mdash Pragravectiques de laboratori i exercicis per lliurar per a cada bloc (30 )mdash Un treball pragravectic (25 )
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir‐se a lrsquoavaluacioacute uacutenica han de fer‐hoabans de la data que srsquoestableix i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi i treball que engloben els continguts dels blocs (70 )mdash Prova de laboratori sobre els continguts dels blocs (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
COHEN William W A computer Scientistrsquos guide to cell biology a travelogue from a stranger in a strangeland Pittsburgh Springer 2007
Recomanat per al bloc 1
GASTON Kevin J et al Biodiversity an introduction 2nd ed Oxford Blackwell Science 2004
Recomanat per al bloc 2
GIBSON Greg et al A primer of genome science 3rd ed Sunderland Mass Sinauer Associates 2009
Recomanat per al bloc 1
KJRIJNEN H Applied Statistics for Bioinformatics (pdf)
Recomanat per al bloc 1
LOWE Andrew et al Ecological genetics design analysis and application Malden (Mass) Blackwell2004
Recomanat per al bloc 2
PEVSNER Jonathan Bioinformatics and Functional Genomics Hoboken NJ Wiley-Blackwell 2009
Recomanat per al bloc 1
MAGURRAN Anne E Measuring biological diversity Malden Blackwell 2004
Recomanat per al bloc 2
Rafael A Irizarry and Michael I Love Data Analysis for the Life Sciences with R Chapman and HallCRC2016
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Puacuteblica
Codi de lassignatura 361236
Curs acadegravemic 2019-2020
Coordinacioacute ROGER ROCA SAQUERO
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Materials de referegravencia complementaris
A mesura que avanccedila el temari srsquoindiquen els recursos en liacutenia corresponents
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Aula convencional) 30
- Pragravectiques dordinadors
(Aula drsquoinformagravetica) 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Consulta permanent durant el periacuteode de docegravencia dels materials i continguts que es publiquen en elCampus Virtual Tambeacute es recomana fer seguiment de lrsquoactualitat econogravemicamdash Coneixement drsquoanglegraves (a nivell de lectura com a miacutenim)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes conegraveixer les fonts estadiacutestiques oficials aixiacute com lesprincipals operacions estadiacutestiques que elaboren
Pel que fa a les fonts estadiacutestiquesmdash Conegraveixer els objectius la metodologia el tipus de dades la problemagravetica i les principals einesassociades a les diferents fonts estadiacutestiquesmdash Conegraveixer fonts estadiacutestiques oficials drsquoagravembit autonogravemic estatal i internacionalmdash Conegraveixer la legislacioacute estadiacutestica bagravesica
Pel que fa a les operacions estadiacutestiquesmdash Conegraveixer les principals caracteriacutestiques i la metodologia de les operacions estadiacutestiquesmdash Conegraveixer les dades i el tipus drsquoinformacioacute que generen les operacions estadiacutestiques oficials
Referits a habilitats destreses
mdash Identificar i saber seleccionar les fonts estadiacutestiques meacutes adequades en funcioacute de lrsquoobjectiu delrsquoanagravelisi proposadamdash Analitzar interpretar i sintetitzar dades i discernir quina eacutes la informacioacute rellevant en funcioacutedels objectius de lrsquoanagravelisimdash Desenvolupar les capacitats comunicatives (expressioacute escrita i oral)
Referits a actituds valors i normes
mdash Desenvolupar la capacitat de relacionar lrsquoestadiacutestica amb altres disciplinesmdash Desenvolupar les capacitats drsquoaprenentatge i responsabilitatmdash Desenvolupar la capacitat de treballar en equip
Blocs temagravetics
1 (Bloc 1) Introduccioacute
11 Estadiacutestica oficial
12 Instituts drsquoestadiacutestica oficial Idescat INE i Eurostat
13 Lleis i reglaments de lrsquoestadiacutestica oficial
2 (Bloc 1) Metodologia de les fonts estadiacutestiques oficials
21 Fases de la produccioacute estadiacutestica
22 Recollida drsquoinformacioacute quumlestionaris i altres instruments
23 Disseny de mostres a les fonts estadiacutestiques oficials
24 Resultats obtencioacute i formes de publicacioacute
25 Qualitat de les operacions estadiacutestiques
3 (Bloc 1) Dades massives (big data) i ciutats intelmiddotligents (smart cities)
31 Dades massives (big data) per al desenvolupament
32 Ciutats intelmiddotligents
4 (Bloc 2) Estadiacutestiques demogragravefiques
41 Introduccioacute
42 Canvis demogragravefics
43 Estructura de les llars i famiacutelies
44 Caracteriacutestiques i condicions dels habitatges
45 Poblacioacute estrangera
46 Mobilitat geogragravefica
47 Envelliment
48 Projeccions de poblacioacute
5 (Bloc 2) Estadiacutestiques del mercat laboral
51 Poblacioacute activa
52 Poblacioacute ocupada
53 Poblacioacute aturada
54 Mograveduls de lrsquoEPA
55 Estadiacutestiques drsquoofertes de feina
56 Retribucions i costos laborals
6 (Bloc 2) Estadiacutestiques de consum i de preus
61 Nombres iacutendex (teoria i pragravectica)
62 Estadiacutestiques de preus europees
63 Inflacioacute i deflacioacute
Metodologia i activitats formatives
Internet eacutes una eina central per al desenvolupament de lrsquoassignatura per aquesta raoacute la major part deles sessions presencials es desenvolupen a lrsquoaula drsquoinformagravetica Es potencia el treball en xarxa mitjanccedilant lrsquouacutes drsquoeines en liacutenia (Campus Virtual etc)
Es treballa amb materials en catalagrave castellagrave i anglegraves Srsquoatorga molta importagravencia a les lectures i alrsquoexpressioacute escrita
Es combinen diverses metodologies drsquoaprenentatge com ara classes magistrals classes expositivestreball en grup (escrit i oral) cerca drsquoinformacioacute i exercicis pragravectics
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per a lrsquoalumnat que assisteix regularment a classe Esrecomana una assistegravencia miacutenima del 80 de les sessions
Activitats drsquoavaluacioacute
mdash Prova escrita 1 temes 1 2 i 3 (25 punts)
mdash Prova escrita 2 temes 4 5 i 6 (25 punts)
mdash Pragravectica colmiddotleccioacute drsquoexercicis treballats a classe (2 punts)
mdash Treball article drsquoanagravelisi siacutentesi i interpretacioacute de dades procedents de diferents fonts estadiacutestiquesoficials Grups de tres a cinc persones Article i presentacioacute oral (3 punts)
Qualificacioacute global
Lrsquoassignatura se supera si la suma de les quatre evidegravencies (proves o activitats) eacutes igual o superior a 5En cas contrari lrsquoestudiant ha de fer la prova drsquoavaluacioacute uacutenica No es guarda cap nota
Nombre miacutenim drsquoevidegravencies (proves o activitats) que calen per tenir qualificacioacute 3 Si no srsquoarriba aaquest miacutenim llavors la qualificacioacute final eacutes laquono presentatraquo
Calendari
mdash Prova escrita 1 en finalitzar el tema 3
mdash Prova escrita 2 en finalitzar el tema 6
mdash Pragravectica es treballaragrave com a miacutenim una pragravectica per cada tema treballat
mdash Treball lrsquoenunciat es comunica un cop iniciades les classes El treball srsquoha de lliurar a final del mes demaig
La data de les activitats drsquoavaluacioacute continuada es comunica amb un miacutenim de dues setmanesdrsquoantelacioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que estableixi el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Avaluacioacute uacutenica
Tot i que no eacutes lrsquoopcioacute meacutes recomanable srsquohi pot acollir lrsquoalumnat que no segueixi lrsquoavaluacioacutecontinuada Eacutes lrsquoopcioacute meacutes recomanable quan no es pot assistir de forma regular a classe
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica poden fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts)
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova drsquoavaluacioacute uacutenica es duu a terme en la data fixada pel Consell Docent
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Pagravegina web
INE
Institut Nacional drsquoEstadiacutestica Els materials concrets srsquoindiquen a mesura queavanccedila el temari
IDESCAT
Institut drsquoEstadiacutestica de Catalunya Els materials concrets srsquoindiquen a mesuraque avanccedila el temari
EUROSTAT
Oficina estadiacutestica de la Unioacute Europea Els materials concrets srsquoindiquen amesura que avanccedila el temari
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fitxers i Bases de Dades
Codi de lassignatura 361215
Curs acadegravemic 2019-2020
Coordinacioacute Montserrat Guillen Estany
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Pragravectiques dordinadors 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Sofware Estadiacutestic
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els fonaments de les estructures de dades en memograveria i els conceptes bagravesicsdrsquoorganitzacioacute de les dades mdash Comprendre els conceptes fonamentals en el disseny de les bases de dades
mdash Entendre els conceptes bagravesics de sistemes de bases de dades i els seus avantatges iinconvenients
Referits a habilitats destreses
mdash Saber dissenyar i manipular una base de dades
mdash Ser capaccedil drsquoaccedir a una base de dades mitjanccedilant la utilitzacioacute del llenguatge SQL
mdash Poder aplicar els coneixements teograverics mitjanccedilant la utilitzacioacute de programari de gestioacute debases de dades mdash Saber resoldre problemes de complexitat baixa i mitjana a partir de la construccioacute drsquouna basede dades en lrsquoagravembit estadiacutestic
Blocs temagravetics
1 Arxius i bases de dades
11 Conceptes bagravesics
12 Bases de dades Objectes de bases de dades
13 Sistema gestor de bases de dades
14 Dades massives (big data) i dades en temps real
2 Llenguatge SQL
21 Introduccioacute
22 Tipus de camps
23 Tipus de dades SQL
24 Consultes
25 Estructures de les taules
3 Utilitzacioacute del llenguatge SQL (Access SAS R PosgreSQL)
31 Consultes bagravesiques
32 Combinacioacute de taules
33 Actualitzacioacute de dades
4 Temes avanccedilats
41 Seguretat i privacitat
42 Transaccions
43 NoSQL
44 Entorn web i tecnologies emergents
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials realitzades en aules amb ordinadors
a) Classes de teoria en quegrave srsquoexposen els conceptes bagravesics de cadascuna de les unitats
b) Classes pragravectiques amb lrsquoobjectiu que cada estudiant sigui capaccedil drsquoanalitzar i solucionar els exercicisplantejats drsquoacord amb els coneixements adquirits a les classes teograveriques Aquestes pragravectiques tot i noser guiades tenen el suport del professorat i serveixen per aclarir algunes quumlestions no necessagraveriamentexplicades a les classes de teoria
Aixiacute mateix es proposa que els estudiants facin pragravectiques addicionals fora de les hores de classe amb lafinalitat que adquireixin la seguretat suficient per poder treballar autogravenomament Aquestes pragravectiquestambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de les activitatsseguumlents
mdash Exercicis resolts a classe (pragravectiques) i participacioacute en els fograverums del Campus Virtual o a lrsquoaula Valordel 15 de la nota final
mdash Tasques presencials i tasques semipresencials individuals Valor del 20 de la nota final
mdash Treball no presencial consistent en el disseny drsquouna base de dades incorporacioacute de dades i consultesrelacionades amb la base de dades Lliurament al desembre Valor del 25 de la nota final
mdash Una prova de valoracioacute global que consta drsquoun enunciat amb un seguit de quumlestions pragravectiques iteograveriques relatives als quatre blocs temagravetics o unitats En aquesta prova lrsquoestudiant disposa drsquoun magraveximdrsquohora i mitja per resoldre individualment les quumlestions plantejades utilitzant nomeacutes lrsquoordinador Data lafixada pel Consell Docent Aquesta prova no requereix una puntuacioacute miacutenima per poder fer lamitjana Valor del 40 de la nota final
Per poder superar lrsquoassignatura srsquohan de fer totes les proves drsquoavaluacioacute tant les presencials com lesno presencials
Avaluacioacute uacutenica
Els estudiants que ho vulguin poden optar a una avaluacioacute amb una prova final i uacutenica que suposa el100 de la nota Aquesta prova eacutes diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
LEMAHIEU W VAN DER BROUCKE S BAESENS B Principles of Database Management The PracticalGuide to Storing Managing and Analyzing Big and Small Data (o be published by Cambridge UniversityPress in July 2018)
wwwpdbmbookcom
ALLISON Cecelia L et al SQL for Microsoftreg Access 2nd ed Plano Texas Wordware 2008
CONNOLLY Thomas Met al Sistemas de bases de datos 4a ed Madrid Pearson Educacioacuten 2005
DATE CJ Introduccioacuten a los sistemas de bases de datos Madrid Pearson Educacioacuten 2001
GENNIK Jonathan SQL Pocket GuideSebastopol CA OrsquoReilly 2011
KRIEGEL Alex Discovering SQL A Hands-On Guide for Beginners Indianapolis Wiley 2011
PRAIRIE Katherine The essential PROC SQL handbook fo SAS USERS Cary (NC) SAS Institute 2005
SILBERSCHATZ Abraham et al Database System Concepts New York McGraw-Hill 2011
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fonaments dAdministracioacute dEmpreses
Codi de lassignatura 361211
Curs acadegravemic 2019-2020
Coordinacioacute JOAN CARLES GIL MARTIN
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Ser capaccedil de demostrar coneixements generals del concepte drsquoempresa i drsquoorganitzacioacute i delrol de lrsquoempresari i saber classificar una organitzacioacute empresarial segons els diferents criteris enespecial saber-ne identificar les formes juriacutediques meacutes adients
mdash Conegraveixer el funcionament de lrsquoempresa com a sistema els diferents subsistemes o agravereesfuncionals i els seus objectius aixiacute com saber identificar els models drsquoorganitzacioacute aplicables
mdash Demostrar que es coneixen les dimensions del proceacutes de direccioacute influegravencia estrategravegiaplanificacioacute organitzacioacute direccioacute de persones control i decisioacute
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute dels recursos humans per a lesempreses i demostrar coneixements bagravesics dels principals processos en aquesta agraverea
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute financera a les empreses idemostrar coneixements bagravesics dels principals processos en aquesta agraverea en especial lacomptabilitat lrsquoanagravelisi del cicle curt mdashexplotacioacutemdash del cicle llarg mdashinversioacutemdash i les fonts definanccedilament adients
mdash Ser capaccedil drsquoaplicar els conceptes financers bagravesics per analitzar la viabilitat econogravemica drsquounprojecte analitzar econogravemicament les diferents alternatives drsquouna decisioacute i fer el seguimenteconogravemic drsquoun pressupost
mdash Ser capaccedil drsquoentendre els principals conceptes comercials com ara mercats demandacompetegravencia comportament del client i els principals megravetodes per al seu estudi com ara lainvestigacioacute de mercats
mdash Ser capaccedil de demostrar coneixements bagravesics dels instruments de magraverqueting i la sevautilitzacioacute
mdash Ser capaccedil de demostrar coneixements bagravesics dels principals objectius de la direccioacutedrsquooperacions i dels principals processos en aquesta agraverea
Referits a habilitats destreses
mdash Capacitat comunicativa (capacitat de comprendre i drsquoexpressar-se oralment i per escrit encatalagrave castellagrave i en una tercera llengua i dominar el llenguatge especialitzat)
mdash Capacitat de buscar utilitzar i integrar la informacioacute
mdash Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees drsquoaplicacioacute
Blocs temagravetics
1 Introduccioacute a lrsquoempresa
Introduccioacute al concepte drsquoempresa i al rol de lrsquoempresari Criteris de classificacioacute de lesdiferents tipologies drsquoempreses formes juriacutediques i empresa familiar Descripcioacute de lrsquoempresa
com a sistema dels seus subsistemes i dels models i els criteris bagravesics drsquoorganitzacioacute
2 Direccioacute
Presentacioacute de les dimensions del proceacutes de direccioacute influegravencia estrategravegia planificacioacuteorganitzacioacute direccioacute de persones control i decisioacute
3 Recursos humans
Descripcioacute de la importagravencia i objectius de lrsquoagraverea de recursos humans aixiacute com delsprincipals processos drsquoaquesta agraverea funcional
4 Finances
Descripcioacute dels objectius de lrsquoagraverea de finances aixiacute com dels principals processos drsquoaquestaagraverea funcional a curt i llarg termini i de les fonts de financcedilament Descripcioacute de lacomptabilitat com a sistema drsquoinformacioacute i com a proceacutes i dels conceptes comptables bagravesicsper analitzar lrsquoequilibri financer Utilitzacioacute dels costos per a la presa de decisions Anagravelisidrsquoinversions Control pressupostari
5 Comercial i magraverqueting
Descripcioacute dels objectius de lrsquoagraverea comercial i magraverqueting aixiacute com dels principalsconceptes com ara mercats demanda competegravencia comportament del client i dels principalsmegravetodes per al seu estudi com ara la investigacioacute de mercats Descripcioacute dels instruments demagraverqueting i la seva utilitzacioacute
6 Operacions
Descripcioacute dels objectius de lrsquoagraverea drsquooperacions aixiacute com dels principals processosdrsquoaquesta agraverea funcional
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes pragravectiques en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de casos pragravectics
A meacutes es demana als estudiants lrsquoexecucioacute drsquoun treball de camp relacionat amb lrsquoassignatura
Aquesta assignatura no requereix el desdoblament del grup en subgrups en cap activitat
Avaluacioacute acreditativa dels aprenentatges
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenicaLrsquoavaluacioacute continuada eacutes la forma recomanada i desitjable de cursar aquesta assignatura per treurersquon elmagravexim profit Lrsquoalumnat que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica hade fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb lrsquoantelacioacute suficient
Els elements drsquoavaluacioacute continuada soacuten els seguumlents
mdash Participacioacute a classe 10 de la nota
mdash Lliurament de la pragravectica 1 i lliuraments parcials (en acabar el tema 3 laquoRecursos humansraquo) 10 dela nota
mdash Lliurament de la pragravectica 2 i lliuraments parcials (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Lliurament de la pragravectica 3 i lliuraments parcials (en acabar el tema 6 laquoOperacionsraquo) 20 de lanota
mdash Prova drsquoestudi continuat 1 (en acabar el tema 3 laquoRecursos humansraquo) 15 de la nota
mdash Prova drsquoestudi continuat 2 (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Prova drsquoestudi continuat 3 (en acabar el tema 6 laquoOperacionsraquo) 15 de la nota
La pragravectica 1 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb aspectes genegraverics de lrsquoempresa la seva direccioacute i la gestioacute dels seusrecursos humans Eacutes requisit indispensable lliurar aquesta pragravectica per fer la prova drsquoestudi continuat 1(PEC 1)
La pragravectica 2 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb la gestioacute econogravemica i financera Eacutes requisit indispensable lliuraraquesta pragravectica per fer la prova drsquoestudi continuat 2 (PEC 2)
La pragravectica 3 es basa en un petit treball de camp que ha de permetre respondre una segraverie de quumlestionsrelacionades amb les agraverees funcionals de comercial i magraverqueting i operacions Eacutes requisit indispensablelliurar aquesta pragravectica per fer la prova drsquoestudi continuat 3 (PEC 3)
La prova drsquoestudi continuat 1 (PEC 1) consisteix en una segraverie de preguntes curtes relacionades amb lapragravectica 1 i amb el tema 1 laquoIntroduccioacute a lrsquoempresaraquo el tema 2 laquoDireccioacuteraquo i el tema 3 laquoRecursoshumansraquo
La prova drsquoestudi continuat 2 (PEC 2) consisteix en una segraverie drsquoexercicis numegraverics i preguntes curtesrelacionades amb la pragravectica 2 i amb el tema 4 laquoFinancesraquo
La prova drsquoestudi continuat 3 (PEC 3) consisteix en una segraverie de preguntes curtes relacionades amb eltema 5 laquoComercial i magraverquetingraquo i el tema 6 laquoOperacionsraquo
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableix i que es fa puacuteblica amb lrsquoantelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute) Aquesta prova permet obtenir la qualificacioacute magravexima a lrsquoassignatura
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicasrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MAYNAR Pilar et al(coord) La economiacutea de la empresa en el espacio de educacioacuten superior MadridMcGraw-Hill 2013
FUENTES Mariacutea del Mar et al Fundamentos de direccioacuten y administracioacuten de empresas MadridPiraacutemide 2014
OCHOA Carlos Economiacutea y Organizacioacuten de Empresas San Sebastiaacuten Editorial Donostiarra 1996
Pagravegina web
Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Eurostat
Foment del Treball Nacional
PIMEC Patronal de la Petita i Mitjana Empresa de Catalunya
Barcelona Activa
El canal de televisioacuten de los emprendedores - Fundacioacuten Banesto Sociedad y Tecnologiacutea
Emprende aprendiendo - Canal de YouTube para emprendedores
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Inferegravencia Estadiacutestica
Codi de lassignatura 361221
Curs acadegravemic 2019-2020
Coordinacioacute PEDRO DELICADO USEROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de model estadiacutestic paramegravetric de mostra aleatograveria simple de mida n idrsquoestadiacutestic fonaments de bona part dels megravetodes estadiacutestics que es desenvoluparanposteriorment
Conegraveixer el concepte drsquoestimador Conegraveixer els conceptes de biaix dispersioacute risc i consistegravenciadrsquoun estimador Fita de Cramer-Rao Estimacioacute UMVU (uniformly minimum variance unbiased)
Conegraveixer els principals megravetodes drsquoestimacioacute en especial lrsquoestimacioacute de magravexima versemblanccedila
Conegraveixer el concepte drsquoestimador per intervals aixiacute com alguns megravetodes de construccioacutedrsquointervals de confianccedila
Conegraveixer el concepte de prova drsquohipogravetesi nivell de significacioacute potegravencia funcioacute depotegravencia Teorema de Neyman-Pearson Proves UMP (uniformly most powerful)
Conegraveixer la prova de la raoacute de versemblanccedila aixiacute com les seves propietats asimptogravetiquesConegraveixer la relacioacute drsquoaquesta prova amb moltes proves drsquohipogravetesi clagravessiques
Referits a habilitats destreses
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors ograveptims de lesfamiacutelies paramegravetriques meacutes bagravesiques
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors perintervals dels paragravemetres estadiacutestics meacutes corrents
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament proves UMP quan nrsquohi hagiaixiacute com desenvolupaments bagravesics de la prova de la raoacute de versemblanccedila
Blocs temagravetics
1 Model estadiacutestic
Models paramegravetrics i no paramegravetrics Dades i mostres Estadiacutestics i estimadors Visioacutepanoragravemica de la inferegravencia estadiacutestica estimacioacute puntual per intervals i proves drsquohipogravetesi
11 Dades i models
Models paramegravetrics i no paramegravetrics Dades i mostres El teorema de Glivenko-
Cantelli Estadiacutestics i estimadors El teorema de Fisher
12 Principals blocs temagravetics de la inferegravencia estadiacutestica
Estimacioacute puntual per intervals i proves drsquohipogravetesi
2 Criteris drsquoavaluacioacute drsquoestimadors
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao Resultatsper a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU Criteris asimptogravetics consistegravencianormalitat asimptogravetica eficiegravencia asimptogravetica
21 Error sistemagravetic i precisioacute drsquoun estimador
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao
Resultats per a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU
22 Criteris asimptogravetics
Consistegravencia normalitat asimptogravetica eficiegravencia asimptogravetica
3 Megravetodes de construccioacute drsquoestimadors
Megravetode dels moments Magravexima versemblanccedila Estimadors de Bayes Altres megravetodessubstitucioacute (laquoplug-inraquo) versemblances modificades (condicional laquoprofileraquo etc)
31 Megravetodes clagravessics drsquoestimacioacute
Megravetode dels moments Magravexima versemblanccedila
32 Altres megravetodes drsquoestimacioacute
Estimadors de Bayes
4 Megravetodes de construccioacute i avaluacioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics Nocions drsquointervals deconfianccedila simultanis
41 Megravetodes bagravesics de construccioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics
5 Megravetodes de construccioacute i avaluacioacute de proves drsquohipogravetesi
Hipogravetesis simples i compostes Lema de Neyman-Person Proves uniformement meacutes potentsi proves no esbiaixades i localment meacutes potents Raoacute de versemblanccedila Comportamentasimptogravetic de la prova de la raoacute de versemblanccedila Obtencioacute de proves clagravessiques a partir de laraoacute de versemblanccedila Proves de Wald i dels laquoscoresraquo
51 Conceptes bagravesics
Hipogravetesis simples i compostes Nivell de significacioacute i potegravencia
52 Proves de potegravencia magravexima i relacionades
Teorema de Neyman-Person Proves uniformement meacutes potents i proves no
esbiaixades i localment meacutes potents
53 Prova de la raoacute de versemblanccedila
Raoacute de versemblanccedila Comportament asimptogravetic de la prova de la raoacute de
versemblanccedila Obtencioacute de proves clagravessiques a partir de la raoacute de versemblanccedila
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent mdash Classes de teoria (30 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratiusmdash Classes de problemes (30 hores) amb la resolucioacute de problemes drsquouna llistamdash Treball tutelat (40 hores) amb entrevistes i treball a casa per anar seguint els aprenentatgesmdash Treball autogravenom (50 hores) drsquoestudi miacutenim imprescindible per memoritzar i entendre la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
TS tasques setmanals de correccioacute automagravetica (quumlestionaris Moodle)EP examen parcialEF examen finalNota global 06EF + 025 MagravexEFEP + 015 MagravexEFTS
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Examen final de tota la mategraveria amb un valor del 100
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CUADRAS Carlos Mordf Problemas de Probabilidades y Estadiacutestica Vol 2 Barcelona Edicions de laUniversitat de Barcelona 2016
Molt recomanable
DeGROOT M H SCHERVISH M J Probability and Statistics Boston Pearson Education 2012
PENtildeA D Fundamentos de Estadiacutestica Madrid Alianza 2008
EVANS M J ROSENTHAL J Probabilidad y Estadiacutestica Barcelona Reverte 2013
Evans MJ amp Rosenthal JS Probability and Statistics The Science of Uncertainty Second EditionFreeman 2010
Casella G amp Berger RL Statistical inference 2nd ed Pacific Grove Duxbury Pacific Groove CA USA2002 ISBN 0534243126
Text electrogravenic
Goacutemez G amp Delicado P Curso de Inferencia y Decisioacuten Autoedicioacuten 2006
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Inferegravencia Estadiacutestica
Codi de lassignatura 361205
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes setmanals de 2 hores esdesdoblen en 2 grups simultanis amb dosprofessors per resoldre problemes ipragravectiques drsquoordinador)
60
- Teoricopragravectica 40
- Pragravectiques de problemes
(2 grups de pragravectiques de problemessimultanis amb dos professors)
8
- Pragravectiques dordinadors
(2 grups de pragravectiques amb ordinadorssimultanis amb dos professors)
12
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
bull Conegraveixer els tipus de mostreig bagravesics i les distribucions en el mostreig en les situacions meacuteshabitualsbull Conegraveixer les propietats desitjables dels estimadors i saber verificar si un estimador lescompleixbull Conegraveixer la metodologia general de les proves drsquohipogravetesi Calcular els errors de tipus I i II drsquounaprovabull Conegraveixer la relacioacute entre els resultats de les proves drsquohipogravetesi i dels intervals de confianccedilabull Saber fer servir les proves drsquohipogravetesi i els intervals de confianccedila com a eines per a la presa dedecisionsbull Saber traduir les preguntes que apareixen en contextos aplicats a la formulacioacute adequada entermes paramegravetrics
Referits a habilitats destreses
bull Calcular intervals de confianccedila en les situacions meacutes habitualsbull Calcular la mida mostral necessagraveria per garantir un nivell de confianccedila i una precisioacute donadesbull Calcular i interpretar les proves sobre mitjanes i variagravencies suposant normalitat sobrepercentatges en una binomial sobre paragravemetres drsquouna distribucioacute Poissonbull Calcular la mida mostral necessagraveria per garantir la potegravencia drsquouna prova drsquohipogravetesibull Utilitzar megravetodes no paramegravetrics
Blocs temagravetics
1 Inferegravencia estadiacutestica introduccioacute i conceptes bagravesics
11 Introduccioacute objectius i programa de lrsquoassignatura
12 Estudi drsquoun cas real
13 Context i objectius de la inferegravencia estadiacutestica
14 Poblacioacute i mostra Mostreig aleatori simple
15 Estadiacutestics i distribucioacute en el mostreig
16 Distribucions en el mostreig de la proporcioacute la mitjana i la variagravencia mostrals
2 Estimacioacute puntual
21 El problema de lrsquoestimacioacute puntual Paragravemetre i estimador
22 Lrsquoestimador usual drsquouna proporcioacute
23 Els estimadors usuals de lrsquoesperanccedila i de la variagravencia poblacionals Cas llei normal
24 El megravetode dels moments
25 Propietats dels estimadors
26 Calcular estimadors amb R
3 Estimacioacute per intervals
31 Concepte drsquointerval de confianccedila
32 Interval de confianccedila per a una proporcioacute
33 Intervals de confianccedila per a la mitjana Cas normal i cas general
34 Interval de confianccedila per a la variagravencia Cas normal
35 Interval per a la diferegravencia de mitjanes (dades aparellades o mostres independents)
Cas normal i cas general
36 Intervals calculats amb R
4 Proves drsquohipogravetesi per a una poblacioacute Conceptes fonamentals
41 Plantejament del problema drsquouna prova drsquohipogravetesi Tipus drsquohipogravetesis Errors de tipus I
i II
42 Metodologia general drsquouna prova lrsquoestadiacutestic de la prova com a mesura de
discrepagravencia entre les dades i la hipogravetesi nulmiddotla Aquests conceptes es plantegen en
termes de la prova per a una proporcioacute
43 Nivell de significacioacute i regioacute criacutetica El valor p La funcioacute de potegravencia
44 Prova per a la mitjana poblacional La prova Z i la prova t de Student
45 Determinacioacute de la grandagraveria mostral per garantir un nivell de confianccedila i una
precisioacute donades
46 Prova per a la variagravencia drsquouna llei normal
47 Fent proves drsquohipogravetesi amb R
5 Comparacioacute de dues poblacions
51 Comparacioacute de les mitjanes de dues poblacions a partir de dades aparellades
52 Comparacioacute de les mitjanes de dues poblacions independents
53 Comparacioacute de les proporcions de dues poblacions independents
54 Comparacioacute de les variagravencies de dues poblacions normals independents La prova F
55 Interval de confianccedila per a la diferegravencia de mitjanes (dades aparellades o mostres
independents)
56 Interval de confianccedila pel quocient de variagravencies
57 Relacioacute entre la regioacute drsquoacceptacioacute drsquouna prova drsquohipogravetesi i lrsquointerval de confianccedila
58 Comparant mostres de dues poblacions amb R
6 Proves no paramegravetriques basades en la llei de khi al quadrat
61 La prova de khi al quadrat de Pearson per lrsquoajust de la mostra a una distribucioacute
62 Proves de normalitat
63 La prova de khi al quadrat drsquoindependegravencia per a dades categograveriques
64 La prova de khi al quadrat drsquohomogeneiumltat per a dades categograveriques
7 Proves no paramegravetriques basades en rangs
71 Comparacioacute de dues mostres aparellades la prova dels signes i la prova de Wilcoxon
dels rangs signats
72 Comparacioacute de dues mostres independents prova de Mann-Whitney-Wilcoxon
Metodologia i activitats formatives
El pla docent es desglossa en tres tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara la resolucioacute de problemes i lrsquoestudi de casos pragravectics Lescategories desglossades soacuten 1 Classes en quegrave srsquoexposen els principals conceptes teograverics srsquoilmiddotlustren amb exercicis i es resolenproblemes
2 Classes de resolucioacute de problemes Classes especiacutefiques per treballar i resoldre problemes i queserveixen per aprofundir els conceptes teograverics
3 Classes de laboratori en quegrave srsquousa el programari R i que serveixen per treballar els conceptes teogravericsper analitzar conjunts de dades i per resoldre problemes
4 Activitats no presencials dirigides Lrsquoestudiant ha de fer servir lrsquoe-status per resoldre exercicis i casosEn grup ha de dur a terme un treball de camp (en total 47 hores drsquoactivitats dirigides no presencials)
Les classes de resolucioacute de problemes i de laboratori es fan amb el grup desdoblat en dos subgrups i dosprofessors diferents El professorat assigna els estudiants als grups
En el Campus Virtual es deixen altres eines complementagraveries com aramdash Llistes de problemes solucionats amb laquoclauraquo pedagogravegica per complementar els laboratorismdash Viacutedeos que expliquen com es resol un problema per complementar els laboratorismdash Articles amb casos reals en quegrave lrsquoestadiacutestica teacute un paper importantmdash Enllaccedilos a pagravegines web amb continguts drsquoestadiacutestica io amb dades
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
El procediment drsquoavaluacioacute consisteix en
1 La realitzacioacute durant el periacuteode lectiu drsquouna prova parcial [PP] que val el 15 de la qualificacioacutetotal composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 50 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
3 El lliurament de 4 exercicis amb lrsquoajut de lrsquoe-status [ES] (activitat no presencial associada als tipus 2 i4 de lrsquoapartat laquoMetodologiaraquo) Es puntuen per separat i a la mitjana aritmegravetica de les puntuacions licorrespon el 75 de la nota total Els lliuraments srsquohan de fer gradualment al llarg de tot el periacuteodeque duri el curs i srsquoanuncien en el Campus Virtual
4 La resposta de quumlestionaris a Kahoot plantejats durant algunes sessions de teoria [K] (activitatpresencial associada al tipus 1 i al tipus 2 de lrsquoapartat laquoMetodologiaraquo) La qualificacioacute drsquoaquest apartateacutes la mitjana aritmegravetica de les 5 millors qualificacions (entre 6) dels diferents quumlestionaris a Kahootplantejats durant el curs que srsquoanuncien en el Campus Virtual
5 El lliurament de resultats i conclusions drsquoun treball de camp [TC] que val el 20 de la qualificacioacutetotal (activitat no presencial) El treball es divideix en tres parts laquoQuumlestionariraquo (pes del 3 )laquoPresentacioacute de dadesraquo (pes del 5 ) i laquoAnagravelisi i conclusionsraquo (pes del 12 ) Les tres parts espuntuen per separat Es fan tres lliuraments el primer a lrsquoinici de marccedil el segon a lrsquoinici drsquoabril i eldarrer a final de maig Srsquoinforma lrsquoalumnat dels resultats Aquest treball requereix que lrsquoestudiantordeni representi resumeixi i tregui conclusions del conjunt de dades que ha recollit
Cagravelcul de la qualificacioacute total
[QT] = 015[PP] + 05[PS] + 0075[ES] +0075 [K]+ 020[TC] si PSgt 35
[QT] = [PS] si PS lt35
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova final i uacutenica que suposa el 100 de la qualificacioacute final es duu a terme en la data fixada pelConsell Docent i consta de les dues parts seguumlents
1 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 75 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)
mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquoun exercici global drsquoanagravelisi de dades amb R fet a lrsquoaulainformagravetica [PR] que val el 25 de la qualificacioacute total
Cagravelcul de la qualificacioacute total
[QT] = 075[PS] + 025 [PR] si PSgt 35
[QT] = [PS] si PS lt35
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2008
PENtildeA Daniel et al Introduccioacuten a la estadiacutestica para las ciencias sociales Madrid McGraw-HillInteramericana de Espantildea 1997
EVANS Michael et al Probabilidad y estadiacutestica Barcelona Reverte 2005
DeGROOT Morris H et al Probability and statistics Boston Pearson Education 2012
QUINTELA Alejandro Problemas estimulantes de Probabilidad y Estadiacutestica Lulucom 2013
MARTIacuteN-PLIEGO Francisco Javier Problemas de inferencia estadiacutestica Madrid Editorial AC 2005
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol 2 Inferencia estadiacutesticaBarcelona EUB 2000
UGARTE Mariacutea Dolores Probability and Statistics with R Boca Raton (Fla) [etc] Chapman amp Hall CRC2008
Pagravegina web
ARRIAZA A J et al Estadiacutestica Baacutesica con R y R-Commander Caacutediz Universidad de Caacutediz Servicio dePublicaciones 2008
Versioacute en liacutenia httpknuthucaesmoodlecourseviewphpid=51
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Informagravetica
Codi de lassignatura 361180
Curs acadegravemic 2019-2020
Coordinacioacute JAUME BAIXERIES JUVILLA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
La participacioacute a classe especialment a les sessions de problemes i la presentacioacute dels problemesproposats soacuten drsquoespecial interegraves per aprovar lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica i
la gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Assolir els coneixements bagravesics sobre els computadors i sobre la informagravetica per podervalorar-ne els avantatges i les limitacionsmdash Entendre lrsquoarquitectura clagravessica drsquoun computador el seu funcionament i els paragravemetres del seurendimentmdash Entendre les nocions elementals i els principis bagravesics de lrsquoalgoriacutesmicamdash Identificar les estructures algoriacutesmiques bagravesiques i els tipus de dades simplesmdash Conegraveixer i identificar els algorismes sequumlencials de recorregut i de cercamdash Conegraveixer els principis de la programacioacute procedimental i del disseny descendent drsquoalgorismes(tegravecnica top-down)mdash Reconegraveixer les accions i funcions com a elements funcionals bagravesics del disseny algoriacutesmicmdash Entendre i identificar els tipus estructurats de dades com ara els vectors les taules lescadenes i les tuplesmdash Identificar els algorismes bagravesics associats a alguns tipus estructurats de dades algorismes decerca i algorismes drsquoordenacioacutemdash Identificar els conceptes fonamentals i una bona part de lrsquoestructura sintagravectica i semagraventica drsquounllenguatge de programacioacute com ara R
Referits a habilitats destreses
mdash Usar un computador de manera eficient aixiacute com saber mourersquos cogravemodament per Internetmdash Utilitzar les estructures algoriacutesmiques bagravesiques i els tipus de dades simples per dissenyaralgorismes senzillsmdash Aplicar quan srsquoescaigui els algorismes sequumlencials de recorregut i de cerca per dissenyaralgorismesmdash Aplicar els principis del disseny descendent drsquoalgorismes (tegravecnica top-down)mdash Utilitzar les nocions drsquoaccions i funcions com a elements funcionals bagravesics del dissenyalgoriacutesmicmdash Analitzar i utilitzar quan srsquoescaigui els tipus estructurats de dades com ara els vectors lestaules les cadenes i les tuplesmdash Utilitzar quan srsquoescaigui els algorismes bagravesics associats a alguns tipus estructurats de dadesalgorismes de cerca i algorismes drsquoordenacioacutemdash Traduir els dissenys algoriacutesmics a un llenguatge de programacioacute com ara R
Blocs temagravetics
1 Introduccioacute a lrsquoalgoriacutesmica
11 Nocions elementals objectes entorn estats accions algorismes assercions i
programes
12 Estructures algoriacutesmiques bagravesiques
13 Tipus de dades simples
14 Instruccions drsquoentrada i sortida
2 Algorismes sequumlencials i anagravelisi descendent
21 Algorismes sequumlencials de cerca
22 Algorismes sequumlencials de recorregut
23 Anagravelisi descendent subproblemes procediments i funcions paragravemetres tipus de
paragravemetres
3 Constructors de tipus i algorismes
31 Algorismes bagravesics de cerca i recorregut en vectors
Metodologia i activitats formatives
El megravetode docent es basa en activitats presencials activitats de treball dirigit i activitats drsquoaprenentatgeautogravenom
Activitats presencials
Activitats teoricopragravectiques activitats que es duen a terme a les aules docents en quegrave lrsquoobjectiu eacutespresentar les eines i tegravecniques incloses com a continguts de lrsquoassignatura i alhora resoldre i analitzarels problemes relacionats amb la teoria presentada de forma intercalada
Activitats de laboratori activitats que es fan a les aules drsquoinformagravetica de la Facultat en quegrave lrsquoobjectiu eacuteslrsquoaprenentatge pragravectic de la programacioacute aixiacute com lrsquoaplicacioacute pragravectica del que srsquoha vist a les activitatsteoricopragravectiques en els ordinadors
Activitats de treball dirigit
Treball pragravectic (PRAC) activitat semipresencial en equip que consisteix en el disseny i la implementacioacutedrsquoun programa informagravetic El seu propogravesit eacutes lrsquoaplicacioacute pragravectica dels coneixements i les tegravecniques vistesa classe de laboratori aixiacute com fomentar el treball en equip per tal drsquoaconseguir el grau previstdrsquoaprenentatge de la mategraveria
Activitats complementagraveries (ACT) activitats tant en grup com individuals per fomentar lrsquoaprenentatgeactiu dels fonaments de la informagravetica i del disseny algoriacutesmic
Activitats drsquoaprenentatge autogravenom
Corresponen a les activitats seguumlents
mdash Estudi dels temes teograverics despreacutes de la seva exposicioacute a classemdash Resolucioacute de problemesmdash Preparacioacute i realitzacioacute de les proves escrites
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
1 Dues proves escrites que consisteixen en la resolucioacute per escrit drsquoun conjunt drsquoexercicis oproblemes
a) Un examen de seguiment del curs que no elimina temari es duu a terme a la meitat del curs(PARCIAL)
b) Un examen final (FINAL)
2 Una pragravectica (PRAgraveCTICA)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
El cagravelcul de la nota es fa segons el procediment seguumlent
(a) Si la nota de lrsquoexamen final (FINAL) eacutes meacutes gran o igual a 4
NOTAFINAL = 03 PRAgraveCTICA + MAgraveX (05 FINAL + 02 PARCIAL 07 FINAL)
(b) Si la nota de lrsquoexamen final (FINAL) eacutes estrictament menor a 4
FINAL
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen que avalua els coneixements de tota lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BAIXERIES Jaume (coord) et al Introduccioacute a la Informagravetica Exercicis Barcelona Edicions de laUniversitat de Barcelona 2016
BOTELLA Pere (coord) Fonaments de Programacioacute Colmiddotleccioacute Manuals Nuacutem 39 Barcelona EDIUOC2001
MATLOFF Norman S The Art of R programming a tour of statistical software design San Francisco NoStarch Press 2011
Pagravegina web
Espai virtual de lrsquoassignatura en el Campus Virtual de la UB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Investigacioacute Operativa
Codi de lassignatura 361225
Curs acadegravemic 2019-2020
Coordinacioacute Luis Ortiz Gracia
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 52
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Afavorir la capacitacioacute per detectar formular i resoldre mitjanccedilant models drsquoinvestigacioacute operativaproblemes de presa de decisions
Introduir lrsquouacutes de determinades estructures bagravesiques de modelitzacioacute i especiacuteficament aquellesque soacuten objecte de desenvolupament en altres assignatures de la mategraveria impartides en el grau
Referits a habilitats destreses
Mostrar els elements genegraverics en el necessari proceacutes drsquoabstraccioacute
Interpretar de forma agravemplia i rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignatura
Referits a actituds valors i normes
Comprendre els avantatges i els inconvenients de la modelitzacioacute com a pas previ en el proceacutesde resolucioacute de problemes reals
Evidenciar la utilitat potencial i les limitacions de lrsquoinstrumental matemagravetic en la resolucioacute deproblemes sistematitzats
Blocs temagravetics
1 El proceacutes de modelitzacioacute
Introduccioacute a la identificacioacute dels elements que componen el sistema drsquoestudi i la sevarepresentacioacute formal en termes matemagravetics
11 Definicioacute drsquoinvestigacioacute operativa i primers exemples
12 Formalitzacioacute matemagravetica del model de programacioacute lineal
13 Solucioacute gragravefica del model de programacioacute lineal
14 Fonaments geomegravetrics de la programacioacute lineal
2 Resolucioacute dels models lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute per donar resposta alsproblemes plantejats sobre el sistema drsquoestudi A fi de concentrar lrsquoatencioacute en els aspectesmeacutes conceptuals la discussioacute es limita al cas lineal
21 Megravetode del siacutemplex
22 Anagravelisi de sensibilitat
23 Solucioacute del model amb Excel
3 Formulacioacute i resolucioacute dels models no lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute en el cas dels models nolineals
31 Introduccioacute a la programacioacute no lineal
32 Algoritmes drsquooptimitzacioacute no lineal en una variable
33 Exemples drsquoaplicacioacute en finances
34 Solucioacute del model amb Excel
Metodologia i activitats formatives
Despreacutes de definir el contingut de la mategraveria i presentar-ne els oriacutegens mitjanccedilant diferents exempleses discuteixen els passos en el proceacutes de modelitzacioacute i es posen de manifest els avantatges de laformalitzacioacute matemagravetica en lrsquoestudi de problemes reals Els principis genegraverics srsquoubiquen en el marc de laprogramacioacute lineal i no lineal i la presa de decisions en situacions deterministes Ategraves que lesexplicacions intenten evidenciar la logravegica que hi ha darrere dels diferents plantejaments la metodologiaaplicada a les classes intenta propiciar la participacioacute de lrsquoalumnat a lrsquohora de jutjar la validesa delsmodels proposats en cada cas
Srsquoimparteixen sessions a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha de posar en pragravectica la resolucioacute deproblemes drsquooptimitzacioacute amb el programari recomanat
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Es fan tres proves escrites al llarg del curs La primera correspon al bloc 1 i teacute un pes drsquoun 30 lasegona correspon al bloc 2 i teacute un pes drsquoun 40 i la tercera correspon al bloc 3 i teacute un pes drsquoun 30 La nota drsquoavaluacioacute continuada eacutes la mitjana de les tres notes
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota Lrsquoestudiant que vulgui renunciar alrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableix i quees fa puacuteblica amb lrsquoantelacioacute suficient
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicaSrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
RAGSDALE Cliff T Spreadsheet Modeling amp Decision Analysis 6th ed Mason Ohio South-WesternCengage Learning 2008
HILLIER Frederick S et al Investigacioacuten de operaciones Meacutexico DF McGraw-Hill 2002
TAHA Hamdy A Investigacioacuten de operaciones Meacutexico Pearson Educacioacuten 2004
BARTHOLOMEW-BIGGS M Nonlinear optimization with financial applications Kluwer academic publishers2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Probabilitat
Codi de lassignatura 361201
Curs acadegravemic 2019-2020
Coordinacioacute Marta Cubedo Cullere
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de probabilitat probabilitat condicionada i independegravencia estocagravestica
Conegraveixer els models bagravesics univariants i les seves propietats Identificar si srsquoadequumlen a undeterminat context aplicat
Conegraveixer el concepte de distribucioacute bivariant
Conegraveixer i saber interpretar intuiumltivament les lleis dels grans nombres i el teorema central delliacutemit
Referits a habilitats destreses
Calcular probabilitats a partir de lrsquoespecificacioacute del model proporcionada per la funcioacute de densitato la de distribucioacute de variables discretes i contiacutenues
Calcular moments de variables discretes i contiacutenues
Blocs temagravetics
1 Introduccioacute
11 Perspectiva histograverica
12 Algunes paradoxes clagravessiques de la probabilitat i lrsquoestadiacutestica
13 Introduccioacute als espais de probabilitat
14 Cagravelcul combinatori
2 Probabilitat condicionada i independegravencia estocagravestica
21 Probabilitat condicionada
22 Foacutermula de les probabilitats compostes
23 Independegravencia estocagravestica
24 Foacutermula de les probabilitats totals i foacutermula de Bayes
3 Variables aleatograveries i funcions de distribucioacute
31 Variables aleatograveries discretes
32 Variables aleatograveries contiacutenues
33 Funcions de probabilitat i de densitat
34 Funcions de distribucioacute
35 Introduccioacute al canvi de variable
4 Esperanccedila matemagravetica i variagravencia
41 Esperanccedila matemagravetica Propietats
42 Variagravencia Propietats
43 Moments drsquouna variable aleatograveria
5 Models de probabilitat univariants meacutes frequumlents
51 Models discrets univariants bagravesics
52 Models continus univariants bagravesics
6 La distribucioacute normal univariant
61 Definicioacute i propietats La llei normal tipificada o estagravendard
62 Cagravelcul de probabilitats i percentils amb la llei normal
63 Introduccioacute a les lleis dels grans nombres i al teorema central del liacutemit
64 Aproximacioacute de les lleis binomial i Poisson per la llei normal
7 Vectors aleatoris bivariants
71 Concepte general funcioacute de distribucioacute conjunta
72 Cas discret funcioacute de probabilitat conjunta funcions de probabilitat marginals i
condicionades Independegravencia estocagravestica
73 Cas absolutament continu densitat conjunta densitats marginals i condicionades
Independegravencia estocagravestica
Metodologia i activitats formatives
El pla docent es desglossa en dos tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara el lliurament de problemes o lrsquoestudi de casos pragravectics deseguiment automatitzat Les categories desglossades soacuten
1 Classes magistrals combinades dins la mateixa sessioacute amb la resolucioacute de problemes pregraveviamentplantejats Es programa durant 15 setmanes del semestre una sessioacute setmanal de 2 hores (30 horespresencials en total)
2 Intensificacioacute de resolucioacute de problemes Es programa durant 15 setmanes del semestre una sessioacutesetmanal de 2 hores Cal dividir el grup en dos subgrups (30 hores presencials en total)
3 Activitats no presencials dirigides Amb el suport drsquoeines informagravetiques amb correccioacute automatitzadaquumlestionaris Moodle que es duen a terme des del Campus Virtual es fa un seguiment del treballautogravenom de lrsquoestudiant (40 hores drsquoactivitats dirigides no presencials en total)
Avaluacioacute acreditativa dels aprenentatges
El procediment drsquoavaluacioacute continuada consisteix en
mdash La realitzacioacute durant el periacuteode drsquoexagravemens i en la data marcada pel Consell Docent drsquouna prova desiacutentesi que compta un 60 de la qualificacioacute final i consta drsquouna segraverie de problemes de caragravecter aplicati drsquoalguna pregunta de caire conceptual Cal treure una nota miacutenima de 45 sobre 10 en aquesta provade siacutentesi perquegrave es pugui ponderar en el cagravelcul de la qualificacioacute final de lrsquoavaluacioacute continuada
mdash La realitzacioacute drsquouna prova parcial (no eliminatograveria de mategraveria) cap a la meitat del semestre i quecompta un 30 de la qualificacioacute final La data concreta drsquoaquesta prova parcial es publica en elCampus Virtual durant les primeres setmanes del curs
mdash El lliurament de problemes proposats en els quumlestionaris Moodle que es fan al llarg del curs i usantel Campus Virtual tambeacute es puntuen separadament i la mitjana de les puntuacions compta el 10 dela qualificacioacute final Les dates de lliurament drsquoaquests quumlestionaris es publiquen en el CampusVirtual durant el curs
Avaluacioacute uacutenica
Lrsquoalumnat que renunciiuml a lrsquoavaluacioacute continuada ho ha de fer per escrit Srsquoavalua amb una prova uacutenicaen la mateixa data de la prova de siacutentesi de lrsquoavaluacioacute continuada
Lrsquoavaluacioacute uacutenica consisteix en una prova objectiva en la qual es reflecteix el coneixement delrsquoassignatura que compregraven la totalitat del temari i que compta el 100 de la qualificacioacute final
Reavaluacioacute
La prova de reavaluacioacute que es duu a terme en la data marcada pel Consell Docent eacutes la mateixa tantper a qui hagi fet lrsquoavaluacioacute continuada com per a qui hagi fet lrsquoavaluacioacute uacutenica La reavaluacioacuteconsisteix en una prova global de tota lrsquoassignatura i la qualificacioacute final es correspon al 100 de laqualificacioacute obtinguda en aquesta prova de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MARTIN-PLIEGO Francisco Javier et al Problemas de Probabilidad Madrid Paraninfo 2006
MARTIN-PLIEGO Francisco Javier Estadiacutestica I Probabilidad Madrid Paraninfo 2004
ALEA M Victograveria et al Estadiacutestica aplicada a les ciegravencies econogravemiques i socials Barcelona [etc]Universitat de Barcelona McGraw Hill 1999
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2001
PENtildeA Daniel Estadiacutestica Modelos y meacutetodos 1 Fundamentos Madrid Alianza 1991
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol1 y Vol2 Barcelona Edicions dela Universitat de Barcelona 2000
DeGROOT Morris H et al Probability and Statistics 4th ed Boston Pearson Education 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute al Cagravelcul
Codi de lassignatura 361174
Curs acadegravemic 2019-2020
Coordinacioacute JOSE ANTONIO LUBARY MARTIacuteNEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Manipular les desigualtats
Conegraveixer les funcions elementals i les seves propietats
Identificar dominis i recorreguts de funcions definides a partir de les funcions elementals
Conegraveixer i aplicar criteris per calcular liacutemits
Calcular derivades i determinar rectes tangents a gragravefiques de funcions
Trobar els polinomis de Taylor de funcions drsquouna variable
Trobar extrems locals de funcions drsquouna variable
Aproximar funcions elementals per polinomis de Taylor
Conegraveixer les tegravecniques bagravesiques drsquointegracioacute i calcular agraverees planes
Utilitzar criteris de convergegravencia drsquointegrals improgravepies
Verificar la convergegravencia de successions i segraveries
Blocs temagravetics
1 Els nombres reals
Propietats bagravesiques dels nombres reals Valor absolut Intervals
2 Funcions Liacutemits i continuiumltat
Conceptes generals Liacutemits de funcions Cagravelcul de liacutemits Continuiumltat Estudi de les funcionselementals Continuiumltat en intervals teoremes de Weierstrass i de Bolzano Resolucioacuteaproximada drsquoequacions megravetode de la biseccioacute
3 Derivacioacute Polinomis de Taylor
Concepte de derivada Sentit geomegravetric de la derivada Cagravelcul de derivades Derivabilitat enintervals teorema del valor mitjagrave Regla de LrsquoHocircpital Polinomi de Taylor Aproximacioacutepolinogravemica Foacutermula de Taylor i residu de Lagrange Aplicacioacute a lrsquoestudi local de funcionsRepresentacioacute gragravefica de funcions Extrems absoluts en intervals tancats
4 Integracioacute
El problema de lrsquoagraverea Integral de Riemann Propietats de la integral El teoremafonamental del cagravelcul Cagravelcul de primitives Integracioacute aproximada Integrals improgravepies
5 Successions i segraveries
Convergegravencia de successions Teorema de la convergegravencia monogravetona Cagravelcul de liacutemitsConvergegravencia de segraveries Criteris per a segraveries de termes positius Segraveries alternades Sumacioacutede segraveries Sumacioacute aproximada
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe) 1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute de lrsquoassignatura es basa en dos tipus drsquoactivitatsmdash Dues proves de seguiment del curs Valor 20 de la nota final cadascuna La primera a lacinquena setmana de classe la segona a la desena setmanamdash Una prova final Valor 60 de la nota final
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per unaprova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BARTLE Robert Gardner et al Introduccioacuten al anaacutelisis matemaacutetico de una variable Meacutexico Limusa 1996
BURGOS Juan Caacutelculo infinitesimal de una variable Madrid Mc Graw Hill 2007
BRADLEY Gerald L Caacutelculo Vol 1 Caacutelculo de una variable Madrid Prentice Hall Iberia1998
DEMIDOVICH B et al Problemas y ejercicios de anaacutelisis matemaacutetico Madrid Paraninfo 1993
LUBARY Joseacute Antonio et al Caacutelculo para Ingenieriacutea Informaacutetica Barcelona Edicions UPC 2008
TOMEO Venancio et al Problemas resueltos de caacutelculo en una variable Madrid Thomson 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Bayesians
Codi de lassignatura 361222
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER PUIG ORIOL
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Tenir nocions bagravesiques de probabilitat inferegravencia i de R
Altres recomanacions
Tenir inquietuds per aprendre a traveacutes de la informacioacute que ens donen les dades
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu principal drsquoaquesta assignatura eacutes que lrsquoestudiant acabi amb un bon coneixement idomini de la modelitzacioacute bayesiana tant pel que respecta a coneixement teograveric com pragravecticAquest coneixement li ha de permetre davant drsquoun objectiu o pregunta drsquouna banda interveniren el disseny de lrsquoexperiment o experiments necessaris per tal drsquoobtenir les dades objectedrsquoestudi i de lrsquoaltra analitzar-les satisfactograveriament i treurersquon conclusions per aconseguir lrsquoobjectiuo respondre la pregunta
I com a objectius especiacutefics
mdash Conegraveixer el paper de la distribucioacute a priori el paper de les distribucions a priori de referegravencia icom passar de la distribucioacute a priori a la distribucioacute a posteriori
mdash Resoldre problemes drsquoinferegravencia bayesiana de forma analiacutetica quan srsquoutilitzen models de lafamiacutelia exponencial i distribucions a priori conjugades
mdash Utilitzar els megravetodes de Montecarlo mitjanccedilant programari especiacutefic que permeten simular ladistribucioacute a posteriori i com fer inferegravencia utilitzant aquestes simulacions
mdash Conegraveixer la diferegravencia entre model bayesiagrave jeragraverquic i no jeragraverquic
mdash Conegraveixer com validar i comparar models bayesians i com fer prediccions
Blocs temagravetics
1 Model bayesiagrave
11 Model estadiacutestic
12 Els quatre problemes de lrsquoestadiacutestica
13 La versemblanccedila
14 Model bayesiagrave
15 Distribucioacute a posteriori
16 Distribucioacute predictiva a priori i a posteriori
17 Eleccioacute de la distribucioacute a priori
2 Inferegravencia bayesiana
21 Distribucioacute a posteriori com a estimador
22 Estimacioacute puntual
23 Estimacioacute per interval
24 Proves de dues hipogravetesis
25 Generalitzacioacute de les proves drsquohipogravetesi
3 Computacioacute bayesiana
31 Necessitat drsquointegrar
32 Simulacioacute de Montecarlo basada en cadenes de Markov (MCMC)
33 Convergegravencia de les cadenes
4 Models jeragraverquics5 Validacioacute i construccioacute de models
Metodologia i activitats formatives
Pretenem centrar els objectius drsquoaprenentatge en lrsquoestudiant i adequar la docegravencia a lrsquoassolimentdrsquoaquests objectius Per aixograve volem que les classes presencials siguin valuoses per aprendre i que lestasques que cal fer fora de lrsquoaula estiguin ben pensades i definides
Hi ha dos tipus de sessions presencials classes de teoria i classes de pragravectiques les quals com amiacutenim soacuten la meitat de les sessions
A les classes de teoria (2 hores setmanals) srsquoexposen els conceptes teograverics i en general soacuten classesexpositives en quegrave srsquointercala sovint la realitzacioacute drsquoexercicis o o de discussions entre els estudiants Enaquestes classes tambeacute es treballa lrsquoaprenentatge a traveacutes de casos pragravectics mitjanccedilant tegravecniquesdrsquoaprenentatge cooperatiu
A les classes de pragravectiques es resolen casos pragravectics amb lrsquoajuda del programari estadiacutestic R WinBugsJAGS o STAN (a lrsquoaula drsquoinformagravetica) Les classes de pragravectiques es desdoblen en dos grups i eacutes elprofessorat qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura teacute una doble finalitat drsquouna banda verificar el grau en quegrave cada estudiantha assolit els objectius qualificant-lo amb una nota drsquoaltra banda donar realimentacioacute als estudiants alllarg del curs de com treballen per tal de poder redreccedilar a temps situacions no adequades
La nota de lrsquoassignatura es calcula de la manera seguumlent
Nota = 030Npract + 02NExParc + 005NExPrac + 05NExFinal
en quegrave Npract eacutes la nota dels treballs lliurats a les classes pragravectiques juntament amb altres activitatsdrsquoavaluacioacute continuada NExParc eacutes la nota de lrsquoexamen parcial (que es fa a meitat de curs) i NExFinaleacutes la nota de lrsquoexamen final
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar a ser avaluats amb una prova final i uacutenica La nota es calculade la manera seguumlent
Nota = NExFinal
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOLSTAD William M Introduction to Bayesian Statistics 2nd ed Hoboken NJ John Wiley 2007
GELMAN Andrew Bayesian data analysis 3rd ed London Chapman amp Hall 2014
CONGDON Peter Applied Bayesian Modelling Wiley 2014
KRUSCHKE John K Doing Bayesian Data Analysis A Tutorial with R JAGS and Stan AmsterdamAcademic Press 2015
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes de Mostratge
Codi de lassignatura 361209
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Ramirez Mitjans
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 225
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 15
Treball tutelatdirigit 60
Aprenentatge autogravenom 30
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Diferenciar clarament poblacions finites i infinites
Conegraveixer els megravetodes usuals drsquoextraccioacute drsquouna mostra
Saber escollir lrsquoestimador pertinent en funcioacute del megravetode drsquoextraccioacute
Entendre la fitxa tegravecnica drsquouna enquesta
Saber programar en R lrsquoextraccioacute drsquouna mostra
Saber programar en R lrsquoestimacioacute de les funcions de la mostra com a mitjana total i proporcioacute
Saber calcular la mida de la mostra
Referits a habilitats destreses
Aprendre a treballar en grup
Aprendre que en lrsquoaplicacioacute dels megravetodes de mostreig srsquoha de tenir un alt grau de pragmatisme
Aprendre que hi ha sempre una distagravencia entre la realitat (marcs mostrals imperfecteslimitacions de cost errors no mesurables etc) i la teoria
Aprendre que aquesta distagravencia entre realitat i teoria exigeix un gran rigor
Blocs temagravetics
1 Introduccioacute Etapes drsquouna enquesta Teoria de mostreig = disseny de mostra + estimacioacute2 Teoremes liacutemit com a fonament del mostreig3 Estadiacutestics i estimadors Propietats dels estimadors Error en lrsquoestimacioacute Error mostral
Mesura de lrsquoerror mostral4 Records drsquoestimacioacute de la mitjana en una poblacioacute infinita Comparacioacute de les propietats
drsquoestimadors competitius (per exemple mitjana mostral i mitjana truncada) Mostreig enpoblacioacute finita Mostreig basat en el disseny Especificitat de mostreig en poblacioacute finitanecessitat de marc mostral identificacioacute de les unitats informacioacute auxiliar no-respostes
5 Extraccioacute aleatograveria simple Amb reposicioacute i sense Disseny de la mostra La mitjana mostralcom a estimador Propietats de mitjana mostral en cas de reposicioacute i de no-reposicioacute El casparticular de lrsquoestimacioacute drsquouna proporcioacute Algorismes per lrsquoextraccioacute simple La sevaimplementacioacute en el programa Sampling
6 Extraccioacute estratificada Informacioacute auxiliar i extraccioacute estratificada Poblacioacute i estratsRepartiment de la mostra proporcional i ograveptim Funcions del Sampling per al disseny
estratificat7 Introduccioacute a lrsquoextraccioacute amb probabilitats desiguals Informacioacute auxiliar i extraccioacute amb
probabilitats desiguals Mostreig sistemagravetic amb probabilitats desiguals Breu presentacioacute delsalgorismes per escissioacute Funcions del Sampling per al disseny amb probabilitats desiguals
8 Extraccioacute en conglomerats Nocioacute drsquoextraccioacute bietapa Funcions del Sampling per alrsquoextraccioacute en conglomerats
9 Nocions bagravesiques de recomposicioacute de no-respostes10 Megravetodes no probabiliacutestics drsquoextraccioacute de la mostra
Metodologia i activitats formatives
Lrsquoensenyament drsquoaquesta assignatura teacute a la vegada un fort component teograveric i un fort componentaplicat Es dona molta importagravencia a un extens coneixement del programari Sampling paquet de R
Es presenten els conceptes formalment i srsquoutilitzen les pragravectiques per posar en relleu les propietats delsdiferents megravetodes drsquoextraccioacute de la mostra De fet primer es fa una aproximacioacute empiacuterica a lespropietats i despreacutes srsquoenuncien A meacutes a meacutes la resolucioacute de problemes a classe eacutes fonamental peraprofundir i consolidar els coneixements
Meacutes concretament les classes es divideixen en
mdash Sessions de teoria drsquoacord amb la temporalitzacioacute lliurada a comenccedilament del curs Es fa unapresentacioacute senzilla dels conceptes teograverics i srsquoinsisteix en les nocions que hi ha darrere les foacutermules Esfan poques demostracions perograve srsquoinsisteix en les nocions presents en les foacutermules Es demana unaparticipacioacute activa als estudiants
mdash Sessions de problemes Srsquoutilitzen per fixar els conceptes teograverics presentats a la classe de teoriaAquestes sessions tambeacute permeten consolidar els conceptes drsquoestimacioacute presentats a les classes deteoria
mdash Sessions de laboratori Soacuten molt importants Srsquoutilitzen per tenir una aproximacioacute empiacuterica alsconceptes teograverics que srsquoestudien a la classe de teoria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Tres exagravemens parcials amb preguntes de teoria i problemes La part pragravectica srsquoavalua lliurant lespragravectiques fetes a classe segons les entregues
El primer parcial es fa en acabar el disseny estratificat El segon parcial es fa en acabar el dissenymultietapa I el tercer parcial es fa lrsquouacuteltima setmana de curs
Per tenir nota drsquoavaluacioacute continuada cal presentar-se a tots els parcials i haver lliurat totes lespragravectiques fetes a classe i els scripts utilitzats
Es poden proposar activitats a classe que substitueixin part de la nota o completin la nota dels exagravemensparcials
Avaluacioacute uacutenica
Examen uacutenic amb teoria problemes i pragravectica A la part de pragravectica es demana a lrsquoestudiant que utilitziel programari Sampling (paquet de R) per fer en el moment de lrsquoexamen una o dues pragravectiques de lesfetes a classe i lliurar els resultats en el format previst a lrsquoenunciat de la pragravectica corresponent Per feraquestes pragravectiques lrsquoestudiant disposa del formulari i de lrsquoajuda del paquet
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ARDILLY Pascal et al Sampling Methods Exercices and Solutions New York Springer 2006
CLAIRIN Reacutemy et al Manual de muestreo Madrid La Muralla Salamanca Hespeacuterides 2001
COCHRAN William Gemmell Teacutecnicas de muestreo Meacutexico Compantildeiacutea Editorial Continental 1984
DESROSIEgraveRES Alain La poliacutetica de los grandes nuacutemeros Historia de la razoacuten estadiacutestica BarcelonaMelusina 2004
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
PEacuteREZ Ceacutesar Muestreo estadiacutestico Conceptos y problemas resueltos Madrid Prentice Hall 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics en Mineria de Dades
Codi de lassignatura 361253
Curs acadegravemic 2019-2020
Coordinacioacute TOMAS ALUJA BANET
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha de tenir un esperit per a la resolucioacute de problemes mitjanccedilant la programacioacute drsquoalgorismessenzills
Cal tenir una bona base sobretot de les assignatures Anagravelisi Multivariant i Models Lineals
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer la tipologia dels principals problemes de la mineria de dades
Referits a habilitats destreses
Avaluar la qualitat de les dades i la necessitat de preprocessar-les
Identificar les tegravecniques estadiacutestiques io drsquoaprenentatge automagravetic meacutes apropiades al problemaque srsquoha de resoldre
Implementar algorismes senzills drsquoaprenentatge
Avaluar els resultats obtinguts
Presentar els resultats en un entorn professional per a la presa de decisions
Blocs temagravetics
1 Introduccioacute a la mineria de dades
Tipus de problemes problemes de modelitzacioacute problemes de ciegravencia problemes detransaccions i problemes de magraverqueting
2 Visualitzacioacute de les dades
Visualitzacioacute de dades multivariants Reduccioacute de la dimensionalitat Megravetodes de seleccioacute iextraccioacute de variables
3 Clusteritzacioacute (o clustering)
Megravetodes de particioacute directa jeragraverquics i estadiacutestica matemagravetica
4 Arbres de decisioacute
Arbres de classificacioacute i regressioacute (CART)
5 Regles drsquoassociacioacute
Algorisme a priori
6 Metodologia de validacioacute
laquoHoldoutraquo validacioacute creuada i laquobootstrapraquo
7 Regles de classificacioacute Anagravelisi discriminada paramegravetrica
LDA QDA i Naive Bayes
8 Discriminacioacute no paramegravetrica
Veiumlns meacutes propers
9 Megravetodes flexibles de discriminacioacute
Magravequines de vectors suport
10 Xarxes neuronals
Discriminacioacute pel perceptroacute multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversioacute de dades en coneixement per a la presa dedecisions i com a tal constitueix la fase central del proceacutes drsquoextraccioacute de coneixement a partir de basesde dades La mineria de dades eacutes un punt de trobada de diferents disciplines lrsquoestadiacutesticalrsquoaprenentatge automagravetic (machine learning) les tegravecniques de bases de dades i els sistemes per a lapresa de decisions Juntes permeten afrontar molts problemes actuals pel que fa al tractament de lainformacioacute
Lrsquoassignatura introdueix les tegravecniques meacutes usuals per a la resolucioacute de tres tipus de problemesfonamentals lrsquoanagravelisi de dades binagraveries (laquotransaccionsraquo) lrsquoanagravelisi de dades cientiacutefiques (per exemple degenogravemica) i lrsquoanagravelisi de dades drsquoempreses els quals configuren bona part dels problemes actuals quetracta la mineria de dades Com a objectiu paralmiddotlel hi ha utilitzar el R un potent entorn de programacioacutelliure
Les classes es divideixen per tant en la presentacioacute de les eines estadiacutestiques i drsquoaprenentatge semprea partir de lrsquoexposicioacute de casos reals i fent egravemfasi en els conceptes implicats les seves propietats lainterpretabilitat i lrsquoaplicacioacute de resultats i en classes de laboratori en quegrave els alumnes han de posar enpragravectica les experteses adquirides en la resolucioacute de problemes
Finalment i ategraves que la finalitat de lrsquoassignatura eacutes la resolucioacute de problemes reals cada estudiant ha deresoldre un cas pragravectic entre els casos posats a disposicioacute lliurement o entre el problema cercat perlrsquoestudiant amb el vistiplau del professor
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute eacutes comprensiva en el sentit que avalua totes les competegravencies especiacutefiques del curs lesdestreses algoriacutesmiques i la capacitat per enfrontar-se a problemes reals
Hi ha dues qualificacions de notes una nota obtinguda per examen sobre els coneixements adquirits(nota T) i la nota obtinguda en un treball pragravectic (P) que srsquoha de presentar a final de curs
La nota final srsquoobteacute de la ponderacioacute seguumlent Nota final = 05T + 05P
A meacutes es valoren les intervencions a classe que permeten pujar la nota fins a un 10
En cas que lrsquoestudiant no superi lrsquoavaluacioacute continuada sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Lrsquoestudiant teacute dret en qualsevol cas a presentar-se a lrsquoexamen final de lrsquoassignatura per obtenir unaavaluacioacute uacutenica i final Aquesta avaluacioacute consta drsquoun examen final meacutes el lliurament drsquoun treballpragravectic equivalent al dut a terme en lrsquoavaluacioacute continuada
En cas que lrsquoestudiant no superi la prova drsquoavaluacioacute uacutenica sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
HAND D J Construction and assessment of classification rules Chichester [etc] Wiley 1997
HASTIE Trevor et al The Elements of statistical learning New York Springer 2001
HERNAacuteNDEZ Joseacute et al Introduccioacuten a la mineriacutea de datos Madrid Pearson 2004
WITTEN I H et al Data mining practical machine learning tools and techniques with javaimplementations San Francisco [Calif] [etc] Morgan Kaufmann 2002
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics per a Finances i Assegurances
Codi de lassignatura 361242
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs en cagravelcul de probabilitats variables aleatograveries distribucionsde probabilitat caracteriacutestiques de les distribucions de probabilitat (esperances variagravencies etc) iinferegravencia estadiacutestica Tambeacute es recomana que tingui coneixements previs en agravelgebra de successos Ategravesque les classes pragravectiques es fan en anglegraves cal que lrsquoestudiant tingui un nivell adequat drsquoaquestallengua
Altres recomanacions
Com que es tracta drsquouna assignatura amb un elevat contingut teograveric de demostracioacute es recomanaque lrsquoalumnat tingui una bona base matemagravetica (integracioacute derivacioacute etc)
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Especificar correctament les mesures de risc i rendibilitat drsquoactius i carteres aixiacute com elsmodels bagravesics de risc colmiddotlectiu i individual mdash Interpretar adientment el binomi diversificacioacute i correlacioacute mdash Conegraveixer i utilitzar els models de probabilitat meacutes habituals en les finances i assegurances aixiacutecom la forma drsquoobtenir-los a traveacutes drsquouna mostra de dades i amb suport informagraveticmdash Saber quins processos estocagravestics srsquoutilitzen per modelar preus en finances i la seva aplicacioacutebasada en la simulacioacute estadiacutestica (mitjanccedilant suport informagravetic)mdash Saber quins soacuten els models drsquoeleccioacute ograveptima de carteres drsquoactius que srsquoutilitzen i la sevaimplementacioacute amb suport informagraveticmdash Saber les especificitats de les segraveries temporals aplicades en finances especialment els modelsde volatilitat canviant en el tempsmdash Saber construir una taula de mortalitat per a assegurances de vidamdash Modelitzar el nombre de sinistres i els danys totals en assegurances no de vidamdash Aprendre a tarifar assegurances de vida i assegurances no de vidamdash Conegraveixer els elements bagravesics sobre reserves i solvegravencia
Referits a habilitats destreses
mdash Saber analitzar gragraveficament lrsquoevolucioacute temporal dels preus i analitzar-ne la situacioacutemdash Dissenyar i implementar amb suport informagravetic els models drsquooptimitzacioacute i gestioacute de carteresdrsquoactiusmdash Dissenyar i implementar amb suport informagravetic les mesures de risc (VaR)mdash Desenvolupar i debatre activitats mdashamb suport informagraveticmdash que utilitzin tot el proceacutes drsquoanagravelisiestadiacutestica necessari en la inversioacute financera lrsquoanagravelisi del risc i en assegurances
Referits a actituds valors i normes
Srsquoespera una actitud molt dinagravemica de lrsquoalumnat en el seguiment de lrsquoassignatura Aixiacute sovintsrsquointerrompen les classes teograveriques amb la finalitat que lrsquoestudiant pugui desenvolupar algun delsplantejaments exposats pel professorat i que es resol en la mateixa sessioacute
Blocs temagravetics
1 Introduccioacute a les assegurances
11 Conceptes de teoria general de les assegurances (cobertura prima sinistralitat
compensacioacute reserves solvegravencia)
2 Estadiacutestica per a les assegurances de vida
21 Cagravelcul de probabilitats de supervivegravencia i mortalitat
22 Taules de mortalitat
23 Models de projeccioacute de la mortalitat
24 Assegurances de vida i rendes vitaliacutecies
25 Valoracioacute dels productes drsquoinvalidesa
3 Estadiacutestica per a les assegurances generals
31 Distribucions estadiacutestiques contiacutenues (lognormal de Pareto i de valors extrems)
32 Distribucions estadiacutestiques discretes (de Poisson binomial negativa)
33 Model de risc colmiddotlectiu
34 Tarifacioacute reserves i solvegravencia
4 Introduccioacute als mercats financers preus i riscos
41 Nocions bagravesiques dels mercats financers (mercat monetari renda fixa renda
variable divises i derivats)
42 Preus i rendibilitats
43 Mesures de risc clagravessiques i alternatives Volatilitat dinagravemica i condicional
5 Estadiacutestica aplicada als mercats borsaris
51 Patrons de comportament
52 Filtres i oscilmiddotladors tegravecnics
53 Trading algoriacutetmic
6 Estadiacutestica aplicada a la gestioacute de carteres
61 Correlacioacute i gestioacute de carteres
62 Cogravepules i dependegravencia entre actius
63 Models drsquooptimizacioacute i frontera eficient
64 Sistemes automagravetics de gestioacute Robo-Advisor
65 Indicadors de performance i estils de gestioacute
7 Estadiacutestica aplicada a la gestioacute del risc
71 Tipologia de riscos financers
72 Mesura del risc de mercat VaR
73 Alternatives en presegravencia de Fat Tails CVaR
74 Teoria del valor extrem
Metodologia i activitats formatives
Es fan classes presencials de teoria i classes pragravectiques Les classes pragravectiques es fan en anglegraves i soacuten dedos tipusmdash plantejament de casos aplicats i exercicismdash resolucioacute de situacions pragravectiques amb lrsquouacutes de lrsquoordinador
Avaluacioacute acreditativa dels aprenentatges
Es proposen exercicis per avaluar lrsquohabilitat de lrsquoestudiant en lrsquoaplicacioacute i desenvolupament delsconceptes explicats durant les classes En concret es proposen quatre exercicis en les dates(orientatives) seguumlents
mdash Prova 1 (estadiacutestica per a les assegurances) primera quinzena drsquooctubremdash Prova 2 (estadiacutestica per a les assegurances) primera quinzena de novembremdash Prova 3 (estadiacutestica per a les finances) primera quinzena de desembremdash Prova 4 (estadiacutestica per a les finances) primera quinzena de gener
Dins la modalitat drsquoavaluacioacute continuada eacutes obligatori lliurar de manera correcta les quatre pragravectiquesAquestes pragravectiques tenen un pes en la nota final del 50 (cadascuna un 125 de la nota final) Enlrsquoavaluacioacute drsquoaquestes pragravectiques es valora la capacitat drsquoaprenentatge i responsabilitat
Hi ha una prova final de tancament en la data oficial que teacute un pes del 50 en la nota final Aquestaprova consta de vuit exercicis (quatre per a la part drsquoestadiacutestica per a les assegurances i quatre per a lapart drsquoestadiacutestica per a les finances) i els alumnes en la modalitat drsquoavaluacioacute continuada han de fernomes dos exercicis de la part drsquoestadiacutestica per a les assegurances (escollits entre els quatre proposats)i dos de la part drsquoestadiacutestica per a les finances (escollits entre els quatre proposats) Els dos exercicis dela part drsquoestadiacutestica per a les assegurances tenen un pes del 50 de la nota de lrsquoexamen i els altresdos exercicis de la part de finances tambeacute tenen un pes del 50 de la nota de lrsquoexamen Per fermitjana amb la nota dels exercicis pragravectics lliurats es demana de treure a lrsquoexamen un miacutenim drsquo15punts a la part drsquoestadiacutestica per a les assegurances (dels 5 punts que teacute aquesta part de lrsquoexamen) idrsquo15 punts a la part drsquoestadiacutestica per a les finances (dels 5 punts drsquoaquesta part)
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen escrit en la data oficial Consta de vuit exercicis quatre per ala part drsquoestadiacutestica per a les assegurances i quatre per a la part drsquoestadiacutestica per a les finances Elsquatre exercicis de la part drsquoestadiacutestica per a les finances tenen un pes del 50 de la nota final i elsaltres quatre un 50 Per aprovar es demana un miacutenim de 2 punts a la part drsquoestadiacutestica per a lesassegurances i de 2 punts a la part drsquoestadiacutestica per a les finances
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYUSO M et al Estadiacutestica actuarial vida Barcelona Publicacions i Edicions de la Universitat deBarcelona 2007
SARABIA Joseacute Mariacutea et al Estadiacutestica actuarial teoriacutea y aplicaciones Madrid Pearson Prentice Hall2007
PEacuteREZ-TORRES Joseacute Luis Conociendo el seguro Barcelona Umeser 2001
HERNAacuteNDEZ Benjamiacuten Bolsa y Estadiacutestica Bursaacutetil Madrid Diacuteaz de Santos 2000
DANIELSSON Joacuten Financial Risk Forecasting Chichester John Wiley 2012
BORRELL Maacuteximo et al Estadiacutestica Financiera aplicacioacuten a la formacioacuten y gestioacuten de carteras de rentavarible Madrid Centro de Estudios Ramoacuten Areces 1997
TORRA Salvador MONTE Enric Modelos Neuronales aplicados en Economiacutea Casos praacutecticos medianteMathematica Neural Networks Barcelona Addlink Media 2013
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes No Paramegravetrics i de Remostreig
Codi de lassignatura 361224
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Civit Vives
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Srsquointrodueixen els principals conceptes ies consoliden amb la resolucioacute deproblemes ilmiddotlustratius)
375
- Pragravectiques dordinadors
(Pragravectiques) 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de model estadiacutestic no paramegravetric o lliure de la distribucioacute
mdash Conegraveixer els fonaments de les proves de significacioacute basades en rangs i les principalsalternatives no paramegravetriques basades en aquest enfocament a les proves drsquohipogravetesiparamegravetriques meacutes comunes
mdash Conegraveixer els fonaments de les proves de significacioacute basades en permutacions i les principalsalternatives de permutacions a les proves drsquohipogravetesi paramegravetriques meacutes comunes
mdash Conegraveixer el megravetode jackknife Conegraveixer els fonaments del megravetode bootstrap Assimilar la ideadel remostreig bootstrap Conegraveixer els principals tipus drsquointervals de confianccedila bootstrapAssimilar la idea de la suavitzacioacute de corbes i la seva aplicacioacute a la regressioacute no paramegravetrica i alrsquoestimacioacute no paramegravetrica de la funcioacute de densitat
Referits a habilitats destreses
mdash Davant drsquoun problema concret saber determinar quin enfocament no paramegravetric o deremostreig eacutes el meacutes adient Aquesta habilitat inclou saber utilitzar meacutes drsquoun megravetode alhora comara bootstrap i estimacioacute no paramegravetrica de la densitat en un mateix problema de classificacioacute
mdash Assolir un nivell drsquoexpertesa suficient per portar a la pragravectica els megravetodes no paramegravetrics i deremostreig Per exemple saber implementar correctament la simulacioacute bootstrap adient a unasituacioacute donada
Blocs temagravetics
1 Proves de permutacions i drsquoaleatoritzacioacute
Suficiegravencia i completesa de lrsquoestadiacutestic ordinal inferegravencia condicionada a la mostra Mostresno aleatograveries i proves drsquoaleatoritzacioacute Tests de permutacions exactes i de Montecarlo Algunstests de permutacions dades aparellades significacioacute del coeficient de correlacioacute ANOVA drsquounfactor Intervals de confianccedila i tests de permutacions
11 Enfocament de Fisher i de Pitman Suficiegravencia i completesa de lrsquoestadiacutestic ordinal
Inferegravencia condicionada a la mostra Mostres no aleatograveries i proves drsquoaleatoritzacioacute Tests
de permutacions exactes i de Montecarlo
12 Alguns tests de permutacions bagravesics dues mostres independents dades aparellades
significacioacute de la correlacioacute ANOVA drsquoun factor
13 Intervals de confianccedila i tests de permutacions
2 Megravetodes basats en lrsquoestimacioacute de la funcioacute de distribucioacute i en el remostreig
Simulacioacute o remostreig bootstrap El principi laquoplug-inraquo i el bootstrap Estimacioacute bootstrapdel biaix i de lrsquoerror estagravendard Megravetode jackknife estimacioacute del biaix i de lrsquoerror estagravendarddrsquoun estimador Intervals de confianccedila percentil i bootstrap-t Relacioacute amb el contrastdrsquohipogravetesi
21 Simulacioacute i bootstrap El principi plug-in Bootstrap exacteTipus drsquoerror Aplicacions
bagravesiques del bootstrap
22 Jackknife Justificacioacute heuriacutestica Correccioacute del biaix i estimacioacute de lrsquoerror estagravendard
23 Intervals de confianccedila bootstrap bootstrap-t percentil i BCa
24 Bootstrap i contrast drsquohipogravetesi
3 Estadiacutestica no paramegravetrica basada en rangs
Fonamentacioacute de la inferegravencia basada en rangs Principals proves drsquohipogravetesi test deWilcoxon dels rangs amb signe test de Kruskal-Wallis test de Friedman Correlacioacute deKendall i de Spearman
31 Rangs Fonamentacioacute de la inferegravencia basada en rangs Pegraverdua drsquoinformacioacute
32 Prova de Mann-Whitney-Wilcoxon
33 Prova de Wilcoxon dels rangs amb signe
34 Prova de Kruskal-Wallis
35 Prova de Friedman
36 Correlacioacute de Kendall i de Spearman Proves de significacioacute
4 Megravetodes de suavitzacioacute i estadiacutestica no paramegravetrica
Suavitzacioacute Kernel concepte Nocions de regressioacute no paramegravetrica Nocions drsquoestimacioacute noparamegravetrica de la funcioacute de densitat Aplicacions a problemes de discriminacioacute classificacioacutedeterminacioacute de modes etc
41 Introduccioacute a la suavitzacioacute Kernel
42 Nocions de regressioacute no paramegravetrica
43 Nocions drsquoestimacioacute no paramegravetrica de la funcioacute de densitat
44 Aplicacions a problemes de discriminacioacute classificacioacute determinacioacute de modes
45 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica
5 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica i remostreig
Sobre diversos conjunts de dades es valoraran els megravetodes meacutes adients per acomplirdeterminats objectius i srsquoaplicaran procurant fer egravemfasi en les conclusions
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent
mdash Classes de teoria (225 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratius
mdash Classes de problemes (15 hores) amb la resolucioacute de problemes drsquoaplicacioacute plantejats a classe deteoria i dels petits treballs plantejats en la seccioacute de treball tutelat
mdash Classes pragravectiques (225 hores) classes en quegrave es fa servir lrsquoordinador orientades a la consolidacioacutedels conceptes estudiats Es resolen casos pragravectics utilitzant eines apropiades i es fan simulacions i altresexercicis ilmiddotlustratius dels conceptes teograverics
mdash Treball tutelat (40 hores) petits treballs de simulacioacute per dur a terme fora de classe amb la finalitatde consolidar conceptes a partir de lrsquoautoaprenentatge
mdash Treball autogravenom (50 hores) estudi miacutenim imprescindible per assimilar la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
mdash Una avaluacioacute parcial (obligatograveria) transcorreguts uns dos mesos de curs (aproximadament ameitat del semestre) del temari tractat del curs Consisteix en un examen parcial que srsquoanuncia ambantelacioacute Indiquem com a laquoxraquo la puntuacioacute obtinguda
mdash Valoracioacute del seguiment fet a lrsquoestudiant Es basa en la realitzacioacute drsquoexercicis o treballs proposatsdurant el curs (anomenades tasques miacutenim 2) i la participacioacute a classe Indiquem com a laquoyraquoaquesta nota
mdash Una prova final de siacutentesi de tota la mategraveria En diem laquozraquo de la nota corresponent
Per tenir nota drsquoavaluacioacute continuada cal haver-se presentat a la prova parcial i a la prova final desiacutentesi i haver fet els treballs que srsquohagin proposat (tasques) No fer alguna drsquoaquestes activitatscomporta la qualificacioacute de laquono presentatraquo
La nota drsquoavaluacioacute continuada es calcula de la manera seguumlent 030 x + 02 y + 05 z La ponderacioacute
parcialsiacutentesi pot variar en el sentit que es valora positivament una evolucioacute a millor del parcial al finalsempre que en el parcial srsquohagi obtingut una puntuacioacute miacutenima de 4 sobre 10
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute dels estudiants) i per tant sense possibilitat de canvis
Examen final de tota la mategraveria amb un valor del 100 i on srsquoinclou un exercici global drsquoanagraveliside dades amb R fet a lrsquoaula informagravetica
La prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica (eacutes a dir unvalor del 100 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
HOLLANDER Myles et al Nonparametric Statistical Methods 2nd ed New York [etc] Wiley 1999
SIEGEL Sidney et al Estadiacutestica no parameacutetrica aplicada a las ciencias de la conducta Meacutexico Trillas2009
GOOD Phillip I Permutation Parametric and Bootstrap Tests of Hypotheses New York Springer 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Numegraverics
Codi de lassignatura 361213
Curs acadegravemic 2019-2020
Coordinacioacute MARIA ANGELA GRAU GOTES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Programari
httpsmatlabmathworkscom
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Estudi dels megravetodes presentatsExagravemens sobre conceptes bagravesics delrsquoassignatura un miacutenim de 2 repartits enel calendari)
30
- Pragravectiques dordinadors
(Resolucioacute drsquoexercicis amb els algorismesi megravetodes del curs Srsquoavalua)
30
Treball tutelatdirigit
(Resolucioacute drsquoexercicis amb els algorismes imegravetodes del curs pragravectiques drsquoordinador acasa i a lrsquoaula)
40
Aprenentatge autogravenom
(Preparacioacute de la documentacioacute dels treballspragravectics que srsquohan de presentar peravaluar)
50
Recomanacions
Es recomana haver cursat les assignatures Introduccioacute al Cagravelcul Introduccioacute a la Informagravetica AgravelgebraLineal
Altres recomanacions
Es recomana haver cursat o estar cursant les assignatures Programacioacute i Cagravelcul de DiversesVariables
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Aprendre les tegravecniques numegraveriques meacutes bagravesiques i usar-les com a eina per trobar solucions aproblemes en quegrave per diverses raons els megravetodes analiacutetics queden descartats
Referits a habilitats destreses
Lrsquoaplicacioacute pragravectica dels megravetodes que es presenten requereix lrsquouacutes drsquoordinadors i lrsquouacutes i elconeixement del programari adequat Matlab per implementar els megravetodes presentats en lesexplicacions de classe
Blocs temagravetics
1 Preliminars
Aritmegravetica en coma flotant Anagravelisi de lrsquoerror Sumacioacute de segraveries
11 Representacioacute aritmegravetica en coma flotant
111 Conceptes bagravesics fonts drsquoerror xifres significatives problemes inestables
112 Error numegraveric definicions errors drsquoarrodoniment errors de truncament
113 Lrsquoaritmegravetica a lrsquoordinador punt fix punt flotant
12 Anagravelisi de lrsquoerror
121 Errors en les operacions en punt flotant
122 Propagacioacute de lrsquoerror nombres de condicioacute algorismes amb cancelmiddotlacioacute
13 Sumacioacute de segraveries
131 Cagravelcul de la suma drsquouna segraverie megravetodes de comparacioacute
132 Acceleracioacute de la convergegravencia
2 Agravelgebra lineal numegraverica
Resolucioacute de sistemes lineals compatibles determinats megravetodes directes i megravetodesiteratius Nombre de condicioacute drsquouna matriu Sistemes lineals sobredeterminats descomposicioacuteen valors singulars Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
21 Resolucioacute de sistemes lineals compatibles determinats
211 Megravetodes directes megravetodes de Gauss megravetodes de factoritzacioacute LU Txoleski
QR Cagravelcul de matrius inverses Fites de lrsquoerror
212 Megravetodes iteratius megravetodes de Jacobi Gauss-Seidel de sobrerelaxacioacute Raoacute de
convergegravencia i estimacioacute de lrsquoerror
22 Sistemes lineals sobredeterminats
221 Descomposicioacute en valors singulars
23 Vectors i valors propis
231 Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
3 Resolucioacute drsquoequacions no lineals
Megravetodes per a la resolucioacute drsquoequacions en una variable biseccioacute secant Newton punt fixOrdre de convergegravencia Megravetodes de Newton i del punt fix per a la resolucioacute drsquoequacions demeacutes drsquouna variable
31 Megravetodes per a la resolucioacute drsquoequacions en una variable
311 Megravetodes de la biseccioacute Megravetode de la secant Megravetode de Newton Megravetodes del
punt fix
312 Ordre de convergegravencia drsquoun megravetode iteratiu
32 Megravetodes per a la resolucioacute drsquoequacions en meacutes drsquouna variable
321 Megravetode de Newton Megravetodes del punt fix
4 Funcions aproximacioacute derivacioacute i integracioacute
Aproximacioacute de funcions interpolacioacute polinogravemica i foacutermula de Taylor Error en lainterpolacioacute polinomial Diferenciacioacute numegraverica algunes foacutermules drsquoaproximacioacute per al cagravelculde derivades Error Extrapolacioacute de Richardson Integracioacute numegraverica foacutermules de Newton-Cotes Megravetode de Romberg Megravetodes de Montecarlo
41 Aproximacioacute de funcions
411 Interpolacioacute polinogravemica i foacutermula de Taylor
412 Error en la interpolacioacute polinogravemica
42 Diferenciacioacute numegraverica
421 Foacutermules per al cagravelcul aproximat de derivades
43 Integracioacute numegraverica
431 Foacutermules de Newton-Cotes megravetode dels trapezis regla de Simpson etc
432 Megravetode de Romberg
44 Megravetodes de Montecarlo
Metodologia i activitats formatives
Classes expositives i magistrals per a les sessions teoricopragravectiques Les classes de problemes a lrsquoaulainformagravetica es desdoblen en dos o meacutes grups El professorat assigna els estudiants als grups En lessessions de problemes a lrsquoaula informagravetica es treballa amb el programari Matlab en els ordinadors delrsquoaula
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final eacutes la suma ponderada de quatre notes NF = 03NP + 03NT + 04NE
mdash Nota NP (30 ) bull Treball a lrsquoaula drsquoinformagravetica dels algorismes estudiats amb sessions puntuables bull Treball de desenvolupament de programes pragravectics fora de lrsquohorari lectiu magravexim un per tema
mdash Nota NT (30 ) Exagravemens parcials sobre conceptes bagravesics de lrsquoassignatura magravexim un per temamdash Nota NE (40 ) Exagravemens parcials de resolucioacute de problemes amb el programari emprat en el curs
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Es recomana seguirlrsquoavaluacioacute continuada de treballs amb el programari Matlab
La nota final eacutes la suma ponderada de tres notes NF = 03NPC + 03NET + 04NEF
mdash Examen final de pragravectiques amb el programari emprat en el curs (30 ) Nota NPCmdash Examen final sobre conceptes bagravesics de lrsquoassignatura (30 ) Nota NETmdash Examen final de resolucioacute de problemes amb el programari emprat en el curs (40 ) Nota NEF
Reavaluacioacute
La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GRAUMiquel et al Cagravelcul numegraveric Barcelona UPC 1993
Referegravencia bagravesica
KENNEDY William Jo et al Statistical Computing Statistics textbooks and monographs 33 New York[etc] Marcel Dekker 1980
Referegravencia bagravesica
KINCAID David et al Anaacutelisis numeacuterico las matemaacuteticas del caacutelculo cientiacutefico Buenos Aires [etc]Addison-Wesley Iberoamericana 1994
Referegravencia complementagraveria
STOER Josef et al Introduction to Numerical Analysis Texts in Applied Mathematics 12 3rd ed NewYork Springer Verlag 2002
Referegravencia bagravesica
THISTED Ronald A Elements of Statistical Computing Numerical computation New York [etc]Chapman and Hall 1988
Referegravencia complementagraveria
VANDERGRAFT James S Introduction to numerical Computations New York Academic Press 1983
Referegravencia bagravesica
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals
Codi de lassignatura 361231
Curs acadegravemic 2019-2020
Coordinacioacute Francisco De Asis Carmona Pontaque
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoestadiacutestica matemagravetica i sobretot drsquoinferegravencia estadiacutestica
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures que contenen aquestes mategraveries comara Agravelgebra Lineal i Inferegravencia Estadiacutestica ja que contenen tots els conceptes bagravesics que srsquoutilitzaran
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
(Lrsquoalumnat ha de poder identificar un model lineal estimar-ne els paragravemetres i avaluar les hipogravetesisque es plantegin sobre aquest model I tambeacute ha de ser capaccedil de validar-lo)
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes conegraveixer els models lineals i la seva aplicacioacute a les situacionsmeacutes usualsmdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model linealmdash Conegraveixer els mecanismes de decisioacute associats a les principals proves drsquohipogravetesi en modelslinealsmdash Saber caracteritzar un model de regressioacute lineal simple i muacuteltiplemdash Saber com es validen els models de regressioacute linealmdash Saber caracteritzar alguns models drsquoanagravelisi de la variagravencia senzills
Referits a habilitats destreses
mdash Saber resoldre lrsquoestimacioacute dels paragravemetres drsquoun model lineal mdash Saber analitzar les principals proves drsquohipogravetesi en models lineals mdash Saber calcular un model de regressioacute lineal mdash Saber validar els models de regressioacute lineal mdash Saber resoldre alguns models drsquoanagravelisi de la variagravencia senzills mdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtinguts
Blocs temagravetics
1 Regressioacute lineal simple
11 Estimacioacute dels coeficients de regressioacute per miacutenims quadrats
12 Descomposicioacute de la variabilitat
13 Coeficient de correlacioacute i coeficient de determinacioacute
14 Inferegravencia sobre els paragravemetres de regressioacute
15 Prediccioacute
16 Plantejament matricial
2 Models de regressioacute
21 Regressioacute lineal muacuteltiple
22 Mesures drsquoajust
23 Inferegravencia sobre els coeficients de regressioacute
24 Coeficients de regressioacute estandarditzats
25 Regressioacute polinogravemica
26 Introduccioacute a la diagnosi del model
3 El model lineal
31 Estimacioacute de paragravemetres per miacutenims quadrats
32 Propietats dels estimadors
33 Contrast drsquohipogravetesi lineal
34 Contrast de models
35 Funcions paramegravetriques estimables
4 El model lineal de lrsquoanagravelisi de la variagravencia
41 Model drsquoun factor
42 Comparacioacute de mitjanes
43 Altres models
44 Introduccioacute a lrsquoanagravelisi de la covariagravencia
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
A les classes de problemes es resolen exercicis Es donen indicacions de quins exercicis cal treballar cadasetmana de manera que lrsquoalumnat pugui resoldrersquols abans drsquoassistir a classe i si escau dedicar la sessioacutea resoldre dubtes Els problemes consisteixen en la resolucioacute drsquoexercicis de caragravecter teograveric o aplicatencaminats a la comprensioacute dels conceptes bagravesics de cada tema
Un component important de lrsquoassignatura eacutes el treball amb ordinador Al llarg del curs es donenindicacions de com treballar amb el llenguatge estadiacutestic R de manera que els estudiants puguin fer-loservir tant per dur a terme els programes o les simulacions que srsquoencarreguin com els cagravelculs i lesanagravelisis de dades que es plantegin Les pragravectiques drsquoordinador es destinen a fer problemes numegraverics perveure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de les dades mitjanccedilant models lineals
Opcionalment es pot fer un treball Per tal que el professorat el revisi cal discutir-lo conjuntament abansde presentar-lo
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada En aquest sentit a mig curs es fa una provacurta (de dues hores) que no eacutes eliminatograveria de mategraveria Si srsquoaprova aquesta curta sersquon fa una altra afinal de curs Per a lrsquoalumnat que no superi la primera prova hi ha una prova final de siacutentesi
Les dates de les proves es fan puacutebliques el primer dia de classe perquegrave els alumnes es puguinprogramar les activitats i no hi faltin
Opcionalment es pot demanar de presentar treballs o problemes solucionats si aixiacute ho especifica elprofessorat a principi de curs
Lrsquoestudiant que falti a alguna prova per causes justificades pot recuperar com a magravexim una prova eldia de la prova de siacutentesi Si no es fa cap prova curta o no lliura els treballs o problemes demanats srsquohadrsquoavaluar de forma uacutenica el dia que marqui el Consell Docent
La nota final de lrsquoavaluacioacute continuada eacutes
04xP1+04xP2+02xO o 04xP1+ 06xP2 o PS
en quegrave P1 eacutes la prova curta 1 P2 eacutes la prova curta 2 O eacutes el treball o exercicis opcionals i PS eacutes laprova de siacutentesi
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CARMONA Francesc Modelos lineales Barcelona Publicacions i Edicions de la Universitat de Barcelona2005
Eacutes un bon llibre de models lineals tot i que teacute un nivell massa elevat pelscontinguts que es donen a lrsquoensenyament
FARAWAY Julian James Linear Models with R Chapman amp HallCRC Press 2014
PENtildeA Daniel Estadiacutestica Modelos y Meacutetodos Vol 2 Madrid Alianza 1991
Eacutes un llibre que recull part de lrsquoassignatura
RAWLINGS John O Applied Regression Analysis a research tool New York [etc] Springer 1998
Tot i ser en anglegraves eacutes un llibre molt bo amb molts exemples comentats
MONTGOMERY Douglas C et al Introduction to Linear Regression Analysis 2nd ed New York [etc]Wiley 1992
OLIVA Francesc et al Propietats i eines drsquoagravelgebra matricial per a estadiacutestica Barcelona Universitat deBarcelona 1995
Pagravegina web
The R Project for Statistical Computing
LyX - El procesador de documentos
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals Generalitzats
Codi de lassignatura 361234
Curs acadegravemic 2019-2020
Coordinacioacute JORDI CORTES MARTINEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoinferegravencia estadiacutestica i habilitats en el tractament de dades en diferents formats
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures relacionades amb la modelitzacioacute i lainferegravencia estadiacutestica com ara Models Lineals Inferegravencia Estadiacutestica i Econometria aixiacute com SoftwareEstadiacutestic ja que contenen conceptes i eines que srsquoutilitzaran extensament
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model lineal generalitzatmdash Saber caracteritzar un model de regressioacute lineal amb resposta normal binagraveria (regressioacutelogiacutestica) i entera o de Poisson (models log-lineals)mdash Conegraveixer els indicadors estadiacutestics de bondat de lrsquoajust i de la seva validesa per a la diagnosi ivalidacioacute dels models lineals proposats a nivell predictiu mdash Saber com es fa el proceacutes de validacioacute drsquoun model lineal generalitzatmdash Saber interpretar els resultats inferencials que es deriven de lrsquoajust drsquoun model linealgeneralitzatmdash Conegraveixer lrsquoextensioacute a models lineals generalitzats drsquoefectes aleatoris o models mixtos quan lesdades no soacuten independents
Referits a habilitats destreses
mdash Saber estimar els paragravemetres drsquoun model lineal generalitzatmdash Saber analitzar les principals proves drsquohipogravetesi associades als models lineals generalitzatsmdash Saber validar els models lineals generalitzats ajustatsmdash Saber resoldre alguns models lineals generalitzats drsquouacutes frequumlent model lineal generalregressioacute logiacutestica i models log-linealsmdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtingutsmdash Ser capaccedil de triar entre les diverses possibilitats proporcionades per un paquet estadiacutestic tanta nivell de capacitats modeliacutestiques com de sortida de la informacioacute per tal de poder extreureconclusions drsquoutilitat en el proceacutes de modelitzacioacute concret que desenvolupa
Blocs temagravetics
1 Introduccioacute als models lineals generalitzats
11 Hipogravetesi del model Forma canogravenica paragravemetres
12 Propietat dels scores matriu drsquoinformacioacute esperada
13 Funcioacute drsquoenllaccedil rol
14 Mesures de bondat (desviagravencia (D i Drsquo) i R2)
15 Inferegravencia raoacute de versemblances i estadiacutestics de Wald
2 Models per resposta normal
21 Regressioacute lineal muacuteltiple cas particular drsquoMLGz
22 Matrius de disseny efectes principals i interaccions
23 Model lineal general
24 Diagnosi i validacioacute seleccioacute del model anagravelisi de residus valors influents
Diagrames de residus parcials
3 Models per resposta binagraveria
31 Regressioacute logiacutestica resposta binomial
32 Interpretacioacute dels enllaccedilos habituals (logravegit progravebit i cloglog)
33 Estimacioacute inferegravencia i validacioacute
34 Presentacioacute de casos drsquoestudi
4 Models per comptatges
41 Models log-lineals resposta de Poisson
42 Modelitzacioacute de taules de contingegravencia
43 Estimacioacute inferegravencia i validacioacute
44 Diagnosi i tractament de la sobredispersioacute
45 Presentacioacute de casos drsquoestudi
5 Models lineals generalitzats amb efectes aleatoris
51 Models lineals generalitzats per a mesures repetides i dades longitudinals
52 Predictor lineal amb efectes aleatoris
53 Models lineals mixtos resposta gaussiana
54 Models lineals mixtos generalitzats resposta binomial i de Poisson
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
Un component important de lrsquoassignatura eacutes el treball amb ordinador i conjunts de dades reals Al llargdel curs es donen indicacions de com treballar amb lrsquoentorn estadiacutestic R de manera que els estudiantspuguin fer-lo servir tant per dur a terme els exercicis pragravectics que srsquoencarreguin com les anagravelisis dedades que es plantegin
Les pragravectiques soacuten totes drsquoordinador per veure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de lesdades mitjanccedilant models lineals generalitzats Les sessions de laboratori es desdoblen cada setmana eacutesa dir cadascun dels dos subgrups drsquoun grup complet teacute dues hores de laboratori setmanal El professorateacutes qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada en quegrave srsquoavalua
1 Conegraveixer i entendre alguns dels models meacutes importants de relacioacute lineal entre variables de la famiacuteliaexponencial
2 Davant de la descripcioacute drsquoun joc de dades ser capaccedil de formular correctament el model estadiacutesticassociat adient
3 Davant de la formulacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquoun paragravemetreestimar els paragravemetres del model mitjanccedilant lrsquouacutes del paquet estadiacutestic adequat
4 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar la bondat del model tot interpretant lainformacioacute facilitada pel programa estadiacutestic
5 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat saber interpretar-ne els estimadors en termes de lafuncioacute drsquoenllaccedil emprada
6 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar gragraveficament la bondat del model sempreque el nombre de paragravemetres sigui reduiumlt
7 Davant de diversos models lineals generalitzats per un conjunt de dades fixat apuntar cap a laseleccioacute del millor model uacutes de variables com a factor o com a covariant introduccioacute de termes drsquoordresuperior al lineal en les covariables
8 Conegraveixer i entendre les limitacions de les propietats asimptogravetiques dels estadiacutestics implicats enlrsquoestimacioacute i validacioacute dels models lineals generalitzats
9 Conegraveixer els indicadors estadiacutestics de bondat del model desviagravencia estadiacutestic de Pearson AIC BIC
En aquest sentit al llarg del curs es fa una prova parcial que no eacutes eliminatograveria de mategraveria La data dela prova es fa puacuteblica el primer dia de classe perquegrave els alumnes es puguin programar les activitats i nohi faltin Tambeacute hi ha un examen final
Al llarg del curs srsquoha de presentar una segraverie de casos drsquoestudi solucionats que juntament amb elsexagravemens donen lloc a la nota final de curs
La nota final es basa en la foacutermula seguumlent
Magravexim02 x P1 + 03 x T + 05 x PF 03 x T + 07 x PF
P1 nota de lrsquoexamen parcialT nota mitjana de lliuraments de casos drsquoestudiPF nota de lrsquoexamen final
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes i el lliurament dels treballs fets com a casos drsquoestudi
03 x T + 07 x PF
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
McCULLAGH Peter et al Generalized linear models London [etc] Chapman amp Hall 1989
FOX John Applied Regression Analysis and Generalized Linear Models Los Angeles [etc] SAGE 2008
FOX John et al An R Companion to Applied Regression Thousand Oaks Calif SAGE 2011
DOBSON Annette J An Introduction to generalized linear models Boca Raton CRC Press Chapman ampHall 2008
FARAWAY Julian James Extending the Linear Model with R Generalized Linear Mixed Effects andNonparametric Regression Models Boca Raton (Mass) Chapman amp HallCRC 2006
PINHEIRO Joseacute C et al Mixed-Effects Models in S and S-PLUS New York (NY) [eTc] Springer 2000
Pagravegina web
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute en Enginyeria
Codi de lassignatura 361258
Curs acadegravemic 2019-2020
Coordinacioacute M PAZ LINARES HERREROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Requisits
361227 - Programacioacute No Lineal i Fluxos en Xarxes (Recomanada)
361226 - Programacioacute Lineal i Entera (Recomanada)
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de la investigacioacute operativa habituals en optimitzacioacute en enginyeria i usarcorrectament la terminologia progravepia de lrsquoagraverea
Formular matemagraveticament i resoldre computacionalment mitjanccedilant lrsquouacutes de llenguatges demodelitzacioacute per a programacioacute matemagravetica problemes drsquooptimitzacioacute en enginyeria de diversesagraverees
Interpretar els resultats dels models drsquooptimitzacioacute en enginyeria i ser capaccedil drsquoelaborar informes ipresentacions on srsquoexposin els resultats
Blocs temagravetics
1 Optimitzacioacute en enginyeria del transport
Introduccioacute als models de localitzacioacute Heuriacutestiques de resolucioacute Problema del viatjant decomerccedil (TSP) Problema de rutes de vehicles (VRP) Models de rutes per a aplicacions de lalogiacutestica urbana laquostreet routingraquo Heuriacutestiques de resolucioacute Anagravelisi de problemes especiacuteficsde la logiacutestica a ciutats localitzacioacute de sensors per a la captura drsquoinformacioacute de tragravensit gestioacutedinagravemica de flotes de vehicles serveis de missatgeria recollida de residus
2 Optimitzacioacute en enginyeria de lrsquoenergia
Introduccioacute a lrsquooperacioacute de sistemes de potegravencia el sistema de produccioacute i transportdrsquoenergia nacional generacioacute regulada vs liberalitzada el mercat elegravectric majorista
Optimitzacioacute de lrsquooperacioacute regulada dels sistemes de potegravencia modelitzacioacute dels generadorsde turbina laquoeconomic dispatchraquo (ED) laquooptimal power flowraquo (OPF) laquounit commitmentraquo (UC)Optimitzacioacute de lrsquooperacioacute de mercats elegravectrics models de cassacioacute del mercat modelsdrsquooferta ograveptima de compra i venda drsquoenergia Modelitzacioacute i resolucioacute computacional delrsquooperacioacute de sistemes de potegravencia
Metodologia i activitats formatives
Les classes srsquoorganitzen al voltant drsquoestudis de cas drsquoaplicacioacute dels models i algorismes drsquooptimitzacioacute ala resolucioacute de problemes reals de lrsquoenginyeria de transport enginyeria de dades i enginyeria de lageneracioacute elegravectrica Dins de cada part del curs es fa una introduccioacute a lrsquoagraverea drsquoaplicacioacute es descriuen lescaracteriacutestiques dels models i algorismes drsquooptimitzacioacute i es resolen computacionalment casos pragravecticsreals Lrsquoalumnat ha de preparar un conjunt de projectes en quegrave ha de resoldre exemples de casos realsde les diferents agraverees drsquoaplicacioacute
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada consisteix en quatre pragravectiques dos per cada bloc de lrsquoassignatura Cada pragravecticaes fa en acabar el tema corresponent Els dos blocs tenen el mateix pes en la nota drsquoavaluacioacutecontinuada que es calcula fent la mitjana aritmegravetica de les notes obtingudes a les diferents pragravectiques
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova pragravectica a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha deresoldre algun cas pragravectic relacionat amb els problemes estudiats a classe
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
DASKIN MS et al Location Models in Transportation En HALL Randolph W (ed) Handbook ofTransportation Science Boston [etc] Kluwer Academic 2003
TOTH Paolo et al (eds) The Vehicle Routing Problem Philadelphia Society for Industrial and AppliedMathematics 2002
ZHU Jizhong Optimization of Power System Operation Piscataway NJ Wiley-IEEE 2009
GOacuteMEZ EXPOacuteSITOAntonio et al (eds) Electric energy systems analysis and operation Boca RatonFla CRC Press 2009
WILLENBORG Leon et al Elements of statistical disclosure control New York Barcelona [etc] Springer2000
CRISTIANINI Nello et al An Introduction to Support Vector Machines And Other Kernel-Based LearningCambridge [etc] Cambridge University Press 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute Financera
Codi de lassignatura 361257
Curs acadegravemic 2019-2020
Coordinacioacute Jose Bonifacio Saez Madrid
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Exposicioacute de continguts teograverics irealitzacioacute drsquoexemples drsquoaplicacioacute)
44
- Pragravectiques de problemes
(Plantejament i resolucioacute de problemes) 10
- Pragravectiques dordinadors
(Plantejament i resolucioacute amb ordinadorde problemes reals del moacuten financer)
6
Treball tutelatdirigit
(Realitzacioacute de les tasques encarregades pelprofessor)
40
Aprenentatge autogravenom
(Estudi personal per entendre lrsquoassignatura ipreparar les proves drsquoavaluacioacute)
50
Recomanacions
No hi ha requisits obligatoris per cursar aquesta assignatura De totes maneres per aprofitar millor elcurs es recomana
mdash Tenir coneixements previs drsquoestadiacutestica descriptiva
mdash Tenir coneixements bagravesics de cagravelcul diferencial i drsquoagravelgebra lineal
mdash Conegraveixer el funcionament drsquoExcelreg
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer les eines financeres per valorar actius de renda fixa i de renda variable
Conegraveixer les diferents formes de mesurar i quantificar la rendibilitat i el risc drsquoun actiu financer
Conegraveixer els megravetodes drsquoanagravelisi i descomposicioacute del risc drsquouna cartera de valors
Conegraveixer el proceacutes complet de les diferents etapes que hi ha a lrsquohora de gestionar de formaograveptima una cartera de valors mobiliaris
Conegraveixer els models clagravessics drsquooptimitzacioacute financera aplicats a la gestioacute activa i passiva decarteres amb lrsquoobjectiu de trobar carteres diversificades
Conegraveixer els megravetodes de performance existents en el mercat per avaluar lrsquoeficiegravencia de lesdecisions preses pels gestors de carteres
Referits a habilitats destreses
Desenvolupar megravetodes que pugin avaluar quan un actiu financer esta infravalorat o sobrevalorat
Desenvolupar megravetodes que permetin determinar els moments idonis per comprar o vendre unactiu de renda variable aplicant les eines estadiacutestiques de lrsquoanagravelisi tegravecnica borsagraveria
Analitzar amb diferents criteris financers la viabilitat o no drsquoun projecte drsquoinversioacute
Aprendre a resoldre amb ordinador els problemes drsquooptimitzacioacute financera aplicats a laconstruccioacute de carteres eficients i ser capaccedilos de presentar els resultats
Referits a actituds valors i normes
Entendre al llarg del curs que el funcionament dels mercats financers teacute un fort componentsubjectiu i que de vegades influeixen en els resultats finals la sort i lrsquoatzar i en drsquoaltres elcomportament agregat dels inversors enfront del coneixement de determinades variablesmacroeconogravemiques no esperades
Aprendre a treballar en equip per obtenir resultats ograveptims atesa la gran quantitat drsquoinformacioacuteque apareix diagraveriament en els mercats financers
Blocs temagravetics
1 El mercat financer espanyol
La borsa a Espanya
Identificacioacute dels actius financers
Formes de valoracioacute drsquouna accioacute
Ordres de compravenda drsquoaccions
Drets econogravemics de les accions
Iacutendexs borsaris
2 Fonaments financers
Operacioacute financera
Interegraves simple venccedilut
Descompte comercial
Interegraves compost
Rendes financeres
Funcions financeres drsquoExcel
3 Rendibilitat de productes financers
Rendibilitat efectiva nominal i contiacutenua
Cagravelcul i interpretacioacute de la TAE TIR TRE RS TGR i TAR
Valoracioacute de lletres del tresor imposicions a termini fix efectes comercials
Valoracioacute de fons drsquoinversioacute plans de previsioacute bons de lrsquoestat preacutestecs liacutesing
Rendibilitat esperada drsquoun actiu
Rendibilitat histograverica drsquouna cartera drsquoactius
Rendibilitat esperada drsquouna cartera drsquoactius
4 Risc financer
Definicioacute de risc
Mesures de risc drsquoun actiu financer
Mesures de risc drsquouna cartera drsquoactius financers
Relacioacute entre diversificacioacute i risc
Control del risc drsquouna cartera drsquoactius
Funcions drsquoExcel relacionades amb el risc
5 Gestioacute de carteres
Poliacutetica drsquoinversioacute drsquouna cartera
Megravetodes de seleccioacute drsquoactius per construir una cartera
Megravetodes de seleccioacute dels moments ograveptims per comprar i vendre
Megravetodes per valorar la gestioacute realitzada drsquouna cartera
6 Optimitzacioacute de carteres
Construccioacute de carteres de renda variable
Elements fonamentals de les carteres de renda fixa
Obtencioacute de carteres ograveptimes amb ordinador
Construccioacute de carteres mixtes de renda fixa i variable
Metodologia i activitats formatives
Les 150 hores estimades que lrsquoestudiant ha de dedicar a aquesta assignatura es divideixen de la maneraseguumlent
mdash 46 hores presencials en quegrave el professor treballa els conceptes teograverics del programa i presentaexemples drsquoaplicacioacute dels conceptes teograverics explicats per a una millor comprensioacute i obtencioacute delsobjectius de coneixements i habilitats especiacutefics Es fomenta lrsquoesperit criacutetic a lrsquohora drsquoobtenir conegraveixer icalcular les diferents mesures de rendibilitat i risc necessagraveries per construir formalment les carteresograveptimes diversificades de renda fixa i variable
mdash 14 hores presencials en quegrave es plantegen resolen i interpreten problemes del moacuten financer Enprincipi drsquoaquestes hores estagrave previst fer 2 sessions de 2 hores a les aules drsquoinformagravetica drsquouna bandaper aprofitar les aplicacions informagravetiques existents en els mercats financers i poder aprofundir enlrsquoaplicacioacute i interpretacioacute dels conceptes teograverics i drsquoaltra banda per resoldre problemes reals del mercatque requereixen un nombre elevat de variables sobretot si es volen construir carteres ograveptimes eficients idiversificades
mdash 40 hores no presencials de treball tutelat i dirigit en quegrave lrsquoalumnat pot resoldre els dubtes que se lihan plantejat en el desenvolupament i execucioacute dels treballs (individuals i en grup) que proposa elprofessor a cada estudiant o grup de manera diferenciada i personalitzada
mdash 50 hores drsquoaprenentatge autogravenom en quegrave lrsquoestudiant ha drsquoestudiar i treballar pel seu compte perpoder assolir amb garanties els objectius de lrsquoaprenentatge Tambeacute eacutes recomanable que mitjanccedilant lapremsa diagraveria i Internet estigui informat de lrsquoevolucioacute dels mercats financers
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada es fa al llarg del curs i teacute principalment tres parts associades a les competegravenciesque srsquohan descrit per a aquesta assignatura
1 Avaluacioacute del joc de simulacioacute a la borsa espanyola
Al llarg del curs lrsquoestudiant duu a terme operacions de compravenda drsquoaccions del mercat espanyol amblrsquoobjectiu de construir una cartera que maximitzi la rendibilitat En funcioacute de la rendibilitat assolida per
la cartera a final de curs cada estudiant obteacute una nota que teacute una ponderacioacute del 10 respecte de lanota final Amb aquesta simulacioacute es desenvolupen les capacitats de prendre decisions drsquoadaptacioacute anoves situacions del mercat financer drsquoentendre el comportament dels seus companys enfront lesinversions realitzades i drsquointerpretar situacions i problemes reals
2 Avaluacioacute de treballs presentats al llarg del curs
Al llarg del curs es demanen tres treballs
El primer treball associat als continguts del tercer bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballen els conceptes de valoracioacute drsquoun producte financer o projecte drsquoinversioacute i larendibilitat drsquouna accioacute de lrsquoIBEX 35 Aquest primer treball teacute una ponderacioacute del 25 respecte de lanota final i permet desenvolupar les capacitats de formular dissenyar proposar modelitzar analitzarvalidar interpretar i resoldre problemes reals dels mercats financers
El segon treball associat als continguts del quart bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballa entre drsquoaltres el concepte de risc de la mateixa accioacute de lrsquoIBEX 35 seleccionadaper al primer treball Desenvolupa les capacitats drsquoanagravelisi i drsquointerpretacioacute dels coneixements estadiacutesticsassolits en cursos anteriors a la pragravectica dels mercats financers Aquest segon treball pondera un 15 de la nota final
El tercer treball associat als continguts del sisegrave bloc temagravetic eacutes en grup cada estudiant aporta lainformacioacute obtinguda per la seva accioacute en els dos treballs anteriors i conjuntament han de construir unacartera ograveptima segons algun dels models de gestioacute de carteres explicats a classe Aquest treball teacute unaponderacioacute del 10 respecte de la nota final i desenvolupa la capacitat de formular i gestionarprojectes perograve sobretot la capacitat de treballar en equip ja que cada membre ha de colmiddotlaborar ambels altres i contribuir a un projecte comuacute
Els treballs han de presentar-se dintre dels terminis marcats pel professor i es valora si lrsquoestudiant haassolit totes les competegravencies que es demanen en cadascun
3 Avaluacioacute dels coneixements
Al final del segon bloc temagravetic en la data fixada pel professor es duu a terme una prova escritaassociada al primer i segon bloc temagravetic La prova eacutes eminentment pragravectica perograve tambeacute incloupreguntes de reflexioacute i raonament respecte del funcionament del mercat financer espanyol i els seusfonaments Aquesta prova teacute una ponderacioacute del 10 respecte de la nota final
Al final de curs i en la data i lloc que fixi el Consell Docent lrsquoestudiant pot presentar-se a una provaescrita en la qual ha de posar de manifest la seva capacitat drsquoaprenentatge dels coneixements teograverics ipragravectics adquirits al llarg del curs amb la formulacioacute resolucioacute i presa de decisions de problemesfinancers No eacutes obligatori presentar-se a aquesta prova ja que amb la suma de la nota del joc desimulacioacute en borsa la prova escrita i les notes dels treballs pot haver superat els 5 punts quesrsquoexigeixen per aprovar lrsquoassignatura En cas contrari lrsquoestudiant ha de presentar-se i treure la nota queli falta per superar els 5 punts Aquesta prova teacute una ponderacioacute del 30 respecte de la nota final Enaquesta prova tambeacute es valora la capacitat de lrsquoestudiant per memoritzar i comprendre les foacutermules quehan aparegut al llarg del curs i la capacitat psicologravegica drsquoentendre el comportament dels seuscompanys enfront drsquouna determinada situacioacute que proposa el professor el dia de la prova
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data que
fixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignaturala nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Qui opti per ferlrsquoavaluacioacute uacutenica de lrsquoassignatura ha de fer la mateixa prova escrita que fan els alumnes drsquoavaluacioacutecontinuada en la data i el lloc que determini el Consell Docent perograve en aquest cas aquesta provaescrita teacute una ponderacioacute del 100 de la nota final La nota miacutenima per aprovar eacutes de 5 punts
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data quefixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignatura ila nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALEXANDER Gordon J et al Fundamentos de inversiones Teoriacutea y praacutectica Meacutexico DF [etc] PearsonEducacioacuten 2003
BODIE Zvi et al Principios de inversiones Madrid [etc] McGraw-HillInteramericana de Espantildea 2004
BODIE Zvi et al Finanzas Meacutexico [etc] Pearson Educacioacuten 2003
CORDOBA Miguel Anaacutelisis financiero Renta fija fundamentos y operaciones Madrid Thomson 2003
ELTON Edwin J et al Modern portfolio theory and investment analysis New York [etc] Wiley 1995
GOacuteMEZ-BEZARES Fernando Gestioacuten de carteras eficiencia teoriacutea de cartera CAPM APT BilbaoDescleacutee de Brouwer 2016
MARIN Joseacute Mariacutea et al Economiacutea Financiera Barcelona Antoni Bosch 2001
MARKOWITZ Harry M Portfolio selection efficient diversification of investments Oxford Basil Blackwell1991
MURPHY John J Anaacutelisis teacutecnico de los mercados financieros Barcelona Gestioacuten 2000
SANCHEZ Joseacute L (dir) Curso de Bolsa y Mercados Financieros Barcelona Ariel 2007
SHARPE William F Portfolio Theory and Capital Markets New York [etc] McGraw-Hill 2000
SUAacuteREZ Andreacutes-Santiago Decisiones oacuteptimas de inversioacuten y financiacioacuten en la empresa MadridPiraacutemide 2014
TERCENtildeO Antonio Matemaacutetica financiera Madrid Piraacutemide 1997
VILLALBA Daniel Teoriacutea y praacutectica de la gestioacuten de carteras Madrid BME 2016
Pagravegina web
wwwaiafcom
wwwinvertiacom
wwweleconomistaes
wwwbolsamaniacom
wwwcnmves
wwwbolsamadrides
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Principis dEconomia
Codi de lassignatura 361210
Curs acadegravemic 2019-2020
Coordinacioacute Antonio Manresa Sanchez
Departament Departament dEconomia
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Per millorar la productivitat es recomana que lrsquoestudiant vingui a classe havent fet la lectura del temacorresponent del manual de lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar i
integrar la informacioacute)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu fonamental de lrsquoassignatura eacutes que lrsquoestudiant conegui els principis bagravesics delrsquoeconomia tant en la seva vessant microeconogravemica com en la macroeconogravemica Tambeacute eacutesimportant que sigui capaccedil drsquoaplicar els coneixements teograverics a la realitat econogravemica mitjanccedilantexemples exercicis i problemes pragravectics Aixiacute mateix eacutes essencial que aprengui la terminologiaeconogravemica els instruments i models emprats per arribar a comprendre i analitzar el moacuten real atraveacutes de lrsquoanagravelisi econogravemica com a instrument bagravesic per assolir-ho
En concret es busca assolir les competegravencies seguumlents capacitat per interpretar dadeseconogravemiques i resoldre problemes econogravemics capacitat drsquoanagravelisi i siacutentesi capacitat drsquoorganitzacioacutei planificacioacute habilitat per analitzar i buscar informacioacute que proveacute de diferents fonts
Blocs temagravetics
1 Introduccioacute a lrsquoeconomia
11 Conceptes bagravesics
12 La frontera de possibilitats de produccioacute
2 Anagravelisi microeconogravemica
21 Activitat econogravemica
22 Produccioacute
23 Demanda
24 Mercat
25 Estructures de mercat
26 Fallades del mercat
3 Anagravelisi macroeconogravemica
31 Magnituds macroeconogravemiques
32 Renda consum estalvi inversioacute
33 Diner i mercats financers
34 Oferta i demanda agregades Inflacioacute
35 Desocupacioacute El mercat de treball
36 Intervencioacute puacuteblica
4 Economia internacional
41 Comerccedil internacional
42 Balanccedila de pagaments
43 Tipus de canvi
Metodologia i activitats formatives
El seguiment de lrsquoassignatura es fa mitjanccedilant
1 Assistegravencia a classe on srsquoexpliquen i es treballen els continguts meacutes complicats de la bibliografiabagravesica Setmanalment es planteja lrsquoanagravelisi de casos extrets de la premsa o drsquoinformes econogravemics sobreconceptes teories i models del contingut del programa
2 Autoaprenentatge Lrsquoestudiant desenvolupa activitats de manera autogravenoma per consolidar conceptesaixiacute com per resoldre exercicis plantejats pel professorat
3 Srsquoutilitza el Campus Virtual com a canal de comunicacioacute per tal de facilitar els materials o avisos quecorresponguin
4 Sessions pragravectiques amb el grup desdoblat en quegrave es duen a terme diferents tipus drsquoactivitatsactivitats drsquoavaluacioacute continuada resolucioacute drsquoexercicis presentacions tutories per grup discussioacute detextos relacionats amb el temari explicat a lrsquoaula pregraveviament proposats a lrsquoestudiant com a lecturaAquestes sessions consisteixen en un total de 5 hores per a cada subgrup durant el curs La planificacioacutedrsquoaquestes sessions es detalla en el programa de lrsquoassignatura
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Al llarg del curs es fan dues proves escrites drsquoavaluacioacute continuada la suma de les dues suposen el100 de la nota final La primera prova escrita es duu a terme un cop acabat el primer bloc temagravetic (ameitat del semestre) i la segona un cop acabat el segon bloc temagravetic (a final del semestre)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
La prova de lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen de tota la mategraveria
Avaluacioacute uacutenica
Qui opti per lrsquoavaluacioacute uacutenica ha de fer un uacutenic examen drsquoacord amb el programa amb preguntes deraonament teograveric i la resolucioacute de problemes La data de lrsquoexamen estagrave fixada pel Consell Docent(abans del periacuteode de matriculacioacute dels estudiants) La reavaluacioacute teacute les mateixes caracteriacutestiques quela prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MANKIW N Gregory Principios de Economia Madrid Paraninfo 2014
BERNANKE Ben et al Principios de Economia Madrid Mc Graw Hill 2007
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Probabilitat i Processos Estocagravestics
Codi de lassignatura 361218
Curs acadegravemic 2019-2020
Coordinacioacute Jose Maria Oller Sala
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Haver cursat les assignatures de 1r curs Introduccioacute a la Probabilitat Introduccioacute al Cagravelcul Agravelgebra Lineal
Altres recomanacions
Assistir a classe sempre
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacute operativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes reals adaptant els
models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els models multivariants bagravesics i les seves propietatsmdash Conegraveixer el concepte de la funcioacute generatriu de probabilitat i la generadora de momentsmdash Conegraveixer els diferents tipus de convergegravencies de successions de variables aleatograveries i els principalsresultats associats llei dels grans nombres i teorema del liacutemit centralmdash Conegraveixer el concepte de proceacutes estocagravestic i les seves propietats bagravesiquesmdash Conegraveixer els principals tipus de processos estocagravestics i identificar les situacions reals a les quals soacutenaplicables
Referits a habilitats destreses
mdash Calcular probabilitats a partir del model del vector aleatorimdash Calcular densitats marginals i funcions de vectors aleatorismdash Calcular matrius de covariagravencies i coeficients de correlacioacutemdash Calcular funcions generatrius de probabilitat i de moments mdash Comprovar quan una successioacute de variables aleatograveries convergeixmdash Determinar la matriu de transicioacute drsquouna cadena de Markov amb espai drsquoestats finit
Blocs temagravetics
1 Distribucions multivariants
11 Variables aleatograveries multivariants discretes i contiacutenues
12 Marginals i condicionades Independegravencia de variables aleatograveries
13 Matriu de variagravencies i covariagravencies Coeficient de correlacioacute
14 Lrsquoesperanccedila condicionada com a variable aleatograveria
15 Transformacions de variables aleatograveries multivariants
2 Distribucioacute normal multivariant
21 Normal bivariant
22 Normal multivariant
23 Prediccioacute en el cas de la normal bivariant
24 Distribucions relacionades amb la normal
3 Funcions generatrius
31 Segraveries de potegravencies
32 Funcioacute generatriu de probabilitat
33 Funcioacute generadora de moments
4 Convergegravencia de variables aleatograveries
41 Convergegravencia en distribucioacute
42 Teorema del liacutemit central
43 Altres tipus de convergegravencies de variables aleatograveries
44 Lleis dels grans nombres
45 Convergegravencies de sumes de variables aleatograveries i drsquoaltres transformacions
5 Processos estocagravestics
51 Cadenes de Markov
52 Passeigs aleatoris
53 Processos de ramificacioacute
54 Processos de Poisson
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials (a classe)
mdash Classes de teoria Dues sessions setmanals (dues hores + una hora) on es presenta el material delrsquoassignatura Srsquoemfasitzen les idees i els conceptes Es miren amb detall les demostracions que pel seu continguti desenvolupament resulten pedagogravegicament creatives i formatives
mdash Classes de problemes Sessions drsquouna hora setmanal (durant 10 setmanes) Els alumnes disposen al principide cada tema de la colmiddotleccioacute de problemes corresponent En finalitzar cada tema es deixen les solucions en elCampus Virtual El professorat indica amb antelacioacute quins soacuten els problemes que cal treballar per a la classeseguumlent Tambeacute comenta les diferents formes drsquoabordar-los i els resol a la pissarra En ocasions es deixa temps ala mateixa classe perquegrave els alumnes resolguin algun problema
mdash Pragravectiques drsquoordinador Sessions drsquouna hora setmanal (durant 5 setmanes) Es treballa amb el programa RTots els alumnes que puguin han de portar a classe els seus portagravetils i compartir-los amb els que no en tinguinEls alumnes disposen al principi de cada tema drsquoun guioacute de la pragravectica En finalitzar cada tema es deixa unapossible solucioacute en el Campus Virtual
A meacutes a meacutes es proposen setmanalment activitats (problemes per resoldre pragravectiques amb lrsquoordinador) que elsestudiants han de fer no presencialment i lliurar la setmana seguumlent Aquestes activitats srsquoavaluen
Es fa servir el Campus Virtual com a repositori del material del curs i tambeacute per concretar les activitatsproposades setmanalment Alguns dels lliuraments de feines es fan directament en el Campus Virtual
Srsquoespera que els alumnes assisteixin a classe sempre ja que una assistegravencia irregular no permet assolir lescompetegravencies que lrsquoassignatura es marca com a objectius
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als estudiants que assisteixen regularment a classe (que haurien de ser tots) Constade tres parts
1 Lliurament setmanal de problemes (LliuSetm)
2 Examen parcial en finalitzar el tema 1 (ExParcial)3 Examen final que coincideix amb la data de lrsquoavaluacioacute uacutenica (ExFinal)
Aquestes tres parts avaluen les competegravencies de lrsquoassignatura
Els exagravemens parcial i final tenen la mateixa estructura amb una part de preguntes de teoria i entre dos i quatreproblemes El pes de les preguntes de teoria eacutes entre un 20 i un 30 del total
La qualificacioacute global de lrsquoassignatura eacutesGlobal = 020 Max(LliuSetm ExFinal) + 025 Max(ExParcial ExFinal) + 055 ExFinalPer tant la nota dels lliuraments setmanals i del parcial es tenen en compte (amb pesos respectius del 20 idel 25 del global) nomeacutes si soacuten superiors a la nota de lrsquoexamen final
Els estudiants que no es presentin a lrsquoexamen final tenen un laquoNo presentatraquo com a qualificacioacute global delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica Qui vulguirenunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableixi ique es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica consta de dues parts teoria (amb un pes entre el 20 i el 30 ) i problemes (ambun pes entre el 70 i el 80 ) Els continguts drsquoaquestes proves soacuten semblants (en temagravetica i dificultat) als deles classes presencials Aquestes proves avaluen les competegravencies de lrsquoassignatura
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode de matriculacioacute delsestudiants)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CHUNG Kai Lai Elementary probability theory with stochastic processes and an introduction to mathematicalfinance New 4th ed York [etc] Springer 2003
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior Chung 1983)
DeGROOT Morris H et al Probability and statistics 2nd ed Reading (Mass) [etc] Addison-Wesley 2012
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior DeGroot 1988)
GRIMMETT Geoffrey et al Probability and random processes Oxford [etc] Oxford University Press 2001
GRIMMETT Geoffrey et al Probability An Introduction Oxford Clarendon Press1986
JULIAgrave DE FERRAN Olga et al Probabilitats problemes i meacutes problemes Barcelona Publicacions i Edicions de laUniversitat de Barcelona 2005
GUT Allan An Intermediate Course in Probability New York [etc] Springer 2009
PITMAN Jim Probability New York Springer 1993
SANZ Marta Probabilitats Barcelona Edicions Universitat de Barcelona 1999
GRINSTEAD Charles M et al Introduction to probability Providence (RI) American Mathematical Society 2006
(Accessible via webhttpwwwdartmouthedu~chanceteaching_aidsbooks_articlesprobability_bookbookhtml)
EVANS Michael John et al Probability and Statistics The Science of Uncertainty New York WH Freeman andCompany 2010
EVANS Michael John et al Probabilidad y estadiacutestica La ciencia de la incertidumbre Barcelona Reverte 2005(Trad de Probability and Statistics The science of uncertainty First Edition 2003)
PENtildeA Daniel Fundamentos de estadiacutestica Madrid Alianza 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute
Codi de lassignatura 361192
Curs acadegravemic 2019-2020
Coordinacioacute MARTA FAIREacuteN GONZALEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer i entendre les diferents estructures de dades en lrsquoentorn de programacioacute estadiacutesticaR i les seves diferegravenciesmdash Entendre la necessitat drsquoestructurar les dades en un algorisme i les diferents possibilitatsdepenent de les necessitats del problemamdash Entendre per quegrave de vegades cal usar una estructura de dades o una altra per resoldre unproblemamdash Conegraveixer les tegravecniques bagravesiques de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Referits a habilitats destreses
mdash Aplicar els coneixements sobre estructures de dades per resoldre problemes de mitjanaenvergaduramdash Aplicar els coneixements bagravesics de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Blocs temagravetics
1 Repagraves drsquoeines fonamentals de la programacioacute
11 Els vectors
12 Esquema de recorregut i esquema de cerca
13 Disseny descendent (accions i funcions)
2 Les matrius (taules)
21 Conceptes
22 Recorreguts i acceacutes
3 Combinacioacute de dades de diferent tipus (List)
31 Introduccioacute i conceptes generals
32 Construccioacute i operacions amb el tipus List
4 Estructures de dades meacutes complexes (Data Frames)
41 Introduccioacute i conceptes bagravesics
42 Construccioacute i operacions amb Data Frames
43 Combinacions drsquoestructures
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria i problemes en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com acontinguts de lrsquoassignatura i alhora resoldre i analitzar els problemes relacionats amb la teoriapresentada de manera intercalada
2 Classes de laboratori (pragravectiques drsquoordinador) que es duen a terme a les aules drsquoinformagravetica de laFacultat en quegrave lrsquoobjectiu eacutes lrsquoaplicacioacute pragravectica del que srsquoha vist a les classes de teoria i problemes enels ordinadors i especialment el desenvolupament de programes
El grup es desdobla en dos per a les classes de teoria tots els estudiants tenen el mateix horari i fan lesclasses dos professors En canvi el grup es desdobla en tres per a les classes de laboratori (pragravectiquesdrsquoordinador) tambeacute tots els estudiants fan el mateix horari i imparteixen les classes tres professors
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura es basa principalment en dos tipus drsquoactivitats
a) Dues proves escrites que no eliminen temari i que consisteixen en la resolucioacute per escrit drsquounconjunt drsquoexercicis o problemesmdash Una prova de seguiment que es duu a terme a la meitat del curs (NEPar) Aquesta prova es fa cap ala meitat del semestremdash Una prova final (NEFin) Es fa el mateix dia que la prova drsquoavaluacioacute uacutenica
b) Una prova pragravectica que es fa en els ordinadors (NPRAC) en lrsquouacuteltima classe de laboratori
El cagravelcul de la nota final es fa segons el procediment seguumlent
NCON = Magravex ((03 NEPar + 07 NEFin) NEFin)
NFINAL = 03 NPRAC + 07 NCON
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una uacutenica prova escrita que dona la nota final (NFINAL)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHO Alfred V et al Estructuras de datos y algoritmos Willmington Del Addison-WesleyIberoamericana 1988
MATLOFF Norman S The Art of R Programming A Tour of Statistical Software Design San Francisco NoStarch Press 2011
BRAUN John et al First Course in Statistical Programming with R Cambridge Cambridge University2007
Text electrogravenic
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute Lineal i Entera
Codi de lassignatura 361226
Curs acadegravemic 2019-2020
Coordinacioacute F JAVIER HEREDIA CERVERA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Classes de teoria i problemes) 375
- Pragravectiques dordinadors
(Laboratoris computacionals ambSASOR)
225
Treball tutelatdirigit
(Realitzacioacute i seguiment dels exercicis deteoria i laboratori proposats a classe)
38
Aprenentatge autogravenom 52
Recomanacions
Tenir els coneixements i habilitats bagravesiques drsquoanagravelisi agravelgebra lineal programacioacute investigacioacute operativa iSAS de les assignatures seguumlentsmdash Introduccioacute al Cagravelcul Agravelgebra Lineal Cagravelcul de Diverses Variables Megravetodes Numegravericsmdash Introduccioacute a la Informagravetica Programacioacute
mdash Software Estadiacutestic (SAS)mdash Introduccioacute a la Investigacioacute Operativa
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de presa de decisioacute meacutes importants de la investigacioacute operativa en diversoscamps drsquoaplicacioacute
Analitzar problemes de presa de decisioacute amb lrsquoobjectiu de formular i resoldre computacionalmentel model drsquooptimitzacioacute meacutes adient
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal i dels seusalgorismes de resolucioacute aixiacute com de les tegravecniques drsquoanagravelisi de sensibilitat
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal entera i dels seusalgorismes de resolucioacute
Referits a habilitats destreses
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal a problemesacadegravemics de dimensioacute reduiumlda
Resoldre problemes pragravectics mitjanccedilant lrsquoaplicacioacute de tegravecniques drsquoanagravelisi de sensibilitat a modelsde programacioacute lineal
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal entera aproblemes acadegravemics de dimensioacute reduiumlda
Resoldre problemes reals de presa de decisioacute mitjanccedilant lrsquouacutes drsquoalgun programari drsquooptimitzacioacute dereferegravencia corresponent als diferents algorismes drsquooptimitzacioacute estudiats al llarg del curs
Blocs temagravetics
1 Introduccioacute a la programacioacute lineal (PL)
11 Formulacioacute de problemes de programacioacute lineal
12 Representacioacute gragravefica i solucioacute de problemes de programacioacute lineal
13 Repagraves de conceptes drsquoagravelgebra lineal Complexitat algoriacutesmica
14 Implementacioacute i resolucioacute computacional de problemes de programacioacute lineal amb el
procediment OPTMODEL de SASOR (laboratori 1)
2 Teoria de programacioacute lineal i algorisme del siacutemplex
21 Geometria en programacioacute lineal poliedres i conjunts convexos punts extrems
vegravertexs i solucions bagravesiques degeneracioacute existegravencia i optimitat dels punts extrems
22 Lrsquoalgorisme del siacutemplex condicions drsquooptimitat desenvolupament de lrsquoalgorisme del
siacutemplex implementacions del megravetode del siacutemplex cagravelcul de solucions inicials factibles
eficiegravencia computacional de lrsquoalgorisme del siacutemplex
23 Estudi computacional de lrsquoalgorisme del siacutemplex procediment OPTLP de SASOR
(laboratori 2)
3 Dualitat en programacioacute lineal i anagravelisi de sensibilitat
31 Teoria de dualitat motivacioacute del problema dual teorema de dualitat i de folga
complementagraveria variables duals i costos marginals lrsquoalgorisme del siacutemplex dual
32 Anagravelisi de sensibilitat anagravelisi de sensibilitat local anagravelisi de sensibilitat global
programacioacute paramegravetrica
33 Anagravelisi de sensibilitat global amb SASOR programacioacute amb el procediment
OPTMODEL (laboratori 3)
4 Models de programacioacute lineal entera (PLE)
41 Definicioacute i formulacioacute de problema de PLE i PLE mixta
42 Formulacions vagravelides fortes i ideals de problemes de programacioacute entera
43 Implementacioacute de problemes PLE amb SASOR (PROC OPTMODEL) i enllaccedil amb bases
de dades SAS (laboratori 4)
5 Algorismes de programacioacute lineal entera
51 Introduccioacute repagraves de lrsquoalgorisme de ramificacioacute i poda (branch-and-bound)
classificacioacute dels megravetodes de programacioacute lineal entera
52 Algorismes de plans de tall algorisme genegraveric talls de Gomory algorisme de plans
de tall de Gomory
53 Algorismes de ramificacioacute i tall (branch-and-cut) algorisme genegraveric de ramificacioacute i
tall (branch-and-cut)
54 Resolucioacute eficient de les relaxacions lineals reoptimitzacioacute amb el siacutemplex dual
55 Implementacioacute i resolucioacute computacional de problemes PLE amb SASOR
procediment OPTMILP (laboratori 5)
Metodologia i activitats formatives
Classes de teoria sessions magistrals en quegrave amb lrsquoajut de les transparegravencies de classe esdesenvolupen els aspectes formals de lrsquoassignatura ilmiddotlustrats amb nombrosos exemples numegravericsdescrits tant a les transparegravencies com a la pissarra
Classes de problemes sessions participatives en quegrave amb lrsquoajut de la Colmiddotleccioacute drsquoExercicis de Teoriade lrsquoassignatura es vol facilitar la comprensioacute dels continguts de les classes de teoria Cada setmana esproposen uns exercicis de la colmiddotleccioacute que es resolen i discuteixen a la pissarra a la sessioacute seguumlentAlgunes drsquoaquestes sessions es destinen a la resolucioacute i discussioacute dels controls de teoria
Sessions de laboratori sessions participatives destinades a la formulacioacute matemagravetica laimplementacioacute computacional i lrsquoanagravelisi de les solucions dels problemes drsquooptimitzacioacute estudiats alrsquoassignatura amb el programari de modelitzacioacute i optimitzacioacute SASOR Cada setmana es proposen unsexercicis de la Colmiddotleccioacute drsquoExercicis de Laboratori de lrsquoassignatura que es resolen i discuteixen a lasessioacute seguumlent Per a les sessions de laboratori es desdobla el grup en dos grups de laboratori queimparteixen simultagraveniament dos professors
Avaluacioacute acreditativa dels aprenentatges
Activitats de lrsquoavaluacioacute continuada
bull Controls de teoria proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb les propietats dels models i algorismes drsquooptimitzacioacute NCT eacutes la mitjana aritmegravetica deles notes sobre 10 dels controls de teoria
bull Controls de laboratori proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb la formulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemesdrsquooptimitzacioacute NCL eacutes la mitjana aritmegravetica de les notes sobre 10 dels controls de laboratori
bull Prova drsquoavaluacioacute final de teoria i de laboratori prova per acreditar lrsquoadquisicioacute de les habilitats
teoricopragravectiques de lrsquoassignatura Consta de dos exagravemens diferents de teoria i laboratori ambnotes NAT i NAL respectivament
Nota drsquoavaluacioacute continuada srsquoobteacute aplicant lrsquoexpressioacute
NAC = 06min 10 FCTNAT + 04min 10 FCLNAL
on FCT i FCL soacuten factors entre 1 i 12 que srsquoobtenen a partir de les notes dels controls de teoriai laboratori respectivament segons les foacutermules
FCT = 1 + (2NCT10)10 i FCL = 1 + (2NCL10)10
Alliberament de mategraveria pel resultat dels controls Els alumnes amb NCT gt= 7 i cap nota decontrol de teoria lt 4 o NCL gt= 7 i cap nota de control de laboratori lt 4 queden alliberats delrsquoobligacioacute de fer la prova drsquoavaluacioacute final corresponent Si un alumne que pot alliberar mategraveria espresenta a la prova drsquoavaluacioacute final per tal de calcular la NAC es pren la millor nota entre els controls ila prova final eacutes a dir
max min 10 FCTNAT NCT i max min 10 FCLNAL NCL
Nota miacutenima per tal drsquoaprovar lrsquoavaluacioacute continuada cal que NAC gt= 5 i que NAT i NAL siguin gt=4
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica eacutes la mateixa prova drsquoavaluacioacute final de teoria i de laboratori de lrsquoavaluacioacutecontinuada Consta de les parts seguumlents
bull Prova drsquoavaluacioacute de teoria examen per avaluar els aprenentatges relacionats amb les propietatsdels models i algorismes drsquooptimitzacioacute Consta drsquoun test (sense apunts) i un conjunt drsquoexercicis teograverics(amb transparegravencies de classe)
bull Prova drsquoavaluacioacute de laboratori examen per avaluar els aprenentatges relacionats amb laformulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemes drsquooptimitzacioacute Constadrsquoun exercici pragravectic a lrsquoaula drsquoinformagravetica amb el programari usat durant el curs i les transparegravencies declasse
La nota drsquoavaluacioacute uacutenica srsquoobteacute aplicant lrsquoexpressioacute NAU = 06NAT + 04NAL on NAT i NAL soacutenrespectivament la nota sobre 10 de la prova drsquoavaluacioacute de teoria i de laboratori Per tal drsquoaprovarlrsquoavaluacioacute uacutenica cal que NAU gt= 5 i que NAT i NAL siguin gt= 4 La data de la prova drsquoavaluacioacuteuacutenica eacutes la fixada pel Consell Docent
La reavaluacioacute consisteix en una prova amb les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BERTSIMAS Dimitris et al Introduction to linear optimization Belmont (Mass) Athena Scientific1997
Text electrogravenic
HEREDIA FJavierTransparegravencies de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Transparegravencies de Laboratori de Programacioacute Lineal i Entera amb SASOR
HEREDIA F Javier Exercicis de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Exercicis de Laboratori de Programacioacute Lineal i Entera amb SASOR
PDF disponible mitjanccedilant el Campus Virtual
SASOR 93 Userrsquos Guide Mathematical Programming
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute No Lineal i Fluxos en Xarxes
Codi de lassignatura 361227
Curs acadegravemic 2019-2020
Coordinacioacute Julia De Frutos Cachorro
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Coneixements i habilitats bagravesiques de les assignatures seguumlents Cagravelcul de Diverses Variables AgravelgebraLineal i Programacioacute Lineal i Entera
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura es basa en lrsquoestudi i resolucioacute de problemes de decisioacute mitjanccedilant tegravecniques quepermeten la identificacioacute i avaluacioacute sistemagravetica de totes les opcions de decisioacute del problema Ameacutes sempre que la naturalesa del problema que srsquoha de resoldre ho permeti eacutes convenientformular aquests problemes en termes matemagravetics
En la modelitzacioacute de problemes mitjanccedilant la programacioacute no lineal (PNL) srsquoafegeix una visioacutemeacutes propera de la realitat estudiada Lrsquoobjectiu del curs en relacioacute amb la PNL eacutes poderdeterminar la decisioacute ograveptima drsquoun problema a meacutes en el cas que el problema estigui subjecte arestriccions eacutes convenient saber si el problema teacute o no teacute solucioacute i en cas de tenir-ne quina eacutesla seva localitzacioacute i naturalesa Respecte a la temagravetica dels fluxos en xarxes com que gran part dels problemes es podenresoldre per programacioacute lineal lrsquoobjectiu del curs eacutes exposar tant les nocions elementals de lateoria com reconegraveixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismesespeciacutefics per resoldrersquols
Referits a habilitats destreses
Respecte a la programacioacute no lineal (PNL) es preteacuten que lrsquoestudiant sigui capaccedil demdash Formalitzar situacions simples mitjanccedilant problemes de programacioacute no linealmdash Aplicar els conceptes de la programacioacute no lineal per trobar resultats i deduir-ne la naturalesamdash Interpretar els resultats obtinguts en el context del modelmdash Analitzar models de lrsquoeconomia des del punt de vista de la PNLmdash Aplicar la PNL a problemes drsquooptimitzacioacute en estadiacutesticamdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiades i lrsquouacutes de programesinformagravetics com ara SAS i Excel
Respecte als fluxos en xarxes es preteacuten que lrsquoestudiant sigui capaccedil demdash Formular els problemes mitjanccedilant programes linealsmdash Distingir les particularitats dels diferents tipus de xarxesmdash Formalitzar situacions simples com a fluxos en xarxes identificant els elements i elsprocediments de resolucioacutemdash Aplicar diferents tipus drsquoalgorismes en un mateix model de xarxa i comparar-ne els resultatsmdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiadesmdash Interpretar els resultats i desenvolupar una capacitat criacuteticamdash Definir i resoldre problemes de fluxos en xarxes mitjanccedilant lrsquouacutes de programes informagravetics comara SAS i Excel
Blocs temagravetics
1 Programacioacute no lineal
11 Introduccioacute a la programacioacute no lineal conceptes preliminars i definicions
12 Resolucioacute de problemes de programacioacute no lineal sense restriccions
13 Megravetodes de programacioacute no lineal basats en lrsquoaproximacioacute
14 Programacioacute no lineal amb restriccions megravetode de multiplicadors de Lagrange i
condicions de Kuhn-Tucker
15 Algorismes de resolucioacute de problemes no lineals restringits
16 Aplicacions
2 Fluxos en xarxes
21 Models de xarxes definicions bagravesiques i exemples
22 Problema de la trajectograveria meacutes curta
23 Problema de flux magravexim
24 Problema de flux amb cost miacutenim en una xarxa
25 Altres aplicacions
Metodologia i activitats formatives
La metodologia amb la qual es volen assolir els objectius de lrsquoassignatura consisteix drsquouna banda enclasses magistrals de caragravecter teoricopragravectic i de lrsquoaltra en activitats pragravectiques a lrsquoordinador Respectede les classes es preteacuten que lrsquoanagravelisi de diferents exemples condueixi a la necessitat de definirconceptes bagravesics i que despreacutes aquests conceptes i procediments srsquoapliquin a exemples meacutes complexosprovinents de la realitat econogravemica Per aixograve les activitats pragravectiques que es proposen tenen un paperimportant en lrsquoassoliment drsquoaquests objectius
Avaluacioacute acreditativa dels aprenentatges
Com a norma general lrsquoavaluacioacute ha de ser continuada En cas que lrsquoestudiant manifesti que no potcomplir els requisits drsquouna avaluacioacute continuada teacute dret a una avaluacioacute uacutenica Aquesta decisioacute ha deconstar per escrit amb una cogravepia per a lrsquoestudiant i una altra per al professor abans de la data quesrsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en dues proves escrites presencials al final de cada bloc temagravetic i dediferents pragravectiques a lrsquoordinador al llarg del curs El calendari de les proves escrites es fa puacuteblic en elCampus Virtual a lrsquoinici de cada curs
La nota de curs (o nota drsquoavaluacioacute continuada) segueix la foacutermula seguumlent
Nota de curs = Nota de proves escrites 07 + Nota de pragravectiques 03
On Nota de proves escrites = (Nota prova 1 + Nota prova 2) 2
Per poder superar el curs mitjanccedilant lrsquoavaluacioacute continuada srsquoexigeix que la nota del curs sigui igual osuperior a 5 (sobre 10) i que a cadascuna de les proves escrites descrites anteriorment srsquoobtingui coma miacutenim un 35 (sobre 10)
Tots els estudiants que no hagin superat lrsquoassignatura amb lrsquoavaluacioacute continuada tenen dret a unaprova de reavaluacioacute La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova de preguntes teograveriques i pragravectiques i que teacute lloc en la dataoficial drsquoexagravemens Per poder superar el curs srsquoexigeix que la nota drsquoaquesta prova sigui igual o superiora 5 (sobre 10)
ReavaluacioacuteTots els estudiants que no hagin superat lrsquoassignatura ja sigui mitjanccedilant avaluacioacute continuada oavaluacioacute uacutenica tenen dret a una prova de reavaluacioacute La prova de reavaluacioacute teacute les mateixescaracteriacutestiques que la prova drsquoavaluacioacute uacutenica descrita anteriorment i teacute lloc en la data oficialdrsquoexagravemens de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHUJA Ravindra K et al Network Flows Theory algorithms and applications Upper Saddle River (NJ)Prentice Hall 1993
WINSTON Wayne L Investigacioacuten de operaciones Aplicaciones y algoritmos Meacutexico Thomson 2005
MARTIacuteN Quintiacuten et al Investigacioacuten Operativa Problemas y ejercicios resueltos Madrid [etc] PearsonEducacioacuten 2005
TAHA Hamdy A Investigacioacuten de operaciones 9a ed Meacutexico [etc] Pearson Educacioacuten 2012
BALBAacuteS Alejandro et al Programacioacuten Matemaacutetica 2a ed Madrid AC 1990
PEacuteREZ Joaquiacuten et al Teoria de juegos Madrid [etc] Prentice Hall 2004
IZQUIERDO Josep Maria et al Jocs cooperatius i aplicacions econogravemiques Barcelona Edicions de laUniversitat de Barcelona 1999
BAZARAA Mokhtar S et al Linear programming and network flows Hoboken NJ John Wiley amp Sons2010
OSBORNE Martin J An introduction to Game Theory New York [etc] Oxford University Press 2004
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Software Estadiacutestic
Codi de lassignatura 361214
Curs acadegravemic 2019-2020
Coordinacioacute KLAUS LANGOHR
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques dordinadors 45
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Es recomana haver cursat les assignatures de primer curs
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
-
Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a habilitats destreses
Desenvolupar aplicacions estadiacutestiques estructurades i eficients amb lrsquouacutes de programari(software) estadiacutestic de referegravencia desplegant les competegravencies adquirides a les assignatures deprogramacioacute
Aplicar models i tegravecniques estudiats en altres assignatures drsquoestadiacutestica i investigacioacute operativaamb lrsquouacutes de programari estadiacutestic de referegravencia tant comercial com de lliure distribucioacute
Distingir els avantatges i inconvenients dels principals paquets de programari estadiacutestic
Blocs temagravetics
1 El llenguatge de programacioacute R
11 Creacioacute i manipulacioacute drsquoobjectes bagravesics de R vectors matrius i data frames
12 Importacioacute de dades a R i exportacioacute de resultats
13 Estadiacutestica descriptiva i procediments gragravefics bagravesics
14 Programacioacute bagravesica i creacioacute de funcions progravepies
2 El llenguatge SAS
21 Edicioacute depuracioacute i combinacioacute de dades Transformacioacute de variables
22 Principals mograveduls drsquoanagravelisi de dades
Metodologia i activitats formatives
Sessions en aules amb ordinadors mdash sessions expositives del professorat seguides drsquoun exemple o pragravectica guiadamdash sessions de pragravectica drsquoun cas proposatmdash sessions de plantejament de casos per resoldre de forma autogravenoma
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada de lrsquoassignatura es basa en la mitjana de les notes de cadascun dels dosllenguatges treballats (amb un miacutenim de 4 sobre 10 en cadascun) Cadascuna de les dues notes es basaen un parell drsquoexagravemens (70 ) i un treball pragravectic (30 ) El treball tant amb R com amb SASconsisteix a buscar un conjunt de dades analitzar-lo amb les eines apreses a classe i en un apartat deprogramacioacute drsquouna funcioacute Es valora positivament el fet de buscar un conjunt de dades original i lacreativitat en la programacioacute de la funcioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica de lrsquoassignatura consisteix en un examen final (70 ) i en el lliurament dels treballspragravectics amb R i SAS (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BRAUN John MURDOCH Duncan A First course in statistical programming with R CambridgeCambridge University 2007
CRAWLEY Michael J Statistics an introduction using R Chichester Wiley amp Sons cop 2005
DALGAARD Peter Introductory statistics with R New York Springer cop 2002
MURRELL Paul R Graphics Boca Raton (Fla) Chapman amp HallCRC 2006
MUENCHEN Robert A R for SAS and SPSS Users New York Springer 2011
DELWICHE Lora D The Little SAS book a primer Cary (NC) SAS Institute 1995
EVERITT BS et al A Handbook of statistical analyses using SAS Boca Raton (Fla) Chapman ampHallCRC 2009
HATCHER Larry Step-by-step basic statistics using SAS student guide Cary (NC) SAS Institute 2003
PEacuteREZ Ceacutesar El Sistema estadiacutestico SAS Madrid Pearson Educacioacuten 2001
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Teoria de Cues i Simulacioacute
Codi de lassignatura 361228
Curs acadegravemic 2019-2020
Coordinacioacute ESTEVE CODINA SANCHO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Meacutes informacioacute
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 75
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs enmdash Cagravelcul de probabilitats variables aleatograveries distribucions de frequumlegravencies i estadiacutestics (mitjanavariagravencia etc)mdash Cagravelcul i anagravelisi realmdash Programacioacute
Es recomana haver cursat les assignatures
mdash Estadiacutestica Descriptivamdash Introduccioacute a la Informagraveticamdash Introduccioacute a la Probabilitatmdash Introduccioacute al Cagravelculmdash Programacioacutemdash Probabilitat i Processos Estocagravesticsmdash Introduccioacute a la Investigacioacute Operativamdash Inferegravencia Estadiacutestica
Altres recomanacions
Per tal drsquoafavorir que lrsquoalumnat assoleixi els objectius drsquoaquesta mategraveria es recomana
mdash Assistir regularment a classe per facilitar la implicacioacute personal en lrsquoaprenentatge i laparticipacioacute en les activitats en grup
mdash Exercitar hagravebits de disciplina continuada i sistemagravetica en el propi treball intelmiddotlectual i lrsquoaplicacioacutemdasho aprenentatge si escaumdash drsquoestrategravegies de treball autogravenom i de recursos drsquoavaluacioacute formativaproposats pel professorat
mdash Utilitzar de manera continuada els recursos de la mategraveria
mdash Seguir les activitats pragravectiques com a mitjagrave drsquoaprofundiment en el domini dels procediments ide les habilitats bagravesiques de lrsquoassignatura i de la seva didagravectica i tambeacute com a sistema peraprofundir en els coneixements teograverics de la mategraveria
mdash Fer com a miacutenim una visita per semestre al professorat de la mategraveria
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de temps de vida residual i aplicar-lo a lrsquoentorn dels sistemes drsquoespera
mdash Conegraveixer i estar en disposicioacute drsquoidentificar els diferents components drsquoun sistema drsquoespera i lesseves interrelacions
mdash Conegraveixer les principals magnituds fonamentals que intervenen en un sistema de cues i comaquestes reflecteixen el funcionament drsquoaquest sistema aixiacute com les interrelacions entreaquestes magnituds
mdash Conegraveixer i aplicar les propietats dels models drsquoespera exponencials
mdash Identificar les distribucions de probabilitat subjacents en els diferents processos queintervenen en un sistema drsquoespera
mdash Conegraveixer els megravetodes vistos a lrsquoassignatura per generacioacute de nombres aleatoris
mdash Conegraveixer el paper de la simulacioacute com a eina metodologravegica per avaluar models de cues isistemes drsquoinventari
Referits a habilitats destreses
mdash Calcular lrsquoesperanccedila del temps de vida residual i condicional
mdash Identificar el model de cues adequat i de les distribucions de probabilitat per arribades iserveis
mdash Calcular i fer estimacions de les magnituds fonamentals dels sistemes drsquoespera
mdash Identificar la influegravencia en el rendiment dels sistemes drsquoespera de diferents tipus de canvis enla seva configuracioacute
mdash Desenvolupar models de simulacioacute de sistemes de cues i inventaris
mdash Saber emprar el megravetode de mitjanes per lots a partir de resultats drsquouna simulacioacute
Blocs temagravetics
1 Introduccioacute als processos de renovacioacute
Propietats importants dels processos estocagravestics de renovacioacute que intervenen en la teoriade cues
11 Definicioacute
12 La propietat drsquoabsegravencia de memograveria
2 Cues exponencials
Principals models derivats dels processos de naixement i mort
21 Conceptes bagravesics sistemes drsquoespera
22 Estimacioacute dels paragravemetres en models de cues
23 Models exponencials de cues
3 Cues no exponencials
En moltes situacions reals les hipogravetesis progravepies de les cues MM no es verifiquen En algunscasos eacutes possible emprar megravetodes analiacutetics o fer aproximacions En aquest bloc es presentenles meacutes comunes
31 Introduccioacute als models no exponencials
4 Simulacioacute
Per a alguns sistemes com ara cues meacutes complexes o sistemes drsquoinventari els modelsanaliacutetics esdevenen molt complexos Una forma alternativa drsquoobtenir solucions dels anteriorssistemes eacutes mitjanccedilant models de simulacioacute En aquest bloc srsquoexaminen les metodologies meacutesrellevants per construir i explotar models de simulacioacute
41 Conceptes bagravesics
42 Megravetodes de Montecarlo
43 Metodologia de la simulacioacute
44 Processos de mostreig en simulacioacute
Metodologia i activitats formatives
La metodologia drsquoensenyament inclou quatre tipus de sessions sessions de teoria sessions deproblemes io exercicis sessions de laboratori i sessions de seguiment del treball de curs
mdash Les sessions de teoria consisteixen en lrsquoexposicioacute dels continguts de lrsquoassignatura generalment amblrsquoajut drsquoun conjunt de transparegravencies que srsquoalternen amb la pissarra en la qual srsquoestenen i tambeacute esdesenvolupen exemples adequats
mdash Les sessions de problemes consisteixen en la resolucioacute ja sigui per part del professor o solmiddotlicitant lacooperacioacute dels estudiants drsquoun conjunt drsquoexercicis cadascun de certa extensioacute i amb enunciatsrecopilats en una colmiddotleccioacute de la qual nomeacutes es disposa de les solucions finals dels exercicis
mdash Les sessions de laboratori consisteixen en la utilitzacioacute de recursos de programari per tal de resoldreaspectes pragravectics com ara lrsquoestimacioacute dels paragravemetres dels models de cues estudiats a classe de teorialrsquoevolucioacute de les longituds de cua la generacioacute i anagravelisi de mostres de nuacutemeros pseudoaleatoris lrsquoanagraveliside mostres de resultats de simulacioacute
mdash En les sessions de seguiment del treball de curs srsquoexposa el contingut dels lliuraments parcials quehan drsquoefectuar-se drsquoaquest treball i es responen les quumlestions particulars de cada treball
mdash Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Elprofessorat assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Aquesta eacutes lrsquoavaluacioacute habitual La comprensioacute de lrsquoassignatura i de les habilitats que es desenvolupenpoden ser avaluades de manera continuada mitjanccedilant dos exagravemens parcials i un de final Cada examenparcial avalua dos blocs de teoria i el seu pes en la nota de teoria eacutes del 50 Els exagravemens parcialstenen caragravecter alliberador dels blocs corresponents sempre que la nota obtinguda sigui superior o iguala 35 (sobre 10) aleshores no cal presentar-se a lrsquoexamen final dels blocs alliberats pels parcials Elprimer examen parcial es fa a meitat del semestre i el segon examen parcial al final de les classesIgualment formen part de lrsquoavaluacioacute continuada les pragravectiques de laboratori lliurades i avaluadesdurant el curs
Lrsquoassignatura inclou el desenvolupament drsquoun treball amb un lliurament parcial al llarg del periacuteodedocent Aquest lliurament parcial passa a formar part de lrsquoavaluacioacute continuada i val el 30 del total dela nota corresponent al treball Aquest treball de curs srsquoha de lliurar en la data marcada per a lrsquoexamenfinal
La nota de lrsquoassignatura es compon drsquoun 60 de la part teograverica un 20 dels exercicis de laboratori iun 20 del treball de curs
Tots els estudiants que no hagin superat lrsquoassignatura tenen dret a una prova de reavaluacioacute durant elmes de juliol amb les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica La reavaluacioacute permet obtenir laqualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que hagin optat perlrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient Srsquoopta llavors per fer unexamen final que decideix el 100 de la nota
Els diferents megravetodes drsquoavaluacioacute (uacutenica i continuada) inclouen lrsquoavaluacioacute de les competegravenciesassociades a lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALLEN Arnold O Probability Statistics and Queueing Theory Boston Academic Press 1990
Font associada al bloc 3
BRATLEY Paul et al A Guide to Simulation New York [etc] Springer 1987
Font associada al bloc 4
HILLIER FS et al Introduction to Operations Research Oakland CA Holden day Inc 1986
Font associada al bloc 2
LAW Averill M et al Simulation modeling and analysis New York [etc] McGraw-Hill 1991
Font associada al bloc 4
TRIVEDI Kishor Shridharbhai et al Probability and Statistics with Reliability Queueing and ComputerScience Applications New York [etc] John Wiley amp Sons 2002
Font associada al bloc 1Pagravegina web
httpwww-eioupcesteachingTCiS
Repositori de material docent Exagravemens material de pragravectiques exercicistransparegravencies de classe i apunts
Text electrogravenic
CODINA E MONTERO L Teoria de Cues Apunts
Font associada als blocs 2 i 3
CODINA E MONTERO L Introduccioacute a la Simulacioacute i a la generacioacute de Nordms aleatoris
Font associada al bloc 4
CODINA E Teoria de Cues Transparegravencies de classe
Font associada als blocs 2 i 3
Revisat pels Serveis Linguumliacutestics de la UB
Grado en Estadiacutestica (interuniversitarioUB-UPC)
Con el grado en Estadiacutestica (acreditado con excelencia por AQU Catalunya) coordinado por la Universitat de Barcelona (UB)y con la participacioacuten de la UPC cursaraacutes materias vinculadas a la estadiacutestica la probabilidad la investigacioacuten operativa lainformaacutetica o la economiacutea que te permitiraacuten disentildear meacutetodos para recoger datos y transformarlos en informacioacuten uacutetil para latoma de decisiones en empresas organizaciones e instituciones dirigir procesos de control y mejora de la calidad y elaborarestudios de opinioacuten puacuteblica informes estadiacutesticos estudios epidemioloacutegicos y ensayos cliacutenicos en el aacutembito de la sanidad Estosestudios se imparten conjuntamente con la Universidad de Barcelona (UB) y esto enriquece la formacioacuten gracias a la unioacuten dela experiencia del profesorado de las dos universidades en los aacutembitos de la ingenieriacutea y la tecnologiacutea la economiacutea las cienciassociales y las ciencias de la salud
El grado se imparte en la Facultad de Matemaacuteticas y Estadiacutestica (FME)
DATOS GENERALES
Duracioacuten4 antildeos
Carga lectiva240 creacuteditos ECTS (incluido el trabajo de fin de grado) Un creacutedito equivale a 25-30 horas de trabajo
Tipos de docenciaPresencial
Nota de corte del curso 2019-20209512
Horariosturnos1ordm y 2ordm (mantildeana) y 3ordm y 4ordm (tarde)
Precios y becasPrecio aproximado por curso 2326 euro (3489 euro para no residentes en la UE) Consulta el porcentaje de minoracioacuten enfuncioacuten de la renta (becas y modalidades de pago)
Tiacutetulo oficialInscrito en el registro del Ministerio de Educacioacuten Cultura y Deporte
ACCESO
Plazas nuevo ingreso50
Nota de corte del curso 2019-20209512 Notas de corte
Ponderaciones PAUTabla de ponderaciones de las materias para la fase especiacutefica
Coacutemo accederTodas las viacuteas de acceso preinscripcioacuten y matriacutecula
Convalidaciones de CFGSConvalidaciones de CFGS
Legalizacioacuten de documentosLos documentos expedidos por estados no miembros de la Unioacuten Europea ni firmantes del Acuerdo sobre el espacio
econoacutemico europeo tienen que estar legalizados por viacutea diplomaacutetica o con correspondiente apostilla
SALIDAS PROFESIONALES
Salidas profesionalesSalud y ciencias naturales servicios de sanidad medicina salud puacuteblica industria farmaceacuteutica ensayos cliacutenicos
sanidad animal medio ambiente ciencias de la vida bioinformaacutetica y agriculturaData Science
Economiacutea y Finanzas ciencias actuariales seguros banca evaluacioacuten de riesgos y concesioacuten de creacuteditos bolsa
gestioacuten de carteras de valores anaacutelisis financiero investigacioacuten de mercados anaacutelisis de la competencia o poliacuteticasde preciosAdministraciones puacuteblicas actividades en institutos oficiales de estadiacutestica proyecciones demograacuteficas tendencias
sociales mercado de trabajo asignacioacuten oacuteptima de recursos etcIndustria y servicios (incluyendo la informaacutetica) disentildeo de experimentos control de calidad mejora de procesos y
productos logiacutestica gestioacuten de inventarios planificacioacuten de la produccioacuten y gestioacuten oacuteptima de recursos y sistemasenergeacuteticosDocencia e investigacioacuten
ORGANIZACIOacuteN
Organizacioacuten del estudio
La duracioacuten de los estudios es de cuatro antildeos organizados en ocho cuatrimestres todas las asignaturas del plan deestudios son de 6 ECTS excepto el trabajo de fin de grado que es de 18 ECTS
Calendario acadeacutemicoCalendario acadeacutemico de los estudios universitarios de la UPC
Normativas acadeacutemicasNormativa acadeacutemica de los estudios de grado de la UPC
Acreditacioacuten y reconocimiento de idiomasLos estudiantes de grado deben acreditar la competencia en una tercera lengua para obtener el tiacutetulo de gradoCertifica tu nivel de idiomas
Facultad de Matemaacuteticas y Estadiacutestica (FME)
PLAN DE ESTUDIOS
Asignaturas creacuteditosECTS
Tipo
PRIMER CURSO
Aacutelgebra Lineal 6 Obligatoria
Estadiacutestica Descriptiva 6 Obligatoria
Fundamentos de Administracioacuten de Empresas 6 Obligatoria
Introduccioacuten a la Inferencia Estadiacutestica 6 Obligatoria
Introduccioacuten a la Informaacutetica 6 Obligatoria
Introduccioacuten a la Investigacioacuten Operativa 6 Obligatoria
Asignaturas creacuteditosECTS
Tipo
Introduccioacuten a la Probabilidad 6 Obligatoria
Introduccioacuten al Caacutelculo 6 Obligatoria
Principios de Economiacutea 6 Obligatoria
Programacioacuten 6 Obligatoria
SEGUNDO CURSO
Caacutelculo de Diversas Variables 6 Obligatoria
Disentildeo de Encuestas 6 Obligatoria
Estadiacutestica para la Gestioacuten de la Calidad 6 Obligatoria
Estadiacutestica Puacuteblica 6 Obligatoria
Inferencia Estadiacutestica 6 Obligatoria
Meacutetodos de Muestreo 6 Obligatoria
Meacutetodos Numeacutericos 6 Obligatoria
Probabilidad y Procesos Estocaacutesticos 6 Obligatoria
Programacioacuten Lineal y Entera 6 Obligatoria
Software Estadiacutestico 6 Obligatoria
TERCER CURSO
Anaacutelisis Multivariante 6 Obligatoria
Disentildeo de Experimentos 6 Obligatoria
Econometriacutea 6 Obligatoria
Estadiacutestica para la Biociencia 6 Obligatoria
Ficheros y Bases de Datos 6 Obligatoria
Meacutetodos Bayesianos 6 Obligatoria
Meacutetodos No Parameacutetricos y de Remuestreo 6 Obligatoria
Modelos Lineales 6 Obligatoria
Programacioacuten No Lineal y Flujos en Redes 6 Obligatoria
Teoriacutea de Colas y Simulacioacuten 6 Obligatoria
CUARTO CURSO
Anaacutelisis de Series Temporales 6 Obligatoria
Anaacutelisis de Supervivencia 6 Optativa
Demografiacutea 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Meacutedica 6 Optativa
Estadiacutestica para la Mejora de la Calidad 6 Optativa
Meacutetodos Estadiacutesticos en Mineriacutea de Datos 6 Optativa
Meacutetodos Estadiacutesticos para el Maacuterqueting 6 Optativa
Meacutetodos Estadiacutesticos para Finanzas y Seguros 6 Optativa
Modelos Lineales Generalizados 6 Obligatoria
Optimizacioacuten en Ingenieriacutea 6 Optativa
Asignaturas creacuteditosECTS
Tipo
Optimizacioacuten Financiera 6 Optativa
Praacutecticas Empresariales I 6 Optativa
Praacutecticas Empresariales II 6 Optativa
Trabajo de Fin de Grado 18 Proyecto
Septiembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Bachelors degree in Statistics(interuniversity UB-UPC degree)
The bachelorrsquos degree in Statistics coordinated by the Universitat de Barcelona (UB) and with the UPC as a participant willprovide you with the training you need in statistics probability operations research computer science and economics Thecourse will give you the necessary grounding to design methods for collecting and transforming data into valuabledecision-making input for companies organisations and institutions to manage quality control and improvement processesand to produce public opinion studies statistical reports epidemiological studies and clinical trials in the field of health careThe course is offered jointly with the University of Barcelona (UB) so students reap the rewards of a richer learning experiencebenefiting from the combined expertise of UPC and UB teaching staff in engineering and technology economics and social andhealth sciences
This bachelors degree is taught at School of Mathematics and Statistics (FME)
GENERAL DETAILS
Duration4 years
Study load240 ECTS credits (including the bachelors thesis) One credit is equivalent to a study load of 25-30 hours
DeliveryFace-to-face
Fees and grantsApproximate fees per academic year euro2326 (euro3489 for non-EU residents) Consult the public fees system based onincome (grants and payment options)
Official degreeRecorded in the Ministry of Educations degree register
ADMISSION
Places50
Registration and enrolmentWhat are the requirements to enrol in a bachelors degree course
Legalisation of foreign documentsAll documents issued in non-EU countries must be legalised and bear the corresponding apostille
PROFESSIONAL OPPORTUNITIES
Professional opportunitiesHealth and natural sciences health services medicine public health pharmaceutical industry clinical trials animal
health environment life sciences bioinformatics and agricultureData Science
Economics and finance actuarial science insurance banking risk assessment and lending stock markets
management of securities portfolios financial analysis market research competitor analysis and pricing policyPublic administration activities at official statistics institutes demographic projections studies of social trends and
the labour market optimal allocation of resources etcIndustry and services (including informatics) experimental design quality control improvement of processes and
products logistics inventory management production planning and optimal management of resources and energysystemsTeaching and research
ORGANISATION
Academic calendarGeneral academic calendar for bachelorrsquos masterrsquos and doctoral degrees courses
Academic regulationsAcademic regulations for bachelorrsquos degree courses at the UPC
Language certification and credit recognitionQueries about language courses and certification
School of Mathematics and Statistics (FME)
CURRICULUM
Subjects ECTScredits
Type
FIRST COURSE
Descriptive Statistics 6 Compulsory
Fundamentals of Business Administration 6 Compulsory
Introduction to Calculus 6 Compulsory
Introduction to Informatics 6 Compulsory
Introduction to Operations Research 6 Compulsory
Introduction to Probability 6 Compulsory
Introduction to Statistical Inference 6 Compulsory
Linear Algebra 6 Compulsory
Principles of Economics 6 Compulsory
Programming 6 Compulsory
SECOND COURSE
Integer and Linear Programming 6 Compulsory
Multivariable Calculus 6 Compulsory
Numerical Methods 6 Compulsory
Official Statistics 6 Compulsory
Probability and Stochastic Processes 6 Compulsory
Sampling Methods 6 Compulsory
Statistical Inference 6 Compulsory
Statistical Software 6 Compulsory
Statistics for Quality Management 6 Compulsory
Subjects ECTScredits
Type
Survey Design 6 Compulsory
THIRD COURSE
Bayesian Methods 6 Compulsory
Econometrics 6 Compulsory
Experimental Design 6 Compulsory
Files and Databases 6 Compulsory
Linear Models 6 Compulsory
Multivariate Analysis 6 Compulsory
Non-Linear Programming and Network Flows 6 Compulsory
Non-Parametric and Resampling Methods 6 Compulsory
Queueing Theory and Simulation 6 Compulsory
Statistics for Biosciences 6 Compulsory
FOURTH COURSE
Demography 6 Optional
Engineering Optimisation 6 Optional
Financial Optimisation 6 Optional
Generalised Linear Models 6 Compulsory
Industrial Statistics 6 Optional
Medical Statistics 6 Optional
Practicum I 6 Optional
Practicum II 6 Optional
Statistical Methods for Data Mining 6 Optional
Statistical Methods for Finance and Insurance 6 Optional
Statistical Methods for Marketing 6 Optional
Statistics for Quality Improvement 6 Optional
Survival Analysis 6 Optional
Time Series Analysis 6 Compulsory
Bachelors Thesis 18 Project
September 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Grau Estadiacutestica Sumari___________________________________________
Catalagrave
Informacioacute general
Assignatures Grau Estadiacutestica
Espantildeol
Informacioacuten general
English
General Information
Grau en Estadiacutestica (interuniversitariUB-UPC)
Amb el grau en Estadiacutestica (acreditat amb excelmiddotlegravencia per lAQU Catalunya) coordinat per la Universitat de Barcelona (UB) iamb la participacioacute de la UPC cursaragraves mategraveries vinculades a lrsquoestadiacutestica la probabilitat la investigacioacute operativa lainformagravetica o lrsquoeconomia que et permetran dissenyar megravetodes per recollir dades i transformar-les en informacioacute uacutetil per a lapresa de decisions en empreses organitzacions i institucions dirigir processos de control i millora de la qualitat i elaborarestudis drsquoopinioacute puacuteblica informes estadiacutestics estudis epidemiologravegics i assajos cliacutenics en lrsquoagravembit de la sanitat Aquests estudissrsquoimparteixen conjuntament amb la Universitat de Barcelona (UB) i aixograve enriqueix la formacioacute gragravecies a la unioacute de lrsquoexpertesadel professorat de totes dues universitats en els agravembits de lrsquoenginyeria i la tecnologia lrsquoeconomia les ciegravencies socials i lesciegravencies de la salut
Aquest grau simparteix a la Facultat de Matemagravetiques i Estadiacutestica DADES GENERALS
Durada4 anys
Cagraverrega lectiva240 cregravedits ECTS (incloent-hi el treball de fi de grau) Un cregravedit equival a 25-30 hores de treball
Tipus de docegravenciaPresencial
Nota de tall del curs 2019-20209512
Horaristorns1r i 2on (matiacute) i 3er i 4rt (tarda)
Preus i bequesPreu aproximat per curs 2326 euro Consulta el percentatge de minoracioacute en funcioacute de la renda (beques i modalitats depagament)
Tiacutetol oficialInscrit en el registre del Ministeri dEducacioacute Cultura i Esport
ACCEacuteS
Places nou ingreacutes50
Nota de tall del curs 2019-20209512 Notes de tall
Ponderacions PAUTaula de ponderacions de les mategraveries per a la fase especiacutefica
Com shi accedeixTotes les vies dacceacutes preinscripcioacute i matriacutecula
Convalidacions de CFGSConvalidacions de CFGS
Legalitzacioacute de documentsEls documents expedits per estats no membres de la Unioacute Europea ni signataris de lrsquoAcord sobre lrsquoespai econogravemic
europeu han destar legalitzats per via diplomagravetica o amb la postilmiddotla corresponent
SORTIDES PROFESSIONALS
Sortides professionalsSalut i ciegravencies naturals serveis de sanitat medicina salut puacuteblica induacutestria farmacegraveutica assaigs cliacutenics sanitat
animal medi ambient ciegravencies de la vida bioinformagravetica i agriculturaData Science
Economia i finances ciegravencies actuarials assegurances banca avaluacioacute de riscos i concessioacute de cregravedits borsa
gestioacute de carteres de valors anagravelisi financera investigacioacute de mercats anagravelisi de la competegravencia o poliacutetiques depreusAdministracions puacutebliques activitats en instituts oficials destadiacutestica projeccions demogragravefiques tendegravencies socials
mercat de treball assignacioacute ograveptima de recursos etcInduacutestria i serveis (incloent-hi la informagravetica) disseny dexperiments control de qualitat millora de processos i
productes logiacutestica gestioacute dinventaris planificacioacute de la produccioacute i gestioacute ograveptima de recursosDocegravencia i recerca
ORGANITZACIOacute
Organitzacioacute dels estudis
Els estudis tenen una durada de quatre anys organitzats en vuit quadrimestres Totes les assignatures del pladestudis soacuten de 6 ECTS llevat del treball de fi de grau que en teacute 18
Calendari acadegravemicCalendari acadegravemic dels estudis universitaris de la UPC
Normatives acadegravemiquesNormativa acadegravemica dels estudis de grau de la UPC
Acreditacioacute i reconeixement didiomesEls estudiants de grau han dacreditar la competegravencia en una tercera llengua per obtenir el tiacutetol de grau Certifica el teunivell drsquoidiomes
Facultat de Matemagravetiques i Estadiacutestica (FME)
PLA DESTUDIS
Assignatures cregraveditsECTS
Tipus
PRIMER CURS
Agravelgebra Lineal 6 Obligatograveria
Estadiacutestica Descriptiva 6 Obligatograveria
Fonaments dAdministracioacute dEmpreses 6 Obligatograveria
Introduccioacute a la Inferegravencia Estadiacutestica 6 Obligatograveria
Introduccioacute a la Informagravetica 6 Obligatograveria
Introduccioacute a la Investigacioacute Operativa 6 Obligatograveria
Introduccioacute a la Probabilitat 6 Obligatograveria
Assignatures cregraveditsECTS
Tipus
Introduccioacute al Cagravelcul 6 Obligatograveria
Principis dEconomia 6 Obligatograveria
Programacioacute 6 Obligatograveria
SEGON CURS
Cagravelcul de Diverses Variables 6 Obligatograveria
Disseny dEnquestes 6 Obligatograveria
Estadiacutestica per a la Gestioacute de la Qualitat 6 Obligatograveria
Estadiacutestica Puacuteblica 6 Obligatograveria
Inferegravencia Estadiacutestica 6 Obligatograveria
Megravetodes de Mostratge 6 Obligatograveria
Megravetodes Numegraverics 6 Obligatograveria
Probabilitat i Processos Estocagravestics 6 Obligatograveria
Programacioacute Lineal i Entera 6 Obligatograveria
Software Estadiacutestic 6 Obligatograveria
TERCER CURS
Anagravelisi Multivariant 6 Obligatograveria
Disseny dExperiments 6 Obligatograveria
Econometria 6 Obligatograveria
Estadiacutestica per a les Biociegravencies 6 Obligatograveria
Fitxers i Bases de Dades 6 Obligatograveria
Megravetodes Bayesians 6 Obligatograveria
Megravetodes No Paramegravetrics i de Remostreig 6 Obligatograveria
Models Lineals 6 Obligatograveria
Programacioacute No Lineal i Fluxos en Xarxes 6 Obligatograveria
Teoria de Cues i Simulacioacute 6 Obligatograveria
QUART CURS
Anagravelisi de Segraveries Temporals 6 Obligatograveria
Anagravelisi de Supervivegravencia 6 Optativa
Demografia 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Megravedica 6 Optativa
Estadiacutestica per a la Millora de la Qualitat 6 Optativa
Megravetodes Estadiacutestics en Mineria de Dades 6 Optativa
Megravetodes Estadiacutestics per a Finances i Assegurances 6 Optativa
Megravetodes Estadiacutestics per al Magraverqueting 6 Optativa
Models Lineals Generalitzats 6 Obligatograveria
Optimitzacioacute en Enginyeria 6 Optativa
Optimitzacioacute Financera 6 Optativa
Assignatures cregraveditsECTS
Tipus
Pragravectiques Empresarials I 6 Optativa
Pragravectiques Empresarials II 6 Optativa
Treball de Fi de Grau 18 Projecte
Setembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Pla docent de lassignatura
Dades generals
Nom de lassignatura Agravelgebra Lineal
Codi de lassignatura 361212
Curs acadegravemic 2019-2020
Coordinacioacute Xavier Guitart Morales
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoria 30
- Teoricopragravectica 15
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura eacutes una introduccioacute a lrsquoagravelgebra lineal sobre els nombres reals adaptada especialmentper a usos estadiacutestics Lrsquoobjectiu principal eacutes familiaritzar-se amb les nocions i megravetodes bagravesics delcagravelcul matricial real
No obstant aixograve no es tracta nomeacutes drsquoadquirir mecanismes de cagravelcul sinoacute tambeacute drsquoarribar a unacomprensioacute adequada del seu significat Per aconseguir-ho srsquointrodueixen els conceptes meacuteselementals del llenguatge drsquoespais vectorials juntament amb una intuiumltiva interpretacioacutegeomegravetrica afiacute i euclidiana que permet visualitzar nocions i teoremes
El problema bagravesic eacutes resoldre i interpretar un sistema drsquoequacions lineals essencial per a lrsquoestudide qualsevol fenomen de caragravecter lineal (o que srsquohi acosti) i que apareix repetidament durant totalrsquoassignatura
Un objectiu complementari drsquoaquesta assignatura eacutes adquirir un cert hagravebit de raonament cientiacuteficproporcionat tant pel contingut teograveric com pels exercicis que es resolen a les classes pragravectiques
Els resultats especiacutefics drsquoaprenentatge que es volen aconseguir amb aquesta assignatura soacutenmdash Adquirir habilitat en el cagravelcul matricialmdash Resoldre sistemes drsquoequacions lineals i saber interpretar-ne els resultatsmdash Adquirir habilitat en el maneig de vectors bases i subespais vectorialsmdash Calcular determinants i conegraveixer-ne les propietats bagravesiquesmdash Calcular productes escalars de vectors i bases ortonormals Saber calcular projeccions ensubespaismdash Factoritzar simbogravelicament una matriu (diagonalitzacioacute)
Blocs temagravetics
1 Espais vectorials
Conceptes clau sistema lineal espai vectorial independegravencia lineal base dimensioacute aplicacioacutelineal nucli i imatge
Objectius especiacuteficsmdash Repassar les maneres de resoldre un sistema lineal i introduir la nocioacute drsquoespai vectorial atraveacutes del conjunt de solucions drsquoun sistemamdash Introduir la nocioacute clau drsquoindependegravencia lineal i despreacutes la nocioacute de dimensioacutemdash Introduir les aplicacions lineals i les operacions que srsquohi poden fer com tambeacute els cagravelculs dedimensions que faciliten
11 Sistemes drsquoequacions lineals Megravetode de Gauss-Jordan
12 Espais vectorials Subespais Suma i interseccioacute
13 Dependegravencia lineal Bases Dimensioacute
14 Aplicacions lineals Construccioacute drsquoaplicacions lineals Suma i producte
15 Nucli imatge i rang drsquouna aplicacioacute lineal
2 Matrius
Conceptes clau matriu drsquouna aplicacioacute lineal operacions amb matrius transposada rang
operacions elementals canvis de base
Objectius especiacuteficsmdash Definir les operacions amb matrius i estudiar-ne les propietatsmdash Introduir les operacions elementals i aplicar-les al cagravelcul del rang i de la inversa drsquounamatriumdash Estudiar un sistema lineal amb els instruments ja introduiumlts de rang nucli etcmdash Estudiar com canvien les coordenades i matrius en canviar una base
21 Matrius i aplicacions lineals
22 Producte de matrius Matrius invertibles
23 Transposada drsquouna matriu Igualtat dels rangs de files i columnes
24 Operacions elementals Cagravelcul del rang i de la matriu inversa
25 Comptabilitat i estructura de les solucions drsquoun sistema drsquoequacions lineals
26 Canvis de base
3 Determinants
Conceptes clau determinant drsquouna matriu quadrada desenvolupament drsquoun determinantmenors
Objectius especiacuteficsmdash Definir els determinants i exposar-ne les propietats bagravesiquesmdash Caracteritzar la independegravencia lineal amb determinants i utilitzar-los per calcular el rang i lainversa drsquouna matriumdash Resoldre un sistema lineal mitjanccedilant determinants
31 Definicioacute i propietats del determinant drsquouna matriu
32 Desenvolupament drsquoun determinant Determinant de les matrius producte
transposada i inversa Determinant drsquouna matriu repartida en blocs
33 Determinants i independegravencia lineal Cagravelcul del rang drsquouna matriu mitjanccedilant
determinants
34 Resolucioacute de sistemes lineals mitjanccedilant determinants Regla de Cramer
4 Producte escalar
Conceptes clau producte escalar norma base ortonormal ortogonal drsquoun subespai projeccioacuteortogonal
Objectius especiacuteficsmdash Construir bases ortonormalsmdash Calcular projeccions ortogonals
41 Producte escalar Espai vectorial euclidiagrave
42 Norma Desigualtat de Schwarz
43 Bases ortonormals Megravetode de Gram-Schmidt
44 Lrsquoortogonal drsquoun subespai Projeccions ortogonals
5 Diagonalitzacioacute de matrius
Conceptes clau valor propi vector propi polinomi caracteriacutestic diagonalitzacioacute
Objectius especiacuteficsmdash Aprendre a diagonalitzar i comprendrersquon el significatmdash Caracteritzar les matrius diagonalitzables
51 Valors i vectors propis Subespais caracteriacutestics
52 Polinomi caracteriacutestic
53 Caracteritzacioacute de matrius diagonalitzables
6 Formes quadragravetiques reals
Conceptes clau forma quadragravetica rang iacutendex i signatura positivitat
Objectius especiacuteficsmdash Classificar una forma quadragravetica mitjanccedilant operacions elementalsmdash Donar el criteri de positivitat drsquouna forma quadragravetica
61 Formes quadragravetiques Representacioacute matricial
62 Canvis de base Congruegravencia de matrius
63 Formes (semi)definides
64 Reduccioacute a forma canogravenica Llei drsquoinegravercia de Sylvester Criteri de Sylvester Criteri de
positivitat
7 Cagravelcul matricial real i aplicacions
Conceptes clau matriu ortogonal matriu simegravetrica
Objectius especiacuteficsmdash Comprendre que tota matriu simegravetrica real eacutes diagonalitzable mitjanccedilant una matriuortogonalmdash Aplicar el resultat al cagravelcul de diverses descomposicions drsquouna matriu
71 Matrius ortogonals
72 Diagonalitzacioacute de matrius reals simegravetriques
73 Matrius (semi)definides positives cagravelcul drsquoarrels i descomposicioacute en producte drsquouna
matriu i la seva transposada
Metodologia i activitats formatives
La docegravencia srsquoorganitza en classes teograveriques classes teoricopragravectiques classes de laboratori i una provaparcial
Una hora de classe de laboratori seminari es desdobla en dos grups en franges horagraveries consecutives
Les classes de laboratori soacuten sessions presencials drsquouna hora de durada sempre dins de lrsquohorariprevist de classes Consisteixen en la resolucioacute per escrit drsquoexercicis que srsquoextreuen de llistes anunciadespregraveviament a traveacutes del Campus Virtual Els estudiants han de fer un nombre miacutenim de lliuramentsdrsquoaquests exercicis resolts per poder optar a la qualificacioacute corresponent El nombre miacutenim delliuraments drsquoexercicis srsquoestableix en comenccedilar el curs
A final drsquoabril en una classe drsquohora i mitja es fa una prova parcial individual amb un format similar alde la prova final drsquoavaluacioacute El temari de la prova parcial abasta la mategraveria impartida fins aleshores
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Les activitats que determinen lrsquoavaluacioacute continuada soacuten les sessions de laboratori la prova parciali la prova de tancament de lrsquoavaluacioacute continuada
La prova de tancament eacutes la mateixa que la prova drsquoavaluacioacute uacutenica i es fan conjuntament en la data dejuny fixada pel Consell Docent Aquestes proves consten de diversos exercicis (75 de la nota) i drsquounapregunta teograverica (25 de la nota)
Per poder ser objecte drsquoavaluacioacute continuada eacutes obligatori haver fet com a miacutenim la prova detancament de lrsquoavaluacioacute continuada i haver obtingut una nota miacutenima de 4 punts en aquesta prova
La qualificacioacute de lrsquoassignatura srsquoobteacute sumant la nota obtinguda en les sessions de laboratori (30 ) lanota de la prova parcial (20 ) i la nota de la prova de tancament (50 )
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui acollir-se a lrsquoavaluacioacute uacutenica ho ha de fer abans de la data liacutemit fixada pel ConsellDocent
La prova drsquoavaluacioacute uacutenica constitueix el 100 de la nota final de lrsquoassignatura i teacute lloc en la data dejuny fixada pel Consell Docent
Reavaluacioacute
Despreacutes de la qualificacioacute en el mes de juny lrsquoestudiant que no hagi superat lrsquoassignatura (sense tenir
en compte la forma drsquoavaluacioacute que hagi escollit) teacute dret a una prova de reavaluacioacute Aquesta provaes fa el mes de juliol en la data que fixi el Consell Docent
La prova de reavaluacioacute teacute el mateix format que la drsquoavaluacioacute uacutenica i es qualifica al 100 independentment de totes les proves anteriors
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AMERRamon et al Agravelgebra lineal Problemes exercicis i quumlestions Terrassa UPC 1998
CASTELLETManuel et al Agravelgebra lineal i Geometria 4a ed Bellaterra UAB 2011
MERINO Luis M et al Aacutelgebra lineal con meacutetodos elementales Madrid Thomson 2006
MORENOJoseacute Miguel Una introduccioacuten al Aacutelgebra lineal elemental 2a ed Bellaterra UAB 1990
NART Enric Notes drsquoagravelgebra lineal Bellaterra UAB 2003
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Segraveries Temporals
Codi de lassignatura 361233
Curs acadegravemic 2019-2020
Coordinacioacute Antoni Meseguer Artola
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques dordinadors 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Conegraveixer i entendre els diferents megravetodes usats dins de lrsquoanomenada anagravelisi determinista desegraveries temporals per tal de calcular prediccions i estimar-ne les components
Conegraveixer els fonaments teograverics i pragravectics relatius a la identificacioacute estimacioacute validacioacute imodelitzacioacute de segraveries temporals a traveacutes de models SARIMA
Referits a habilitats destreses
Identificar si una segraverie temporal segueix un esquema additiu o multiplicatiu
Aplicar els megravetodes de lrsquoanagravelisi determinista de segraveries temporals per tal de calcular prediccions
Donada una segraverie temporal ser capaccedil de decidir quin tipus de model SARIMA eacutes el meacutes adient
Usar els models SARIMA per calcular prediccions
Usar i programar algorismes drsquoestimacioacute i previsioacute usant R
Blocs temagravetics
1 Introduccioacute a les segraveries temporals
11 Definicioacute de segraverie temporal i prediccioacute econogravemica
12 Classificacioacute dels megravetodes de prediccioacute
13 Criteris drsquoavaluacioacute de la capacitat predictiva
2 Anagravelisi determinista de segraveries temporals
21 Components drsquouna segraverie temporal
22 Prediccioacute amb models sense tendegravencia
23 Prediccioacute amb models amb tendegravencia
3 Tractament determinista de lrsquoestacionalitat
31 Anagravelisi del component estacional
32 Prediccioacute amb models sense tendegravencia i amb component estacional
33 Prediccioacute amb models amb tendegravencia i component estacional
4 Anagravelisi estocagravestica de segraveries temporals
41 Processos estocagravestics
42 Conceptes drsquoestacionarietat i ergodicitat
43 Funcions drsquoautocovariagravencia i autocorrelacioacute
44 Funcions drsquoautocovariagravencia i autocorrelacioacute mostral
45 Models elementals soroll blanc i camiacute aleatori
5 Models lineals de segraveries temporals
51 Models de mitjanes mogravebils (MA)
52 Models autoregressius (AR)
53 Models mixtos (ARMA)
54 Processos no estacionaris Models integrats (ARIMA)
55 Models estacionals (SARIMA)
6 Metodologia Box-Jenkins
61 Identificacioacute de models SARIMA
62 Estimacioacute de paragravemetres
63 Validacioacute del model
64 Prediccioacute puntual i per interval
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Tallers a lrsquoaula drsquoinformagravetica en quegrave lrsquoobjectiu eacutes dur a terme problemes i exemples pragravectics quepermetin conegraveixer la vessant meacutes aplicada de lrsquoanagravelisi de segraveries temporals 3 Dues pragravectiques individuals que srsquohan de fer fora de les hores de classe i que tambeacute serveixen com aevidegravencies drsquoavaluacioacute per als estudiants que optin per lrsquoavaluacioacute continuada Es tracta de dos casospragravectics basats en dades reals en quegrave els estudiants han drsquoaplicar les eines drsquoanagravelisi de segraveries temporalsper donar resposta a algun problema
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classeConsta de diferents activitats individuals que es duen a terme al llarg del curs
a) Dues pragravectiques
Pragravectica 1 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi determinista de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de novembre
Pragravectica 2 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi estocagravestica de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de gener
b) Una prova final sobre els continguts treballats al llarg de tot el curs Valor 60 de la nota finalData la fixada pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Els estudiants que segueixin lrsquoavaluacioacute continuada i no es presentin a la prova final tenen unaqualificacioacute de laquono presentatraquo Si es presenten a la prova final i obtenen una nota igual o superior a 4(sobre 10) llavors la qualificacioacute final eacutes la que srsquoobtingui de la mitjana ponderada de les duespragravectiques i la prova final En el cas que la nota en aquesta prova final sigui inferior a 4 la qualificacioacutefinal eacutes aquesta nota Per tant en aquest darrer cas no es fa la mitjana ponderada amb les duespragravectiques
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova es fa en les dates fixades pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-sea lrsquoavaluacioacute uacutenica han de fer-ho abans drsquoaquesta data que es fa puacuteblica amb antelacioacute suficient
Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Time series analysis forescasting and control 4th edicioacute Hoboken NJ Wiley2008
BROCKWELL Peter J Introduction to time series and forecasting New York Springer 2010
PENtildeA Daniel Anaacutelisis de series temporales Madrid Alianza Editorial 2010
SHUMWAY Robert H et al Time series analysis and Its applications with R exemples 3rd ed New York[etc] Springer 2011
URIEL Ezequiel et al Introduccioacuten al anaacutelisis de series temporales Madrid Editorial AC-Thomson 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Supervivegravencia
Codi de lassignatura 361245
Curs acadegravemic 2019-2020
Coordinacioacute Lluis Bermudez Morata
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 15
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Lrsquoanagravelisi de la supervivegravencia eacutes un conjunt de tegravecniques i models estadiacutestics que tracten drsquoanalitzar lesvariables aleatograveries definides com ara la durada o temps entre dos successos
La caracteriacutestica meacutes rellevant drsquoaquesta mategraveria eacutes la seva aplicabilitat en agravembits i camps moltdiversos Per citar alguns exemples en medicina (temps fins a la curacioacute drsquoun pacient) en biologia(temps fins a la mort drsquoun animal) en sociologia (temps fins a lrsquoocupacioacute drsquouna persona en atur) enepidemiologia (temps fins a la infeccioacute) en assegurances (temps fins a la mort drsquouna persona) engeriatria (temps fins a la incapacitacioacute drsquouna persona) en enginyeria (temps fins a la fallada drsquouncomponent) en pediatria (temps fins al deslletament) etcegravetera
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer i distingir les funcions de supervivegravencia les funcions de risc i la funcioacute de riscacumulada
Reconegraveixer la presegravencia de dades censurades io truncades en un estudi estadiacutestic
Modelar amb procediments paramegravetrics o semiparamegravetrics dades que representen durades entredos successos
Utilitzar el model de Cox de riscos proporcionals per a la inclusioacute de covariables en els estudis desupervivegravencia
Referits a habilitats destreses
Aplicar les principals tegravecniques i models per a lrsquoanagravelisi de la supervivegravencia utilitzant programariestadiacutestic de referegravencia
Blocs temagravetics
1 Conceptes i inferegravencia
11 Introduccioacute
12 Inferegravencia no paramegravetrica per a lrsquoanagravelisi de supervivegravencia
13 Comparacioacute de dues o meacutes poblacions mitjanccedilant processos no paramegravetrics
2 Models de regressioacute
21 Estimacioacute i regressioacute dels models paramegravetrics
22 Regressioacute semiparamegravetrica el model de Cox de riscos proporcionals
Metodologia i activitats formatives
En les classes magistrals el professor explica els continguts teograverics i pragravectics de la mategraveria es comentenaplicacions reals dels models presentats i es resolen exercicis pragravectics que ajudin a consolidar elcontingut del temari
Les classes pragravectiques es fan en aules drsquoinformagravetica i es resolen exercicis pragravectics del temari amb lrsquoajudadel paquet survival del programari R
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Primera convocatograveria
El procediment drsquoavaluacioacute de lrsquoadquisicioacute de competegravencies es basa en un proceacutes drsquoavaluacioacutecontinuada en quegrave la nota final eacutes una ponderacioacute dels coneixements teoricopragravectics i habilitatsadquirits al llarg del curs mitjanccedilant
mdash Dues proves escrites dels continguts teograverics i pragravectics del temari una per a cada bloc temagravetic un copfinalitzades les classes corresponents a cada bloc (35 + 35 )
mdash Lliurament drsquoexercicis durant el curs en grups de tres o quatre alumnes (15 )
mdash Un treball escrit al final de curs en grups de tres o quatre alumnes (15 )
Per tenir nota amb aquesta opcioacute drsquoavaluacioacute continuada eacutes imprescindible fer les dues proves escrites
Segona convocatograveria
La nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels continguts teograverics i pragravectics deltemari
Avaluacioacute de les competegravencies
Les tres competegravencies especiacutefiques de la titulacioacute que teacute en compte lrsquoassignatura es poden resumir en
aquest cas en la capacitat de saber aplicar els megravetodes estadiacutestics adequats a lrsquoestudi de variablesaleatograveries definides com el temps fins a un esdeveniment Per aixograve cal que lrsquoestudiant aprengui amobilitzar i integrar una segraverie de coneixements teograverics unes habilitats i unes actituds Lrsquoavaluacioacutedrsquoaquesta competegravencia va molt lligada a lrsquoavaluacioacute presentada per lrsquoassignatura Els coneixementsteograverics es comproven als dos parcials tant a la part teograverica com a la pragravectica Drsquoaltra banda leshabilitats i actituds aixiacute com la integracioacute i mobilitzacioacute de tot plegat srsquoavalua a la part pragravectica de lesproves parcials i als treballs i pragravectiques en equip que lrsquoestudiant ha de presentar
Avaluacioacute uacutenica
En les dues convocatograveries la nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels contingutsteograverics i pragravectics del temari
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KLAINBAUM David G et al Survival analysis a self-learning text (Statistics for Biology and Health) 3thed New York Springer 2012
KLEIN JohnP et al Survival analysis techniques for censored and truncated data New York Springer2003
LEE Elisa T et al Statistical Methods for survival data analysis New Jersey Wiley Series 2013
KALBFLEISCH JD et al The statistical analysis of failure time data 2nd edition New York Wiley-Interscience 2002
COX David Roxbee et al Analysis of survival data London Chapman and Hall 1984
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi Multivariant
Codi de lassignatura 361232
Curs acadegravemic 2019-2020
Coordinacioacute KARINA GIBERT OLIVERAS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors
(Es desenvolupa a lrsquoaula drsquoinformagraveticaperograve inclou pragravectica drsquoordinadors i tambeacutedesenvolupament de projecte llarg)
30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Capacitats pregravevies
mdash Agravelgebra lineal espai vectorial real megravetriques projeccions diagonalitzacioacute de matrius etc
mdash Coneixements bagravesics de teoria de la probabilitat i drsquoestadiacutestica descriptiva i inferencial
mdash Coneixements bagravesics de R i algoriacutetmia per dissenyar scripts drsquoanagravelisi automatitzada
Altres recomanacions
mdash Seguir puntualment el desenvolupament del treball en equip cada setmana per evitaracumulacioacute de tasques pendents a final de curs
mdash Aprofitar les hores de laboratori per resoldre els dubtes amb la professora drsquoaquest treball enequip i poder avanccedilar cada setmana en el treball drsquoacord amb el temari de lrsquoassignatura
mdash Fer atencioacute a les indicacions que es donen al llarg del curs sobre la coordinacioacute del treball enequip i consultar la documentacioacute relacionada que es distribueix des de la coordinacioacute delrsquoassignatura
mdash Assegurar-se que els lliuraments srsquoajusten a les instruccions de lliurament disponibles a lapagravegina de lrsquoassignatura
mdash El bon desenvolupament del treball pragravectic eacutes una bona garantia drsquohaver adquirit tots elsconeixements teograverics i pragravectics necessaris per superar lrsquoexamen final
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu de lrsquoassignatura eacutes presentar tegravecniques estadiacutestiques drsquoanagravelisi de grans taules per taldrsquoextreure de manera ragravepida la informacioacute meacutes rellevant continguda en les dades els problemes
abordats soacuten de diversa tipologia des de la definicioacute drsquoeixos dominants a la caracteritzacioacuteestadiacutestica de subpoblacions Aquest objectiu es particularitza presentant agravempliament el punt devista de tres grans famiacutelies de tegravecniques estadiacutestiques multivariants
1 Tegravecniques multivariants de classificacioacute automagravetica orientades a establir tipologies i acaracteritzar-les es veuen diferents famiacutelies de megravetodes des dels meacutes clagravessics als meacutes recentsmegravetodes de particions megravetodes jeragraverquics megravetodes basats en densitats srsquoincideix especialmenten eines drsquointerpretacioacute de les classes srsquoestudia lrsquoadequacioacute dels diferents megravetodes a diferentscasos en funcioacute de lrsquoescalabilitat el tipus de dades etc
2 Tegravecniques multivariants enfocades a sintetitzar i a resumir la informacioacute estudiar relacionsmultidimensionals entre variables i eventualment definir indicadors latents es concreta en trestegravecniques fonamentals anagravelisi en components principals anagravelisi de correspondegravencies simples ianagravelisi de correspondegravencies muacuteltiples es planteja lrsquoanagravelisi factorial com a marc formal general delqual es deriven les tegravecniques esmentades com a cas particular es dona particular importagravencia alrsquoanagravelisi de resultats gragravefics srsquoilmiddotlustren algunes extensions addicionals com ara lrsquoanagravelisi textual
3 Tegravecniques drsquoanagravelisi discriminant es tracta de tegravecniques multivariants enfocades a obtenirregles drsquoassignacioacute srsquoincideix en la seva relacioacute amb les tegravecniques vistes anteriorment
4 Tegravecniques drsquoanagravelisi textual on es treballa amb textos lliures provinents de documents pagraveginesweb o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells
Lrsquoobjectiu de lrsquoassignatura eacutes doble des del punt de vista conceptual Drsquouna banda es vol donaruna base formal sogravelida per a les tegravecniques multivariants que componen el programa De lrsquoaltraels estudiants han de desenvolupar una capacitat pragravectica drsquoaplicacioacute a dades reals drsquoaquestestegravecniques En aquest sentit les sessions de pragravectiques segueixen el temari de lrsquoassignatura desde la perspectiva de lrsquoaplicacioacute i es treballa amb dades reals Amb aquest objectiu cal introduirun pas previ de preprocessament de dades per preparar-les per a lrsquoanagravelisi
Finalment i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es podentractar altres aspectes es presenten diverses tegravecniques multivariants drsquouna manera meacutesintroductograveria i enfocant-les menys algebraicament des drsquoun punt de vista meacutes algoriacutesmic
Referits a habilitats destreses
En aquesta assignatura es dona particular importagravencia a lrsquoentrenament en certes competegravenciestransversals importants en el desenvolupament professional drsquoun estadiacutestic com ara la capacitatdrsquoanagravelisi siacutentesi comunicacioacute integracioacute de coneixements redaccioacute drsquoinformes i sobretot eltreball en equip incloent-hi les capacitats de planificacioacute a mig termini repartiment de tasques igestioacute drsquoincidegravencies en el pla de treball al llarg del curs
La pragravectica srsquoestructura sota un esquema que permet entrenar aquestes capacitats amb elssuports necessaris del professorat de lrsquoassignatura
Blocs temagravetics
1 Introduccioacute
Megravetriques angles i projeccions nomenclatura multivariant matriu de variagravencies icovariagravencies i matriu de correlacions presentacioacute de punts de vista presentacioacute de tegravecniquespresentacioacute de sistemes informagravetics estadiacutestics exemples senzills de descripcioacute multivariantde caracteritzacioacute de dades de classificacioacute i de discriminacioacute
11 Introduccioacute i preprocessament de dades
Lrsquoagravembit de lrsquoanagravelisi multivariant Principals elements rellevants en el preprocessament
de dades
2 Classificacioacute automagravetica
Presentacioacute conceptual Megravetodes de particions Megravetodes jeragraverquics Megravetodes basats endensitats Relacioacute amb anagravelisi factorial Interpretacioacute de les classes Descripcioacute de tipologiesAplicacioacute a casos reals i implicacions pragravectiques
3 Anagravelisi factorial
Formalitzacioacute general resultats teograverics
4 Anagravelisi en components principals
Formalitzacioacute resultats teograverics interpretacioacute aplicacioacute a casos reals implicacionspragravectiques
5 Anagravelisi en correspondegravencies simples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacions a casos reals Implicacionspragravectiques
6 Anagravelisi en correspondegravencies muacuteltiples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacioacute a casos reals i implicacionspragravectiques que evidenciiumln avantatges en el tractament de dades drsquoenquesta
7 Anagravelisi discriminant
Formalitzacioacute resultats teograverics Relacioacute amb lrsquoanagravelisi factorial Interpretacioacute bagravesicament enel cas de dos grups Aplicacions a casos reals Implicacions pragravectiques
8 Altres megravetodes multivariants
Anagravelisi textual Correlacions canograveniques Escalament multidimensional
9 Anagravelisi textual
Tegravecniques drsquoanagravelisi textual de dades
Metodologia i activitats formatives
Teoria srsquohi presenten les diferent tegravecniques suficientment fonamentades i srsquoexemplifiquen amb exercicisde dimensioacute reduiumlda
Pragravectiques srsquohi fan exercicis de dimensioacute real amb sistemes informagravetics estadiacutestics que permetinaprofundir i consolidar els conceptes vistos a teoria srsquohi plantegen tambeacute treballs drsquoaplicacioacute pragravectica demeacutes llarg termini on lrsquoestudiant pugui entrenar la seva capacitat personal de dissenyar planificarprojectes on hagi drsquoaplicar les tegravecniques estudiades per analitzar un conjunt de dades real de certaenvergadura integrar els diferents coneixements adquirits en un informe ben argumentat i mostrar lesseves capacitats de siacutentesi i comunicacioacute presentant el treball a lrsquoaula
El grup de teoria es desdobla en dos grups de pragravectiques que fan classe de pragravectiques dues hores persetmana cadascun
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final (N) de lrsquoassignatura srsquoobteacute a partir drsquouna nota de proves (Np) i una nota de pragravectiquescorresponent al treball en equip desenvolupat al llarg del curs (Nte) segons lrsquoexpressioacute
N = Ne 035 + Nte 065
La nota de proves (Np) consta drsquouna segraverie de quiz de continguts teograverics que es realitzen al llarg del cursi que puntuen per igual (soacuten entre 3 i 5 depenent de la marxa del curs)
Per aprovar lrsquoassignatura amb avaluacioacute continuada srsquoha de treure un miacutenim de 5 a la nota de teoria ihaver presentat tots els lliuraments parcials del treball en equip i la memograveria final Si no es lliuren lespragravectiques a lrsquoavaluacioacute continuada hi consta una qualificacioacute de laquono presentatraquo
Les persones que no assoleixen el miacutenim requerit per aprovar amb avaluacioacute continuada han de fer unexamen final que consta drsquoun exercici per fer a lrsquoaula de laboratori sobre dades reals en quegrave caldemostrar coneixements teograverics i pragravectics sobre el temari de lrsquoassignatura Hi ha preguntes teograveriques ipragravectiques Per a les persones que no han tret un 5 a la nota de teoria la nota de proves de lrsquoavaluacioacutefinal de lrsquoassignatura correspon a la nota de lrsquoexamen final
La nota de pragravectiques (Np) srsquoobteacute amb el desenvolupament drsquoun treball pragravectic de llarga durada quesrsquoha de fer en grup i que ha drsquointegrar les diferents tegravecniques vistes al llarg del curs Hi ha treslliuraments parcials amb una puntuacioacute especiacutefica per a cadascun 01 045 i 045 La qualificacioacuteconsta drsquouna nota global de la pragravectica comuna a tot lrsquoequip i de bonificacions o penalitzacionsindividuals segons com cada estudiant respongui a les preguntes el dia de la presentacioacute de lespragravectiques (08) i de la nota drsquoavaluacioacute creuada atorgada pels companys drsquoequip (02)
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica (sense continuiumltat) consisteix en un examen final amb una part teograverica i una partpragravectica
El Consell Docent fixa una data liacutemit abans de la qual els estudiants poden manifestar si se srsquoacullen al
pla drsquoavaluacioacute continuada o uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute mdashamb lesmateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicamdash que teacute lloc durant el mes de juliol en la datafixada pel Consell Docent Es pot presentar a aquesta prova qualsevol estudiant independentment delpla drsquoavaluacioacute escollit durant el curs La prova dona acceacutes a la qualificacioacute magravexima
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
Bibliografia bagravesica
ESCOFIER Brigitte et al Anaacutelisis factoriales simples y muacuteltiples objetivos meacute todos e interpretacioacutenBilbao Servicio Editorial Universidad del Paiacutes Vasco 1992
Bibliografia bagravesica
GREENACRE Michael J Correspondence analysis in practice Boca Raton (Fla) [etc] Chapman ampHallCRC 2007
Bibliografia bagravesica
HUSSON Franccedilois et al Exploratory multivariate analysis by example using R Boca Raton CRC Press2011
Bibliografia bagravesica
JOHNSON Richard Arnold et al Applied multivariate statistical analysis 6th ed Upper Saddle River NJPearson Education Prentice-Hall 2007
Bibliografia bagravesica
BOUROCHE Jean-M et al Lrsquoanalyse des donneacutees Paris Presses Universitaire de France 1980
Bibliografia complementagraveria
JOBSON JD Applied multivariate data analysis Vol I y Vol II New York Barcelona [etc] Springer1992
Bibliografia complementagraveria
LEBART Ludovic et al Tratamiento estadiacutestico de datos meacutetodos y programas Barcelona [etc]Marcombo 1985
Bibliografia complementagraveria
SAPORTA Gilbert Probabiliteacutes analyse des donneacutees et statistique 3e eacuted reacutev Paris Technip 2011
Bibliografia complementagraveria
VOLLE Michel Analyse des donneacutees 4e eacuted Paris Economica 1985
Bibliografia complementagraveria
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Cagravelcul de Diverses Variables
Codi de lassignatura 361177
Curs acadegravemic 2019-2020
Coordinacioacute Ernest Fontich Julia
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
mdash Calcular liacutemits de funcions de diverses variables
mdash Calcular derivades parcials aplicar les regles de derivacioacute Calcular vectors gradientsCalcular el pla tangent a la gragravefica drsquouna funcioacute de dues variables i el pla tangent a una superfiacuteciedonada impliacutecitament
mdash Calcular extrems de funcions de diverses variables en conjunts oberts conjunts compactes iextrems subjectes a lligadures
mdash Conegraveixer la nocioacute drsquointegracioacute muacuteltiple i les tegravecniques bagravesiques de cagravelcul drsquointegrals i canvis devariables meacutes habituals
mdash Conegraveixer el concepte drsquointegral dependent drsquoun paragravemetre i alguns exemples de funcionsdefinides per integrals
Blocs temagravetics
1 Funcions de diverses variables
11 Norma i distagravencia euclidiana a R^2 i R^3
12 Gragravefiques de funcions Corbes de nivell
13 Coordenades polars ciliacutendriques i esfegraveriques
14 Liacutemits i continuiumltat
2 Diferenciacioacute
21 Derivades parcials derivades direccionals i diferenciabilitat
22 Vector gradient i pla tangent Matriu jacobiana
23 Regla de la cadena
3 Integracioacute
31 Integrals dobles i triples Integrals marginals Teorema de Fubini
32 Canvi de variable Integracioacute en polars ciliacutendriques i esfegraveriques
33 Integrals dependents drsquoun paragravemetre La funcioacute gamma
4 Derivades drsquoordre superior Extrems
41 Derivades parcials drsquoordre superior Matriu hessiana
42 Foacutermula de Taylor
43 Cagravelcul drsquoextrems
Metodologia i activitats formatives
En les sessions teoricopragravectiques es presenten els continguts teograverics i les tegravecniques de lrsquoassignatura i esdonen exemples A meacutes es resolen i discuteixen problemes basats en els conceptes i tegravecniquesintroduiumldes En les classes de problemes es resolen problemes directament relacionats amb els temesdel programa Pel que fa al treball autogravenom la metodologia consisteix en la realitzacioacute de tasquesbasades en la resolucioacute de problemes
Avaluacioacute acreditativa dels aprenentatges
Els alumnes poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en una prova parcial a la meitat del semestre (P1) i una prova parcialal final (P2)
La nota drsquoavaluacioacute continuada eacutes AC = 05 P1 + 05 P2
Una vegada acabades les classes hi ha un examen final que consta de dues parts amb el qual esgeneren dues notes mdash(F1) i (F2)mdash corresponents a cadascuna de les parts respectivament Hi ha lapossibilitat de presentar-se a una o a les dues parts de lrsquoexamen final per pujar nota
La nota final srsquoobteacute amb la foacutermula NF = 05 magravex[P1F1] + 05 magravex[P2F2]
Es considera laquono presentatraquo lrsquoestudiant del qual no es disposi drsquouna nota de cadascuna de les duesparts del curs
Una vegada acabat el periacuteode drsquoavaluacioacute hi ha la possibilitat drsquouna reavaluacioacute que consisteix en unexamen de tota lrsquoassignatura Els exagravemens contenen problemes per tal drsquoavaluar la capacitat perutilitzar el raonament logravegic i els instruments matemagravetics en un context determinat
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen final en una data fixada pel Consell Docent Per acollir-se aaquesta avaluacioacute cal demanar-ho a la Secretaria de la Facultat abans de la data fixada pel ConsellDocent que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYRES Frank Caacutelculo diferencial e integral 3a ed Madrid McGraw-Hill 1991
MARSDEN Jerrold E et al Caacutelculo vectorial 5a ed Madrid Addison-Wesley 2004
PISKUNOV N S Caacutelculo diferencial e integral Meacutexico DF Limusa 2014
Pagravegina web
Wolfram Mathematica
MathApplets-SLU
calculusorg
Cursos online
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Demografia
Codi de lassignatura 361255
Curs acadegravemic 2019-2020
Coordinacioacute Maria Teresa Costa Cor
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 5
- Pragravectiques dordinadors 10
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les fonts drsquoinformacioacute demogragravefica per a lrsquoobtencioacute de dades estadiacutestiques sobre lapoblacioacute
mdash Aprendre els instruments i tegravecniques bagravesics per a lrsquoanagravelisi de lrsquoestructura i creixement drsquounapoblacioacute construccioacute de taules estadiacutestiques representacioacute gragravefica i cagravelcul de diversos indicadors
mdash Descriure la transicioacute del regravegim demogragravefic antic al modern i els seus efectes sobre lacomposicioacute de la poblacioacute
mdash Estudiar la mortalitat per edat i causa de mort construir taules de mortalitat de moment icalcular probabilitats i indicadors conjunturals sobre el comportament drsquoaquest fenomen
mdash Analitzar la fecunditat a partir drsquoindicadors sintegravetics de periacuteode i de generacioacute
mdash Estudiar els moviments migratoris que afecten la poblacioacute
mdash Descriure els megravetodes bagravesics drsquoelaboracioacute de projeccions de poblacioacute la formulacioacute drsquohipogravetesis ila interpretacioacute dels resultats
Referits a habilitats destreses
mdash Utilitzar les fonts drsquoinformacioacute demogragravefica drsquoacord amb els objectius de treball
mdash Saber diferenciar entre anagravelisi de moment i anagravelisi de cohort
mdash Interpretar la intensitat i el calendari en els fenogravemens demogragravefics
mdash Comparar el comportament dels fenogravemens demogragravefics entre poblacions aplicant les tegravecniquesdrsquoestandarditzacioacute
mdash Obtenir els indicadors meacutes adients en lrsquoanagravelisi dels fenogravemens demogragravefics
mdash Analitzar i interpretar les dinagravemiques demogragravefiques que ha experimentat una poblacioacute en eltemps
mdash Fer previsions sobre lrsquoevolucioacute futura drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de fecunditat
mdash Calcular i interpretar les taxes de reproduccioacute drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de nupcialitat
mdash Calcular i interpretar diferents mesures de les migracions
mdash Saber utilitzar les eines informagravetiques relacionades amb lrsquoanagravelisi demogragravefica
Blocs temagravetics
1 Caracteriacutestiques i evolucioacute de la poblacioacute
11 Introduccioacute
111 Poblacioacute i demografia
112 Fonts estadiacutestiques per a lrsquoestudi de la poblacioacute
113 Les xifres de poblacioacute a Espanya
12 Megravetodes i tegravecniques en demografia
121 Magnituds estocs i fluxos
122 Anagravelisi longitudinal i anagravelisi transversal
123 La representacioacute del temps lrsquoesquema de Lexis
124 Les mesures en demografia taxes probabilitats i proporcions
13 Estructura i creixement de la poblacioacute
131 Lrsquoequacioacute demogragravefica bagravesica i el cagravelcul del creixement drsquouna poblacioacute
132 Els indicadors drsquoestructura de la poblacioacute
133 La piragravemide de poblacioacute la relacioacute entre lrsquoestructura de la poblacioacute i els
fenogravemens demogragravefics
134 Evolucioacute de la poblacioacute mundial La transicioacute demogragravefica
2 Estudi dels fenogravemens demogragravefics
21 Anagravelisi de la mortalitat
211 La mortalitat per edat i causa de mort
212 Lrsquoestandarditzacioacute
213 Construccioacute drsquouna taula de mortalitat Lrsquoesperanccedila de vida
22 Fecunditat i nupcialitat
221 Anagravelisi de la fecunditat indicadors de moment i de generacioacute
222 La reproduccioacute de les generacions
223 Caracteriacutestiques familiars i evolucioacute de lrsquoestructura de les llars
23 Migracions
231 Conceptes i mesures bagravesiques de les migracions
232 Migracions internes i externes
233 Evolucioacute dels moviments migratoris en la poblacioacute espanyola
3 Les projeccions demogragravefiques
31 Les projeccions de poblacioacute
311 El megravetode de les components
312 Metodologia per a la realitzacioacute de les projeccions de poblacioacute
32 Les projeccions de les llars
321 Conceptes bagravesics
322 El megravetode de les propensions
Metodologia i activitats formatives
En les classes magistrals srsquoexpliquen els continguts teograverics de cada tema i es presenten dadesdemogragravefiques de poblacions reals tant actuals com histograveriques per entendre i aplicar els principalsinstruments drsquoanagravelisi demogragravefica Tambeacute es recomana la lectura drsquoarticles de premsa o de revistesespecialitzades per comprendre els temes relacionats amb la poblacioacute que resulten drsquointeregraves enlrsquoactualitat
Es fan classes pragravectiques al llarg del curs a lrsquoaula drsquoordinadors i srsquoutilitza el programari apropiat perpoder obtenir les dades demogragravefiques de poblacions reals i fer el cagravelcul i interpretacioacute dels principalsindicadors demogragravefics en els exercicis proposats
Per aprofitar millor les classes magistrals i pragravectiques en el Campus Virtual es publiquen diferentsdocuments amb dades estadiacutestiques lectures recomanades i enunciats drsquoexercicis
Avaluacioacute acreditativa dels aprenentatges
Tant en lrsquoavaluacioacute continuada com en lrsquoavaluacioacute uacutenica es tenen en compte en el plantejament de lesproves les competegravencies que es pretenen desenvolupar en lrsquoassignatura Per una banda els enunciatsdels exercicis precisen capacitat drsquoanagravelisi i comprensioacute de les dades i per lrsquoaltra alguns problemes esbasen en aplicacions pragravectiques dels conceptes explicats que utilitzen dades reals de poblacions
Lrsquoavaluacioacute continuada de lrsquoassignatura consta de les activitats seguumlents
mdash Prova de contingut teograveric i pragravectic del bloc 1 es duu a terme en finalitzar el bloc temagravetic 1 Teacute unaponderacioacute del 25 de la nota final de lrsquoassignatura
mdash Prova de contingut teograveric i pragravectic del bloc 2 es duu a terme en finalitzar el bloc temagravetic 2 Teacute unaponderacioacute del 35 de la nota final de lrsquoassignatura
mdash Exercicis de contingut pragravectic del bloc 1 i del bloc 2 Es realitzen individualment i tenen unaponderacioacute del 20 de la nota final de lrsquoassignatura
mdash Treball escrit de contingut teograveric i pragravectic del bloc 3 Es pot fer individualment o en grups de dosalumnes i teacute una ponderacioacute del 20 de la nota final de lrsquoassignatura
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que estableix el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
En aquest cas lrsquoavaluacioacute es basa en un examen final que consta de quumlestions teograveriques i exercicispragravectics que es resolen utilitzant lrsquoordinador
Lrsquoexamen de reavaluacioacute de lrsquoassignatura teacute les mateixes caracteriacutestiques que lrsquoexamen drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KEYFITZ Nathan Applied mathematical demograpyh 3rd ed New York Springer 2005
LEGUINA Joaquiacuten Fundamentos de demografiacutea 5a ed Madrid Siglo XXI 1992
LIVI Massimo Introduccioacuten a la demografiacutea Barcelona Ariel 1993
NEWELL Colin Methods and models in demography Chichester [etc] Wiley 1994
PRESSAT Roland Introduccioacuten a la demografiacutea Barcelona Ariel 1985
TAPINOS Georges Photios Elementos de demografiacutea Madrid Espasa Calpe Universidad 1990
VINUESA Julio Demografiacutea Anaacutelisis y proyecciones Madrid Siacutentesis 1994
VINUESA Julio Teacutecnicas y ejercicios de demografiacutea Madrid INE 2007
PRESTON Samuel H et al Demography measuring and modeling population processes MaldenBlackwell 2001
VALLIN Jacques La poblacioacuten mundial Madrid Alianza Editorial 1995
Pagravegina web
Instituto Nacional de Estadiacutestica Disponible a ltwwwineesgt
Institut drsquoEstadiacutestica de Catalunya Disponible a ltwwwidescatcatgt
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dEnquestes
Codi de lassignatura 361229
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 12
- Tutoritzacioacute per grups 15
- Pragravectiques dordinadors 33
Treball tutelatdirigit
(Treball per dur a terme les diferents etapesde la pragravectica sota la tutela del professor)
40
Aprenentatge autogravenom
(Estudi previ a classe drsquoalguns temesteograverics Treball autogravenom de realitzacioacute de lapragravectica)
50
Recomanacions
mdash Tenir coneixements bagravesics drsquoalgun programa de tractament estadiacutestic del Word i del PowerPointmdash Redireccionar el correu UB cap al correu personal si lrsquoestudiant no accedeix regularment al correu UB
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les etapes que cal seguir per elaborar una enquestamdash Saber com redactar un projecte per elaborar una enquesta incloent-hi els objectius lametodologia les fases de lrsquoestudi el calendari el pressupost etcmdash Entendre la fitxa tegravecnica drsquouna enquesta i elaborar-ne una de nova a partir de lescaracteriacutestiques de lrsquoenquesta mostra i poblacioacutemdash Saber com elaborar un quumlestionari per recollir la informacioacute en funcioacute dels objectius previstosmdash Saber formular correctament les preguntes per incloure en el quumlestionari i valorar lrsquooportunitatde cada pregunta i el tipus de categoria de respostamdash Redactar preguntes en diferents escales de mesura aixiacute com preguntes obertesmdash Conegraveixer els fonaments de la teoria del mostratgemdash Planificar el treball de camp i assignar tasques als entrevistadorsmdash Dur a terme un treball de camp real i valorar-ne lrsquoexperiegravenciamdash Codificar les respostes dels diferents tipus de preguntes introduir les dades en suportinformagravetic i analitzar estadiacutesticament les dadesmdash Dissenyar estructurar i redactar un informe de resultats de lrsquoenquesta aixiacute com les conclusionsi exposar lrsquoinforme puacuteblicament
Referits a habilitats destreses
mdash Aprendre a identificar i plantejar un problema en termes que en permetin la resolucioacute Sabercom fer una recerca drsquoinformacioacutemdash Aprendre a treballar en grup negociar escoltar i ser assertiu manifestant les progravepies opinionsmdash Aprendre a planificar temporalment una activitat i a prioritzar les quumlestions importantsmdash Aprendre a analitzar (separar les parts drsquoun problema i tractar-les de forma individual) i asintetitzar (extraure el meacutes rellevant i tenir una visioacute de conjunt)mdash Aprendre a fer servir el programa estadiacutestic SPSS drsquouacutes comuacute en investigacioacute socialmdash Aprendre a dissenyar estructurar i redactar un informe de resultats per a un client Aprendre atractar amb un client i a vendre el nostre productemdash Adquirir nocions de parlar en puacuteblic de comunicar i de com es fa una presentacioacute oral
Blocs temagravetics
1 Lrsquoenquesta com a tegravecnica drsquoinvestigacioacute social
Introduccioacute i conceptes clau del disseny drsquoenquestes
11 Introduccioacute
12 Megravetodes i tegravecniques drsquoinvestigacioacute social
13 Enquestes explorar descriure i explicar la realitat social
14 Tipus drsquoenquestes
15 El proceacutes general drsquoinvestigacioacute a traveacutes drsquoenquestes
2 Fonaments de mostreig
Nocions bagravesiques de mostreig necessagraveries per saber com escollir la mostra drsquoindividus alsquals es faragrave lrsquoenquesta
21 Poblacioacute i mostra
22 Mostres aleatograveries i no aleatograveries
23 Megravetodes de mostreig aleatori idees bagravesiques
24 La mida de la mostra
25 Errors de mostreig
3 Seleccioacute de la persona enquestada
Srsquoestudia com escollir la persona a qui passar lrsquoenquesta en funcioacute de quin sigui el tipusdrsquoenquesta
31 Enquestes per correu
32 Enquestes telefograveniques
33 Enquestes cara a cara quotes i rutes aleatograveries
4 El quumlestionari
Srsquoestudia com es construeix un quumlestionari quines parts ha de tenir i com srsquohan deredactar les preguntes
41 Definicioacute i objectius del quumlestionari
42 Tipus de preguntes
43 El contingut de les preguntes
44 La manera de redactar les preguntes
45 Organitzacioacute i composicioacute del quumlestionari
5 El treball de camp
Srsquoestudia com srsquoha de fer lrsquoentrevista i el control del treball de camp
51 Lrsquoentrevistador importagravencia caracteriacutestiques i entrenament
52 Lrsquoentrevista organitzacioacute i problemes en la realitzacioacute
53 El control del treball de camp
54 Material per dur a terme el treball de camp
6 Tractament informagravetic de les dades obtingudes
Srsquoestudia com srsquohan drsquointroduir les dades recollides en un suport informagravetic de manera quees construeixi una base de dades per fer lrsquoanagravelisi estadiacutestica
61 La informagravetica i el tractament de dades
62 Codificacioacute de les dades i llibre de codis
63 Gravacioacute depuracioacute i validacioacute de les dades
64 Lrsquoanagravelisi estadiacutestica de les dades
7 Lrsquoinforme drsquoinvestigacioacute
Srsquoestudia com srsquoha de fer lrsquoinforme final de resultats parts que ha de tenir redaccioacutecontingut etc
71 Quumlestions pregravevies
72 Tipus drsquoinformes cientiacutefic tegravecnic i divulgatiu
73 Lrsquoinforme tegravecnic estructura elements i presentacioacute
74 Presentacioacute puacuteblica de lrsquoinforme
Metodologia i activitats formatives
Aquesta assignatura teacute els trets principals seguumlents
1 Srsquoenfoca molt directament a la pragravectica eacutes a dir tot el que es fa srsquoorienta a saber desenvolupar unaenquesta de principi a fi Es comenccedila preparant el projecte i srsquoacaba fent lrsquoexposicioacute puacuteblica delsresultats
2 Per poder dur a terme el punt anterior cal conegraveixer algunes quumlestions teograveriques que soacuten lrsquoobjectiudrsquoalgunes classes Eacutes habitual que es demani als estudiants que preparin el tema abans de classe Es fanavaluacions individuals i en grup per verificar si els coneixements srsquohan assolit correctament
3 Moltes de les classes es dediquen a les diferents fases de lrsquoactivitat pragravectica Es treballa en grups detres o quatre persones (obligatori) es duu a terme el treball de camp es va a lrsquoaula drsquoinformagravetica perintroduir les dades en suport informagravetic i per fer lrsquoinforme Al final els estudiants han de fer lespresentacions dels resultats davant la classe Durant tot el proceacutes lrsquoestudiant teacute el suport del professor
que lrsquoorienta
4 Es fa servir el Campus Virtual per concretar i donar detalls de totes les activitats del curs Eacutesimportant per tant que lrsquoestudiant hi entri regularment
5 Si ho estima necessari el professor pot passar un full de control drsquoassistegravencia a classe Srsquoenteacuten queuna assistegravencia irregular no permet assolir les competegravencies objecte de lrsquoassignatura ategraves que estreballen de manera intensa en les classes presencials
6 Algunes classes es dediquen a la tutoritzacioacute per grups Si el professor ho considera necessari es potdur a terme un desdoblament de manera que els estudiants poden tenir tutoria cada 15 dies
7 Com a consequumlegravencia del desplegament del projecte de foment de la qualitat docent que srsquoestagrave duent aterme a la Facultat drsquoEconomia i Empresa (impulsat des de la unitat de Recerca Innovacioacute i Millora de laDocegravencia i lrsquoAprenentatge (RIMDA) i el Vicerectorat de Docegravencia i Ordenacioacute Acadegravemica de la UB) durantels cursos 2018-2019 i 2019-2020 la metodologia docent drsquoalguns dels grups de lrsquoassignatura potquedar modificada respecte a la descrita anteriorment El detall drsquoaquesta metodologia es publica en elCampus Virtual a lrsquoinici de curs
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe La major part de lesactivitats soacuten en grup i es garanteix sempre que treballin tots els membres de lrsquoequip Cada grupdrsquoalumnes ha de dur a terme una investigacioacute de caragravecter socioeconogravemic a partir de dades obtingudesper enquesta i completar totes les etapes necessagraveries fins a arribar a conclusions
mdash Activitat 1 Plantejament de lrsquoestudi i disseny mostral cada grup suggereix una investigacioacute quesigui del seu interegraves i en defineix els objectius i la poblacioacute per estudiar Tot seguit proposa un dissenymostral que garanteixi una certa fiabilitat en els resultats Valor 5 de la nota final Data delliurament (aprox) 6 drsquooctubre
mdash Activitat 2 Disseny del quumlestionari cada grup dissenya el seu quumlestionari i nrsquoexplica lescaracteriacutestiques Valor 5 de la nota final Data de lliurament (aprox) 20 drsquooctubre
mdash Activitat 3 Treball de camp i generacioacute drsquoun fitxer de dades seguint el disseny mostral proposat esduen a terme les entrevistes per aconseguir les dades Posteriorment srsquointrodueixen les dades ensuport informagravetic i es genera un fitxer de dades codificat i etiquetat Valor 5 de la nota final Data delliurament (aprox) 5 de novembre
mdash Activitat 4 Anagravelisi estadiacutestica i presentacioacute de lrsquoinforme final fent servir el programa estadiacutesticSPSS es fa una anagravelisi estadiacutestica dels resultats i srsquoelabora una memograveria o informe amb les conclusionsValor 15 de la nota final Data de lliurament (aprox) 4 de desembre
mdash Activitat 5 Presentacioacute dels resultats de lrsquoestudi cal elaborar una presentacioacute en PowerPoint iexposar-la davant la resta de companys Valor 5 de la nota final Data (aprox) dues darreressetmanes del curs
Nota Tot el proceacutes drsquoelaboracioacute de lrsquoenquesta es tutoritza convenientment Els estudiants tenen lacolmiddotlaboracioacute del professor que ha drsquoestar assabentat en tot moment de lrsquoestat de lrsquoestudi i que vetllaperquegrave tots els membres dels equips treballin de forma igualitagraveria La nota drsquoaquestes activitats potdiferir entre els membres drsquoun mateix grup cas que hi hagi algun estudiant que no assisteixiregularment a classe o que no srsquoimpliqui en el treball en equip
mdash Prova final Serveix per comprovar que cada estudiant ha assolit coneixements suficients sobre lamategraveria del curs Valor 40 de la nota final Com a miacutenim lrsquoestudiant ha drsquoobtenir un 5 sobre 10perquegrave la nota drsquoaquesta prova faci mitjana amb la resta de notes del curs i pugui superar lrsquoassignaturaData la fixada pel Consell Docent
mdash El 25 restant de la qualificacioacute srsquoobteacute a partir del seguiment actiu i puntual de lrsquoassignaturaEs fan proves de seguiment individuals i en grup que srsquoanuncien amb antelacioacute per comprovar elcorrecte assoliment dels objectius de lrsquoassignatura Tambeacute es teacute en compte lrsquoassistegravencia i la participacioacuteactiva i respectuosa a classe
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
En cas que els canvis metodologravegics afectin el sistema drsquoavaluacioacute previst a lrsquoassignatura caldragrave tambeacutefer esment de les particularitats dels grups que se sotmetin al projecte
Avaluacioacute uacutenica
Aquesta opcioacute estagrave dissenyada per als estudiants que no assisteixen regularment a classe Tambeacute podenescollir-la la resta drsquoestudiants sempre que renunciiumln expliacutecitament a lrsquoavaluacioacute continuada tot i queno es recomana
En aquesta opcioacute es planteja un examen final que eacutes diferent i meacutes complet que la prova que fan elsalumnes que han seguit lrsquoavaluacioacute continuada Lrsquoestudiant ha de demostrar que coneix totes les etapesdrsquouna investigacioacute socioeconogravemica per enquesta i que sabria dur-la a la pragravectica Valor 100 de lanota final
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Disseny drsquoenquestes per a la investigacioacute social Barcelona Universitat deBarcelona 2011
ALVIRA Francisco La encuesta una perspectiva general metodoloacutegica Cuadernos Metodoloacutegicos Vol 352a ed rev Madrid CIS Centro de Investigaciones Socioloacutegicas 2011
AZOFRA Mariacutea Joseacute Cuestionarios Cuadernos Metodoloacutegicos Vol 26 Madrid Centro de InvestigacionesSocioloacutegicas 1999
DIacuteAZ DE RADA Vidal Organizacioacuten y gestioacuten de los trabajos de campo con encuestas personales ytelefoacutenicas Barcelona Ariel 2001
DIacuteAZ DE RADA Vidal Disentildeo y elaboracioacuten de cuestionarios para la investigacioacuten comercial MadridESIC 2001
FINK Arlene How to conduct surveys A step-by-step guide Thousand Oaks (CA) Sage 1998
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
REA Louis M et al Designing amp Conducting Survey Research A comprehensive Guide 3rd ed SanFrancisco Jossey- Bass 1992
RODRIacuteGUEZ Jacinto Meacutetodos de muestreo Cuadernos Metodoloacutegicos Vol 6 Madrid Centro deInvestigaciones Socioloacutegicas 2005
ROJAS Antonio et al (ed) Investigar mediante encuestas Madrid Siacutentesis 1998
Pagravegina web
Centro de Investigaciones Socioloacutegicas
Pagravegina web del Centro de Investigaciones Socioloacutegicas
Instituto Nacional de Estadiacutestica
Pagravegina web del Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Pagravegina web de lrsquoInstitut drsquoEstadiacutestica de Catalunya
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dExperiments
Codi de lassignatura 361230
Curs acadegravemic 2019-2020
Coordinacioacute Isaac Subirana Cachinero
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes especialment si soacuten deproblemesordinadors es desdoblen endiferents grups El professorat assigna elsestudiants als grups)
60
- Teoricopragravectica 40
- Pragravectiques dordinadors 20
Aprenentatge autogravenom 90
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Utilitzar aplicacions informagravetiques per a la resolucioacute de problemes matemagravetics
- Capacitat de construir un model matemagravetic en situacions simples de la realitat
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes que lrsquoalumnat conegui els principals dissenys i sigui capaccedildrsquoaplicar-los davant drsquouna situacioacute experimental concreta Estudiaragrave diferents tipus de dades realscorresponents a contextos diversos i ha de ser capaccedil de fer-ne una anagravelisi i obtenir-ne el magraveximdrsquoinformacioacute
Eacutes important que entengui el concepte de variabilitat experimental i que vegi lrsquoassignatura com elconjunt drsquoeines que permeten plantejar un experiment i despreacutes analitzar-lo estadiacutesticament pertal de controlar de manera eficient aquesta variabilitat experimental Eacutes per aixograve que davant decada disseny concret ha de comprendre quin eacutes lrsquoobjectiu i en quines situacions experimentals eacutesmeacutes adient
Referits a habilitats destreses
mdash Saber relacionar el pla experimental amb el model de disseny experimental corresponent
mdash Saber resoldre el disseny i interpretar-ne els resultats
mdash Conegraveixer els principals paquets estadiacutestics adients que permeten resoldre els dissenys
Blocs temagravetics
1 Dissenys amb factors fixos
11 Conceptes essencials en disseny drsquoexperiments
12 Comparacioacute de dos tractaments
13 Dissenys amb un factor
14 Dissenys amb blocs
15 Dissenys amb dos factors concepte drsquointeraccioacute
16 Dissenys 2K complets i fraccionals
2 Dissenys amb factors aleatoris i mixtos
21 Dissenys creuats fixos amb dos o meacutes factors
22 Dissenys creuats mixtos i aleatoris amb dos o meacutes factors
23 Dissenys jeragraverquics amb dos factors
24 Dissenys jeragraverquics amb meacutes de dos factors
25 Dissenys de mesures repetides
26 Comparacions muacuteltiples amb presegravencia de factors aleatoris
Metodologia i activitats formatives
Per a cadascun dels temes del programa els alumnes disposen drsquouna explicacioacute del professorat En lesclasses pragravectiques es plantegen diferents situacions experimentals en quegrave lrsquoestudiant ha drsquoidentificar eldisseny adient Per poder dur a terme les activitats programades srsquoexplica el programari necessariDurant les sessions presencials desdoblades es fan pragravectiques amb ordinador
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Els estudiants poden optar entre dues formes drsquoavaluacioacute una avaluacioacute continuada o una avaluacioacuteuacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acolliriquestse a lrsquoavaluacioacute uacutenica hande fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute continuada vol potenciar el treball continuat de lrsquoestudiant i facilitar un seguiment drsquoaquestaactivitat mitjanccedilant la interaccioacute alumnat-professorat
Les activitats drsquoavaluacioacute continuada obligatograveries soacuten
mdash Dues proves objectives al final de cada bloc (20 + 20 = 40 )
mdash Una prova final de siacutentesi (60 de la nota) La prova de siacutentesi es fa el mateix dia que la provadrsquoavaluacioacute uacutenica
La prova de reavaluacioacute teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica i srsquohi poden presentar totsels estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoexamen final consisteix en la resolucioacute de quumlestions i problemes i compta el 100 de la nota
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KUEHL Robert O Disentildeo de experimentos principios estadiacutesticos de disentildeo y anaacutelisis de investigacioacutenAustralia [etc] Madrid Thomson Learning 2001
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2011
BOX George E P et al Estadiacutestica para investigadores introduccioacuten al disentildeo de experimentos anaacutelisisde datos y construccioacuten de modelos Barcelona Reverteacute 1989
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Econometria
Codi de lassignatura 361238
Curs acadegravemic 2019-2020
Coordinacioacute Ramon Jose Alemany Leira
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes dominar les tegravecniques economegravetriques meacutes habitualsutilitzades avui en dia pels professionals tant de lrsquoeconomia i lrsquoempresa com drsquoaltres disciplinesen tasques de recerca aplicada
Conegraveixer i comprendre les eines i tegravecniques drsquoanagravelisi associades a la utilitzacioacute del model deregressioacute lineal muacuteltiple
Identificar les propietats dels diferents megravetodes drsquoestimacioacute del model de regressioacute lineal muacuteltiplei conegraveixer els avantatges i inconvenients de cadascun
Referits a habilitats destreses
Interpretar de manera rigorosa i correcta els resultats de lrsquoestimacioacute drsquoun model de regressioacutelineal muacuteltiple en les seves possibles especificacions
Identificar per a cada model particular quines de les hipogravetesis habituals drsquoestimacioacute soacuten meacutesraonables i quines ho soacuten menys
Valorar de manera criacutetica les conclusions que srsquoextreuen drsquoun model de regressioacute tenint encompte les propietats de les variables analitzades i les caracteriacutestiques de les dades disponibles
Aplicar les pautes de treball correctes en cadascuna de les etapes necessagraveries a lrsquohora drsquoutilitzarun model de regressioacute lineal muacuteltiple lrsquoespecificacioacute lrsquoestimacioacute la validacioacute i la interpretacioacute
Referits a actituds valors i normes
Desenvolupar lrsquointeregraves per lrsquoanagravelisi i la recerca aplicada basada en la utilitzacioacute de les tegravecniqueseconomegravetriques i de modelitzacioacute
Blocs temagravetics
1 Introduccioacute
11 Concepte i estrategravegia de la investigacioacute economegravetrica
12 Models econogravemics i models economegravetrics Components i tipologia
13 Etapes en la investigacioacute economegravetrica
2 El model de regressioacute lineal muacuteltiple especificacioacute i estimacioacute
21 Especificacioacute del model
22 Les hipogravetesis bagravesiques del model de regressioacute lineal muacuteltiple estagravendard
23 Estimacioacute per miacutenims quadrats ordinaris (MQO)
24 Propietats de lrsquoestimacioacute per MQO
25 Estimacioacute per magravexima versemblanccedila
3 El model de regressioacute lineal muacuteltiple validacioacute i prediccioacute
31 Mesures de bondat drsquoajust del model
32 Contrast drsquohipogravetesi
33 Estimacioacute amb restriccions lineals
34 Anagravelisi de la variagravencia
35 Prediccioacute puntual i per interval
4 Errors drsquoespecificacioacute i problemes amb les dades
41 Deteccioacute drsquoerrors a la manera funcional
42 Especificacioacute errogravenia de les variables explicatives
43 Permanegravencia versus canvi estructural
44 Multicolmiddotlinealitat
45 Deteccioacute de dades atiacutepiques i influents
5 Incompliment de les hipogravetesis bagravesiques del terme de pertorbacioacute
51 Matrius de variagravencies i covariagravencies escalars i no escalars
52 Estimacioacute per miacutenims quadrats ordinaris (MQO) i propietats
53 Estimacioacute per miacutenims quadrats generalitzats (MQG) i propietats
54 Estimacioacute per magravexima versemblanccedila i propietats
6 Heteroscedasticitat
61 Definicioacute i causes
62 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
63 Deteccioacute de lrsquoheteroscedasticitat
64 Estimacioacute per miacutenims quadrats generalitzats (MQG) i miacutenims quadrats ponderats
(MQP)
65 Inferegravencia i prediccioacute
7 Autocorrelacioacute
71 Definicioacute i causes
72 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
73 Deteccioacute de lrsquoautocorrelacioacute
74 Estimacioacute per miacutenims quadrats generalitzats (MQG)
75 Inferegravencia i prediccioacute
8 Models de variable dependent discreta
81 Model de probabilitat lineal
82 Model progravebit
83 Model logravegit
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials
mdash Classes de teoria amb lrsquoobjectiu de presentar les eines i les tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
mdash Classes de problemes amb lrsquoobjectiu de resoldre analitzar o discutir problemes basats en aquesteseines i tegravecniques
mdash Tallers a lrsquoaula drsquoinformagravetica per aplicar aquestes eines i tegravecniques a la resolucioacute de problemesconcrets a partir de dades determinades i amb la utilitzacioacute de programari especiacutefic
A meacutes es proposa que lrsquoalumnat elabori un total de tres pragravectiques de manera individual fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina drsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es basa en quatre tipus drsquoactivitats
a) Dues pragravectiques (5 cadascuna) Lrsquoobjectiu drsquoaquestes pragravectiques eacutes que a partir drsquoun conjunt dedades concret (proporcionat pel professorat) els estudiants responguin a un seguit de quumlestions per ales quals necessiten utilitzar les tegravecniques pregraveviament estudiades a classe Es posa egravemfasi sobretot enla interpretacioacute correcta dels resultats que srsquoobtenen Les pragravectiques es publiquen aproximadament aprincipi de marccedil i a principi de maig La data exacta de publicacioacute de lrsquoenunciat i la data liacutemit per a lapresentacioacute de cada pragravectica es publiquen en el Campus Virtual durant les dues primeres setmanes delcurs
b) Test de mig semestre (25 ) Al voltant de la meitat del semestre (set setmanes) es fa un test ambpreguntes curtes o de resposta muacuteltiple sobre aspectes teograverics i pragravectics La data exacta es comunica alrsquoinici del semestre
c) Tallers (5 ) Qualificacioacute en funcioacute de la participacioacute i les tasques dutes a terme en els tallers
d) Una prova escrita amb una ponderacioacute del 60 en relacioacute amb la nota final Per superar
lrsquoassignatura eacutes imprescindible obtenir una puntuacioacute miacutenima en aquesta prova de 3 sobre 10independentment de la qualificacioacute obtinguda en les pragravectiques el test i els tallers
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consta de dues partsa) Un examen escritb) Un exercici pragravectic amb lrsquoordinador
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GREENE William H Anaacutelisis economeacutetrico Madrid Prentice Hall 1999
WOOLDRIDGE Jeffrey M Introduccioacuten a la Econometriacutea Un enfoque moderno 4a ed revisada CengageLearning 2016
STOCK James Het al Introduccioacuten a la Econometriacutea 3a ed Madrid Pearson 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Descriptiva
Codi de lassignatura 361196
Curs acadegravemic 2019-2020
Coordinacioacute Manuela T Alcantildeiz Zanon
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Assistegravencia regular a classe Es considera que lrsquoestudiant hi ha assistit amb regularitat si ho ha fetalmenys al 80 de les sessions presencials
mdash Seguiment de lrsquoavaluacioacute continuada Aquest megravetode drsquoaprenentatge posa lrsquoaccent en la formacioacutede lrsquoestudiant al llarg del curs i no nomeacutes en lrsquoavaluacioacute entesa com a assignacioacute drsquouna qualificacioacute Pertant el seu seguiment eacutes del magravexim interegraves per assolir un autegraventic coneixement de la mategraveria
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els estadiacutestics de siacutentesi meacutes habituals dins del conjunt drsquoeines i tegravecniquesenglobades en el que srsquoanomena de forma genegraverica estadiacutestica descriptiva mdash Comprendre la utilitat els avantatges i els inconvenients de cadascun drsquoaquests estadiacutesticsaixiacute com conegraveixer en quines situacions eacutes meacutes adequat drsquoutilitzar-ne cadascun mdash Saber calcular aquests estadiacutestics mdash Aprendre a organitzar representar analitzar i sintetitzar un conjunt de dades usant elsmegravetodes gragravefics tabulars i numegraverics meacutes adients per a cada tipologia de variable i de dades mdash Interpretar de forma rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignaturamdash Seleccionar lrsquoestadiacutestic de siacutentesi meacutes adequat en cada situacioacute
Referits a habilitats destreses
mdash Adquirir els hagravebits adequats en relacioacute amb el tipus de raonament que srsquoutilitza en lrsquoanagravelisiestadiacutestica mdash Desenvolupar un cert esperit criacutetic en relacioacute amb les eines i tegravecniques presentades per taldrsquoidentificar-ne les limitacions drsquoacord amb lrsquoanagravelisi de problemes concrets aplicats
Blocs temagravetics
1 Introduccioacute
11 Conceptes bagravesics
Objecte de lrsquoestadiacutestica descriptiva
Poblacioacute i mostra
Tipus de variables
2 Anagravelisi de dades unidimensionals
21 Representacioacute gragravefica i tabular de dades
Tipus de dades
Tabulacioacute de dades unidimensionals
Megravetodes gragravefics per a la representacioacute de dades
22 Mesures de siacutentesi per a dades quantitatives univariants (I)
Mesures de posicioacute o tendegravencia central
Moments potencials
Mesures de dispersioacute
Mesures de localitzacioacute
23 Mesures de siacutentesi per a dades quantitatives univariants (II)
Mesures drsquoasimetria
Mesures drsquoapuntament o curtosi
Mesures de concentracioacute
Mesures per a dades agrupades en intervals
3 Anagravelisi de dades multidimensionals
31 Dades multidimensionals
Matriu de dades
Taules de creuament distribucions de frequumlegravencies (conjunta marginals i
condicionades)
Associacioacute entre dades quantitatives bidimensionals matriu de variagravencies i
covariagravencies i matriu de correlacions
Associacioacute entre dades quantitatives multidimensionals
Associacioacute entre dades qualitatives en escala nominal
Associacioacute entre dades qualitatives en escala ordinal
32 Model de regressioacute lineal
Descripcioacute drsquouna relacioacute entre variables
Especificacioacute del model de regressioacute lineal simple
Ajust per miacutenims quadrats ordinaris
Bondat drsquoajust Coeficient de determinacioacute
4 Altres indicadors estadiacutestics
41 Altres indicadors
Nombres iacutendexs iacutendexs simples i compostos
Nombres iacutendexs econogravemics
Deflacioacute
Taxes de variacioacute
Metodologia i activitats formatives
El megravetode docent es basa principalment en tres tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques Per a un millor aprofitament de les classes de problemes la professora potdesdoblar el grup en dos si ho considera necessari
3 Sessions de classe inversa (flipped classroom) La professora demana pregraveviament a la classe lrsquoestudidrsquoun material En comenccedilar la classe lrsquoestudiant fa una prova individual sobre la temagravetica estudiadaDespreacutes els estudiants es reuneixen en grups per discutir la mateixa prova i algun problema en grup Esdiscuteixen els resultats i srsquoaclareixen els punts on srsquoha trobat meacutes dificultat Aquesta activitat eacutesavaluable
A meacutes a meacutes es proposa als estudiants un conjunt de pragravectiques que han de fer en equips i fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de diferentsactivitats que es duen a terme al llarg del curs
a) Pragravectiques
Pragravectica 1 Els estudiants srsquohan drsquoagrupar en equips de 3-4 persones i crear una base de dades del seuinteregraves Despreacutes han de fer una explotacioacute descriptiva de les dades que contingui diferents mesures desiacutentesi gragravefics taules de frequumlegravencies etc Els estudiants han de presentar un informe escrit amb elsresultats obtinguts Valor 75 de la nota final Data de lliurament (aprox) 11 de novembre de2019
Pragravectica 2 Cada grup ha de proposar un model de regressioacute lineal fer diferents prediccions i valorar-neel grau de fiabilitat Valor 75 de la nota final Data de lliurament (aprox) 3 de gener de 2020
b) Sessions de classe inversa (flipped classroom)
Srsquoavaluen les proves individuals les proves en grup i els problemes i activitats complementagraveries de lessessions de classe inversa Valor 10 de la nota final Data diverses sessions al llarg del curs quesrsquoanuncien amb antelacioacute suficient
c) Dues proves escrites que consisteixen en la resolucioacute drsquoun conjunt de problemes i quumlestionsteograveriques
mdash Una prova de seguiment del curs Consta de 10 preguntes de tipus test que permeten alrsquoestudiant valorar el seu grau drsquoassimilacioacute de la mategraveria Valor 20 de la nota final Dataaproximada 13 de novembre de 2019
mdash Una prova final Valor 55 de la nota final Srsquoha de treure com a miacutenim un 4 perquegrave sigui
possible fer la mitjana amb la resta de notes del curs Data la fixada pel Consell Docent
La nota final de lrsquoestudiant eacutes el valor magravexim entre la nota calculada amb els percentatges anteriors ila nota obtinguda a la prova final
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova pot ser diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en les dates fixades pel Consell Docent
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Problemes drsquoEstadiacutestica Descriptiva Textos Docents nuacutem 389 BarcelonaUniversitat de Barcelona 2014
BARDINA Xavier et al Estadiacutestica Descriptiva Bellaterra Universitat Autogravenoma de Barcelona Servei dePublicacions 2009
CASTILLO Isabel et al Estadiacutestica descriptiva y caacutelculo de probabilidades Madrid Pearson 2006
FERNAacuteNDEZ Santiago et al Estadiacutestica descriptiva 2 ed rev y actualizada Madrid ESIC 2002
FERNAacuteNDEZ Carlos et al Curso de estadiacutestica descriptiva teoriacutea y praacutectica Barcelona Ariel 1995
HERNAacuteNDEZ Agustiacuten Curso elemental de Estadiacutestica Descriptiva Madrid Piraacutemide 2008
MARTIacuteN -GUZMAacuteN Pilar et al Manual de Estadiacutestica Descriptiva Cizur Menor Aranzadi 2006
MARTIacuteN Francisco Javier Introduccioacuten a la estadiacutestica econoacutemica y empresarial teoriacutea y praacutectica MadridAC-Thomson 2004
MONTERO J Mariacutea Estadiacutestica Descriptiva Madrid Thomson 2007
MONTERO J Mariacutea Problemas resueltos de Estadiacutestica Descriptiva para Ciencias Sociales MadridThomson 2007
MURES Mordf Jesuacutes et al Problemas de estadiacutestica descriptiva aplicada a las ciencias sociales MadridPearson Prentice Hall 2004
TOMEO Venancio et al Estadiacutestica Descriptiva Madrid Garceta Grupo Editorial 2009
Text electrogravenic
ALCANtildeIZ Manuela et al Concentracioacuten curva de Lorenz e iacutendice de Gini Colmiddotleccioacute OMADO DipogravesitDigital de la Universitat de Barcelona
ESPEJO I et al Estadiacutestica Descriptiva y Probabilidad 3a ed Caacutediz Servicio de PublicacionesUniversidad de Caacutediz 2011
Es pot descarregar Conteacute teoria i nombrosos exercicis resolts drsquoestadiacutesticadescriptiva
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Industrial
Codi de lassignatura 361250
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER TORT-MARTORELL LLABRES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 30
Treball tutelatdirigit
(Resolucioacute de casos pragravectics)30
Aprenentatge autogravenom
(Lectura siacutentesi i presentacioacute oral drsquoarticlesi capiacutetols de llibres)
60
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica per a la Gestioacute de laQualitat Software Estadiacutestic i Disseny drsquoExperiments
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
Es preteacuten que lrsquoestudiant sigui capaccedil de dissenyar i implementar un pla drsquoexperimentacioacute per talde descobrir com una segraverie de variables (controlables o no) drsquoun proceacutes afecten una caracteriacutesticade qualitat drsquointeregraves Tambeacute es preteacuten que lrsquoestudiant entengui la importagravencia de lluitar contra lavariabilitat per millorar la qualitat sagravepiga caracteritzar la variabilitat drsquoun proceacutes i coneguitegravecniques per reduir la variabilitat i mantenir-la en els nivells miacutenims Concretament en acabar elcurs els estudiants han de ser capaccedilos de
bull Seleccionar dissenys que permetin analitzar el comportament drsquoun producte o un proceacutes tantpel que fa a la mitjana com a la variagravencia transmesa per factors no controlables
bull Analitzar lrsquoefecte dels factors de control i soroll en la resposta drsquointeregraves i seleccionar lescondicions meacutes robustes
bull Seleccionar dissenys que permetin explorar la superfiacutecie de resposta amb polinomis de segonordre (disseny central compost disseny de Box-Behnken etc)
bull Explorar la regioacute drsquointeregraves de les variables experimentals que maximitzin (minimitzin) laresposta i estudiar la naturalesa de la superfiacutecie
bull Dissenyar experiments reals i implementar-los seguint una estrategravegia sequumlencial des delplantejament del pla experimental fins a lrsquoelaboracioacute de conclusions
bull Entendre com funcionen els gragravefics de control sofisticats i fer-los servir
bull Implantar un control estadiacutestic de processos en un proceacutes real tenint en compte la naturalesadel proceacutes i els costos associats
bull Fer estudis de repetibilitat i reproductibilitat per garantir que el sistema de mesura que es faservir en un proceacutes eacutes adequat
Referits a habilitats destreses
bull Treure informacioacute drsquointeregraves i aprendre a partir de llibres i articles
bull Treballar en grups per consensuar decisions i solucionar problemes de manera conjunta
bull Treballar en equip per consensuar decisions i solucionar problemes de manera conjunta
bull Comunicar idees i resultats de manera eficaccedil tant per escrit com oralment
Blocs temagravetics
1 Metodologia de millora sis sigma
Necessitat de la millora Aspectes organitzatius rols i responsabilitats Metodologia de milloraetapes Objectius i tasques de cadascuna de les cinc etapes definir mesurar analitzarmillorar i controlar Estudis de repetibilitat i reproductibilitat (RampR) Casos i exercicis
2 Disseny drsquoexperiments a la induacutestria i metodologia de superfiacutecie de resposta
Importagravencia de lrsquoexperimentacioacute en un entorn industrial Repagraves de dissenys factorials a dosnivells Bloqueig en dissenys factorials Punts centrals Superfiacutecie de resposta fent servirpolinomis de primer grau Uacutes de lrsquolaquosteepest ascentraquo per a lrsquoaproximacioacute a la regioacute drsquointeregravesSuperfiacutecie de resposta fent servir polinomis de segon grau Dissenys central compost i deBox-Bhenken Adequacioacute del model
3 Control estadiacutestic de processos monitoratge i ajust
Seleccioacute dels gragravefics de control adequats segons la variable que srsquoha de monitorar Conceptede subgrup racional i ARL Limitacions dels gragravefics de control de Shwart Dadesautocorrelacionades i processos no estacionaris Prediccions fent servir un model EWMA Ajustcontinu i ajust periogravedic de processos no estacionaris
4 Casos pragravectics drsquoaplicacioacute de lrsquoestadiacutestica en la induacutestria i en els serveis
Cas dels tubs de silicona Cas de la caixa cooperativa professional
Metodologia i activitats formatives
Teoria Exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Pragravectiques Resolucioacute de problemes i casos pragravectics Es proposen activitats per fer fora de les hores declasse
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Exercicis de seguiment de lrsquoassignatura 15
Casos pragravectics 35
Examen final 50
Avaluacioacute uacutenica
Examen final
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Statistics for experimenters design innovation and discovery 2nd ed HobokenWiley Interscience 2005
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2002
MYERS Raymond H et al Response surface methodology process and product optimization HobokenWiley Interscience 2009
HAHN Gerald J et al The role of statistics in business and industry Hoboken New Jersey Wiley 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Megravedica
Codi de lassignatura 361249
Curs acadegravemic 2019-2020
Coordinacioacute Erik Cobo Valeri
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 48
- Pragravectiques de problemes 8
- Pragravectiques dordinadors 4
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha drsquoestar disposat a adquirir progressivament competegravencies i habilitats especificades alrsquoentrada statistical consulting de lrsquoEnciclopegravedia en Ciegravencies Estadiacutestiques
Requisits
361231 - Models Lineals (Recomanada)
361237 - Estadiacutestica per a les Biociegravencies (Recomanada)
361232 - Anagravelisi Multivariant (Recomanada)
361234 - Models Lineals Generalitzats (Recomanada)
361214 - Software Estadiacutestic (Recomanada)
361221 - Inferegravencia Estadiacutestica (Recomanada)
361230 - Disseny dExperiments (Recomanada)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
bull Identificar i utilitzar correctament la terminologia bagravesica dels estudis empiacuterics en ciegravencies de lasalut
bull Distingir entre associacioacute i causalitat i entre estimacioacute drsquoefectes drsquointervencions definides icerca de causes
bull Interpretar i utilitzar correctament les principals guies de publicacioacute de recerca en salut(CONSORT SPIRIT PRISMA STROBE STARD TRIPOD)
bull Valorar criacuteticament els resultats de recerca en ciegravencies de la salut
bull Conegraveixer els entorns laborals en ciegravencies de la salut que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Referits a habilitats destreses
bull Aplicar les tegravecniques estadiacutestiques en estudis empiacuterics en ciegravencies de la salut i interpretar-necorrectament els resultats
bull Aplicar les tegravecniques estadiacutestiques a estudis observacionals i experimentals en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques de model lineal generalitzat a estudis en ciegravencies de la salut iinterpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques aplicades a la revisioacute sistemagravetica drsquoestudis en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis empiacuterics en ciegravencies de la salut
bull Fer una valoracioacute criacutetica drsquoun article cientiacutefic pel que fa als objectius megravetodes resultats ilimitacions trobades
Referits a actituds valors i normes
bull Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis empiacuterics en ciegravencies de la salut
Blocs temagravetics
1 Entorn de treball
11 Objectius de salut i tipus drsquoestudis
12 Aspectes egravetics Interaccioacute amb els investigadors
13 Regressioacute a la mitjana evolucioacute natural i efecte placebo
2 Dissenys experimentals per avaluar intervencions Revisions sistemagravetiques
21 Assajos cliacutenics Determinacioacute de la mida mostral Desviacions i dades no disponibles
Riscos de biaix
22 Dissenys amb intercanvi (cross-over)
23 Genegraverics Plantejament drsquoequivalegravencia
24 Revisions sistemagravetiques Metanagravelisi
3 Causalitat
31 Prediccioacute en front drsquointervencioacute
32 Estimacioacute drsquoefectes enfront de cerca de causes
33 Diadrames aciacuteclics Bloqueig Aplicacioacute a la confusioacute drsquoefectes i al biaix de seleccioacute
34 Ponderacioacute per la inversa de la probabilitat (IPW)
4 Dissenys observacionals
41 Tipus drsquoestudis epidemiologravegics estudis de cohort estudis cas-control i estudis
transversals
42 Mesures de frequumlegravencia de malalties i epidegravemies prevalenccedila incidegravencia acumulada i
taxa drsquoincidegravencia
43 Mesures drsquoassociacioacute diferegravencia de riscos (absolut atribuiumlble) quocient de riscos
(relatiu) quocient drsquooportunitats (odds ratio) i quocient de taxes (hazard ratio)
44 Diagnogravestic Probabilitats diagnogravestiques Corba del receptor (ROC)
45 Models pronogravestics Logiacutestic i de Cox Capacitat de discriminacioacute Calibracioacute
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions
Al comenccedilament de cada tema el professor fa una presentacioacute inicial i ofereix documentacioacute perquegrave elsalumnes elaborin alguns conceptes
En paralmiddotlel lrsquoestudiant prepara mdashindividualment o en grupsmdash aspectes complementaris dels temesexposats i es discuteixen passat un temps a classe
El professor tambeacute proposa dades i eines per treballar-les
Lrsquoalumnat hi treballa de forma guiada i nrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es duu a terme a traveacutes de tres elements
mdash Problemes per a cada bloc (410 )
mdash Informe escrit i presentacioacute oral drsquoun treball pragravectic (20 )
mdash Dues proves de siacutentesi en acabar els blocs 2 i 4 (220 )
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi Aquesta data es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Examen final que inclou exercicis de tots els tipus
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
SENN Stephen Statistical issues in drug development 2nd ed Chichestr Wiley-Blackwell 2007
PIANTADOSI Steven Clinical Trials a methodologic perspective Hoboken NJ Wiley-Interscience 2005
JEWELL Nicholas Statistics for Epidemiology Boca Raton [Fla] [etc] Chapman amp HallCRC 2004
Pagravegina web
Causality book Miquel Hernaacuten amp Jamie Robbins
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a la Gestioacute de la Qualitat
Codi de lassignatura 361235
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques dordinadors 225
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica DescriptivaIntroduccioacute a la Probabilitat i Introduccioacute a la Inferegravencia Estadiacutestica
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Prendre consciegravencia de la importagravencia i de les possibilitats de lrsquoestadiacutestica en el context de lagestioacute de la qualitat mdash Conegraveixer i saber aplicar les tegravecniques fonamentals
Capacitats a adquirir mdash Entendre i prendre consciegravencia de per quegrave lrsquoestadiacutestica eacutes una eina important en la gestioacute de laqualitatmdash Identificar en quines situacions poden ser uacutetils les eines per a la millora de la qualitat i saber-les utilitzar adequadamentmdash Plantejar i realitzar estudis de capacitat Conegraveixer quegrave soacuten i com es calculen els iacutendexs decapacitatmdash Conegraveixer el paper dels gragravefics de control en la lluita contra la variabilitat Saber com esconstrueixen i com srsquointerpreten els gragravefics drsquouacutes meacutes habitualmdash Entendre i saber calcular els riscos inherents a qualsevol pla de mostreig Construir iinterpretar la corba caracteriacutestica drsquoun pla de mostreigmdash Conegraveixer les tegravecniques meacutes habituals per a la planificacioacute de la qualitat
Blocs temagravetics
1 Introduccioacute a la gestioacute de la qualitat
Quegrave eacutes la qualitat El control de la qualitat evolucioacute histograverica Gestioacute de la qualitat Latrilogia de Juran El paper de lrsquoestadiacutestica en la gestioacute de la qualitat Lrsquoassignatura en elcontext de la carrera
2 Millora de la qualitat
Quegrave eacutes la millora La definicioacute del projecte i dels objectius Metodologia per a la millora Lesset eines bagravesiques drsquoIshikawa plantilles histogrames diagrames de Pareto diagramescausa-efecte diagrames bivariants estratificacioacute gragravefics de control Habilitats el treball enequip Introduccioacute a la metodologia de millora sis sigma
3 Variabilitat causes i mesura
Concepte de variabilitat Causes comunes i causes assignables Tractament probabiliacutestic deles causes comunes la llei normal Estudis de capacitat a curt i llarg termini Iacutendexs decapacitat Llenguatge sis sigma
4 Control estadiacutestic de processos
Estrategravegies en la lluita contra la variabilitat Control estadiacutestic de processos com i per quegraveGragravefics de control per variables gragravefics Xbarra-R Altres gragravefics de control per variablesGragravefics de control per atributs P NP Altres gragravefics de control per atributs
5 Inspeccioacute per mostreig
Quegrave eacutes la inspeccioacute per mostreig Quegrave eacutes un pla de mostreig Risc del comprador i risc delvenedor Cagravelcul dels riscos Corba caracteriacutestica drsquoun pla de mostreig Disseny de plans demostreig Normes MIL-STD 105 D
6 Eines per a la planificacioacute
La veu del client El model de Kano QFD la casa de la qualitat Anticipar-se a lrsquoaparicioacute dedefectes lrsquoAMFE Sistemes antierror Poka-Yoke Quegrave eacutes un producte robust Introduccioacute almodel EFQM i ISO
Metodologia i activitats formatives
Teoria exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Problemes i pragravectiques resolucioacute de problemes i casos pragravectics Es proposen problemes per fer foradrsquohores de classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
NF = 025NAC + 035NEP + 040NEF (cal una nota miacutenima de 4 a la NEF per fer la ponderacioacute encas contrari NF = NEF)
NF nota finalNAC nota drsquoavaluacioacute continuada (exercicis que els estudiants han de lliurar al llarg del curs)NEP nota de lrsquoexamen parcialNEF nota de lrsquoexamen final
En lrsquoexamen final entra tota la mategraveria del curs
Avaluacioacute uacutenica
Un uacutenic examen en quegrave entra tota la mategraveria La nota obtinguda en aquest examen eacutes la nota delrsquoassignatura Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacuteuacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MONTGOMERY Douglas C Introduction to Statistical Quality Control 5th ed Chichester John Wiley 2005
Estadiacutestica con MINITAB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a les Biociegravencies
Codi de lassignatura 361237
Curs acadegravemic 2019-2020
Coordinacioacute Esteban Vegas Lozano
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 36
- Pragravectiques de problemes 16
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes convenient que lrsquoestudiant disposi de les competegravencies i habilitats que srsquoespera que tingui al final delsegon curs del grau drsquoEstadiacutestica
Requisits
mdash Probabilitat i Inferegravenciamdash Estadiacutesticamdash Anagravelisi Multivariant
mdash Model Linealmdash Coneixement del llenguatge de R
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
[A] Identificar i utilitzar correctament la terminologia bagravesica dels estudis de biociegravencies biologiabiomedicina i bioinformagravetica ecologia genegravetica i biodiversitat
[B] Enunciar les tegravecniques estadiacutestiques meacutes rellevants en estudis de biociegravencies
[C] Aplicar les tegravecniques estadiacutestiques en estudis de biociegravencies i interpretar-ne correctament elsresultats
[D] Conegraveixer les especialitats megravediques meacutes rellevants i els seus tipus drsquoestudis i variables meacutesusuals
[E] Conegraveixer alguns termes i conceptes de biologia molecular aixiacute com algunes de les tecnologiesemprades en experiments de biologia i biomedicina
[F] Aprendre els processos usuals per a lrsquoanagravelisi de dades drsquoalt rendiment
[G] Conegraveixer i interpretar les mesures estadiacutestiques generals de diversitat i la seva relacioacute amb labiodiversitat en ecologia i en genegravetica
[H] Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis de biociegravencies
[I] Potenciar la capacitat de reflexioacute i criacutetica mitjanccedilant el treball amb conjunts de dades drsquoestudisde biociegravencies
[J] Aprendre a redactar un informe que contingui els objectius megravetodes i resultats aixiacute com unavaloracioacute criacutetica de les limitacions trobades
[K] Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis en les biociegravencies
[L] Conegraveixer els entorns laborals en biociegravencies que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Blocs temagravetics
1 Estadiacutestica i bioinformagravetica
11 Biomolegravecules biomedicina i malalties
mdash Les molegravecules de la vida ADN i proteiumlnes dogma central expressioacute gegravenica
mdash Biomedicina i bases moleculars drsquoalgunes malalties (el cagravencer o malalties
immunes)
mdash Exemples i estudi drsquoun cas medicina personalitzada
12 Introduccioacute a algunes eines de la biotecnologia
mdash La bioinformagravetica
mdash Anagravelisi de lrsquoexpressioacute gegravenica microarrays (matrius)
mdash Altres tegravecniques drsquoobtencioacute de dades drsquoalt rendiment sequumlenciacioacute i proteogravemica
mdash Exemples i estudi de casos eines bioinformagravetiques per a lrsquoexplotacioacute de bases de
dades biologravegiques
13 Anagravelisi de dades drsquoalt rendiment anagravelisi de matrius drsquoexpressioacute gegravenica
mdash Preprocessament i control de qualitat
mdash Normalitzacioacute
mdash Seleccioacute de gens diferencialment expressats
mdash Classificacioacute i prediccioacute amb dades drsquoalt rendiment
mdash Exemples i estudi drsquoun cas seleccioacute de gens associats amb cagravencer de mama
2 Estadiacutestica i biodiversitat
21 Introduccioacute a la diversitat
mdash Mesures estadiacutestiques de diversitat Lrsquoiacutendex de Simpson i lrsquoiacutendex de Shannon
22 Biodiversitat en ecologia
mdash Conceptes bagravesics drsquoecologia espegravecie ecosistema niacutenxol hagravebitat riquesa
drsquoespegravecies iacutendex de diversitat abundagravencia etc
mdash Gragravefics per a la representacioacute de dades de diversitat la distribucioacute de les
frequumlegravencies i el diagrama de rang-abundagravencia
mdash Models estadiacutestics per a la diversitat drsquoespegravecies log-segraverie de Fisher el model log-
normal la segraverie geomegravetrica el model del bastoacute trencat de McArthur
mdash Les mesures de diversitat drsquoespegravecies la riquesa drsquoespegravecies lrsquoiacutendex de Simpson
lrsquoiacutendex de Shannon
mdash Estimacioacute de la riquesa drsquoespegravecies la corba drsquoacumulacioacute drsquoespegravecies estimadors
paramegravetrics i no paramegravetrics de la riquesa
mdash Incertesa en lrsquoestimacioacute de la diversitat El jackknife
mdash Exemples
23 Biodiversitat en genegravetica
mdash Conceptes bagravesics de genegravetica cromosomes locus gens i almiddotlels genotips
haplotips marcadors dominants codominants i recessius microsategravelmiddotlits i SNP
polimorfismes frequumlegravencies almiddotlegraveliques i genotiacutepiques heterozigositat observada i
esperada equilibri genegravetic (Hardy-Weinberg i desequilibri de lligament) Estadiacutestics
per mesurar desequilibri
mdash Les mesures de la diversitat gegravenica Percentatge de locus polimograverfics nombre
efectiu drsquoalmiddotlels riquesa drsquoalmiddotlels heterozigositat esperada Lrsquoiacutendex de Simpson i
lrsquoiacutendex de Shannon
mdash Anagravelisi de la diversitat gegravenica entre i dins de poblacions els iacutendexs de Nei i els
estadiacutestics F de Wright
mdash Exemples
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions Alcomenccedilament de cada tema el professorat fa una presentacioacute inicial i ofereix documentacioacute perquegravelrsquoalumnat elabori alguns conceptes
Paralmiddotlelament els alumnes preparen individualment o en grups aspectes complementaris dels temesexposats que es discuteixen passat un temps a classe
Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Eacutes elprofessorat qui assigna els estudiants als grups
El professorat tambeacute proposa dades i eines per treballar-les I lrsquoalumnat hi treballa de forma guiada inrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi en acabar cada bloc (45 )mdash Pragravectiques de laboratori i exercicis per lliurar per a cada bloc (30 )mdash Un treball pragravectic (25 )
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir‐se a lrsquoavaluacioacute uacutenica han de fer‐hoabans de la data que srsquoestableix i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi i treball que engloben els continguts dels blocs (70 )mdash Prova de laboratori sobre els continguts dels blocs (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
COHEN William W A computer Scientistrsquos guide to cell biology a travelogue from a stranger in a strangeland Pittsburgh Springer 2007
Recomanat per al bloc 1
GASTON Kevin J et al Biodiversity an introduction 2nd ed Oxford Blackwell Science 2004
Recomanat per al bloc 2
GIBSON Greg et al A primer of genome science 3rd ed Sunderland Mass Sinauer Associates 2009
Recomanat per al bloc 1
KJRIJNEN H Applied Statistics for Bioinformatics (pdf)
Recomanat per al bloc 1
LOWE Andrew et al Ecological genetics design analysis and application Malden (Mass) Blackwell2004
Recomanat per al bloc 2
PEVSNER Jonathan Bioinformatics and Functional Genomics Hoboken NJ Wiley-Blackwell 2009
Recomanat per al bloc 1
MAGURRAN Anne E Measuring biological diversity Malden Blackwell 2004
Recomanat per al bloc 2
Rafael A Irizarry and Michael I Love Data Analysis for the Life Sciences with R Chapman and HallCRC2016
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Puacuteblica
Codi de lassignatura 361236
Curs acadegravemic 2019-2020
Coordinacioacute ROGER ROCA SAQUERO
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Materials de referegravencia complementaris
A mesura que avanccedila el temari srsquoindiquen els recursos en liacutenia corresponents
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Aula convencional) 30
- Pragravectiques dordinadors
(Aula drsquoinformagravetica) 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Consulta permanent durant el periacuteode de docegravencia dels materials i continguts que es publiquen en elCampus Virtual Tambeacute es recomana fer seguiment de lrsquoactualitat econogravemicamdash Coneixement drsquoanglegraves (a nivell de lectura com a miacutenim)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes conegraveixer les fonts estadiacutestiques oficials aixiacute com lesprincipals operacions estadiacutestiques que elaboren
Pel que fa a les fonts estadiacutestiquesmdash Conegraveixer els objectius la metodologia el tipus de dades la problemagravetica i les principals einesassociades a les diferents fonts estadiacutestiquesmdash Conegraveixer fonts estadiacutestiques oficials drsquoagravembit autonogravemic estatal i internacionalmdash Conegraveixer la legislacioacute estadiacutestica bagravesica
Pel que fa a les operacions estadiacutestiquesmdash Conegraveixer les principals caracteriacutestiques i la metodologia de les operacions estadiacutestiquesmdash Conegraveixer les dades i el tipus drsquoinformacioacute que generen les operacions estadiacutestiques oficials
Referits a habilitats destreses
mdash Identificar i saber seleccionar les fonts estadiacutestiques meacutes adequades en funcioacute de lrsquoobjectiu delrsquoanagravelisi proposadamdash Analitzar interpretar i sintetitzar dades i discernir quina eacutes la informacioacute rellevant en funcioacutedels objectius de lrsquoanagravelisimdash Desenvolupar les capacitats comunicatives (expressioacute escrita i oral)
Referits a actituds valors i normes
mdash Desenvolupar la capacitat de relacionar lrsquoestadiacutestica amb altres disciplinesmdash Desenvolupar les capacitats drsquoaprenentatge i responsabilitatmdash Desenvolupar la capacitat de treballar en equip
Blocs temagravetics
1 (Bloc 1) Introduccioacute
11 Estadiacutestica oficial
12 Instituts drsquoestadiacutestica oficial Idescat INE i Eurostat
13 Lleis i reglaments de lrsquoestadiacutestica oficial
2 (Bloc 1) Metodologia de les fonts estadiacutestiques oficials
21 Fases de la produccioacute estadiacutestica
22 Recollida drsquoinformacioacute quumlestionaris i altres instruments
23 Disseny de mostres a les fonts estadiacutestiques oficials
24 Resultats obtencioacute i formes de publicacioacute
25 Qualitat de les operacions estadiacutestiques
3 (Bloc 1) Dades massives (big data) i ciutats intelmiddotligents (smart cities)
31 Dades massives (big data) per al desenvolupament
32 Ciutats intelmiddotligents
4 (Bloc 2) Estadiacutestiques demogragravefiques
41 Introduccioacute
42 Canvis demogragravefics
43 Estructura de les llars i famiacutelies
44 Caracteriacutestiques i condicions dels habitatges
45 Poblacioacute estrangera
46 Mobilitat geogragravefica
47 Envelliment
48 Projeccions de poblacioacute
5 (Bloc 2) Estadiacutestiques del mercat laboral
51 Poblacioacute activa
52 Poblacioacute ocupada
53 Poblacioacute aturada
54 Mograveduls de lrsquoEPA
55 Estadiacutestiques drsquoofertes de feina
56 Retribucions i costos laborals
6 (Bloc 2) Estadiacutestiques de consum i de preus
61 Nombres iacutendex (teoria i pragravectica)
62 Estadiacutestiques de preus europees
63 Inflacioacute i deflacioacute
Metodologia i activitats formatives
Internet eacutes una eina central per al desenvolupament de lrsquoassignatura per aquesta raoacute la major part deles sessions presencials es desenvolupen a lrsquoaula drsquoinformagravetica Es potencia el treball en xarxa mitjanccedilant lrsquouacutes drsquoeines en liacutenia (Campus Virtual etc)
Es treballa amb materials en catalagrave castellagrave i anglegraves Srsquoatorga molta importagravencia a les lectures i alrsquoexpressioacute escrita
Es combinen diverses metodologies drsquoaprenentatge com ara classes magistrals classes expositivestreball en grup (escrit i oral) cerca drsquoinformacioacute i exercicis pragravectics
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per a lrsquoalumnat que assisteix regularment a classe Esrecomana una assistegravencia miacutenima del 80 de les sessions
Activitats drsquoavaluacioacute
mdash Prova escrita 1 temes 1 2 i 3 (25 punts)
mdash Prova escrita 2 temes 4 5 i 6 (25 punts)
mdash Pragravectica colmiddotleccioacute drsquoexercicis treballats a classe (2 punts)
mdash Treball article drsquoanagravelisi siacutentesi i interpretacioacute de dades procedents de diferents fonts estadiacutestiquesoficials Grups de tres a cinc persones Article i presentacioacute oral (3 punts)
Qualificacioacute global
Lrsquoassignatura se supera si la suma de les quatre evidegravencies (proves o activitats) eacutes igual o superior a 5En cas contrari lrsquoestudiant ha de fer la prova drsquoavaluacioacute uacutenica No es guarda cap nota
Nombre miacutenim drsquoevidegravencies (proves o activitats) que calen per tenir qualificacioacute 3 Si no srsquoarriba aaquest miacutenim llavors la qualificacioacute final eacutes laquono presentatraquo
Calendari
mdash Prova escrita 1 en finalitzar el tema 3
mdash Prova escrita 2 en finalitzar el tema 6
mdash Pragravectica es treballaragrave com a miacutenim una pragravectica per cada tema treballat
mdash Treball lrsquoenunciat es comunica un cop iniciades les classes El treball srsquoha de lliurar a final del mes demaig
La data de les activitats drsquoavaluacioacute continuada es comunica amb un miacutenim de dues setmanesdrsquoantelacioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que estableixi el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Avaluacioacute uacutenica
Tot i que no eacutes lrsquoopcioacute meacutes recomanable srsquohi pot acollir lrsquoalumnat que no segueixi lrsquoavaluacioacutecontinuada Eacutes lrsquoopcioacute meacutes recomanable quan no es pot assistir de forma regular a classe
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica poden fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts)
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova drsquoavaluacioacute uacutenica es duu a terme en la data fixada pel Consell Docent
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Pagravegina web
INE
Institut Nacional drsquoEstadiacutestica Els materials concrets srsquoindiquen a mesura queavanccedila el temari
IDESCAT
Institut drsquoEstadiacutestica de Catalunya Els materials concrets srsquoindiquen a mesuraque avanccedila el temari
EUROSTAT
Oficina estadiacutestica de la Unioacute Europea Els materials concrets srsquoindiquen amesura que avanccedila el temari
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fitxers i Bases de Dades
Codi de lassignatura 361215
Curs acadegravemic 2019-2020
Coordinacioacute Montserrat Guillen Estany
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Pragravectiques dordinadors 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Sofware Estadiacutestic
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els fonaments de les estructures de dades en memograveria i els conceptes bagravesicsdrsquoorganitzacioacute de les dades mdash Comprendre els conceptes fonamentals en el disseny de les bases de dades
mdash Entendre els conceptes bagravesics de sistemes de bases de dades i els seus avantatges iinconvenients
Referits a habilitats destreses
mdash Saber dissenyar i manipular una base de dades
mdash Ser capaccedil drsquoaccedir a una base de dades mitjanccedilant la utilitzacioacute del llenguatge SQL
mdash Poder aplicar els coneixements teograverics mitjanccedilant la utilitzacioacute de programari de gestioacute debases de dades mdash Saber resoldre problemes de complexitat baixa i mitjana a partir de la construccioacute drsquouna basede dades en lrsquoagravembit estadiacutestic
Blocs temagravetics
1 Arxius i bases de dades
11 Conceptes bagravesics
12 Bases de dades Objectes de bases de dades
13 Sistema gestor de bases de dades
14 Dades massives (big data) i dades en temps real
2 Llenguatge SQL
21 Introduccioacute
22 Tipus de camps
23 Tipus de dades SQL
24 Consultes
25 Estructures de les taules
3 Utilitzacioacute del llenguatge SQL (Access SAS R PosgreSQL)
31 Consultes bagravesiques
32 Combinacioacute de taules
33 Actualitzacioacute de dades
4 Temes avanccedilats
41 Seguretat i privacitat
42 Transaccions
43 NoSQL
44 Entorn web i tecnologies emergents
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials realitzades en aules amb ordinadors
a) Classes de teoria en quegrave srsquoexposen els conceptes bagravesics de cadascuna de les unitats
b) Classes pragravectiques amb lrsquoobjectiu que cada estudiant sigui capaccedil drsquoanalitzar i solucionar els exercicisplantejats drsquoacord amb els coneixements adquirits a les classes teograveriques Aquestes pragravectiques tot i noser guiades tenen el suport del professorat i serveixen per aclarir algunes quumlestions no necessagraveriamentexplicades a les classes de teoria
Aixiacute mateix es proposa que els estudiants facin pragravectiques addicionals fora de les hores de classe amb lafinalitat que adquireixin la seguretat suficient per poder treballar autogravenomament Aquestes pragravectiquestambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de les activitatsseguumlents
mdash Exercicis resolts a classe (pragravectiques) i participacioacute en els fograverums del Campus Virtual o a lrsquoaula Valordel 15 de la nota final
mdash Tasques presencials i tasques semipresencials individuals Valor del 20 de la nota final
mdash Treball no presencial consistent en el disseny drsquouna base de dades incorporacioacute de dades i consultesrelacionades amb la base de dades Lliurament al desembre Valor del 25 de la nota final
mdash Una prova de valoracioacute global que consta drsquoun enunciat amb un seguit de quumlestions pragravectiques iteograveriques relatives als quatre blocs temagravetics o unitats En aquesta prova lrsquoestudiant disposa drsquoun magraveximdrsquohora i mitja per resoldre individualment les quumlestions plantejades utilitzant nomeacutes lrsquoordinador Data lafixada pel Consell Docent Aquesta prova no requereix una puntuacioacute miacutenima per poder fer lamitjana Valor del 40 de la nota final
Per poder superar lrsquoassignatura srsquohan de fer totes les proves drsquoavaluacioacute tant les presencials com lesno presencials
Avaluacioacute uacutenica
Els estudiants que ho vulguin poden optar a una avaluacioacute amb una prova final i uacutenica que suposa el100 de la nota Aquesta prova eacutes diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
LEMAHIEU W VAN DER BROUCKE S BAESENS B Principles of Database Management The PracticalGuide to Storing Managing and Analyzing Big and Small Data (o be published by Cambridge UniversityPress in July 2018)
wwwpdbmbookcom
ALLISON Cecelia L et al SQL for Microsoftreg Access 2nd ed Plano Texas Wordware 2008
CONNOLLY Thomas Met al Sistemas de bases de datos 4a ed Madrid Pearson Educacioacuten 2005
DATE CJ Introduccioacuten a los sistemas de bases de datos Madrid Pearson Educacioacuten 2001
GENNIK Jonathan SQL Pocket GuideSebastopol CA OrsquoReilly 2011
KRIEGEL Alex Discovering SQL A Hands-On Guide for Beginners Indianapolis Wiley 2011
PRAIRIE Katherine The essential PROC SQL handbook fo SAS USERS Cary (NC) SAS Institute 2005
SILBERSCHATZ Abraham et al Database System Concepts New York McGraw-Hill 2011
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fonaments dAdministracioacute dEmpreses
Codi de lassignatura 361211
Curs acadegravemic 2019-2020
Coordinacioacute JOAN CARLES GIL MARTIN
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Ser capaccedil de demostrar coneixements generals del concepte drsquoempresa i drsquoorganitzacioacute i delrol de lrsquoempresari i saber classificar una organitzacioacute empresarial segons els diferents criteris enespecial saber-ne identificar les formes juriacutediques meacutes adients
mdash Conegraveixer el funcionament de lrsquoempresa com a sistema els diferents subsistemes o agravereesfuncionals i els seus objectius aixiacute com saber identificar els models drsquoorganitzacioacute aplicables
mdash Demostrar que es coneixen les dimensions del proceacutes de direccioacute influegravencia estrategravegiaplanificacioacute organitzacioacute direccioacute de persones control i decisioacute
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute dels recursos humans per a lesempreses i demostrar coneixements bagravesics dels principals processos en aquesta agraverea
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute financera a les empreses idemostrar coneixements bagravesics dels principals processos en aquesta agraverea en especial lacomptabilitat lrsquoanagravelisi del cicle curt mdashexplotacioacutemdash del cicle llarg mdashinversioacutemdash i les fonts definanccedilament adients
mdash Ser capaccedil drsquoaplicar els conceptes financers bagravesics per analitzar la viabilitat econogravemica drsquounprojecte analitzar econogravemicament les diferents alternatives drsquouna decisioacute i fer el seguimenteconogravemic drsquoun pressupost
mdash Ser capaccedil drsquoentendre els principals conceptes comercials com ara mercats demandacompetegravencia comportament del client i els principals megravetodes per al seu estudi com ara lainvestigacioacute de mercats
mdash Ser capaccedil de demostrar coneixements bagravesics dels instruments de magraverqueting i la sevautilitzacioacute
mdash Ser capaccedil de demostrar coneixements bagravesics dels principals objectius de la direccioacutedrsquooperacions i dels principals processos en aquesta agraverea
Referits a habilitats destreses
mdash Capacitat comunicativa (capacitat de comprendre i drsquoexpressar-se oralment i per escrit encatalagrave castellagrave i en una tercera llengua i dominar el llenguatge especialitzat)
mdash Capacitat de buscar utilitzar i integrar la informacioacute
mdash Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees drsquoaplicacioacute
Blocs temagravetics
1 Introduccioacute a lrsquoempresa
Introduccioacute al concepte drsquoempresa i al rol de lrsquoempresari Criteris de classificacioacute de lesdiferents tipologies drsquoempreses formes juriacutediques i empresa familiar Descripcioacute de lrsquoempresa
com a sistema dels seus subsistemes i dels models i els criteris bagravesics drsquoorganitzacioacute
2 Direccioacute
Presentacioacute de les dimensions del proceacutes de direccioacute influegravencia estrategravegia planificacioacuteorganitzacioacute direccioacute de persones control i decisioacute
3 Recursos humans
Descripcioacute de la importagravencia i objectius de lrsquoagraverea de recursos humans aixiacute com delsprincipals processos drsquoaquesta agraverea funcional
4 Finances
Descripcioacute dels objectius de lrsquoagraverea de finances aixiacute com dels principals processos drsquoaquestaagraverea funcional a curt i llarg termini i de les fonts de financcedilament Descripcioacute de lacomptabilitat com a sistema drsquoinformacioacute i com a proceacutes i dels conceptes comptables bagravesicsper analitzar lrsquoequilibri financer Utilitzacioacute dels costos per a la presa de decisions Anagravelisidrsquoinversions Control pressupostari
5 Comercial i magraverqueting
Descripcioacute dels objectius de lrsquoagraverea comercial i magraverqueting aixiacute com dels principalsconceptes com ara mercats demanda competegravencia comportament del client i dels principalsmegravetodes per al seu estudi com ara la investigacioacute de mercats Descripcioacute dels instruments demagraverqueting i la seva utilitzacioacute
6 Operacions
Descripcioacute dels objectius de lrsquoagraverea drsquooperacions aixiacute com dels principals processosdrsquoaquesta agraverea funcional
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes pragravectiques en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de casos pragravectics
A meacutes es demana als estudiants lrsquoexecucioacute drsquoun treball de camp relacionat amb lrsquoassignatura
Aquesta assignatura no requereix el desdoblament del grup en subgrups en cap activitat
Avaluacioacute acreditativa dels aprenentatges
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenicaLrsquoavaluacioacute continuada eacutes la forma recomanada i desitjable de cursar aquesta assignatura per treurersquon elmagravexim profit Lrsquoalumnat que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica hade fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb lrsquoantelacioacute suficient
Els elements drsquoavaluacioacute continuada soacuten els seguumlents
mdash Participacioacute a classe 10 de la nota
mdash Lliurament de la pragravectica 1 i lliuraments parcials (en acabar el tema 3 laquoRecursos humansraquo) 10 dela nota
mdash Lliurament de la pragravectica 2 i lliuraments parcials (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Lliurament de la pragravectica 3 i lliuraments parcials (en acabar el tema 6 laquoOperacionsraquo) 20 de lanota
mdash Prova drsquoestudi continuat 1 (en acabar el tema 3 laquoRecursos humansraquo) 15 de la nota
mdash Prova drsquoestudi continuat 2 (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Prova drsquoestudi continuat 3 (en acabar el tema 6 laquoOperacionsraquo) 15 de la nota
La pragravectica 1 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb aspectes genegraverics de lrsquoempresa la seva direccioacute i la gestioacute dels seusrecursos humans Eacutes requisit indispensable lliurar aquesta pragravectica per fer la prova drsquoestudi continuat 1(PEC 1)
La pragravectica 2 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb la gestioacute econogravemica i financera Eacutes requisit indispensable lliuraraquesta pragravectica per fer la prova drsquoestudi continuat 2 (PEC 2)
La pragravectica 3 es basa en un petit treball de camp que ha de permetre respondre una segraverie de quumlestionsrelacionades amb les agraverees funcionals de comercial i magraverqueting i operacions Eacutes requisit indispensablelliurar aquesta pragravectica per fer la prova drsquoestudi continuat 3 (PEC 3)
La prova drsquoestudi continuat 1 (PEC 1) consisteix en una segraverie de preguntes curtes relacionades amb lapragravectica 1 i amb el tema 1 laquoIntroduccioacute a lrsquoempresaraquo el tema 2 laquoDireccioacuteraquo i el tema 3 laquoRecursoshumansraquo
La prova drsquoestudi continuat 2 (PEC 2) consisteix en una segraverie drsquoexercicis numegraverics i preguntes curtesrelacionades amb la pragravectica 2 i amb el tema 4 laquoFinancesraquo
La prova drsquoestudi continuat 3 (PEC 3) consisteix en una segraverie de preguntes curtes relacionades amb eltema 5 laquoComercial i magraverquetingraquo i el tema 6 laquoOperacionsraquo
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableix i que es fa puacuteblica amb lrsquoantelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute) Aquesta prova permet obtenir la qualificacioacute magravexima a lrsquoassignatura
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicasrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MAYNAR Pilar et al(coord) La economiacutea de la empresa en el espacio de educacioacuten superior MadridMcGraw-Hill 2013
FUENTES Mariacutea del Mar et al Fundamentos de direccioacuten y administracioacuten de empresas MadridPiraacutemide 2014
OCHOA Carlos Economiacutea y Organizacioacuten de Empresas San Sebastiaacuten Editorial Donostiarra 1996
Pagravegina web
Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Eurostat
Foment del Treball Nacional
PIMEC Patronal de la Petita i Mitjana Empresa de Catalunya
Barcelona Activa
El canal de televisioacuten de los emprendedores - Fundacioacuten Banesto Sociedad y Tecnologiacutea
Emprende aprendiendo - Canal de YouTube para emprendedores
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Inferegravencia Estadiacutestica
Codi de lassignatura 361221
Curs acadegravemic 2019-2020
Coordinacioacute PEDRO DELICADO USEROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de model estadiacutestic paramegravetric de mostra aleatograveria simple de mida n idrsquoestadiacutestic fonaments de bona part dels megravetodes estadiacutestics que es desenvoluparanposteriorment
Conegraveixer el concepte drsquoestimador Conegraveixer els conceptes de biaix dispersioacute risc i consistegravenciadrsquoun estimador Fita de Cramer-Rao Estimacioacute UMVU (uniformly minimum variance unbiased)
Conegraveixer els principals megravetodes drsquoestimacioacute en especial lrsquoestimacioacute de magravexima versemblanccedila
Conegraveixer el concepte drsquoestimador per intervals aixiacute com alguns megravetodes de construccioacutedrsquointervals de confianccedila
Conegraveixer el concepte de prova drsquohipogravetesi nivell de significacioacute potegravencia funcioacute depotegravencia Teorema de Neyman-Pearson Proves UMP (uniformly most powerful)
Conegraveixer la prova de la raoacute de versemblanccedila aixiacute com les seves propietats asimptogravetiquesConegraveixer la relacioacute drsquoaquesta prova amb moltes proves drsquohipogravetesi clagravessiques
Referits a habilitats destreses
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors ograveptims de lesfamiacutelies paramegravetriques meacutes bagravesiques
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors perintervals dels paragravemetres estadiacutestics meacutes corrents
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament proves UMP quan nrsquohi hagiaixiacute com desenvolupaments bagravesics de la prova de la raoacute de versemblanccedila
Blocs temagravetics
1 Model estadiacutestic
Models paramegravetrics i no paramegravetrics Dades i mostres Estadiacutestics i estimadors Visioacutepanoragravemica de la inferegravencia estadiacutestica estimacioacute puntual per intervals i proves drsquohipogravetesi
11 Dades i models
Models paramegravetrics i no paramegravetrics Dades i mostres El teorema de Glivenko-
Cantelli Estadiacutestics i estimadors El teorema de Fisher
12 Principals blocs temagravetics de la inferegravencia estadiacutestica
Estimacioacute puntual per intervals i proves drsquohipogravetesi
2 Criteris drsquoavaluacioacute drsquoestimadors
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao Resultatsper a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU Criteris asimptogravetics consistegravencianormalitat asimptogravetica eficiegravencia asimptogravetica
21 Error sistemagravetic i precisioacute drsquoun estimador
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao
Resultats per a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU
22 Criteris asimptogravetics
Consistegravencia normalitat asimptogravetica eficiegravencia asimptogravetica
3 Megravetodes de construccioacute drsquoestimadors
Megravetode dels moments Magravexima versemblanccedila Estimadors de Bayes Altres megravetodessubstitucioacute (laquoplug-inraquo) versemblances modificades (condicional laquoprofileraquo etc)
31 Megravetodes clagravessics drsquoestimacioacute
Megravetode dels moments Magravexima versemblanccedila
32 Altres megravetodes drsquoestimacioacute
Estimadors de Bayes
4 Megravetodes de construccioacute i avaluacioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics Nocions drsquointervals deconfianccedila simultanis
41 Megravetodes bagravesics de construccioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics
5 Megravetodes de construccioacute i avaluacioacute de proves drsquohipogravetesi
Hipogravetesis simples i compostes Lema de Neyman-Person Proves uniformement meacutes potentsi proves no esbiaixades i localment meacutes potents Raoacute de versemblanccedila Comportamentasimptogravetic de la prova de la raoacute de versemblanccedila Obtencioacute de proves clagravessiques a partir de laraoacute de versemblanccedila Proves de Wald i dels laquoscoresraquo
51 Conceptes bagravesics
Hipogravetesis simples i compostes Nivell de significacioacute i potegravencia
52 Proves de potegravencia magravexima i relacionades
Teorema de Neyman-Person Proves uniformement meacutes potents i proves no
esbiaixades i localment meacutes potents
53 Prova de la raoacute de versemblanccedila
Raoacute de versemblanccedila Comportament asimptogravetic de la prova de la raoacute de
versemblanccedila Obtencioacute de proves clagravessiques a partir de la raoacute de versemblanccedila
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent mdash Classes de teoria (30 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratiusmdash Classes de problemes (30 hores) amb la resolucioacute de problemes drsquouna llistamdash Treball tutelat (40 hores) amb entrevistes i treball a casa per anar seguint els aprenentatgesmdash Treball autogravenom (50 hores) drsquoestudi miacutenim imprescindible per memoritzar i entendre la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
TS tasques setmanals de correccioacute automagravetica (quumlestionaris Moodle)EP examen parcialEF examen finalNota global 06EF + 025 MagravexEFEP + 015 MagravexEFTS
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Examen final de tota la mategraveria amb un valor del 100
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CUADRAS Carlos Mordf Problemas de Probabilidades y Estadiacutestica Vol 2 Barcelona Edicions de laUniversitat de Barcelona 2016
Molt recomanable
DeGROOT M H SCHERVISH M J Probability and Statistics Boston Pearson Education 2012
PENtildeA D Fundamentos de Estadiacutestica Madrid Alianza 2008
EVANS M J ROSENTHAL J Probabilidad y Estadiacutestica Barcelona Reverte 2013
Evans MJ amp Rosenthal JS Probability and Statistics The Science of Uncertainty Second EditionFreeman 2010
Casella G amp Berger RL Statistical inference 2nd ed Pacific Grove Duxbury Pacific Groove CA USA2002 ISBN 0534243126
Text electrogravenic
Goacutemez G amp Delicado P Curso de Inferencia y Decisioacuten Autoedicioacuten 2006
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Inferegravencia Estadiacutestica
Codi de lassignatura 361205
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes setmanals de 2 hores esdesdoblen en 2 grups simultanis amb dosprofessors per resoldre problemes ipragravectiques drsquoordinador)
60
- Teoricopragravectica 40
- Pragravectiques de problemes
(2 grups de pragravectiques de problemessimultanis amb dos professors)
8
- Pragravectiques dordinadors
(2 grups de pragravectiques amb ordinadorssimultanis amb dos professors)
12
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
bull Conegraveixer els tipus de mostreig bagravesics i les distribucions en el mostreig en les situacions meacuteshabitualsbull Conegraveixer les propietats desitjables dels estimadors i saber verificar si un estimador lescompleixbull Conegraveixer la metodologia general de les proves drsquohipogravetesi Calcular els errors de tipus I i II drsquounaprovabull Conegraveixer la relacioacute entre els resultats de les proves drsquohipogravetesi i dels intervals de confianccedilabull Saber fer servir les proves drsquohipogravetesi i els intervals de confianccedila com a eines per a la presa dedecisionsbull Saber traduir les preguntes que apareixen en contextos aplicats a la formulacioacute adequada entermes paramegravetrics
Referits a habilitats destreses
bull Calcular intervals de confianccedila en les situacions meacutes habitualsbull Calcular la mida mostral necessagraveria per garantir un nivell de confianccedila i una precisioacute donadesbull Calcular i interpretar les proves sobre mitjanes i variagravencies suposant normalitat sobrepercentatges en una binomial sobre paragravemetres drsquouna distribucioacute Poissonbull Calcular la mida mostral necessagraveria per garantir la potegravencia drsquouna prova drsquohipogravetesibull Utilitzar megravetodes no paramegravetrics
Blocs temagravetics
1 Inferegravencia estadiacutestica introduccioacute i conceptes bagravesics
11 Introduccioacute objectius i programa de lrsquoassignatura
12 Estudi drsquoun cas real
13 Context i objectius de la inferegravencia estadiacutestica
14 Poblacioacute i mostra Mostreig aleatori simple
15 Estadiacutestics i distribucioacute en el mostreig
16 Distribucions en el mostreig de la proporcioacute la mitjana i la variagravencia mostrals
2 Estimacioacute puntual
21 El problema de lrsquoestimacioacute puntual Paragravemetre i estimador
22 Lrsquoestimador usual drsquouna proporcioacute
23 Els estimadors usuals de lrsquoesperanccedila i de la variagravencia poblacionals Cas llei normal
24 El megravetode dels moments
25 Propietats dels estimadors
26 Calcular estimadors amb R
3 Estimacioacute per intervals
31 Concepte drsquointerval de confianccedila
32 Interval de confianccedila per a una proporcioacute
33 Intervals de confianccedila per a la mitjana Cas normal i cas general
34 Interval de confianccedila per a la variagravencia Cas normal
35 Interval per a la diferegravencia de mitjanes (dades aparellades o mostres independents)
Cas normal i cas general
36 Intervals calculats amb R
4 Proves drsquohipogravetesi per a una poblacioacute Conceptes fonamentals
41 Plantejament del problema drsquouna prova drsquohipogravetesi Tipus drsquohipogravetesis Errors de tipus I
i II
42 Metodologia general drsquouna prova lrsquoestadiacutestic de la prova com a mesura de
discrepagravencia entre les dades i la hipogravetesi nulmiddotla Aquests conceptes es plantegen en
termes de la prova per a una proporcioacute
43 Nivell de significacioacute i regioacute criacutetica El valor p La funcioacute de potegravencia
44 Prova per a la mitjana poblacional La prova Z i la prova t de Student
45 Determinacioacute de la grandagraveria mostral per garantir un nivell de confianccedila i una
precisioacute donades
46 Prova per a la variagravencia drsquouna llei normal
47 Fent proves drsquohipogravetesi amb R
5 Comparacioacute de dues poblacions
51 Comparacioacute de les mitjanes de dues poblacions a partir de dades aparellades
52 Comparacioacute de les mitjanes de dues poblacions independents
53 Comparacioacute de les proporcions de dues poblacions independents
54 Comparacioacute de les variagravencies de dues poblacions normals independents La prova F
55 Interval de confianccedila per a la diferegravencia de mitjanes (dades aparellades o mostres
independents)
56 Interval de confianccedila pel quocient de variagravencies
57 Relacioacute entre la regioacute drsquoacceptacioacute drsquouna prova drsquohipogravetesi i lrsquointerval de confianccedila
58 Comparant mostres de dues poblacions amb R
6 Proves no paramegravetriques basades en la llei de khi al quadrat
61 La prova de khi al quadrat de Pearson per lrsquoajust de la mostra a una distribucioacute
62 Proves de normalitat
63 La prova de khi al quadrat drsquoindependegravencia per a dades categograveriques
64 La prova de khi al quadrat drsquohomogeneiumltat per a dades categograveriques
7 Proves no paramegravetriques basades en rangs
71 Comparacioacute de dues mostres aparellades la prova dels signes i la prova de Wilcoxon
dels rangs signats
72 Comparacioacute de dues mostres independents prova de Mann-Whitney-Wilcoxon
Metodologia i activitats formatives
El pla docent es desglossa en tres tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara la resolucioacute de problemes i lrsquoestudi de casos pragravectics Lescategories desglossades soacuten 1 Classes en quegrave srsquoexposen els principals conceptes teograverics srsquoilmiddotlustren amb exercicis i es resolenproblemes
2 Classes de resolucioacute de problemes Classes especiacutefiques per treballar i resoldre problemes i queserveixen per aprofundir els conceptes teograverics
3 Classes de laboratori en quegrave srsquousa el programari R i que serveixen per treballar els conceptes teogravericsper analitzar conjunts de dades i per resoldre problemes
4 Activitats no presencials dirigides Lrsquoestudiant ha de fer servir lrsquoe-status per resoldre exercicis i casosEn grup ha de dur a terme un treball de camp (en total 47 hores drsquoactivitats dirigides no presencials)
Les classes de resolucioacute de problemes i de laboratori es fan amb el grup desdoblat en dos subgrups i dosprofessors diferents El professorat assigna els estudiants als grups
En el Campus Virtual es deixen altres eines complementagraveries com aramdash Llistes de problemes solucionats amb laquoclauraquo pedagogravegica per complementar els laboratorismdash Viacutedeos que expliquen com es resol un problema per complementar els laboratorismdash Articles amb casos reals en quegrave lrsquoestadiacutestica teacute un paper importantmdash Enllaccedilos a pagravegines web amb continguts drsquoestadiacutestica io amb dades
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
El procediment drsquoavaluacioacute consisteix en
1 La realitzacioacute durant el periacuteode lectiu drsquouna prova parcial [PP] que val el 15 de la qualificacioacutetotal composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 50 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
3 El lliurament de 4 exercicis amb lrsquoajut de lrsquoe-status [ES] (activitat no presencial associada als tipus 2 i4 de lrsquoapartat laquoMetodologiaraquo) Es puntuen per separat i a la mitjana aritmegravetica de les puntuacions licorrespon el 75 de la nota total Els lliuraments srsquohan de fer gradualment al llarg de tot el periacuteodeque duri el curs i srsquoanuncien en el Campus Virtual
4 La resposta de quumlestionaris a Kahoot plantejats durant algunes sessions de teoria [K] (activitatpresencial associada al tipus 1 i al tipus 2 de lrsquoapartat laquoMetodologiaraquo) La qualificacioacute drsquoaquest apartateacutes la mitjana aritmegravetica de les 5 millors qualificacions (entre 6) dels diferents quumlestionaris a Kahootplantejats durant el curs que srsquoanuncien en el Campus Virtual
5 El lliurament de resultats i conclusions drsquoun treball de camp [TC] que val el 20 de la qualificacioacutetotal (activitat no presencial) El treball es divideix en tres parts laquoQuumlestionariraquo (pes del 3 )laquoPresentacioacute de dadesraquo (pes del 5 ) i laquoAnagravelisi i conclusionsraquo (pes del 12 ) Les tres parts espuntuen per separat Es fan tres lliuraments el primer a lrsquoinici de marccedil el segon a lrsquoinici drsquoabril i eldarrer a final de maig Srsquoinforma lrsquoalumnat dels resultats Aquest treball requereix que lrsquoestudiantordeni representi resumeixi i tregui conclusions del conjunt de dades que ha recollit
Cagravelcul de la qualificacioacute total
[QT] = 015[PP] + 05[PS] + 0075[ES] +0075 [K]+ 020[TC] si PSgt 35
[QT] = [PS] si PS lt35
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova final i uacutenica que suposa el 100 de la qualificacioacute final es duu a terme en la data fixada pelConsell Docent i consta de les dues parts seguumlents
1 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 75 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)
mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquoun exercici global drsquoanagravelisi de dades amb R fet a lrsquoaulainformagravetica [PR] que val el 25 de la qualificacioacute total
Cagravelcul de la qualificacioacute total
[QT] = 075[PS] + 025 [PR] si PSgt 35
[QT] = [PS] si PS lt35
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2008
PENtildeA Daniel et al Introduccioacuten a la estadiacutestica para las ciencias sociales Madrid McGraw-HillInteramericana de Espantildea 1997
EVANS Michael et al Probabilidad y estadiacutestica Barcelona Reverte 2005
DeGROOT Morris H et al Probability and statistics Boston Pearson Education 2012
QUINTELA Alejandro Problemas estimulantes de Probabilidad y Estadiacutestica Lulucom 2013
MARTIacuteN-PLIEGO Francisco Javier Problemas de inferencia estadiacutestica Madrid Editorial AC 2005
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol 2 Inferencia estadiacutesticaBarcelona EUB 2000
UGARTE Mariacutea Dolores Probability and Statistics with R Boca Raton (Fla) [etc] Chapman amp Hall CRC2008
Pagravegina web
ARRIAZA A J et al Estadiacutestica Baacutesica con R y R-Commander Caacutediz Universidad de Caacutediz Servicio dePublicaciones 2008
Versioacute en liacutenia httpknuthucaesmoodlecourseviewphpid=51
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Informagravetica
Codi de lassignatura 361180
Curs acadegravemic 2019-2020
Coordinacioacute JAUME BAIXERIES JUVILLA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
La participacioacute a classe especialment a les sessions de problemes i la presentacioacute dels problemesproposats soacuten drsquoespecial interegraves per aprovar lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica i
la gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Assolir els coneixements bagravesics sobre els computadors i sobre la informagravetica per podervalorar-ne els avantatges i les limitacionsmdash Entendre lrsquoarquitectura clagravessica drsquoun computador el seu funcionament i els paragravemetres del seurendimentmdash Entendre les nocions elementals i els principis bagravesics de lrsquoalgoriacutesmicamdash Identificar les estructures algoriacutesmiques bagravesiques i els tipus de dades simplesmdash Conegraveixer i identificar els algorismes sequumlencials de recorregut i de cercamdash Conegraveixer els principis de la programacioacute procedimental i del disseny descendent drsquoalgorismes(tegravecnica top-down)mdash Reconegraveixer les accions i funcions com a elements funcionals bagravesics del disseny algoriacutesmicmdash Entendre i identificar els tipus estructurats de dades com ara els vectors les taules lescadenes i les tuplesmdash Identificar els algorismes bagravesics associats a alguns tipus estructurats de dades algorismes decerca i algorismes drsquoordenacioacutemdash Identificar els conceptes fonamentals i una bona part de lrsquoestructura sintagravectica i semagraventica drsquounllenguatge de programacioacute com ara R
Referits a habilitats destreses
mdash Usar un computador de manera eficient aixiacute com saber mourersquos cogravemodament per Internetmdash Utilitzar les estructures algoriacutesmiques bagravesiques i els tipus de dades simples per dissenyaralgorismes senzillsmdash Aplicar quan srsquoescaigui els algorismes sequumlencials de recorregut i de cerca per dissenyaralgorismesmdash Aplicar els principis del disseny descendent drsquoalgorismes (tegravecnica top-down)mdash Utilitzar les nocions drsquoaccions i funcions com a elements funcionals bagravesics del dissenyalgoriacutesmicmdash Analitzar i utilitzar quan srsquoescaigui els tipus estructurats de dades com ara els vectors lestaules les cadenes i les tuplesmdash Utilitzar quan srsquoescaigui els algorismes bagravesics associats a alguns tipus estructurats de dadesalgorismes de cerca i algorismes drsquoordenacioacutemdash Traduir els dissenys algoriacutesmics a un llenguatge de programacioacute com ara R
Blocs temagravetics
1 Introduccioacute a lrsquoalgoriacutesmica
11 Nocions elementals objectes entorn estats accions algorismes assercions i
programes
12 Estructures algoriacutesmiques bagravesiques
13 Tipus de dades simples
14 Instruccions drsquoentrada i sortida
2 Algorismes sequumlencials i anagravelisi descendent
21 Algorismes sequumlencials de cerca
22 Algorismes sequumlencials de recorregut
23 Anagravelisi descendent subproblemes procediments i funcions paragravemetres tipus de
paragravemetres
3 Constructors de tipus i algorismes
31 Algorismes bagravesics de cerca i recorregut en vectors
Metodologia i activitats formatives
El megravetode docent es basa en activitats presencials activitats de treball dirigit i activitats drsquoaprenentatgeautogravenom
Activitats presencials
Activitats teoricopragravectiques activitats que es duen a terme a les aules docents en quegrave lrsquoobjectiu eacutespresentar les eines i tegravecniques incloses com a continguts de lrsquoassignatura i alhora resoldre i analitzarels problemes relacionats amb la teoria presentada de forma intercalada
Activitats de laboratori activitats que es fan a les aules drsquoinformagravetica de la Facultat en quegrave lrsquoobjectiu eacuteslrsquoaprenentatge pragravectic de la programacioacute aixiacute com lrsquoaplicacioacute pragravectica del que srsquoha vist a les activitatsteoricopragravectiques en els ordinadors
Activitats de treball dirigit
Treball pragravectic (PRAC) activitat semipresencial en equip que consisteix en el disseny i la implementacioacutedrsquoun programa informagravetic El seu propogravesit eacutes lrsquoaplicacioacute pragravectica dels coneixements i les tegravecniques vistesa classe de laboratori aixiacute com fomentar el treball en equip per tal drsquoaconseguir el grau previstdrsquoaprenentatge de la mategraveria
Activitats complementagraveries (ACT) activitats tant en grup com individuals per fomentar lrsquoaprenentatgeactiu dels fonaments de la informagravetica i del disseny algoriacutesmic
Activitats drsquoaprenentatge autogravenom
Corresponen a les activitats seguumlents
mdash Estudi dels temes teograverics despreacutes de la seva exposicioacute a classemdash Resolucioacute de problemesmdash Preparacioacute i realitzacioacute de les proves escrites
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
1 Dues proves escrites que consisteixen en la resolucioacute per escrit drsquoun conjunt drsquoexercicis oproblemes
a) Un examen de seguiment del curs que no elimina temari es duu a terme a la meitat del curs(PARCIAL)
b) Un examen final (FINAL)
2 Una pragravectica (PRAgraveCTICA)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
El cagravelcul de la nota es fa segons el procediment seguumlent
(a) Si la nota de lrsquoexamen final (FINAL) eacutes meacutes gran o igual a 4
NOTAFINAL = 03 PRAgraveCTICA + MAgraveX (05 FINAL + 02 PARCIAL 07 FINAL)
(b) Si la nota de lrsquoexamen final (FINAL) eacutes estrictament menor a 4
FINAL
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen que avalua els coneixements de tota lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BAIXERIES Jaume (coord) et al Introduccioacute a la Informagravetica Exercicis Barcelona Edicions de laUniversitat de Barcelona 2016
BOTELLA Pere (coord) Fonaments de Programacioacute Colmiddotleccioacute Manuals Nuacutem 39 Barcelona EDIUOC2001
MATLOFF Norman S The Art of R programming a tour of statistical software design San Francisco NoStarch Press 2011
Pagravegina web
Espai virtual de lrsquoassignatura en el Campus Virtual de la UB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Investigacioacute Operativa
Codi de lassignatura 361225
Curs acadegravemic 2019-2020
Coordinacioacute Luis Ortiz Gracia
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 52
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Afavorir la capacitacioacute per detectar formular i resoldre mitjanccedilant models drsquoinvestigacioacute operativaproblemes de presa de decisions
Introduir lrsquouacutes de determinades estructures bagravesiques de modelitzacioacute i especiacuteficament aquellesque soacuten objecte de desenvolupament en altres assignatures de la mategraveria impartides en el grau
Referits a habilitats destreses
Mostrar els elements genegraverics en el necessari proceacutes drsquoabstraccioacute
Interpretar de forma agravemplia i rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignatura
Referits a actituds valors i normes
Comprendre els avantatges i els inconvenients de la modelitzacioacute com a pas previ en el proceacutesde resolucioacute de problemes reals
Evidenciar la utilitat potencial i les limitacions de lrsquoinstrumental matemagravetic en la resolucioacute deproblemes sistematitzats
Blocs temagravetics
1 El proceacutes de modelitzacioacute
Introduccioacute a la identificacioacute dels elements que componen el sistema drsquoestudi i la sevarepresentacioacute formal en termes matemagravetics
11 Definicioacute drsquoinvestigacioacute operativa i primers exemples
12 Formalitzacioacute matemagravetica del model de programacioacute lineal
13 Solucioacute gragravefica del model de programacioacute lineal
14 Fonaments geomegravetrics de la programacioacute lineal
2 Resolucioacute dels models lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute per donar resposta alsproblemes plantejats sobre el sistema drsquoestudi A fi de concentrar lrsquoatencioacute en els aspectesmeacutes conceptuals la discussioacute es limita al cas lineal
21 Megravetode del siacutemplex
22 Anagravelisi de sensibilitat
23 Solucioacute del model amb Excel
3 Formulacioacute i resolucioacute dels models no lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute en el cas dels models nolineals
31 Introduccioacute a la programacioacute no lineal
32 Algoritmes drsquooptimitzacioacute no lineal en una variable
33 Exemples drsquoaplicacioacute en finances
34 Solucioacute del model amb Excel
Metodologia i activitats formatives
Despreacutes de definir el contingut de la mategraveria i presentar-ne els oriacutegens mitjanccedilant diferents exempleses discuteixen els passos en el proceacutes de modelitzacioacute i es posen de manifest els avantatges de laformalitzacioacute matemagravetica en lrsquoestudi de problemes reals Els principis genegraverics srsquoubiquen en el marc de laprogramacioacute lineal i no lineal i la presa de decisions en situacions deterministes Ategraves que lesexplicacions intenten evidenciar la logravegica que hi ha darrere dels diferents plantejaments la metodologiaaplicada a les classes intenta propiciar la participacioacute de lrsquoalumnat a lrsquohora de jutjar la validesa delsmodels proposats en cada cas
Srsquoimparteixen sessions a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha de posar en pragravectica la resolucioacute deproblemes drsquooptimitzacioacute amb el programari recomanat
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Es fan tres proves escrites al llarg del curs La primera correspon al bloc 1 i teacute un pes drsquoun 30 lasegona correspon al bloc 2 i teacute un pes drsquoun 40 i la tercera correspon al bloc 3 i teacute un pes drsquoun 30 La nota drsquoavaluacioacute continuada eacutes la mitjana de les tres notes
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota Lrsquoestudiant que vulgui renunciar alrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableix i quees fa puacuteblica amb lrsquoantelacioacute suficient
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicaSrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
RAGSDALE Cliff T Spreadsheet Modeling amp Decision Analysis 6th ed Mason Ohio South-WesternCengage Learning 2008
HILLIER Frederick S et al Investigacioacuten de operaciones Meacutexico DF McGraw-Hill 2002
TAHA Hamdy A Investigacioacuten de operaciones Meacutexico Pearson Educacioacuten 2004
BARTHOLOMEW-BIGGS M Nonlinear optimization with financial applications Kluwer academic publishers2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Probabilitat
Codi de lassignatura 361201
Curs acadegravemic 2019-2020
Coordinacioacute Marta Cubedo Cullere
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de probabilitat probabilitat condicionada i independegravencia estocagravestica
Conegraveixer els models bagravesics univariants i les seves propietats Identificar si srsquoadequumlen a undeterminat context aplicat
Conegraveixer el concepte de distribucioacute bivariant
Conegraveixer i saber interpretar intuiumltivament les lleis dels grans nombres i el teorema central delliacutemit
Referits a habilitats destreses
Calcular probabilitats a partir de lrsquoespecificacioacute del model proporcionada per la funcioacute de densitato la de distribucioacute de variables discretes i contiacutenues
Calcular moments de variables discretes i contiacutenues
Blocs temagravetics
1 Introduccioacute
11 Perspectiva histograverica
12 Algunes paradoxes clagravessiques de la probabilitat i lrsquoestadiacutestica
13 Introduccioacute als espais de probabilitat
14 Cagravelcul combinatori
2 Probabilitat condicionada i independegravencia estocagravestica
21 Probabilitat condicionada
22 Foacutermula de les probabilitats compostes
23 Independegravencia estocagravestica
24 Foacutermula de les probabilitats totals i foacutermula de Bayes
3 Variables aleatograveries i funcions de distribucioacute
31 Variables aleatograveries discretes
32 Variables aleatograveries contiacutenues
33 Funcions de probabilitat i de densitat
34 Funcions de distribucioacute
35 Introduccioacute al canvi de variable
4 Esperanccedila matemagravetica i variagravencia
41 Esperanccedila matemagravetica Propietats
42 Variagravencia Propietats
43 Moments drsquouna variable aleatograveria
5 Models de probabilitat univariants meacutes frequumlents
51 Models discrets univariants bagravesics
52 Models continus univariants bagravesics
6 La distribucioacute normal univariant
61 Definicioacute i propietats La llei normal tipificada o estagravendard
62 Cagravelcul de probabilitats i percentils amb la llei normal
63 Introduccioacute a les lleis dels grans nombres i al teorema central del liacutemit
64 Aproximacioacute de les lleis binomial i Poisson per la llei normal
7 Vectors aleatoris bivariants
71 Concepte general funcioacute de distribucioacute conjunta
72 Cas discret funcioacute de probabilitat conjunta funcions de probabilitat marginals i
condicionades Independegravencia estocagravestica
73 Cas absolutament continu densitat conjunta densitats marginals i condicionades
Independegravencia estocagravestica
Metodologia i activitats formatives
El pla docent es desglossa en dos tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara el lliurament de problemes o lrsquoestudi de casos pragravectics deseguiment automatitzat Les categories desglossades soacuten
1 Classes magistrals combinades dins la mateixa sessioacute amb la resolucioacute de problemes pregraveviamentplantejats Es programa durant 15 setmanes del semestre una sessioacute setmanal de 2 hores (30 horespresencials en total)
2 Intensificacioacute de resolucioacute de problemes Es programa durant 15 setmanes del semestre una sessioacutesetmanal de 2 hores Cal dividir el grup en dos subgrups (30 hores presencials en total)
3 Activitats no presencials dirigides Amb el suport drsquoeines informagravetiques amb correccioacute automatitzadaquumlestionaris Moodle que es duen a terme des del Campus Virtual es fa un seguiment del treballautogravenom de lrsquoestudiant (40 hores drsquoactivitats dirigides no presencials en total)
Avaluacioacute acreditativa dels aprenentatges
El procediment drsquoavaluacioacute continuada consisteix en
mdash La realitzacioacute durant el periacuteode drsquoexagravemens i en la data marcada pel Consell Docent drsquouna prova desiacutentesi que compta un 60 de la qualificacioacute final i consta drsquouna segraverie de problemes de caragravecter aplicati drsquoalguna pregunta de caire conceptual Cal treure una nota miacutenima de 45 sobre 10 en aquesta provade siacutentesi perquegrave es pugui ponderar en el cagravelcul de la qualificacioacute final de lrsquoavaluacioacute continuada
mdash La realitzacioacute drsquouna prova parcial (no eliminatograveria de mategraveria) cap a la meitat del semestre i quecompta un 30 de la qualificacioacute final La data concreta drsquoaquesta prova parcial es publica en elCampus Virtual durant les primeres setmanes del curs
mdash El lliurament de problemes proposats en els quumlestionaris Moodle que es fan al llarg del curs i usantel Campus Virtual tambeacute es puntuen separadament i la mitjana de les puntuacions compta el 10 dela qualificacioacute final Les dates de lliurament drsquoaquests quumlestionaris es publiquen en el CampusVirtual durant el curs
Avaluacioacute uacutenica
Lrsquoalumnat que renunciiuml a lrsquoavaluacioacute continuada ho ha de fer per escrit Srsquoavalua amb una prova uacutenicaen la mateixa data de la prova de siacutentesi de lrsquoavaluacioacute continuada
Lrsquoavaluacioacute uacutenica consisteix en una prova objectiva en la qual es reflecteix el coneixement delrsquoassignatura que compregraven la totalitat del temari i que compta el 100 de la qualificacioacute final
Reavaluacioacute
La prova de reavaluacioacute que es duu a terme en la data marcada pel Consell Docent eacutes la mateixa tantper a qui hagi fet lrsquoavaluacioacute continuada com per a qui hagi fet lrsquoavaluacioacute uacutenica La reavaluacioacuteconsisteix en una prova global de tota lrsquoassignatura i la qualificacioacute final es correspon al 100 de laqualificacioacute obtinguda en aquesta prova de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MARTIN-PLIEGO Francisco Javier et al Problemas de Probabilidad Madrid Paraninfo 2006
MARTIN-PLIEGO Francisco Javier Estadiacutestica I Probabilidad Madrid Paraninfo 2004
ALEA M Victograveria et al Estadiacutestica aplicada a les ciegravencies econogravemiques i socials Barcelona [etc]Universitat de Barcelona McGraw Hill 1999
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2001
PENtildeA Daniel Estadiacutestica Modelos y meacutetodos 1 Fundamentos Madrid Alianza 1991
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol1 y Vol2 Barcelona Edicions dela Universitat de Barcelona 2000
DeGROOT Morris H et al Probability and Statistics 4th ed Boston Pearson Education 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute al Cagravelcul
Codi de lassignatura 361174
Curs acadegravemic 2019-2020
Coordinacioacute JOSE ANTONIO LUBARY MARTIacuteNEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Manipular les desigualtats
Conegraveixer les funcions elementals i les seves propietats
Identificar dominis i recorreguts de funcions definides a partir de les funcions elementals
Conegraveixer i aplicar criteris per calcular liacutemits
Calcular derivades i determinar rectes tangents a gragravefiques de funcions
Trobar els polinomis de Taylor de funcions drsquouna variable
Trobar extrems locals de funcions drsquouna variable
Aproximar funcions elementals per polinomis de Taylor
Conegraveixer les tegravecniques bagravesiques drsquointegracioacute i calcular agraverees planes
Utilitzar criteris de convergegravencia drsquointegrals improgravepies
Verificar la convergegravencia de successions i segraveries
Blocs temagravetics
1 Els nombres reals
Propietats bagravesiques dels nombres reals Valor absolut Intervals
2 Funcions Liacutemits i continuiumltat
Conceptes generals Liacutemits de funcions Cagravelcul de liacutemits Continuiumltat Estudi de les funcionselementals Continuiumltat en intervals teoremes de Weierstrass i de Bolzano Resolucioacuteaproximada drsquoequacions megravetode de la biseccioacute
3 Derivacioacute Polinomis de Taylor
Concepte de derivada Sentit geomegravetric de la derivada Cagravelcul de derivades Derivabilitat enintervals teorema del valor mitjagrave Regla de LrsquoHocircpital Polinomi de Taylor Aproximacioacutepolinogravemica Foacutermula de Taylor i residu de Lagrange Aplicacioacute a lrsquoestudi local de funcionsRepresentacioacute gragravefica de funcions Extrems absoluts en intervals tancats
4 Integracioacute
El problema de lrsquoagraverea Integral de Riemann Propietats de la integral El teoremafonamental del cagravelcul Cagravelcul de primitives Integracioacute aproximada Integrals improgravepies
5 Successions i segraveries
Convergegravencia de successions Teorema de la convergegravencia monogravetona Cagravelcul de liacutemitsConvergegravencia de segraveries Criteris per a segraveries de termes positius Segraveries alternades Sumacioacutede segraveries Sumacioacute aproximada
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe) 1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute de lrsquoassignatura es basa en dos tipus drsquoactivitatsmdash Dues proves de seguiment del curs Valor 20 de la nota final cadascuna La primera a lacinquena setmana de classe la segona a la desena setmanamdash Una prova final Valor 60 de la nota final
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per unaprova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BARTLE Robert Gardner et al Introduccioacuten al anaacutelisis matemaacutetico de una variable Meacutexico Limusa 1996
BURGOS Juan Caacutelculo infinitesimal de una variable Madrid Mc Graw Hill 2007
BRADLEY Gerald L Caacutelculo Vol 1 Caacutelculo de una variable Madrid Prentice Hall Iberia1998
DEMIDOVICH B et al Problemas y ejercicios de anaacutelisis matemaacutetico Madrid Paraninfo 1993
LUBARY Joseacute Antonio et al Caacutelculo para Ingenieriacutea Informaacutetica Barcelona Edicions UPC 2008
TOMEO Venancio et al Problemas resueltos de caacutelculo en una variable Madrid Thomson 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Bayesians
Codi de lassignatura 361222
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER PUIG ORIOL
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Tenir nocions bagravesiques de probabilitat inferegravencia i de R
Altres recomanacions
Tenir inquietuds per aprendre a traveacutes de la informacioacute que ens donen les dades
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu principal drsquoaquesta assignatura eacutes que lrsquoestudiant acabi amb un bon coneixement idomini de la modelitzacioacute bayesiana tant pel que respecta a coneixement teograveric com pragravecticAquest coneixement li ha de permetre davant drsquoun objectiu o pregunta drsquouna banda interveniren el disseny de lrsquoexperiment o experiments necessaris per tal drsquoobtenir les dades objectedrsquoestudi i de lrsquoaltra analitzar-les satisfactograveriament i treurersquon conclusions per aconseguir lrsquoobjectiuo respondre la pregunta
I com a objectius especiacutefics
mdash Conegraveixer el paper de la distribucioacute a priori el paper de les distribucions a priori de referegravencia icom passar de la distribucioacute a priori a la distribucioacute a posteriori
mdash Resoldre problemes drsquoinferegravencia bayesiana de forma analiacutetica quan srsquoutilitzen models de lafamiacutelia exponencial i distribucions a priori conjugades
mdash Utilitzar els megravetodes de Montecarlo mitjanccedilant programari especiacutefic que permeten simular ladistribucioacute a posteriori i com fer inferegravencia utilitzant aquestes simulacions
mdash Conegraveixer la diferegravencia entre model bayesiagrave jeragraverquic i no jeragraverquic
mdash Conegraveixer com validar i comparar models bayesians i com fer prediccions
Blocs temagravetics
1 Model bayesiagrave
11 Model estadiacutestic
12 Els quatre problemes de lrsquoestadiacutestica
13 La versemblanccedila
14 Model bayesiagrave
15 Distribucioacute a posteriori
16 Distribucioacute predictiva a priori i a posteriori
17 Eleccioacute de la distribucioacute a priori
2 Inferegravencia bayesiana
21 Distribucioacute a posteriori com a estimador
22 Estimacioacute puntual
23 Estimacioacute per interval
24 Proves de dues hipogravetesis
25 Generalitzacioacute de les proves drsquohipogravetesi
3 Computacioacute bayesiana
31 Necessitat drsquointegrar
32 Simulacioacute de Montecarlo basada en cadenes de Markov (MCMC)
33 Convergegravencia de les cadenes
4 Models jeragraverquics5 Validacioacute i construccioacute de models
Metodologia i activitats formatives
Pretenem centrar els objectius drsquoaprenentatge en lrsquoestudiant i adequar la docegravencia a lrsquoassolimentdrsquoaquests objectius Per aixograve volem que les classes presencials siguin valuoses per aprendre i que lestasques que cal fer fora de lrsquoaula estiguin ben pensades i definides
Hi ha dos tipus de sessions presencials classes de teoria i classes de pragravectiques les quals com amiacutenim soacuten la meitat de les sessions
A les classes de teoria (2 hores setmanals) srsquoexposen els conceptes teograverics i en general soacuten classesexpositives en quegrave srsquointercala sovint la realitzacioacute drsquoexercicis o o de discussions entre els estudiants Enaquestes classes tambeacute es treballa lrsquoaprenentatge a traveacutes de casos pragravectics mitjanccedilant tegravecniquesdrsquoaprenentatge cooperatiu
A les classes de pragravectiques es resolen casos pragravectics amb lrsquoajuda del programari estadiacutestic R WinBugsJAGS o STAN (a lrsquoaula drsquoinformagravetica) Les classes de pragravectiques es desdoblen en dos grups i eacutes elprofessorat qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura teacute una doble finalitat drsquouna banda verificar el grau en quegrave cada estudiantha assolit els objectius qualificant-lo amb una nota drsquoaltra banda donar realimentacioacute als estudiants alllarg del curs de com treballen per tal de poder redreccedilar a temps situacions no adequades
La nota de lrsquoassignatura es calcula de la manera seguumlent
Nota = 030Npract + 02NExParc + 005NExPrac + 05NExFinal
en quegrave Npract eacutes la nota dels treballs lliurats a les classes pragravectiques juntament amb altres activitatsdrsquoavaluacioacute continuada NExParc eacutes la nota de lrsquoexamen parcial (que es fa a meitat de curs) i NExFinaleacutes la nota de lrsquoexamen final
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar a ser avaluats amb una prova final i uacutenica La nota es calculade la manera seguumlent
Nota = NExFinal
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOLSTAD William M Introduction to Bayesian Statistics 2nd ed Hoboken NJ John Wiley 2007
GELMAN Andrew Bayesian data analysis 3rd ed London Chapman amp Hall 2014
CONGDON Peter Applied Bayesian Modelling Wiley 2014
KRUSCHKE John K Doing Bayesian Data Analysis A Tutorial with R JAGS and Stan AmsterdamAcademic Press 2015
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes de Mostratge
Codi de lassignatura 361209
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Ramirez Mitjans
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 225
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 15
Treball tutelatdirigit 60
Aprenentatge autogravenom 30
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Diferenciar clarament poblacions finites i infinites
Conegraveixer els megravetodes usuals drsquoextraccioacute drsquouna mostra
Saber escollir lrsquoestimador pertinent en funcioacute del megravetode drsquoextraccioacute
Entendre la fitxa tegravecnica drsquouna enquesta
Saber programar en R lrsquoextraccioacute drsquouna mostra
Saber programar en R lrsquoestimacioacute de les funcions de la mostra com a mitjana total i proporcioacute
Saber calcular la mida de la mostra
Referits a habilitats destreses
Aprendre a treballar en grup
Aprendre que en lrsquoaplicacioacute dels megravetodes de mostreig srsquoha de tenir un alt grau de pragmatisme
Aprendre que hi ha sempre una distagravencia entre la realitat (marcs mostrals imperfecteslimitacions de cost errors no mesurables etc) i la teoria
Aprendre que aquesta distagravencia entre realitat i teoria exigeix un gran rigor
Blocs temagravetics
1 Introduccioacute Etapes drsquouna enquesta Teoria de mostreig = disseny de mostra + estimacioacute2 Teoremes liacutemit com a fonament del mostreig3 Estadiacutestics i estimadors Propietats dels estimadors Error en lrsquoestimacioacute Error mostral
Mesura de lrsquoerror mostral4 Records drsquoestimacioacute de la mitjana en una poblacioacute infinita Comparacioacute de les propietats
drsquoestimadors competitius (per exemple mitjana mostral i mitjana truncada) Mostreig enpoblacioacute finita Mostreig basat en el disseny Especificitat de mostreig en poblacioacute finitanecessitat de marc mostral identificacioacute de les unitats informacioacute auxiliar no-respostes
5 Extraccioacute aleatograveria simple Amb reposicioacute i sense Disseny de la mostra La mitjana mostralcom a estimador Propietats de mitjana mostral en cas de reposicioacute i de no-reposicioacute El casparticular de lrsquoestimacioacute drsquouna proporcioacute Algorismes per lrsquoextraccioacute simple La sevaimplementacioacute en el programa Sampling
6 Extraccioacute estratificada Informacioacute auxiliar i extraccioacute estratificada Poblacioacute i estratsRepartiment de la mostra proporcional i ograveptim Funcions del Sampling per al disseny
estratificat7 Introduccioacute a lrsquoextraccioacute amb probabilitats desiguals Informacioacute auxiliar i extraccioacute amb
probabilitats desiguals Mostreig sistemagravetic amb probabilitats desiguals Breu presentacioacute delsalgorismes per escissioacute Funcions del Sampling per al disseny amb probabilitats desiguals
8 Extraccioacute en conglomerats Nocioacute drsquoextraccioacute bietapa Funcions del Sampling per alrsquoextraccioacute en conglomerats
9 Nocions bagravesiques de recomposicioacute de no-respostes10 Megravetodes no probabiliacutestics drsquoextraccioacute de la mostra
Metodologia i activitats formatives
Lrsquoensenyament drsquoaquesta assignatura teacute a la vegada un fort component teograveric i un fort componentaplicat Es dona molta importagravencia a un extens coneixement del programari Sampling paquet de R
Es presenten els conceptes formalment i srsquoutilitzen les pragravectiques per posar en relleu les propietats delsdiferents megravetodes drsquoextraccioacute de la mostra De fet primer es fa una aproximacioacute empiacuterica a lespropietats i despreacutes srsquoenuncien A meacutes a meacutes la resolucioacute de problemes a classe eacutes fonamental peraprofundir i consolidar els coneixements
Meacutes concretament les classes es divideixen en
mdash Sessions de teoria drsquoacord amb la temporalitzacioacute lliurada a comenccedilament del curs Es fa unapresentacioacute senzilla dels conceptes teograverics i srsquoinsisteix en les nocions que hi ha darrere les foacutermules Esfan poques demostracions perograve srsquoinsisteix en les nocions presents en les foacutermules Es demana unaparticipacioacute activa als estudiants
mdash Sessions de problemes Srsquoutilitzen per fixar els conceptes teograverics presentats a la classe de teoriaAquestes sessions tambeacute permeten consolidar els conceptes drsquoestimacioacute presentats a les classes deteoria
mdash Sessions de laboratori Soacuten molt importants Srsquoutilitzen per tenir una aproximacioacute empiacuterica alsconceptes teograverics que srsquoestudien a la classe de teoria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Tres exagravemens parcials amb preguntes de teoria i problemes La part pragravectica srsquoavalua lliurant lespragravectiques fetes a classe segons les entregues
El primer parcial es fa en acabar el disseny estratificat El segon parcial es fa en acabar el dissenymultietapa I el tercer parcial es fa lrsquouacuteltima setmana de curs
Per tenir nota drsquoavaluacioacute continuada cal presentar-se a tots els parcials i haver lliurat totes lespragravectiques fetes a classe i els scripts utilitzats
Es poden proposar activitats a classe que substitueixin part de la nota o completin la nota dels exagravemensparcials
Avaluacioacute uacutenica
Examen uacutenic amb teoria problemes i pragravectica A la part de pragravectica es demana a lrsquoestudiant que utilitziel programari Sampling (paquet de R) per fer en el moment de lrsquoexamen una o dues pragravectiques de lesfetes a classe i lliurar els resultats en el format previst a lrsquoenunciat de la pragravectica corresponent Per feraquestes pragravectiques lrsquoestudiant disposa del formulari i de lrsquoajuda del paquet
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ARDILLY Pascal et al Sampling Methods Exercices and Solutions New York Springer 2006
CLAIRIN Reacutemy et al Manual de muestreo Madrid La Muralla Salamanca Hespeacuterides 2001
COCHRAN William Gemmell Teacutecnicas de muestreo Meacutexico Compantildeiacutea Editorial Continental 1984
DESROSIEgraveRES Alain La poliacutetica de los grandes nuacutemeros Historia de la razoacuten estadiacutestica BarcelonaMelusina 2004
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
PEacuteREZ Ceacutesar Muestreo estadiacutestico Conceptos y problemas resueltos Madrid Prentice Hall 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics en Mineria de Dades
Codi de lassignatura 361253
Curs acadegravemic 2019-2020
Coordinacioacute TOMAS ALUJA BANET
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha de tenir un esperit per a la resolucioacute de problemes mitjanccedilant la programacioacute drsquoalgorismessenzills
Cal tenir una bona base sobretot de les assignatures Anagravelisi Multivariant i Models Lineals
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer la tipologia dels principals problemes de la mineria de dades
Referits a habilitats destreses
Avaluar la qualitat de les dades i la necessitat de preprocessar-les
Identificar les tegravecniques estadiacutestiques io drsquoaprenentatge automagravetic meacutes apropiades al problemaque srsquoha de resoldre
Implementar algorismes senzills drsquoaprenentatge
Avaluar els resultats obtinguts
Presentar els resultats en un entorn professional per a la presa de decisions
Blocs temagravetics
1 Introduccioacute a la mineria de dades
Tipus de problemes problemes de modelitzacioacute problemes de ciegravencia problemes detransaccions i problemes de magraverqueting
2 Visualitzacioacute de les dades
Visualitzacioacute de dades multivariants Reduccioacute de la dimensionalitat Megravetodes de seleccioacute iextraccioacute de variables
3 Clusteritzacioacute (o clustering)
Megravetodes de particioacute directa jeragraverquics i estadiacutestica matemagravetica
4 Arbres de decisioacute
Arbres de classificacioacute i regressioacute (CART)
5 Regles drsquoassociacioacute
Algorisme a priori
6 Metodologia de validacioacute
laquoHoldoutraquo validacioacute creuada i laquobootstrapraquo
7 Regles de classificacioacute Anagravelisi discriminada paramegravetrica
LDA QDA i Naive Bayes
8 Discriminacioacute no paramegravetrica
Veiumlns meacutes propers
9 Megravetodes flexibles de discriminacioacute
Magravequines de vectors suport
10 Xarxes neuronals
Discriminacioacute pel perceptroacute multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversioacute de dades en coneixement per a la presa dedecisions i com a tal constitueix la fase central del proceacutes drsquoextraccioacute de coneixement a partir de basesde dades La mineria de dades eacutes un punt de trobada de diferents disciplines lrsquoestadiacutesticalrsquoaprenentatge automagravetic (machine learning) les tegravecniques de bases de dades i els sistemes per a lapresa de decisions Juntes permeten afrontar molts problemes actuals pel que fa al tractament de lainformacioacute
Lrsquoassignatura introdueix les tegravecniques meacutes usuals per a la resolucioacute de tres tipus de problemesfonamentals lrsquoanagravelisi de dades binagraveries (laquotransaccionsraquo) lrsquoanagravelisi de dades cientiacutefiques (per exemple degenogravemica) i lrsquoanagravelisi de dades drsquoempreses els quals configuren bona part dels problemes actuals quetracta la mineria de dades Com a objectiu paralmiddotlel hi ha utilitzar el R un potent entorn de programacioacutelliure
Les classes es divideixen per tant en la presentacioacute de les eines estadiacutestiques i drsquoaprenentatge semprea partir de lrsquoexposicioacute de casos reals i fent egravemfasi en els conceptes implicats les seves propietats lainterpretabilitat i lrsquoaplicacioacute de resultats i en classes de laboratori en quegrave els alumnes han de posar enpragravectica les experteses adquirides en la resolucioacute de problemes
Finalment i ategraves que la finalitat de lrsquoassignatura eacutes la resolucioacute de problemes reals cada estudiant ha deresoldre un cas pragravectic entre els casos posats a disposicioacute lliurement o entre el problema cercat perlrsquoestudiant amb el vistiplau del professor
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute eacutes comprensiva en el sentit que avalua totes les competegravencies especiacutefiques del curs lesdestreses algoriacutesmiques i la capacitat per enfrontar-se a problemes reals
Hi ha dues qualificacions de notes una nota obtinguda per examen sobre els coneixements adquirits(nota T) i la nota obtinguda en un treball pragravectic (P) que srsquoha de presentar a final de curs
La nota final srsquoobteacute de la ponderacioacute seguumlent Nota final = 05T + 05P
A meacutes es valoren les intervencions a classe que permeten pujar la nota fins a un 10
En cas que lrsquoestudiant no superi lrsquoavaluacioacute continuada sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Lrsquoestudiant teacute dret en qualsevol cas a presentar-se a lrsquoexamen final de lrsquoassignatura per obtenir unaavaluacioacute uacutenica i final Aquesta avaluacioacute consta drsquoun examen final meacutes el lliurament drsquoun treballpragravectic equivalent al dut a terme en lrsquoavaluacioacute continuada
En cas que lrsquoestudiant no superi la prova drsquoavaluacioacute uacutenica sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
HAND D J Construction and assessment of classification rules Chichester [etc] Wiley 1997
HASTIE Trevor et al The Elements of statistical learning New York Springer 2001
HERNAacuteNDEZ Joseacute et al Introduccioacuten a la mineriacutea de datos Madrid Pearson 2004
WITTEN I H et al Data mining practical machine learning tools and techniques with javaimplementations San Francisco [Calif] [etc] Morgan Kaufmann 2002
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics per a Finances i Assegurances
Codi de lassignatura 361242
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs en cagravelcul de probabilitats variables aleatograveries distribucionsde probabilitat caracteriacutestiques de les distribucions de probabilitat (esperances variagravencies etc) iinferegravencia estadiacutestica Tambeacute es recomana que tingui coneixements previs en agravelgebra de successos Ategravesque les classes pragravectiques es fan en anglegraves cal que lrsquoestudiant tingui un nivell adequat drsquoaquestallengua
Altres recomanacions
Com que es tracta drsquouna assignatura amb un elevat contingut teograveric de demostracioacute es recomanaque lrsquoalumnat tingui una bona base matemagravetica (integracioacute derivacioacute etc)
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Especificar correctament les mesures de risc i rendibilitat drsquoactius i carteres aixiacute com elsmodels bagravesics de risc colmiddotlectiu i individual mdash Interpretar adientment el binomi diversificacioacute i correlacioacute mdash Conegraveixer i utilitzar els models de probabilitat meacutes habituals en les finances i assegurances aixiacutecom la forma drsquoobtenir-los a traveacutes drsquouna mostra de dades i amb suport informagraveticmdash Saber quins processos estocagravestics srsquoutilitzen per modelar preus en finances i la seva aplicacioacutebasada en la simulacioacute estadiacutestica (mitjanccedilant suport informagravetic)mdash Saber quins soacuten els models drsquoeleccioacute ograveptima de carteres drsquoactius que srsquoutilitzen i la sevaimplementacioacute amb suport informagraveticmdash Saber les especificitats de les segraveries temporals aplicades en finances especialment els modelsde volatilitat canviant en el tempsmdash Saber construir una taula de mortalitat per a assegurances de vidamdash Modelitzar el nombre de sinistres i els danys totals en assegurances no de vidamdash Aprendre a tarifar assegurances de vida i assegurances no de vidamdash Conegraveixer els elements bagravesics sobre reserves i solvegravencia
Referits a habilitats destreses
mdash Saber analitzar gragraveficament lrsquoevolucioacute temporal dels preus i analitzar-ne la situacioacutemdash Dissenyar i implementar amb suport informagravetic els models drsquooptimitzacioacute i gestioacute de carteresdrsquoactiusmdash Dissenyar i implementar amb suport informagravetic les mesures de risc (VaR)mdash Desenvolupar i debatre activitats mdashamb suport informagraveticmdash que utilitzin tot el proceacutes drsquoanagravelisiestadiacutestica necessari en la inversioacute financera lrsquoanagravelisi del risc i en assegurances
Referits a actituds valors i normes
Srsquoespera una actitud molt dinagravemica de lrsquoalumnat en el seguiment de lrsquoassignatura Aixiacute sovintsrsquointerrompen les classes teograveriques amb la finalitat que lrsquoestudiant pugui desenvolupar algun delsplantejaments exposats pel professorat i que es resol en la mateixa sessioacute
Blocs temagravetics
1 Introduccioacute a les assegurances
11 Conceptes de teoria general de les assegurances (cobertura prima sinistralitat
compensacioacute reserves solvegravencia)
2 Estadiacutestica per a les assegurances de vida
21 Cagravelcul de probabilitats de supervivegravencia i mortalitat
22 Taules de mortalitat
23 Models de projeccioacute de la mortalitat
24 Assegurances de vida i rendes vitaliacutecies
25 Valoracioacute dels productes drsquoinvalidesa
3 Estadiacutestica per a les assegurances generals
31 Distribucions estadiacutestiques contiacutenues (lognormal de Pareto i de valors extrems)
32 Distribucions estadiacutestiques discretes (de Poisson binomial negativa)
33 Model de risc colmiddotlectiu
34 Tarifacioacute reserves i solvegravencia
4 Introduccioacute als mercats financers preus i riscos
41 Nocions bagravesiques dels mercats financers (mercat monetari renda fixa renda
variable divises i derivats)
42 Preus i rendibilitats
43 Mesures de risc clagravessiques i alternatives Volatilitat dinagravemica i condicional
5 Estadiacutestica aplicada als mercats borsaris
51 Patrons de comportament
52 Filtres i oscilmiddotladors tegravecnics
53 Trading algoriacutetmic
6 Estadiacutestica aplicada a la gestioacute de carteres
61 Correlacioacute i gestioacute de carteres
62 Cogravepules i dependegravencia entre actius
63 Models drsquooptimizacioacute i frontera eficient
64 Sistemes automagravetics de gestioacute Robo-Advisor
65 Indicadors de performance i estils de gestioacute
7 Estadiacutestica aplicada a la gestioacute del risc
71 Tipologia de riscos financers
72 Mesura del risc de mercat VaR
73 Alternatives en presegravencia de Fat Tails CVaR
74 Teoria del valor extrem
Metodologia i activitats formatives
Es fan classes presencials de teoria i classes pragravectiques Les classes pragravectiques es fan en anglegraves i soacuten dedos tipusmdash plantejament de casos aplicats i exercicismdash resolucioacute de situacions pragravectiques amb lrsquouacutes de lrsquoordinador
Avaluacioacute acreditativa dels aprenentatges
Es proposen exercicis per avaluar lrsquohabilitat de lrsquoestudiant en lrsquoaplicacioacute i desenvolupament delsconceptes explicats durant les classes En concret es proposen quatre exercicis en les dates(orientatives) seguumlents
mdash Prova 1 (estadiacutestica per a les assegurances) primera quinzena drsquooctubremdash Prova 2 (estadiacutestica per a les assegurances) primera quinzena de novembremdash Prova 3 (estadiacutestica per a les finances) primera quinzena de desembremdash Prova 4 (estadiacutestica per a les finances) primera quinzena de gener
Dins la modalitat drsquoavaluacioacute continuada eacutes obligatori lliurar de manera correcta les quatre pragravectiquesAquestes pragravectiques tenen un pes en la nota final del 50 (cadascuna un 125 de la nota final) Enlrsquoavaluacioacute drsquoaquestes pragravectiques es valora la capacitat drsquoaprenentatge i responsabilitat
Hi ha una prova final de tancament en la data oficial que teacute un pes del 50 en la nota final Aquestaprova consta de vuit exercicis (quatre per a la part drsquoestadiacutestica per a les assegurances i quatre per a lapart drsquoestadiacutestica per a les finances) i els alumnes en la modalitat drsquoavaluacioacute continuada han de fernomes dos exercicis de la part drsquoestadiacutestica per a les assegurances (escollits entre els quatre proposats)i dos de la part drsquoestadiacutestica per a les finances (escollits entre els quatre proposats) Els dos exercicis dela part drsquoestadiacutestica per a les assegurances tenen un pes del 50 de la nota de lrsquoexamen i els altresdos exercicis de la part de finances tambeacute tenen un pes del 50 de la nota de lrsquoexamen Per fermitjana amb la nota dels exercicis pragravectics lliurats es demana de treure a lrsquoexamen un miacutenim drsquo15punts a la part drsquoestadiacutestica per a les assegurances (dels 5 punts que teacute aquesta part de lrsquoexamen) idrsquo15 punts a la part drsquoestadiacutestica per a les finances (dels 5 punts drsquoaquesta part)
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen escrit en la data oficial Consta de vuit exercicis quatre per ala part drsquoestadiacutestica per a les assegurances i quatre per a la part drsquoestadiacutestica per a les finances Elsquatre exercicis de la part drsquoestadiacutestica per a les finances tenen un pes del 50 de la nota final i elsaltres quatre un 50 Per aprovar es demana un miacutenim de 2 punts a la part drsquoestadiacutestica per a lesassegurances i de 2 punts a la part drsquoestadiacutestica per a les finances
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYUSO M et al Estadiacutestica actuarial vida Barcelona Publicacions i Edicions de la Universitat deBarcelona 2007
SARABIA Joseacute Mariacutea et al Estadiacutestica actuarial teoriacutea y aplicaciones Madrid Pearson Prentice Hall2007
PEacuteREZ-TORRES Joseacute Luis Conociendo el seguro Barcelona Umeser 2001
HERNAacuteNDEZ Benjamiacuten Bolsa y Estadiacutestica Bursaacutetil Madrid Diacuteaz de Santos 2000
DANIELSSON Joacuten Financial Risk Forecasting Chichester John Wiley 2012
BORRELL Maacuteximo et al Estadiacutestica Financiera aplicacioacuten a la formacioacuten y gestioacuten de carteras de rentavarible Madrid Centro de Estudios Ramoacuten Areces 1997
TORRA Salvador MONTE Enric Modelos Neuronales aplicados en Economiacutea Casos praacutecticos medianteMathematica Neural Networks Barcelona Addlink Media 2013
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes No Paramegravetrics i de Remostreig
Codi de lassignatura 361224
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Civit Vives
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Srsquointrodueixen els principals conceptes ies consoliden amb la resolucioacute deproblemes ilmiddotlustratius)
375
- Pragravectiques dordinadors
(Pragravectiques) 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de model estadiacutestic no paramegravetric o lliure de la distribucioacute
mdash Conegraveixer els fonaments de les proves de significacioacute basades en rangs i les principalsalternatives no paramegravetriques basades en aquest enfocament a les proves drsquohipogravetesiparamegravetriques meacutes comunes
mdash Conegraveixer els fonaments de les proves de significacioacute basades en permutacions i les principalsalternatives de permutacions a les proves drsquohipogravetesi paramegravetriques meacutes comunes
mdash Conegraveixer el megravetode jackknife Conegraveixer els fonaments del megravetode bootstrap Assimilar la ideadel remostreig bootstrap Conegraveixer els principals tipus drsquointervals de confianccedila bootstrapAssimilar la idea de la suavitzacioacute de corbes i la seva aplicacioacute a la regressioacute no paramegravetrica i alrsquoestimacioacute no paramegravetrica de la funcioacute de densitat
Referits a habilitats destreses
mdash Davant drsquoun problema concret saber determinar quin enfocament no paramegravetric o deremostreig eacutes el meacutes adient Aquesta habilitat inclou saber utilitzar meacutes drsquoun megravetode alhora comara bootstrap i estimacioacute no paramegravetrica de la densitat en un mateix problema de classificacioacute
mdash Assolir un nivell drsquoexpertesa suficient per portar a la pragravectica els megravetodes no paramegravetrics i deremostreig Per exemple saber implementar correctament la simulacioacute bootstrap adient a unasituacioacute donada
Blocs temagravetics
1 Proves de permutacions i drsquoaleatoritzacioacute
Suficiegravencia i completesa de lrsquoestadiacutestic ordinal inferegravencia condicionada a la mostra Mostresno aleatograveries i proves drsquoaleatoritzacioacute Tests de permutacions exactes i de Montecarlo Algunstests de permutacions dades aparellades significacioacute del coeficient de correlacioacute ANOVA drsquounfactor Intervals de confianccedila i tests de permutacions
11 Enfocament de Fisher i de Pitman Suficiegravencia i completesa de lrsquoestadiacutestic ordinal
Inferegravencia condicionada a la mostra Mostres no aleatograveries i proves drsquoaleatoritzacioacute Tests
de permutacions exactes i de Montecarlo
12 Alguns tests de permutacions bagravesics dues mostres independents dades aparellades
significacioacute de la correlacioacute ANOVA drsquoun factor
13 Intervals de confianccedila i tests de permutacions
2 Megravetodes basats en lrsquoestimacioacute de la funcioacute de distribucioacute i en el remostreig
Simulacioacute o remostreig bootstrap El principi laquoplug-inraquo i el bootstrap Estimacioacute bootstrapdel biaix i de lrsquoerror estagravendard Megravetode jackknife estimacioacute del biaix i de lrsquoerror estagravendarddrsquoun estimador Intervals de confianccedila percentil i bootstrap-t Relacioacute amb el contrastdrsquohipogravetesi
21 Simulacioacute i bootstrap El principi plug-in Bootstrap exacteTipus drsquoerror Aplicacions
bagravesiques del bootstrap
22 Jackknife Justificacioacute heuriacutestica Correccioacute del biaix i estimacioacute de lrsquoerror estagravendard
23 Intervals de confianccedila bootstrap bootstrap-t percentil i BCa
24 Bootstrap i contrast drsquohipogravetesi
3 Estadiacutestica no paramegravetrica basada en rangs
Fonamentacioacute de la inferegravencia basada en rangs Principals proves drsquohipogravetesi test deWilcoxon dels rangs amb signe test de Kruskal-Wallis test de Friedman Correlacioacute deKendall i de Spearman
31 Rangs Fonamentacioacute de la inferegravencia basada en rangs Pegraverdua drsquoinformacioacute
32 Prova de Mann-Whitney-Wilcoxon
33 Prova de Wilcoxon dels rangs amb signe
34 Prova de Kruskal-Wallis
35 Prova de Friedman
36 Correlacioacute de Kendall i de Spearman Proves de significacioacute
4 Megravetodes de suavitzacioacute i estadiacutestica no paramegravetrica
Suavitzacioacute Kernel concepte Nocions de regressioacute no paramegravetrica Nocions drsquoestimacioacute noparamegravetrica de la funcioacute de densitat Aplicacions a problemes de discriminacioacute classificacioacutedeterminacioacute de modes etc
41 Introduccioacute a la suavitzacioacute Kernel
42 Nocions de regressioacute no paramegravetrica
43 Nocions drsquoestimacioacute no paramegravetrica de la funcioacute de densitat
44 Aplicacions a problemes de discriminacioacute classificacioacute determinacioacute de modes
45 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica
5 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica i remostreig
Sobre diversos conjunts de dades es valoraran els megravetodes meacutes adients per acomplirdeterminats objectius i srsquoaplicaran procurant fer egravemfasi en les conclusions
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent
mdash Classes de teoria (225 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratius
mdash Classes de problemes (15 hores) amb la resolucioacute de problemes drsquoaplicacioacute plantejats a classe deteoria i dels petits treballs plantejats en la seccioacute de treball tutelat
mdash Classes pragravectiques (225 hores) classes en quegrave es fa servir lrsquoordinador orientades a la consolidacioacutedels conceptes estudiats Es resolen casos pragravectics utilitzant eines apropiades i es fan simulacions i altresexercicis ilmiddotlustratius dels conceptes teograverics
mdash Treball tutelat (40 hores) petits treballs de simulacioacute per dur a terme fora de classe amb la finalitatde consolidar conceptes a partir de lrsquoautoaprenentatge
mdash Treball autogravenom (50 hores) estudi miacutenim imprescindible per assimilar la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
mdash Una avaluacioacute parcial (obligatograveria) transcorreguts uns dos mesos de curs (aproximadament ameitat del semestre) del temari tractat del curs Consisteix en un examen parcial que srsquoanuncia ambantelacioacute Indiquem com a laquoxraquo la puntuacioacute obtinguda
mdash Valoracioacute del seguiment fet a lrsquoestudiant Es basa en la realitzacioacute drsquoexercicis o treballs proposatsdurant el curs (anomenades tasques miacutenim 2) i la participacioacute a classe Indiquem com a laquoyraquoaquesta nota
mdash Una prova final de siacutentesi de tota la mategraveria En diem laquozraquo de la nota corresponent
Per tenir nota drsquoavaluacioacute continuada cal haver-se presentat a la prova parcial i a la prova final desiacutentesi i haver fet els treballs que srsquohagin proposat (tasques) No fer alguna drsquoaquestes activitatscomporta la qualificacioacute de laquono presentatraquo
La nota drsquoavaluacioacute continuada es calcula de la manera seguumlent 030 x + 02 y + 05 z La ponderacioacute
parcialsiacutentesi pot variar en el sentit que es valora positivament una evolucioacute a millor del parcial al finalsempre que en el parcial srsquohagi obtingut una puntuacioacute miacutenima de 4 sobre 10
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute dels estudiants) i per tant sense possibilitat de canvis
Examen final de tota la mategraveria amb un valor del 100 i on srsquoinclou un exercici global drsquoanagraveliside dades amb R fet a lrsquoaula informagravetica
La prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica (eacutes a dir unvalor del 100 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
HOLLANDER Myles et al Nonparametric Statistical Methods 2nd ed New York [etc] Wiley 1999
SIEGEL Sidney et al Estadiacutestica no parameacutetrica aplicada a las ciencias de la conducta Meacutexico Trillas2009
GOOD Phillip I Permutation Parametric and Bootstrap Tests of Hypotheses New York Springer 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Numegraverics
Codi de lassignatura 361213
Curs acadegravemic 2019-2020
Coordinacioacute MARIA ANGELA GRAU GOTES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Programari
httpsmatlabmathworkscom
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Estudi dels megravetodes presentatsExagravemens sobre conceptes bagravesics delrsquoassignatura un miacutenim de 2 repartits enel calendari)
30
- Pragravectiques dordinadors
(Resolucioacute drsquoexercicis amb els algorismesi megravetodes del curs Srsquoavalua)
30
Treball tutelatdirigit
(Resolucioacute drsquoexercicis amb els algorismes imegravetodes del curs pragravectiques drsquoordinador acasa i a lrsquoaula)
40
Aprenentatge autogravenom
(Preparacioacute de la documentacioacute dels treballspragravectics que srsquohan de presentar peravaluar)
50
Recomanacions
Es recomana haver cursat les assignatures Introduccioacute al Cagravelcul Introduccioacute a la Informagravetica AgravelgebraLineal
Altres recomanacions
Es recomana haver cursat o estar cursant les assignatures Programacioacute i Cagravelcul de DiversesVariables
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Aprendre les tegravecniques numegraveriques meacutes bagravesiques i usar-les com a eina per trobar solucions aproblemes en quegrave per diverses raons els megravetodes analiacutetics queden descartats
Referits a habilitats destreses
Lrsquoaplicacioacute pragravectica dels megravetodes que es presenten requereix lrsquouacutes drsquoordinadors i lrsquouacutes i elconeixement del programari adequat Matlab per implementar els megravetodes presentats en lesexplicacions de classe
Blocs temagravetics
1 Preliminars
Aritmegravetica en coma flotant Anagravelisi de lrsquoerror Sumacioacute de segraveries
11 Representacioacute aritmegravetica en coma flotant
111 Conceptes bagravesics fonts drsquoerror xifres significatives problemes inestables
112 Error numegraveric definicions errors drsquoarrodoniment errors de truncament
113 Lrsquoaritmegravetica a lrsquoordinador punt fix punt flotant
12 Anagravelisi de lrsquoerror
121 Errors en les operacions en punt flotant
122 Propagacioacute de lrsquoerror nombres de condicioacute algorismes amb cancelmiddotlacioacute
13 Sumacioacute de segraveries
131 Cagravelcul de la suma drsquouna segraverie megravetodes de comparacioacute
132 Acceleracioacute de la convergegravencia
2 Agravelgebra lineal numegraverica
Resolucioacute de sistemes lineals compatibles determinats megravetodes directes i megravetodesiteratius Nombre de condicioacute drsquouna matriu Sistemes lineals sobredeterminats descomposicioacuteen valors singulars Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
21 Resolucioacute de sistemes lineals compatibles determinats
211 Megravetodes directes megravetodes de Gauss megravetodes de factoritzacioacute LU Txoleski
QR Cagravelcul de matrius inverses Fites de lrsquoerror
212 Megravetodes iteratius megravetodes de Jacobi Gauss-Seidel de sobrerelaxacioacute Raoacute de
convergegravencia i estimacioacute de lrsquoerror
22 Sistemes lineals sobredeterminats
221 Descomposicioacute en valors singulars
23 Vectors i valors propis
231 Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
3 Resolucioacute drsquoequacions no lineals
Megravetodes per a la resolucioacute drsquoequacions en una variable biseccioacute secant Newton punt fixOrdre de convergegravencia Megravetodes de Newton i del punt fix per a la resolucioacute drsquoequacions demeacutes drsquouna variable
31 Megravetodes per a la resolucioacute drsquoequacions en una variable
311 Megravetodes de la biseccioacute Megravetode de la secant Megravetode de Newton Megravetodes del
punt fix
312 Ordre de convergegravencia drsquoun megravetode iteratiu
32 Megravetodes per a la resolucioacute drsquoequacions en meacutes drsquouna variable
321 Megravetode de Newton Megravetodes del punt fix
4 Funcions aproximacioacute derivacioacute i integracioacute
Aproximacioacute de funcions interpolacioacute polinogravemica i foacutermula de Taylor Error en lainterpolacioacute polinomial Diferenciacioacute numegraverica algunes foacutermules drsquoaproximacioacute per al cagravelculde derivades Error Extrapolacioacute de Richardson Integracioacute numegraverica foacutermules de Newton-Cotes Megravetode de Romberg Megravetodes de Montecarlo
41 Aproximacioacute de funcions
411 Interpolacioacute polinogravemica i foacutermula de Taylor
412 Error en la interpolacioacute polinogravemica
42 Diferenciacioacute numegraverica
421 Foacutermules per al cagravelcul aproximat de derivades
43 Integracioacute numegraverica
431 Foacutermules de Newton-Cotes megravetode dels trapezis regla de Simpson etc
432 Megravetode de Romberg
44 Megravetodes de Montecarlo
Metodologia i activitats formatives
Classes expositives i magistrals per a les sessions teoricopragravectiques Les classes de problemes a lrsquoaulainformagravetica es desdoblen en dos o meacutes grups El professorat assigna els estudiants als grups En lessessions de problemes a lrsquoaula informagravetica es treballa amb el programari Matlab en els ordinadors delrsquoaula
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final eacutes la suma ponderada de quatre notes NF = 03NP + 03NT + 04NE
mdash Nota NP (30 ) bull Treball a lrsquoaula drsquoinformagravetica dels algorismes estudiats amb sessions puntuables bull Treball de desenvolupament de programes pragravectics fora de lrsquohorari lectiu magravexim un per tema
mdash Nota NT (30 ) Exagravemens parcials sobre conceptes bagravesics de lrsquoassignatura magravexim un per temamdash Nota NE (40 ) Exagravemens parcials de resolucioacute de problemes amb el programari emprat en el curs
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Es recomana seguirlrsquoavaluacioacute continuada de treballs amb el programari Matlab
La nota final eacutes la suma ponderada de tres notes NF = 03NPC + 03NET + 04NEF
mdash Examen final de pragravectiques amb el programari emprat en el curs (30 ) Nota NPCmdash Examen final sobre conceptes bagravesics de lrsquoassignatura (30 ) Nota NETmdash Examen final de resolucioacute de problemes amb el programari emprat en el curs (40 ) Nota NEF
Reavaluacioacute
La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GRAUMiquel et al Cagravelcul numegraveric Barcelona UPC 1993
Referegravencia bagravesica
KENNEDY William Jo et al Statistical Computing Statistics textbooks and monographs 33 New York[etc] Marcel Dekker 1980
Referegravencia bagravesica
KINCAID David et al Anaacutelisis numeacuterico las matemaacuteticas del caacutelculo cientiacutefico Buenos Aires [etc]Addison-Wesley Iberoamericana 1994
Referegravencia complementagraveria
STOER Josef et al Introduction to Numerical Analysis Texts in Applied Mathematics 12 3rd ed NewYork Springer Verlag 2002
Referegravencia bagravesica
THISTED Ronald A Elements of Statistical Computing Numerical computation New York [etc]Chapman and Hall 1988
Referegravencia complementagraveria
VANDERGRAFT James S Introduction to numerical Computations New York Academic Press 1983
Referegravencia bagravesica
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals
Codi de lassignatura 361231
Curs acadegravemic 2019-2020
Coordinacioacute Francisco De Asis Carmona Pontaque
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoestadiacutestica matemagravetica i sobretot drsquoinferegravencia estadiacutestica
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures que contenen aquestes mategraveries comara Agravelgebra Lineal i Inferegravencia Estadiacutestica ja que contenen tots els conceptes bagravesics que srsquoutilitzaran
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
(Lrsquoalumnat ha de poder identificar un model lineal estimar-ne els paragravemetres i avaluar les hipogravetesisque es plantegin sobre aquest model I tambeacute ha de ser capaccedil de validar-lo)
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes conegraveixer els models lineals i la seva aplicacioacute a les situacionsmeacutes usualsmdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model linealmdash Conegraveixer els mecanismes de decisioacute associats a les principals proves drsquohipogravetesi en modelslinealsmdash Saber caracteritzar un model de regressioacute lineal simple i muacuteltiplemdash Saber com es validen els models de regressioacute linealmdash Saber caracteritzar alguns models drsquoanagravelisi de la variagravencia senzills
Referits a habilitats destreses
mdash Saber resoldre lrsquoestimacioacute dels paragravemetres drsquoun model lineal mdash Saber analitzar les principals proves drsquohipogravetesi en models lineals mdash Saber calcular un model de regressioacute lineal mdash Saber validar els models de regressioacute lineal mdash Saber resoldre alguns models drsquoanagravelisi de la variagravencia senzills mdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtinguts
Blocs temagravetics
1 Regressioacute lineal simple
11 Estimacioacute dels coeficients de regressioacute per miacutenims quadrats
12 Descomposicioacute de la variabilitat
13 Coeficient de correlacioacute i coeficient de determinacioacute
14 Inferegravencia sobre els paragravemetres de regressioacute
15 Prediccioacute
16 Plantejament matricial
2 Models de regressioacute
21 Regressioacute lineal muacuteltiple
22 Mesures drsquoajust
23 Inferegravencia sobre els coeficients de regressioacute
24 Coeficients de regressioacute estandarditzats
25 Regressioacute polinogravemica
26 Introduccioacute a la diagnosi del model
3 El model lineal
31 Estimacioacute de paragravemetres per miacutenims quadrats
32 Propietats dels estimadors
33 Contrast drsquohipogravetesi lineal
34 Contrast de models
35 Funcions paramegravetriques estimables
4 El model lineal de lrsquoanagravelisi de la variagravencia
41 Model drsquoun factor
42 Comparacioacute de mitjanes
43 Altres models
44 Introduccioacute a lrsquoanagravelisi de la covariagravencia
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
A les classes de problemes es resolen exercicis Es donen indicacions de quins exercicis cal treballar cadasetmana de manera que lrsquoalumnat pugui resoldrersquols abans drsquoassistir a classe i si escau dedicar la sessioacutea resoldre dubtes Els problemes consisteixen en la resolucioacute drsquoexercicis de caragravecter teograveric o aplicatencaminats a la comprensioacute dels conceptes bagravesics de cada tema
Un component important de lrsquoassignatura eacutes el treball amb ordinador Al llarg del curs es donenindicacions de com treballar amb el llenguatge estadiacutestic R de manera que els estudiants puguin fer-loservir tant per dur a terme els programes o les simulacions que srsquoencarreguin com els cagravelculs i lesanagravelisis de dades que es plantegin Les pragravectiques drsquoordinador es destinen a fer problemes numegraverics perveure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de les dades mitjanccedilant models lineals
Opcionalment es pot fer un treball Per tal que el professorat el revisi cal discutir-lo conjuntament abansde presentar-lo
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada En aquest sentit a mig curs es fa una provacurta (de dues hores) que no eacutes eliminatograveria de mategraveria Si srsquoaprova aquesta curta sersquon fa una altra afinal de curs Per a lrsquoalumnat que no superi la primera prova hi ha una prova final de siacutentesi
Les dates de les proves es fan puacutebliques el primer dia de classe perquegrave els alumnes es puguinprogramar les activitats i no hi faltin
Opcionalment es pot demanar de presentar treballs o problemes solucionats si aixiacute ho especifica elprofessorat a principi de curs
Lrsquoestudiant que falti a alguna prova per causes justificades pot recuperar com a magravexim una prova eldia de la prova de siacutentesi Si no es fa cap prova curta o no lliura els treballs o problemes demanats srsquohadrsquoavaluar de forma uacutenica el dia que marqui el Consell Docent
La nota final de lrsquoavaluacioacute continuada eacutes
04xP1+04xP2+02xO o 04xP1+ 06xP2 o PS
en quegrave P1 eacutes la prova curta 1 P2 eacutes la prova curta 2 O eacutes el treball o exercicis opcionals i PS eacutes laprova de siacutentesi
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CARMONA Francesc Modelos lineales Barcelona Publicacions i Edicions de la Universitat de Barcelona2005
Eacutes un bon llibre de models lineals tot i que teacute un nivell massa elevat pelscontinguts que es donen a lrsquoensenyament
FARAWAY Julian James Linear Models with R Chapman amp HallCRC Press 2014
PENtildeA Daniel Estadiacutestica Modelos y Meacutetodos Vol 2 Madrid Alianza 1991
Eacutes un llibre que recull part de lrsquoassignatura
RAWLINGS John O Applied Regression Analysis a research tool New York [etc] Springer 1998
Tot i ser en anglegraves eacutes un llibre molt bo amb molts exemples comentats
MONTGOMERY Douglas C et al Introduction to Linear Regression Analysis 2nd ed New York [etc]Wiley 1992
OLIVA Francesc et al Propietats i eines drsquoagravelgebra matricial per a estadiacutestica Barcelona Universitat deBarcelona 1995
Pagravegina web
The R Project for Statistical Computing
LyX - El procesador de documentos
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals Generalitzats
Codi de lassignatura 361234
Curs acadegravemic 2019-2020
Coordinacioacute JORDI CORTES MARTINEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoinferegravencia estadiacutestica i habilitats en el tractament de dades en diferents formats
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures relacionades amb la modelitzacioacute i lainferegravencia estadiacutestica com ara Models Lineals Inferegravencia Estadiacutestica i Econometria aixiacute com SoftwareEstadiacutestic ja que contenen conceptes i eines que srsquoutilitzaran extensament
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model lineal generalitzatmdash Saber caracteritzar un model de regressioacute lineal amb resposta normal binagraveria (regressioacutelogiacutestica) i entera o de Poisson (models log-lineals)mdash Conegraveixer els indicadors estadiacutestics de bondat de lrsquoajust i de la seva validesa per a la diagnosi ivalidacioacute dels models lineals proposats a nivell predictiu mdash Saber com es fa el proceacutes de validacioacute drsquoun model lineal generalitzatmdash Saber interpretar els resultats inferencials que es deriven de lrsquoajust drsquoun model linealgeneralitzatmdash Conegraveixer lrsquoextensioacute a models lineals generalitzats drsquoefectes aleatoris o models mixtos quan lesdades no soacuten independents
Referits a habilitats destreses
mdash Saber estimar els paragravemetres drsquoun model lineal generalitzatmdash Saber analitzar les principals proves drsquohipogravetesi associades als models lineals generalitzatsmdash Saber validar els models lineals generalitzats ajustatsmdash Saber resoldre alguns models lineals generalitzats drsquouacutes frequumlent model lineal generalregressioacute logiacutestica i models log-linealsmdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtingutsmdash Ser capaccedil de triar entre les diverses possibilitats proporcionades per un paquet estadiacutestic tanta nivell de capacitats modeliacutestiques com de sortida de la informacioacute per tal de poder extreureconclusions drsquoutilitat en el proceacutes de modelitzacioacute concret que desenvolupa
Blocs temagravetics
1 Introduccioacute als models lineals generalitzats
11 Hipogravetesi del model Forma canogravenica paragravemetres
12 Propietat dels scores matriu drsquoinformacioacute esperada
13 Funcioacute drsquoenllaccedil rol
14 Mesures de bondat (desviagravencia (D i Drsquo) i R2)
15 Inferegravencia raoacute de versemblances i estadiacutestics de Wald
2 Models per resposta normal
21 Regressioacute lineal muacuteltiple cas particular drsquoMLGz
22 Matrius de disseny efectes principals i interaccions
23 Model lineal general
24 Diagnosi i validacioacute seleccioacute del model anagravelisi de residus valors influents
Diagrames de residus parcials
3 Models per resposta binagraveria
31 Regressioacute logiacutestica resposta binomial
32 Interpretacioacute dels enllaccedilos habituals (logravegit progravebit i cloglog)
33 Estimacioacute inferegravencia i validacioacute
34 Presentacioacute de casos drsquoestudi
4 Models per comptatges
41 Models log-lineals resposta de Poisson
42 Modelitzacioacute de taules de contingegravencia
43 Estimacioacute inferegravencia i validacioacute
44 Diagnosi i tractament de la sobredispersioacute
45 Presentacioacute de casos drsquoestudi
5 Models lineals generalitzats amb efectes aleatoris
51 Models lineals generalitzats per a mesures repetides i dades longitudinals
52 Predictor lineal amb efectes aleatoris
53 Models lineals mixtos resposta gaussiana
54 Models lineals mixtos generalitzats resposta binomial i de Poisson
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
Un component important de lrsquoassignatura eacutes el treball amb ordinador i conjunts de dades reals Al llargdel curs es donen indicacions de com treballar amb lrsquoentorn estadiacutestic R de manera que els estudiantspuguin fer-lo servir tant per dur a terme els exercicis pragravectics que srsquoencarreguin com les anagravelisis dedades que es plantegin
Les pragravectiques soacuten totes drsquoordinador per veure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de lesdades mitjanccedilant models lineals generalitzats Les sessions de laboratori es desdoblen cada setmana eacutesa dir cadascun dels dos subgrups drsquoun grup complet teacute dues hores de laboratori setmanal El professorateacutes qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada en quegrave srsquoavalua
1 Conegraveixer i entendre alguns dels models meacutes importants de relacioacute lineal entre variables de la famiacuteliaexponencial
2 Davant de la descripcioacute drsquoun joc de dades ser capaccedil de formular correctament el model estadiacutesticassociat adient
3 Davant de la formulacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquoun paragravemetreestimar els paragravemetres del model mitjanccedilant lrsquouacutes del paquet estadiacutestic adequat
4 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar la bondat del model tot interpretant lainformacioacute facilitada pel programa estadiacutestic
5 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat saber interpretar-ne els estimadors en termes de lafuncioacute drsquoenllaccedil emprada
6 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar gragraveficament la bondat del model sempreque el nombre de paragravemetres sigui reduiumlt
7 Davant de diversos models lineals generalitzats per un conjunt de dades fixat apuntar cap a laseleccioacute del millor model uacutes de variables com a factor o com a covariant introduccioacute de termes drsquoordresuperior al lineal en les covariables
8 Conegraveixer i entendre les limitacions de les propietats asimptogravetiques dels estadiacutestics implicats enlrsquoestimacioacute i validacioacute dels models lineals generalitzats
9 Conegraveixer els indicadors estadiacutestics de bondat del model desviagravencia estadiacutestic de Pearson AIC BIC
En aquest sentit al llarg del curs es fa una prova parcial que no eacutes eliminatograveria de mategraveria La data dela prova es fa puacuteblica el primer dia de classe perquegrave els alumnes es puguin programar les activitats i nohi faltin Tambeacute hi ha un examen final
Al llarg del curs srsquoha de presentar una segraverie de casos drsquoestudi solucionats que juntament amb elsexagravemens donen lloc a la nota final de curs
La nota final es basa en la foacutermula seguumlent
Magravexim02 x P1 + 03 x T + 05 x PF 03 x T + 07 x PF
P1 nota de lrsquoexamen parcialT nota mitjana de lliuraments de casos drsquoestudiPF nota de lrsquoexamen final
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes i el lliurament dels treballs fets com a casos drsquoestudi
03 x T + 07 x PF
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
McCULLAGH Peter et al Generalized linear models London [etc] Chapman amp Hall 1989
FOX John Applied Regression Analysis and Generalized Linear Models Los Angeles [etc] SAGE 2008
FOX John et al An R Companion to Applied Regression Thousand Oaks Calif SAGE 2011
DOBSON Annette J An Introduction to generalized linear models Boca Raton CRC Press Chapman ampHall 2008
FARAWAY Julian James Extending the Linear Model with R Generalized Linear Mixed Effects andNonparametric Regression Models Boca Raton (Mass) Chapman amp HallCRC 2006
PINHEIRO Joseacute C et al Mixed-Effects Models in S and S-PLUS New York (NY) [eTc] Springer 2000
Pagravegina web
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute en Enginyeria
Codi de lassignatura 361258
Curs acadegravemic 2019-2020
Coordinacioacute M PAZ LINARES HERREROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Requisits
361227 - Programacioacute No Lineal i Fluxos en Xarxes (Recomanada)
361226 - Programacioacute Lineal i Entera (Recomanada)
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de la investigacioacute operativa habituals en optimitzacioacute en enginyeria i usarcorrectament la terminologia progravepia de lrsquoagraverea
Formular matemagraveticament i resoldre computacionalment mitjanccedilant lrsquouacutes de llenguatges demodelitzacioacute per a programacioacute matemagravetica problemes drsquooptimitzacioacute en enginyeria de diversesagraverees
Interpretar els resultats dels models drsquooptimitzacioacute en enginyeria i ser capaccedil drsquoelaborar informes ipresentacions on srsquoexposin els resultats
Blocs temagravetics
1 Optimitzacioacute en enginyeria del transport
Introduccioacute als models de localitzacioacute Heuriacutestiques de resolucioacute Problema del viatjant decomerccedil (TSP) Problema de rutes de vehicles (VRP) Models de rutes per a aplicacions de lalogiacutestica urbana laquostreet routingraquo Heuriacutestiques de resolucioacute Anagravelisi de problemes especiacuteficsde la logiacutestica a ciutats localitzacioacute de sensors per a la captura drsquoinformacioacute de tragravensit gestioacutedinagravemica de flotes de vehicles serveis de missatgeria recollida de residus
2 Optimitzacioacute en enginyeria de lrsquoenergia
Introduccioacute a lrsquooperacioacute de sistemes de potegravencia el sistema de produccioacute i transportdrsquoenergia nacional generacioacute regulada vs liberalitzada el mercat elegravectric majorista
Optimitzacioacute de lrsquooperacioacute regulada dels sistemes de potegravencia modelitzacioacute dels generadorsde turbina laquoeconomic dispatchraquo (ED) laquooptimal power flowraquo (OPF) laquounit commitmentraquo (UC)Optimitzacioacute de lrsquooperacioacute de mercats elegravectrics models de cassacioacute del mercat modelsdrsquooferta ograveptima de compra i venda drsquoenergia Modelitzacioacute i resolucioacute computacional delrsquooperacioacute de sistemes de potegravencia
Metodologia i activitats formatives
Les classes srsquoorganitzen al voltant drsquoestudis de cas drsquoaplicacioacute dels models i algorismes drsquooptimitzacioacute ala resolucioacute de problemes reals de lrsquoenginyeria de transport enginyeria de dades i enginyeria de lageneracioacute elegravectrica Dins de cada part del curs es fa una introduccioacute a lrsquoagraverea drsquoaplicacioacute es descriuen lescaracteriacutestiques dels models i algorismes drsquooptimitzacioacute i es resolen computacionalment casos pragravecticsreals Lrsquoalumnat ha de preparar un conjunt de projectes en quegrave ha de resoldre exemples de casos realsde les diferents agraverees drsquoaplicacioacute
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada consisteix en quatre pragravectiques dos per cada bloc de lrsquoassignatura Cada pragravecticaes fa en acabar el tema corresponent Els dos blocs tenen el mateix pes en la nota drsquoavaluacioacutecontinuada que es calcula fent la mitjana aritmegravetica de les notes obtingudes a les diferents pragravectiques
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova pragravectica a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha deresoldre algun cas pragravectic relacionat amb els problemes estudiats a classe
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
DASKIN MS et al Location Models in Transportation En HALL Randolph W (ed) Handbook ofTransportation Science Boston [etc] Kluwer Academic 2003
TOTH Paolo et al (eds) The Vehicle Routing Problem Philadelphia Society for Industrial and AppliedMathematics 2002
ZHU Jizhong Optimization of Power System Operation Piscataway NJ Wiley-IEEE 2009
GOacuteMEZ EXPOacuteSITOAntonio et al (eds) Electric energy systems analysis and operation Boca RatonFla CRC Press 2009
WILLENBORG Leon et al Elements of statistical disclosure control New York Barcelona [etc] Springer2000
CRISTIANINI Nello et al An Introduction to Support Vector Machines And Other Kernel-Based LearningCambridge [etc] Cambridge University Press 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute Financera
Codi de lassignatura 361257
Curs acadegravemic 2019-2020
Coordinacioacute Jose Bonifacio Saez Madrid
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Exposicioacute de continguts teograverics irealitzacioacute drsquoexemples drsquoaplicacioacute)
44
- Pragravectiques de problemes
(Plantejament i resolucioacute de problemes) 10
- Pragravectiques dordinadors
(Plantejament i resolucioacute amb ordinadorde problemes reals del moacuten financer)
6
Treball tutelatdirigit
(Realitzacioacute de les tasques encarregades pelprofessor)
40
Aprenentatge autogravenom
(Estudi personal per entendre lrsquoassignatura ipreparar les proves drsquoavaluacioacute)
50
Recomanacions
No hi ha requisits obligatoris per cursar aquesta assignatura De totes maneres per aprofitar millor elcurs es recomana
mdash Tenir coneixements previs drsquoestadiacutestica descriptiva
mdash Tenir coneixements bagravesics de cagravelcul diferencial i drsquoagravelgebra lineal
mdash Conegraveixer el funcionament drsquoExcelreg
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer les eines financeres per valorar actius de renda fixa i de renda variable
Conegraveixer les diferents formes de mesurar i quantificar la rendibilitat i el risc drsquoun actiu financer
Conegraveixer els megravetodes drsquoanagravelisi i descomposicioacute del risc drsquouna cartera de valors
Conegraveixer el proceacutes complet de les diferents etapes que hi ha a lrsquohora de gestionar de formaograveptima una cartera de valors mobiliaris
Conegraveixer els models clagravessics drsquooptimitzacioacute financera aplicats a la gestioacute activa i passiva decarteres amb lrsquoobjectiu de trobar carteres diversificades
Conegraveixer els megravetodes de performance existents en el mercat per avaluar lrsquoeficiegravencia de lesdecisions preses pels gestors de carteres
Referits a habilitats destreses
Desenvolupar megravetodes que pugin avaluar quan un actiu financer esta infravalorat o sobrevalorat
Desenvolupar megravetodes que permetin determinar els moments idonis per comprar o vendre unactiu de renda variable aplicant les eines estadiacutestiques de lrsquoanagravelisi tegravecnica borsagraveria
Analitzar amb diferents criteris financers la viabilitat o no drsquoun projecte drsquoinversioacute
Aprendre a resoldre amb ordinador els problemes drsquooptimitzacioacute financera aplicats a laconstruccioacute de carteres eficients i ser capaccedilos de presentar els resultats
Referits a actituds valors i normes
Entendre al llarg del curs que el funcionament dels mercats financers teacute un fort componentsubjectiu i que de vegades influeixen en els resultats finals la sort i lrsquoatzar i en drsquoaltres elcomportament agregat dels inversors enfront del coneixement de determinades variablesmacroeconogravemiques no esperades
Aprendre a treballar en equip per obtenir resultats ograveptims atesa la gran quantitat drsquoinformacioacuteque apareix diagraveriament en els mercats financers
Blocs temagravetics
1 El mercat financer espanyol
La borsa a Espanya
Identificacioacute dels actius financers
Formes de valoracioacute drsquouna accioacute
Ordres de compravenda drsquoaccions
Drets econogravemics de les accions
Iacutendexs borsaris
2 Fonaments financers
Operacioacute financera
Interegraves simple venccedilut
Descompte comercial
Interegraves compost
Rendes financeres
Funcions financeres drsquoExcel
3 Rendibilitat de productes financers
Rendibilitat efectiva nominal i contiacutenua
Cagravelcul i interpretacioacute de la TAE TIR TRE RS TGR i TAR
Valoracioacute de lletres del tresor imposicions a termini fix efectes comercials
Valoracioacute de fons drsquoinversioacute plans de previsioacute bons de lrsquoestat preacutestecs liacutesing
Rendibilitat esperada drsquoun actiu
Rendibilitat histograverica drsquouna cartera drsquoactius
Rendibilitat esperada drsquouna cartera drsquoactius
4 Risc financer
Definicioacute de risc
Mesures de risc drsquoun actiu financer
Mesures de risc drsquouna cartera drsquoactius financers
Relacioacute entre diversificacioacute i risc
Control del risc drsquouna cartera drsquoactius
Funcions drsquoExcel relacionades amb el risc
5 Gestioacute de carteres
Poliacutetica drsquoinversioacute drsquouna cartera
Megravetodes de seleccioacute drsquoactius per construir una cartera
Megravetodes de seleccioacute dels moments ograveptims per comprar i vendre
Megravetodes per valorar la gestioacute realitzada drsquouna cartera
6 Optimitzacioacute de carteres
Construccioacute de carteres de renda variable
Elements fonamentals de les carteres de renda fixa
Obtencioacute de carteres ograveptimes amb ordinador
Construccioacute de carteres mixtes de renda fixa i variable
Metodologia i activitats formatives
Les 150 hores estimades que lrsquoestudiant ha de dedicar a aquesta assignatura es divideixen de la maneraseguumlent
mdash 46 hores presencials en quegrave el professor treballa els conceptes teograverics del programa i presentaexemples drsquoaplicacioacute dels conceptes teograverics explicats per a una millor comprensioacute i obtencioacute delsobjectius de coneixements i habilitats especiacutefics Es fomenta lrsquoesperit criacutetic a lrsquohora drsquoobtenir conegraveixer icalcular les diferents mesures de rendibilitat i risc necessagraveries per construir formalment les carteresograveptimes diversificades de renda fixa i variable
mdash 14 hores presencials en quegrave es plantegen resolen i interpreten problemes del moacuten financer Enprincipi drsquoaquestes hores estagrave previst fer 2 sessions de 2 hores a les aules drsquoinformagravetica drsquouna bandaper aprofitar les aplicacions informagravetiques existents en els mercats financers i poder aprofundir enlrsquoaplicacioacute i interpretacioacute dels conceptes teograverics i drsquoaltra banda per resoldre problemes reals del mercatque requereixen un nombre elevat de variables sobretot si es volen construir carteres ograveptimes eficients idiversificades
mdash 40 hores no presencials de treball tutelat i dirigit en quegrave lrsquoalumnat pot resoldre els dubtes que se lihan plantejat en el desenvolupament i execucioacute dels treballs (individuals i en grup) que proposa elprofessor a cada estudiant o grup de manera diferenciada i personalitzada
mdash 50 hores drsquoaprenentatge autogravenom en quegrave lrsquoestudiant ha drsquoestudiar i treballar pel seu compte perpoder assolir amb garanties els objectius de lrsquoaprenentatge Tambeacute eacutes recomanable que mitjanccedilant lapremsa diagraveria i Internet estigui informat de lrsquoevolucioacute dels mercats financers
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada es fa al llarg del curs i teacute principalment tres parts associades a les competegravenciesque srsquohan descrit per a aquesta assignatura
1 Avaluacioacute del joc de simulacioacute a la borsa espanyola
Al llarg del curs lrsquoestudiant duu a terme operacions de compravenda drsquoaccions del mercat espanyol amblrsquoobjectiu de construir una cartera que maximitzi la rendibilitat En funcioacute de la rendibilitat assolida per
la cartera a final de curs cada estudiant obteacute una nota que teacute una ponderacioacute del 10 respecte de lanota final Amb aquesta simulacioacute es desenvolupen les capacitats de prendre decisions drsquoadaptacioacute anoves situacions del mercat financer drsquoentendre el comportament dels seus companys enfront lesinversions realitzades i drsquointerpretar situacions i problemes reals
2 Avaluacioacute de treballs presentats al llarg del curs
Al llarg del curs es demanen tres treballs
El primer treball associat als continguts del tercer bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballen els conceptes de valoracioacute drsquoun producte financer o projecte drsquoinversioacute i larendibilitat drsquouna accioacute de lrsquoIBEX 35 Aquest primer treball teacute una ponderacioacute del 25 respecte de lanota final i permet desenvolupar les capacitats de formular dissenyar proposar modelitzar analitzarvalidar interpretar i resoldre problemes reals dels mercats financers
El segon treball associat als continguts del quart bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballa entre drsquoaltres el concepte de risc de la mateixa accioacute de lrsquoIBEX 35 seleccionadaper al primer treball Desenvolupa les capacitats drsquoanagravelisi i drsquointerpretacioacute dels coneixements estadiacutesticsassolits en cursos anteriors a la pragravectica dels mercats financers Aquest segon treball pondera un 15 de la nota final
El tercer treball associat als continguts del sisegrave bloc temagravetic eacutes en grup cada estudiant aporta lainformacioacute obtinguda per la seva accioacute en els dos treballs anteriors i conjuntament han de construir unacartera ograveptima segons algun dels models de gestioacute de carteres explicats a classe Aquest treball teacute unaponderacioacute del 10 respecte de la nota final i desenvolupa la capacitat de formular i gestionarprojectes perograve sobretot la capacitat de treballar en equip ja que cada membre ha de colmiddotlaborar ambels altres i contribuir a un projecte comuacute
Els treballs han de presentar-se dintre dels terminis marcats pel professor i es valora si lrsquoestudiant haassolit totes les competegravencies que es demanen en cadascun
3 Avaluacioacute dels coneixements
Al final del segon bloc temagravetic en la data fixada pel professor es duu a terme una prova escritaassociada al primer i segon bloc temagravetic La prova eacutes eminentment pragravectica perograve tambeacute incloupreguntes de reflexioacute i raonament respecte del funcionament del mercat financer espanyol i els seusfonaments Aquesta prova teacute una ponderacioacute del 10 respecte de la nota final
Al final de curs i en la data i lloc que fixi el Consell Docent lrsquoestudiant pot presentar-se a una provaescrita en la qual ha de posar de manifest la seva capacitat drsquoaprenentatge dels coneixements teograverics ipragravectics adquirits al llarg del curs amb la formulacioacute resolucioacute i presa de decisions de problemesfinancers No eacutes obligatori presentar-se a aquesta prova ja que amb la suma de la nota del joc desimulacioacute en borsa la prova escrita i les notes dels treballs pot haver superat els 5 punts quesrsquoexigeixen per aprovar lrsquoassignatura En cas contrari lrsquoestudiant ha de presentar-se i treure la nota queli falta per superar els 5 punts Aquesta prova teacute una ponderacioacute del 30 respecte de la nota final Enaquesta prova tambeacute es valora la capacitat de lrsquoestudiant per memoritzar i comprendre les foacutermules quehan aparegut al llarg del curs i la capacitat psicologravegica drsquoentendre el comportament dels seuscompanys enfront drsquouna determinada situacioacute que proposa el professor el dia de la prova
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data que
fixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignaturala nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Qui opti per ferlrsquoavaluacioacute uacutenica de lrsquoassignatura ha de fer la mateixa prova escrita que fan els alumnes drsquoavaluacioacutecontinuada en la data i el lloc que determini el Consell Docent perograve en aquest cas aquesta provaescrita teacute una ponderacioacute del 100 de la nota final La nota miacutenima per aprovar eacutes de 5 punts
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data quefixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignatura ila nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALEXANDER Gordon J et al Fundamentos de inversiones Teoriacutea y praacutectica Meacutexico DF [etc] PearsonEducacioacuten 2003
BODIE Zvi et al Principios de inversiones Madrid [etc] McGraw-HillInteramericana de Espantildea 2004
BODIE Zvi et al Finanzas Meacutexico [etc] Pearson Educacioacuten 2003
CORDOBA Miguel Anaacutelisis financiero Renta fija fundamentos y operaciones Madrid Thomson 2003
ELTON Edwin J et al Modern portfolio theory and investment analysis New York [etc] Wiley 1995
GOacuteMEZ-BEZARES Fernando Gestioacuten de carteras eficiencia teoriacutea de cartera CAPM APT BilbaoDescleacutee de Brouwer 2016
MARIN Joseacute Mariacutea et al Economiacutea Financiera Barcelona Antoni Bosch 2001
MARKOWITZ Harry M Portfolio selection efficient diversification of investments Oxford Basil Blackwell1991
MURPHY John J Anaacutelisis teacutecnico de los mercados financieros Barcelona Gestioacuten 2000
SANCHEZ Joseacute L (dir) Curso de Bolsa y Mercados Financieros Barcelona Ariel 2007
SHARPE William F Portfolio Theory and Capital Markets New York [etc] McGraw-Hill 2000
SUAacuteREZ Andreacutes-Santiago Decisiones oacuteptimas de inversioacuten y financiacioacuten en la empresa MadridPiraacutemide 2014
TERCENtildeO Antonio Matemaacutetica financiera Madrid Piraacutemide 1997
VILLALBA Daniel Teoriacutea y praacutectica de la gestioacuten de carteras Madrid BME 2016
Pagravegina web
wwwaiafcom
wwwinvertiacom
wwweleconomistaes
wwwbolsamaniacom
wwwcnmves
wwwbolsamadrides
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Principis dEconomia
Codi de lassignatura 361210
Curs acadegravemic 2019-2020
Coordinacioacute Antonio Manresa Sanchez
Departament Departament dEconomia
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Per millorar la productivitat es recomana que lrsquoestudiant vingui a classe havent fet la lectura del temacorresponent del manual de lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar i
integrar la informacioacute)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu fonamental de lrsquoassignatura eacutes que lrsquoestudiant conegui els principis bagravesics delrsquoeconomia tant en la seva vessant microeconogravemica com en la macroeconogravemica Tambeacute eacutesimportant que sigui capaccedil drsquoaplicar els coneixements teograverics a la realitat econogravemica mitjanccedilantexemples exercicis i problemes pragravectics Aixiacute mateix eacutes essencial que aprengui la terminologiaeconogravemica els instruments i models emprats per arribar a comprendre i analitzar el moacuten real atraveacutes de lrsquoanagravelisi econogravemica com a instrument bagravesic per assolir-ho
En concret es busca assolir les competegravencies seguumlents capacitat per interpretar dadeseconogravemiques i resoldre problemes econogravemics capacitat drsquoanagravelisi i siacutentesi capacitat drsquoorganitzacioacutei planificacioacute habilitat per analitzar i buscar informacioacute que proveacute de diferents fonts
Blocs temagravetics
1 Introduccioacute a lrsquoeconomia
11 Conceptes bagravesics
12 La frontera de possibilitats de produccioacute
2 Anagravelisi microeconogravemica
21 Activitat econogravemica
22 Produccioacute
23 Demanda
24 Mercat
25 Estructures de mercat
26 Fallades del mercat
3 Anagravelisi macroeconogravemica
31 Magnituds macroeconogravemiques
32 Renda consum estalvi inversioacute
33 Diner i mercats financers
34 Oferta i demanda agregades Inflacioacute
35 Desocupacioacute El mercat de treball
36 Intervencioacute puacuteblica
4 Economia internacional
41 Comerccedil internacional
42 Balanccedila de pagaments
43 Tipus de canvi
Metodologia i activitats formatives
El seguiment de lrsquoassignatura es fa mitjanccedilant
1 Assistegravencia a classe on srsquoexpliquen i es treballen els continguts meacutes complicats de la bibliografiabagravesica Setmanalment es planteja lrsquoanagravelisi de casos extrets de la premsa o drsquoinformes econogravemics sobreconceptes teories i models del contingut del programa
2 Autoaprenentatge Lrsquoestudiant desenvolupa activitats de manera autogravenoma per consolidar conceptesaixiacute com per resoldre exercicis plantejats pel professorat
3 Srsquoutilitza el Campus Virtual com a canal de comunicacioacute per tal de facilitar els materials o avisos quecorresponguin
4 Sessions pragravectiques amb el grup desdoblat en quegrave es duen a terme diferents tipus drsquoactivitatsactivitats drsquoavaluacioacute continuada resolucioacute drsquoexercicis presentacions tutories per grup discussioacute detextos relacionats amb el temari explicat a lrsquoaula pregraveviament proposats a lrsquoestudiant com a lecturaAquestes sessions consisteixen en un total de 5 hores per a cada subgrup durant el curs La planificacioacutedrsquoaquestes sessions es detalla en el programa de lrsquoassignatura
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Al llarg del curs es fan dues proves escrites drsquoavaluacioacute continuada la suma de les dues suposen el100 de la nota final La primera prova escrita es duu a terme un cop acabat el primer bloc temagravetic (ameitat del semestre) i la segona un cop acabat el segon bloc temagravetic (a final del semestre)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
La prova de lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen de tota la mategraveria
Avaluacioacute uacutenica
Qui opti per lrsquoavaluacioacute uacutenica ha de fer un uacutenic examen drsquoacord amb el programa amb preguntes deraonament teograveric i la resolucioacute de problemes La data de lrsquoexamen estagrave fixada pel Consell Docent(abans del periacuteode de matriculacioacute dels estudiants) La reavaluacioacute teacute les mateixes caracteriacutestiques quela prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MANKIW N Gregory Principios de Economia Madrid Paraninfo 2014
BERNANKE Ben et al Principios de Economia Madrid Mc Graw Hill 2007
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Probabilitat i Processos Estocagravestics
Codi de lassignatura 361218
Curs acadegravemic 2019-2020
Coordinacioacute Jose Maria Oller Sala
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Haver cursat les assignatures de 1r curs Introduccioacute a la Probabilitat Introduccioacute al Cagravelcul Agravelgebra Lineal
Altres recomanacions
Assistir a classe sempre
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacute operativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes reals adaptant els
models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els models multivariants bagravesics i les seves propietatsmdash Conegraveixer el concepte de la funcioacute generatriu de probabilitat i la generadora de momentsmdash Conegraveixer els diferents tipus de convergegravencies de successions de variables aleatograveries i els principalsresultats associats llei dels grans nombres i teorema del liacutemit centralmdash Conegraveixer el concepte de proceacutes estocagravestic i les seves propietats bagravesiquesmdash Conegraveixer els principals tipus de processos estocagravestics i identificar les situacions reals a les quals soacutenaplicables
Referits a habilitats destreses
mdash Calcular probabilitats a partir del model del vector aleatorimdash Calcular densitats marginals i funcions de vectors aleatorismdash Calcular matrius de covariagravencies i coeficients de correlacioacutemdash Calcular funcions generatrius de probabilitat i de moments mdash Comprovar quan una successioacute de variables aleatograveries convergeixmdash Determinar la matriu de transicioacute drsquouna cadena de Markov amb espai drsquoestats finit
Blocs temagravetics
1 Distribucions multivariants
11 Variables aleatograveries multivariants discretes i contiacutenues
12 Marginals i condicionades Independegravencia de variables aleatograveries
13 Matriu de variagravencies i covariagravencies Coeficient de correlacioacute
14 Lrsquoesperanccedila condicionada com a variable aleatograveria
15 Transformacions de variables aleatograveries multivariants
2 Distribucioacute normal multivariant
21 Normal bivariant
22 Normal multivariant
23 Prediccioacute en el cas de la normal bivariant
24 Distribucions relacionades amb la normal
3 Funcions generatrius
31 Segraveries de potegravencies
32 Funcioacute generatriu de probabilitat
33 Funcioacute generadora de moments
4 Convergegravencia de variables aleatograveries
41 Convergegravencia en distribucioacute
42 Teorema del liacutemit central
43 Altres tipus de convergegravencies de variables aleatograveries
44 Lleis dels grans nombres
45 Convergegravencies de sumes de variables aleatograveries i drsquoaltres transformacions
5 Processos estocagravestics
51 Cadenes de Markov
52 Passeigs aleatoris
53 Processos de ramificacioacute
54 Processos de Poisson
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials (a classe)
mdash Classes de teoria Dues sessions setmanals (dues hores + una hora) on es presenta el material delrsquoassignatura Srsquoemfasitzen les idees i els conceptes Es miren amb detall les demostracions que pel seu continguti desenvolupament resulten pedagogravegicament creatives i formatives
mdash Classes de problemes Sessions drsquouna hora setmanal (durant 10 setmanes) Els alumnes disposen al principide cada tema de la colmiddotleccioacute de problemes corresponent En finalitzar cada tema es deixen les solucions en elCampus Virtual El professorat indica amb antelacioacute quins soacuten els problemes que cal treballar per a la classeseguumlent Tambeacute comenta les diferents formes drsquoabordar-los i els resol a la pissarra En ocasions es deixa temps ala mateixa classe perquegrave els alumnes resolguin algun problema
mdash Pragravectiques drsquoordinador Sessions drsquouna hora setmanal (durant 5 setmanes) Es treballa amb el programa RTots els alumnes que puguin han de portar a classe els seus portagravetils i compartir-los amb els que no en tinguinEls alumnes disposen al principi de cada tema drsquoun guioacute de la pragravectica En finalitzar cada tema es deixa unapossible solucioacute en el Campus Virtual
A meacutes a meacutes es proposen setmanalment activitats (problemes per resoldre pragravectiques amb lrsquoordinador) que elsestudiants han de fer no presencialment i lliurar la setmana seguumlent Aquestes activitats srsquoavaluen
Es fa servir el Campus Virtual com a repositori del material del curs i tambeacute per concretar les activitatsproposades setmanalment Alguns dels lliuraments de feines es fan directament en el Campus Virtual
Srsquoespera que els alumnes assisteixin a classe sempre ja que una assistegravencia irregular no permet assolir lescompetegravencies que lrsquoassignatura es marca com a objectius
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als estudiants que assisteixen regularment a classe (que haurien de ser tots) Constade tres parts
1 Lliurament setmanal de problemes (LliuSetm)
2 Examen parcial en finalitzar el tema 1 (ExParcial)3 Examen final que coincideix amb la data de lrsquoavaluacioacute uacutenica (ExFinal)
Aquestes tres parts avaluen les competegravencies de lrsquoassignatura
Els exagravemens parcial i final tenen la mateixa estructura amb una part de preguntes de teoria i entre dos i quatreproblemes El pes de les preguntes de teoria eacutes entre un 20 i un 30 del total
La qualificacioacute global de lrsquoassignatura eacutesGlobal = 020 Max(LliuSetm ExFinal) + 025 Max(ExParcial ExFinal) + 055 ExFinalPer tant la nota dels lliuraments setmanals i del parcial es tenen en compte (amb pesos respectius del 20 idel 25 del global) nomeacutes si soacuten superiors a la nota de lrsquoexamen final
Els estudiants que no es presentin a lrsquoexamen final tenen un laquoNo presentatraquo com a qualificacioacute global delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica Qui vulguirenunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableixi ique es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica consta de dues parts teoria (amb un pes entre el 20 i el 30 ) i problemes (ambun pes entre el 70 i el 80 ) Els continguts drsquoaquestes proves soacuten semblants (en temagravetica i dificultat) als deles classes presencials Aquestes proves avaluen les competegravencies de lrsquoassignatura
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode de matriculacioacute delsestudiants)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CHUNG Kai Lai Elementary probability theory with stochastic processes and an introduction to mathematicalfinance New 4th ed York [etc] Springer 2003
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior Chung 1983)
DeGROOT Morris H et al Probability and statistics 2nd ed Reading (Mass) [etc] Addison-Wesley 2012
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior DeGroot 1988)
GRIMMETT Geoffrey et al Probability and random processes Oxford [etc] Oxford University Press 2001
GRIMMETT Geoffrey et al Probability An Introduction Oxford Clarendon Press1986
JULIAgrave DE FERRAN Olga et al Probabilitats problemes i meacutes problemes Barcelona Publicacions i Edicions de laUniversitat de Barcelona 2005
GUT Allan An Intermediate Course in Probability New York [etc] Springer 2009
PITMAN Jim Probability New York Springer 1993
SANZ Marta Probabilitats Barcelona Edicions Universitat de Barcelona 1999
GRINSTEAD Charles M et al Introduction to probability Providence (RI) American Mathematical Society 2006
(Accessible via webhttpwwwdartmouthedu~chanceteaching_aidsbooks_articlesprobability_bookbookhtml)
EVANS Michael John et al Probability and Statistics The Science of Uncertainty New York WH Freeman andCompany 2010
EVANS Michael John et al Probabilidad y estadiacutestica La ciencia de la incertidumbre Barcelona Reverte 2005(Trad de Probability and Statistics The science of uncertainty First Edition 2003)
PENtildeA Daniel Fundamentos de estadiacutestica Madrid Alianza 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute
Codi de lassignatura 361192
Curs acadegravemic 2019-2020
Coordinacioacute MARTA FAIREacuteN GONZALEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer i entendre les diferents estructures de dades en lrsquoentorn de programacioacute estadiacutesticaR i les seves diferegravenciesmdash Entendre la necessitat drsquoestructurar les dades en un algorisme i les diferents possibilitatsdepenent de les necessitats del problemamdash Entendre per quegrave de vegades cal usar una estructura de dades o una altra per resoldre unproblemamdash Conegraveixer les tegravecniques bagravesiques de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Referits a habilitats destreses
mdash Aplicar els coneixements sobre estructures de dades per resoldre problemes de mitjanaenvergaduramdash Aplicar els coneixements bagravesics de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Blocs temagravetics
1 Repagraves drsquoeines fonamentals de la programacioacute
11 Els vectors
12 Esquema de recorregut i esquema de cerca
13 Disseny descendent (accions i funcions)
2 Les matrius (taules)
21 Conceptes
22 Recorreguts i acceacutes
3 Combinacioacute de dades de diferent tipus (List)
31 Introduccioacute i conceptes generals
32 Construccioacute i operacions amb el tipus List
4 Estructures de dades meacutes complexes (Data Frames)
41 Introduccioacute i conceptes bagravesics
42 Construccioacute i operacions amb Data Frames
43 Combinacions drsquoestructures
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria i problemes en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com acontinguts de lrsquoassignatura i alhora resoldre i analitzar els problemes relacionats amb la teoriapresentada de manera intercalada
2 Classes de laboratori (pragravectiques drsquoordinador) que es duen a terme a les aules drsquoinformagravetica de laFacultat en quegrave lrsquoobjectiu eacutes lrsquoaplicacioacute pragravectica del que srsquoha vist a les classes de teoria i problemes enels ordinadors i especialment el desenvolupament de programes
El grup es desdobla en dos per a les classes de teoria tots els estudiants tenen el mateix horari i fan lesclasses dos professors En canvi el grup es desdobla en tres per a les classes de laboratori (pragravectiquesdrsquoordinador) tambeacute tots els estudiants fan el mateix horari i imparteixen les classes tres professors
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura es basa principalment en dos tipus drsquoactivitats
a) Dues proves escrites que no eliminen temari i que consisteixen en la resolucioacute per escrit drsquounconjunt drsquoexercicis o problemesmdash Una prova de seguiment que es duu a terme a la meitat del curs (NEPar) Aquesta prova es fa cap ala meitat del semestremdash Una prova final (NEFin) Es fa el mateix dia que la prova drsquoavaluacioacute uacutenica
b) Una prova pragravectica que es fa en els ordinadors (NPRAC) en lrsquouacuteltima classe de laboratori
El cagravelcul de la nota final es fa segons el procediment seguumlent
NCON = Magravex ((03 NEPar + 07 NEFin) NEFin)
NFINAL = 03 NPRAC + 07 NCON
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una uacutenica prova escrita que dona la nota final (NFINAL)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHO Alfred V et al Estructuras de datos y algoritmos Willmington Del Addison-WesleyIberoamericana 1988
MATLOFF Norman S The Art of R Programming A Tour of Statistical Software Design San Francisco NoStarch Press 2011
BRAUN John et al First Course in Statistical Programming with R Cambridge Cambridge University2007
Text electrogravenic
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute Lineal i Entera
Codi de lassignatura 361226
Curs acadegravemic 2019-2020
Coordinacioacute F JAVIER HEREDIA CERVERA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Classes de teoria i problemes) 375
- Pragravectiques dordinadors
(Laboratoris computacionals ambSASOR)
225
Treball tutelatdirigit
(Realitzacioacute i seguiment dels exercicis deteoria i laboratori proposats a classe)
38
Aprenentatge autogravenom 52
Recomanacions
Tenir els coneixements i habilitats bagravesiques drsquoanagravelisi agravelgebra lineal programacioacute investigacioacute operativa iSAS de les assignatures seguumlentsmdash Introduccioacute al Cagravelcul Agravelgebra Lineal Cagravelcul de Diverses Variables Megravetodes Numegravericsmdash Introduccioacute a la Informagravetica Programacioacute
mdash Software Estadiacutestic (SAS)mdash Introduccioacute a la Investigacioacute Operativa
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de presa de decisioacute meacutes importants de la investigacioacute operativa en diversoscamps drsquoaplicacioacute
Analitzar problemes de presa de decisioacute amb lrsquoobjectiu de formular i resoldre computacionalmentel model drsquooptimitzacioacute meacutes adient
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal i dels seusalgorismes de resolucioacute aixiacute com de les tegravecniques drsquoanagravelisi de sensibilitat
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal entera i dels seusalgorismes de resolucioacute
Referits a habilitats destreses
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal a problemesacadegravemics de dimensioacute reduiumlda
Resoldre problemes pragravectics mitjanccedilant lrsquoaplicacioacute de tegravecniques drsquoanagravelisi de sensibilitat a modelsde programacioacute lineal
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal entera aproblemes acadegravemics de dimensioacute reduiumlda
Resoldre problemes reals de presa de decisioacute mitjanccedilant lrsquouacutes drsquoalgun programari drsquooptimitzacioacute dereferegravencia corresponent als diferents algorismes drsquooptimitzacioacute estudiats al llarg del curs
Blocs temagravetics
1 Introduccioacute a la programacioacute lineal (PL)
11 Formulacioacute de problemes de programacioacute lineal
12 Representacioacute gragravefica i solucioacute de problemes de programacioacute lineal
13 Repagraves de conceptes drsquoagravelgebra lineal Complexitat algoriacutesmica
14 Implementacioacute i resolucioacute computacional de problemes de programacioacute lineal amb el
procediment OPTMODEL de SASOR (laboratori 1)
2 Teoria de programacioacute lineal i algorisme del siacutemplex
21 Geometria en programacioacute lineal poliedres i conjunts convexos punts extrems
vegravertexs i solucions bagravesiques degeneracioacute existegravencia i optimitat dels punts extrems
22 Lrsquoalgorisme del siacutemplex condicions drsquooptimitat desenvolupament de lrsquoalgorisme del
siacutemplex implementacions del megravetode del siacutemplex cagravelcul de solucions inicials factibles
eficiegravencia computacional de lrsquoalgorisme del siacutemplex
23 Estudi computacional de lrsquoalgorisme del siacutemplex procediment OPTLP de SASOR
(laboratori 2)
3 Dualitat en programacioacute lineal i anagravelisi de sensibilitat
31 Teoria de dualitat motivacioacute del problema dual teorema de dualitat i de folga
complementagraveria variables duals i costos marginals lrsquoalgorisme del siacutemplex dual
32 Anagravelisi de sensibilitat anagravelisi de sensibilitat local anagravelisi de sensibilitat global
programacioacute paramegravetrica
33 Anagravelisi de sensibilitat global amb SASOR programacioacute amb el procediment
OPTMODEL (laboratori 3)
4 Models de programacioacute lineal entera (PLE)
41 Definicioacute i formulacioacute de problema de PLE i PLE mixta
42 Formulacions vagravelides fortes i ideals de problemes de programacioacute entera
43 Implementacioacute de problemes PLE amb SASOR (PROC OPTMODEL) i enllaccedil amb bases
de dades SAS (laboratori 4)
5 Algorismes de programacioacute lineal entera
51 Introduccioacute repagraves de lrsquoalgorisme de ramificacioacute i poda (branch-and-bound)
classificacioacute dels megravetodes de programacioacute lineal entera
52 Algorismes de plans de tall algorisme genegraveric talls de Gomory algorisme de plans
de tall de Gomory
53 Algorismes de ramificacioacute i tall (branch-and-cut) algorisme genegraveric de ramificacioacute i
tall (branch-and-cut)
54 Resolucioacute eficient de les relaxacions lineals reoptimitzacioacute amb el siacutemplex dual
55 Implementacioacute i resolucioacute computacional de problemes PLE amb SASOR
procediment OPTMILP (laboratori 5)
Metodologia i activitats formatives
Classes de teoria sessions magistrals en quegrave amb lrsquoajut de les transparegravencies de classe esdesenvolupen els aspectes formals de lrsquoassignatura ilmiddotlustrats amb nombrosos exemples numegravericsdescrits tant a les transparegravencies com a la pissarra
Classes de problemes sessions participatives en quegrave amb lrsquoajut de la Colmiddotleccioacute drsquoExercicis de Teoriade lrsquoassignatura es vol facilitar la comprensioacute dels continguts de les classes de teoria Cada setmana esproposen uns exercicis de la colmiddotleccioacute que es resolen i discuteixen a la pissarra a la sessioacute seguumlentAlgunes drsquoaquestes sessions es destinen a la resolucioacute i discussioacute dels controls de teoria
Sessions de laboratori sessions participatives destinades a la formulacioacute matemagravetica laimplementacioacute computacional i lrsquoanagravelisi de les solucions dels problemes drsquooptimitzacioacute estudiats alrsquoassignatura amb el programari de modelitzacioacute i optimitzacioacute SASOR Cada setmana es proposen unsexercicis de la Colmiddotleccioacute drsquoExercicis de Laboratori de lrsquoassignatura que es resolen i discuteixen a lasessioacute seguumlent Per a les sessions de laboratori es desdobla el grup en dos grups de laboratori queimparteixen simultagraveniament dos professors
Avaluacioacute acreditativa dels aprenentatges
Activitats de lrsquoavaluacioacute continuada
bull Controls de teoria proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb les propietats dels models i algorismes drsquooptimitzacioacute NCT eacutes la mitjana aritmegravetica deles notes sobre 10 dels controls de teoria
bull Controls de laboratori proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb la formulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemesdrsquooptimitzacioacute NCL eacutes la mitjana aritmegravetica de les notes sobre 10 dels controls de laboratori
bull Prova drsquoavaluacioacute final de teoria i de laboratori prova per acreditar lrsquoadquisicioacute de les habilitats
teoricopragravectiques de lrsquoassignatura Consta de dos exagravemens diferents de teoria i laboratori ambnotes NAT i NAL respectivament
Nota drsquoavaluacioacute continuada srsquoobteacute aplicant lrsquoexpressioacute
NAC = 06min 10 FCTNAT + 04min 10 FCLNAL
on FCT i FCL soacuten factors entre 1 i 12 que srsquoobtenen a partir de les notes dels controls de teoriai laboratori respectivament segons les foacutermules
FCT = 1 + (2NCT10)10 i FCL = 1 + (2NCL10)10
Alliberament de mategraveria pel resultat dels controls Els alumnes amb NCT gt= 7 i cap nota decontrol de teoria lt 4 o NCL gt= 7 i cap nota de control de laboratori lt 4 queden alliberats delrsquoobligacioacute de fer la prova drsquoavaluacioacute final corresponent Si un alumne que pot alliberar mategraveria espresenta a la prova drsquoavaluacioacute final per tal de calcular la NAC es pren la millor nota entre els controls ila prova final eacutes a dir
max min 10 FCTNAT NCT i max min 10 FCLNAL NCL
Nota miacutenima per tal drsquoaprovar lrsquoavaluacioacute continuada cal que NAC gt= 5 i que NAT i NAL siguin gt=4
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica eacutes la mateixa prova drsquoavaluacioacute final de teoria i de laboratori de lrsquoavaluacioacutecontinuada Consta de les parts seguumlents
bull Prova drsquoavaluacioacute de teoria examen per avaluar els aprenentatges relacionats amb les propietatsdels models i algorismes drsquooptimitzacioacute Consta drsquoun test (sense apunts) i un conjunt drsquoexercicis teograverics(amb transparegravencies de classe)
bull Prova drsquoavaluacioacute de laboratori examen per avaluar els aprenentatges relacionats amb laformulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemes drsquooptimitzacioacute Constadrsquoun exercici pragravectic a lrsquoaula drsquoinformagravetica amb el programari usat durant el curs i les transparegravencies declasse
La nota drsquoavaluacioacute uacutenica srsquoobteacute aplicant lrsquoexpressioacute NAU = 06NAT + 04NAL on NAT i NAL soacutenrespectivament la nota sobre 10 de la prova drsquoavaluacioacute de teoria i de laboratori Per tal drsquoaprovarlrsquoavaluacioacute uacutenica cal que NAU gt= 5 i que NAT i NAL siguin gt= 4 La data de la prova drsquoavaluacioacuteuacutenica eacutes la fixada pel Consell Docent
La reavaluacioacute consisteix en una prova amb les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BERTSIMAS Dimitris et al Introduction to linear optimization Belmont (Mass) Athena Scientific1997
Text electrogravenic
HEREDIA FJavierTransparegravencies de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Transparegravencies de Laboratori de Programacioacute Lineal i Entera amb SASOR
HEREDIA F Javier Exercicis de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Exercicis de Laboratori de Programacioacute Lineal i Entera amb SASOR
PDF disponible mitjanccedilant el Campus Virtual
SASOR 93 Userrsquos Guide Mathematical Programming
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute No Lineal i Fluxos en Xarxes
Codi de lassignatura 361227
Curs acadegravemic 2019-2020
Coordinacioacute Julia De Frutos Cachorro
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Coneixements i habilitats bagravesiques de les assignatures seguumlents Cagravelcul de Diverses Variables AgravelgebraLineal i Programacioacute Lineal i Entera
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura es basa en lrsquoestudi i resolucioacute de problemes de decisioacute mitjanccedilant tegravecniques quepermeten la identificacioacute i avaluacioacute sistemagravetica de totes les opcions de decisioacute del problema Ameacutes sempre que la naturalesa del problema que srsquoha de resoldre ho permeti eacutes convenientformular aquests problemes en termes matemagravetics
En la modelitzacioacute de problemes mitjanccedilant la programacioacute no lineal (PNL) srsquoafegeix una visioacutemeacutes propera de la realitat estudiada Lrsquoobjectiu del curs en relacioacute amb la PNL eacutes poderdeterminar la decisioacute ograveptima drsquoun problema a meacutes en el cas que el problema estigui subjecte arestriccions eacutes convenient saber si el problema teacute o no teacute solucioacute i en cas de tenir-ne quina eacutesla seva localitzacioacute i naturalesa Respecte a la temagravetica dels fluxos en xarxes com que gran part dels problemes es podenresoldre per programacioacute lineal lrsquoobjectiu del curs eacutes exposar tant les nocions elementals de lateoria com reconegraveixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismesespeciacutefics per resoldrersquols
Referits a habilitats destreses
Respecte a la programacioacute no lineal (PNL) es preteacuten que lrsquoestudiant sigui capaccedil demdash Formalitzar situacions simples mitjanccedilant problemes de programacioacute no linealmdash Aplicar els conceptes de la programacioacute no lineal per trobar resultats i deduir-ne la naturalesamdash Interpretar els resultats obtinguts en el context del modelmdash Analitzar models de lrsquoeconomia des del punt de vista de la PNLmdash Aplicar la PNL a problemes drsquooptimitzacioacute en estadiacutesticamdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiades i lrsquouacutes de programesinformagravetics com ara SAS i Excel
Respecte als fluxos en xarxes es preteacuten que lrsquoestudiant sigui capaccedil demdash Formular els problemes mitjanccedilant programes linealsmdash Distingir les particularitats dels diferents tipus de xarxesmdash Formalitzar situacions simples com a fluxos en xarxes identificant els elements i elsprocediments de resolucioacutemdash Aplicar diferents tipus drsquoalgorismes en un mateix model de xarxa i comparar-ne els resultatsmdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiadesmdash Interpretar els resultats i desenvolupar una capacitat criacuteticamdash Definir i resoldre problemes de fluxos en xarxes mitjanccedilant lrsquouacutes de programes informagravetics comara SAS i Excel
Blocs temagravetics
1 Programacioacute no lineal
11 Introduccioacute a la programacioacute no lineal conceptes preliminars i definicions
12 Resolucioacute de problemes de programacioacute no lineal sense restriccions
13 Megravetodes de programacioacute no lineal basats en lrsquoaproximacioacute
14 Programacioacute no lineal amb restriccions megravetode de multiplicadors de Lagrange i
condicions de Kuhn-Tucker
15 Algorismes de resolucioacute de problemes no lineals restringits
16 Aplicacions
2 Fluxos en xarxes
21 Models de xarxes definicions bagravesiques i exemples
22 Problema de la trajectograveria meacutes curta
23 Problema de flux magravexim
24 Problema de flux amb cost miacutenim en una xarxa
25 Altres aplicacions
Metodologia i activitats formatives
La metodologia amb la qual es volen assolir els objectius de lrsquoassignatura consisteix drsquouna banda enclasses magistrals de caragravecter teoricopragravectic i de lrsquoaltra en activitats pragravectiques a lrsquoordinador Respectede les classes es preteacuten que lrsquoanagravelisi de diferents exemples condueixi a la necessitat de definirconceptes bagravesics i que despreacutes aquests conceptes i procediments srsquoapliquin a exemples meacutes complexosprovinents de la realitat econogravemica Per aixograve les activitats pragravectiques que es proposen tenen un paperimportant en lrsquoassoliment drsquoaquests objectius
Avaluacioacute acreditativa dels aprenentatges
Com a norma general lrsquoavaluacioacute ha de ser continuada En cas que lrsquoestudiant manifesti que no potcomplir els requisits drsquouna avaluacioacute continuada teacute dret a una avaluacioacute uacutenica Aquesta decisioacute ha deconstar per escrit amb una cogravepia per a lrsquoestudiant i una altra per al professor abans de la data quesrsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en dues proves escrites presencials al final de cada bloc temagravetic i dediferents pragravectiques a lrsquoordinador al llarg del curs El calendari de les proves escrites es fa puacuteblic en elCampus Virtual a lrsquoinici de cada curs
La nota de curs (o nota drsquoavaluacioacute continuada) segueix la foacutermula seguumlent
Nota de curs = Nota de proves escrites 07 + Nota de pragravectiques 03
On Nota de proves escrites = (Nota prova 1 + Nota prova 2) 2
Per poder superar el curs mitjanccedilant lrsquoavaluacioacute continuada srsquoexigeix que la nota del curs sigui igual osuperior a 5 (sobre 10) i que a cadascuna de les proves escrites descrites anteriorment srsquoobtingui coma miacutenim un 35 (sobre 10)
Tots els estudiants que no hagin superat lrsquoassignatura amb lrsquoavaluacioacute continuada tenen dret a unaprova de reavaluacioacute La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova de preguntes teograveriques i pragravectiques i que teacute lloc en la dataoficial drsquoexagravemens Per poder superar el curs srsquoexigeix que la nota drsquoaquesta prova sigui igual o superiora 5 (sobre 10)
ReavaluacioacuteTots els estudiants que no hagin superat lrsquoassignatura ja sigui mitjanccedilant avaluacioacute continuada oavaluacioacute uacutenica tenen dret a una prova de reavaluacioacute La prova de reavaluacioacute teacute les mateixescaracteriacutestiques que la prova drsquoavaluacioacute uacutenica descrita anteriorment i teacute lloc en la data oficialdrsquoexagravemens de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHUJA Ravindra K et al Network Flows Theory algorithms and applications Upper Saddle River (NJ)Prentice Hall 1993
WINSTON Wayne L Investigacioacuten de operaciones Aplicaciones y algoritmos Meacutexico Thomson 2005
MARTIacuteN Quintiacuten et al Investigacioacuten Operativa Problemas y ejercicios resueltos Madrid [etc] PearsonEducacioacuten 2005
TAHA Hamdy A Investigacioacuten de operaciones 9a ed Meacutexico [etc] Pearson Educacioacuten 2012
BALBAacuteS Alejandro et al Programacioacuten Matemaacutetica 2a ed Madrid AC 1990
PEacuteREZ Joaquiacuten et al Teoria de juegos Madrid [etc] Prentice Hall 2004
IZQUIERDO Josep Maria et al Jocs cooperatius i aplicacions econogravemiques Barcelona Edicions de laUniversitat de Barcelona 1999
BAZARAA Mokhtar S et al Linear programming and network flows Hoboken NJ John Wiley amp Sons2010
OSBORNE Martin J An introduction to Game Theory New York [etc] Oxford University Press 2004
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Software Estadiacutestic
Codi de lassignatura 361214
Curs acadegravemic 2019-2020
Coordinacioacute KLAUS LANGOHR
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques dordinadors 45
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Es recomana haver cursat les assignatures de primer curs
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
-
Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a habilitats destreses
Desenvolupar aplicacions estadiacutestiques estructurades i eficients amb lrsquouacutes de programari(software) estadiacutestic de referegravencia desplegant les competegravencies adquirides a les assignatures deprogramacioacute
Aplicar models i tegravecniques estudiats en altres assignatures drsquoestadiacutestica i investigacioacute operativaamb lrsquouacutes de programari estadiacutestic de referegravencia tant comercial com de lliure distribucioacute
Distingir els avantatges i inconvenients dels principals paquets de programari estadiacutestic
Blocs temagravetics
1 El llenguatge de programacioacute R
11 Creacioacute i manipulacioacute drsquoobjectes bagravesics de R vectors matrius i data frames
12 Importacioacute de dades a R i exportacioacute de resultats
13 Estadiacutestica descriptiva i procediments gragravefics bagravesics
14 Programacioacute bagravesica i creacioacute de funcions progravepies
2 El llenguatge SAS
21 Edicioacute depuracioacute i combinacioacute de dades Transformacioacute de variables
22 Principals mograveduls drsquoanagravelisi de dades
Metodologia i activitats formatives
Sessions en aules amb ordinadors mdash sessions expositives del professorat seguides drsquoun exemple o pragravectica guiadamdash sessions de pragravectica drsquoun cas proposatmdash sessions de plantejament de casos per resoldre de forma autogravenoma
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada de lrsquoassignatura es basa en la mitjana de les notes de cadascun dels dosllenguatges treballats (amb un miacutenim de 4 sobre 10 en cadascun) Cadascuna de les dues notes es basaen un parell drsquoexagravemens (70 ) i un treball pragravectic (30 ) El treball tant amb R com amb SASconsisteix a buscar un conjunt de dades analitzar-lo amb les eines apreses a classe i en un apartat deprogramacioacute drsquouna funcioacute Es valora positivament el fet de buscar un conjunt de dades original i lacreativitat en la programacioacute de la funcioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica de lrsquoassignatura consisteix en un examen final (70 ) i en el lliurament dels treballspragravectics amb R i SAS (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BRAUN John MURDOCH Duncan A First course in statistical programming with R CambridgeCambridge University 2007
CRAWLEY Michael J Statistics an introduction using R Chichester Wiley amp Sons cop 2005
DALGAARD Peter Introductory statistics with R New York Springer cop 2002
MURRELL Paul R Graphics Boca Raton (Fla) Chapman amp HallCRC 2006
MUENCHEN Robert A R for SAS and SPSS Users New York Springer 2011
DELWICHE Lora D The Little SAS book a primer Cary (NC) SAS Institute 1995
EVERITT BS et al A Handbook of statistical analyses using SAS Boca Raton (Fla) Chapman ampHallCRC 2009
HATCHER Larry Step-by-step basic statistics using SAS student guide Cary (NC) SAS Institute 2003
PEacuteREZ Ceacutesar El Sistema estadiacutestico SAS Madrid Pearson Educacioacuten 2001
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Teoria de Cues i Simulacioacute
Codi de lassignatura 361228
Curs acadegravemic 2019-2020
Coordinacioacute ESTEVE CODINA SANCHO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Meacutes informacioacute
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 75
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs enmdash Cagravelcul de probabilitats variables aleatograveries distribucions de frequumlegravencies i estadiacutestics (mitjanavariagravencia etc)mdash Cagravelcul i anagravelisi realmdash Programacioacute
Es recomana haver cursat les assignatures
mdash Estadiacutestica Descriptivamdash Introduccioacute a la Informagraveticamdash Introduccioacute a la Probabilitatmdash Introduccioacute al Cagravelculmdash Programacioacutemdash Probabilitat i Processos Estocagravesticsmdash Introduccioacute a la Investigacioacute Operativamdash Inferegravencia Estadiacutestica
Altres recomanacions
Per tal drsquoafavorir que lrsquoalumnat assoleixi els objectius drsquoaquesta mategraveria es recomana
mdash Assistir regularment a classe per facilitar la implicacioacute personal en lrsquoaprenentatge i laparticipacioacute en les activitats en grup
mdash Exercitar hagravebits de disciplina continuada i sistemagravetica en el propi treball intelmiddotlectual i lrsquoaplicacioacutemdasho aprenentatge si escaumdash drsquoestrategravegies de treball autogravenom i de recursos drsquoavaluacioacute formativaproposats pel professorat
mdash Utilitzar de manera continuada els recursos de la mategraveria
mdash Seguir les activitats pragravectiques com a mitjagrave drsquoaprofundiment en el domini dels procediments ide les habilitats bagravesiques de lrsquoassignatura i de la seva didagravectica i tambeacute com a sistema peraprofundir en els coneixements teograverics de la mategraveria
mdash Fer com a miacutenim una visita per semestre al professorat de la mategraveria
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de temps de vida residual i aplicar-lo a lrsquoentorn dels sistemes drsquoespera
mdash Conegraveixer i estar en disposicioacute drsquoidentificar els diferents components drsquoun sistema drsquoespera i lesseves interrelacions
mdash Conegraveixer les principals magnituds fonamentals que intervenen en un sistema de cues i comaquestes reflecteixen el funcionament drsquoaquest sistema aixiacute com les interrelacions entreaquestes magnituds
mdash Conegraveixer i aplicar les propietats dels models drsquoespera exponencials
mdash Identificar les distribucions de probabilitat subjacents en els diferents processos queintervenen en un sistema drsquoespera
mdash Conegraveixer els megravetodes vistos a lrsquoassignatura per generacioacute de nombres aleatoris
mdash Conegraveixer el paper de la simulacioacute com a eina metodologravegica per avaluar models de cues isistemes drsquoinventari
Referits a habilitats destreses
mdash Calcular lrsquoesperanccedila del temps de vida residual i condicional
mdash Identificar el model de cues adequat i de les distribucions de probabilitat per arribades iserveis
mdash Calcular i fer estimacions de les magnituds fonamentals dels sistemes drsquoespera
mdash Identificar la influegravencia en el rendiment dels sistemes drsquoespera de diferents tipus de canvis enla seva configuracioacute
mdash Desenvolupar models de simulacioacute de sistemes de cues i inventaris
mdash Saber emprar el megravetode de mitjanes per lots a partir de resultats drsquouna simulacioacute
Blocs temagravetics
1 Introduccioacute als processos de renovacioacute
Propietats importants dels processos estocagravestics de renovacioacute que intervenen en la teoriade cues
11 Definicioacute
12 La propietat drsquoabsegravencia de memograveria
2 Cues exponencials
Principals models derivats dels processos de naixement i mort
21 Conceptes bagravesics sistemes drsquoespera
22 Estimacioacute dels paragravemetres en models de cues
23 Models exponencials de cues
3 Cues no exponencials
En moltes situacions reals les hipogravetesis progravepies de les cues MM no es verifiquen En algunscasos eacutes possible emprar megravetodes analiacutetics o fer aproximacions En aquest bloc es presentenles meacutes comunes
31 Introduccioacute als models no exponencials
4 Simulacioacute
Per a alguns sistemes com ara cues meacutes complexes o sistemes drsquoinventari els modelsanaliacutetics esdevenen molt complexos Una forma alternativa drsquoobtenir solucions dels anteriorssistemes eacutes mitjanccedilant models de simulacioacute En aquest bloc srsquoexaminen les metodologies meacutesrellevants per construir i explotar models de simulacioacute
41 Conceptes bagravesics
42 Megravetodes de Montecarlo
43 Metodologia de la simulacioacute
44 Processos de mostreig en simulacioacute
Metodologia i activitats formatives
La metodologia drsquoensenyament inclou quatre tipus de sessions sessions de teoria sessions deproblemes io exercicis sessions de laboratori i sessions de seguiment del treball de curs
mdash Les sessions de teoria consisteixen en lrsquoexposicioacute dels continguts de lrsquoassignatura generalment amblrsquoajut drsquoun conjunt de transparegravencies que srsquoalternen amb la pissarra en la qual srsquoestenen i tambeacute esdesenvolupen exemples adequats
mdash Les sessions de problemes consisteixen en la resolucioacute ja sigui per part del professor o solmiddotlicitant lacooperacioacute dels estudiants drsquoun conjunt drsquoexercicis cadascun de certa extensioacute i amb enunciatsrecopilats en una colmiddotleccioacute de la qual nomeacutes es disposa de les solucions finals dels exercicis
mdash Les sessions de laboratori consisteixen en la utilitzacioacute de recursos de programari per tal de resoldreaspectes pragravectics com ara lrsquoestimacioacute dels paragravemetres dels models de cues estudiats a classe de teorialrsquoevolucioacute de les longituds de cua la generacioacute i anagravelisi de mostres de nuacutemeros pseudoaleatoris lrsquoanagraveliside mostres de resultats de simulacioacute
mdash En les sessions de seguiment del treball de curs srsquoexposa el contingut dels lliuraments parcials quehan drsquoefectuar-se drsquoaquest treball i es responen les quumlestions particulars de cada treball
mdash Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Elprofessorat assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Aquesta eacutes lrsquoavaluacioacute habitual La comprensioacute de lrsquoassignatura i de les habilitats que es desenvolupenpoden ser avaluades de manera continuada mitjanccedilant dos exagravemens parcials i un de final Cada examenparcial avalua dos blocs de teoria i el seu pes en la nota de teoria eacutes del 50 Els exagravemens parcialstenen caragravecter alliberador dels blocs corresponents sempre que la nota obtinguda sigui superior o iguala 35 (sobre 10) aleshores no cal presentar-se a lrsquoexamen final dels blocs alliberats pels parcials Elprimer examen parcial es fa a meitat del semestre i el segon examen parcial al final de les classesIgualment formen part de lrsquoavaluacioacute continuada les pragravectiques de laboratori lliurades i avaluadesdurant el curs
Lrsquoassignatura inclou el desenvolupament drsquoun treball amb un lliurament parcial al llarg del periacuteodedocent Aquest lliurament parcial passa a formar part de lrsquoavaluacioacute continuada i val el 30 del total dela nota corresponent al treball Aquest treball de curs srsquoha de lliurar en la data marcada per a lrsquoexamenfinal
La nota de lrsquoassignatura es compon drsquoun 60 de la part teograverica un 20 dels exercicis de laboratori iun 20 del treball de curs
Tots els estudiants que no hagin superat lrsquoassignatura tenen dret a una prova de reavaluacioacute durant elmes de juliol amb les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica La reavaluacioacute permet obtenir laqualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que hagin optat perlrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient Srsquoopta llavors per fer unexamen final que decideix el 100 de la nota
Els diferents megravetodes drsquoavaluacioacute (uacutenica i continuada) inclouen lrsquoavaluacioacute de les competegravenciesassociades a lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALLEN Arnold O Probability Statistics and Queueing Theory Boston Academic Press 1990
Font associada al bloc 3
BRATLEY Paul et al A Guide to Simulation New York [etc] Springer 1987
Font associada al bloc 4
HILLIER FS et al Introduction to Operations Research Oakland CA Holden day Inc 1986
Font associada al bloc 2
LAW Averill M et al Simulation modeling and analysis New York [etc] McGraw-Hill 1991
Font associada al bloc 4
TRIVEDI Kishor Shridharbhai et al Probability and Statistics with Reliability Queueing and ComputerScience Applications New York [etc] John Wiley amp Sons 2002
Font associada al bloc 1Pagravegina web
httpwww-eioupcesteachingTCiS
Repositori de material docent Exagravemens material de pragravectiques exercicistransparegravencies de classe i apunts
Text electrogravenic
CODINA E MONTERO L Teoria de Cues Apunts
Font associada als blocs 2 i 3
CODINA E MONTERO L Introduccioacute a la Simulacioacute i a la generacioacute de Nordms aleatoris
Font associada al bloc 4
CODINA E Teoria de Cues Transparegravencies de classe
Font associada als blocs 2 i 3
Revisat pels Serveis Linguumliacutestics de la UB
Grado en Estadiacutestica (interuniversitarioUB-UPC)
Con el grado en Estadiacutestica (acreditado con excelencia por AQU Catalunya) coordinado por la Universitat de Barcelona (UB)y con la participacioacuten de la UPC cursaraacutes materias vinculadas a la estadiacutestica la probabilidad la investigacioacuten operativa lainformaacutetica o la economiacutea que te permitiraacuten disentildear meacutetodos para recoger datos y transformarlos en informacioacuten uacutetil para latoma de decisiones en empresas organizaciones e instituciones dirigir procesos de control y mejora de la calidad y elaborarestudios de opinioacuten puacuteblica informes estadiacutesticos estudios epidemioloacutegicos y ensayos cliacutenicos en el aacutembito de la sanidad Estosestudios se imparten conjuntamente con la Universidad de Barcelona (UB) y esto enriquece la formacioacuten gracias a la unioacuten dela experiencia del profesorado de las dos universidades en los aacutembitos de la ingenieriacutea y la tecnologiacutea la economiacutea las cienciassociales y las ciencias de la salud
El grado se imparte en la Facultad de Matemaacuteticas y Estadiacutestica (FME)
DATOS GENERALES
Duracioacuten4 antildeos
Carga lectiva240 creacuteditos ECTS (incluido el trabajo de fin de grado) Un creacutedito equivale a 25-30 horas de trabajo
Tipos de docenciaPresencial
Nota de corte del curso 2019-20209512
Horariosturnos1ordm y 2ordm (mantildeana) y 3ordm y 4ordm (tarde)
Precios y becasPrecio aproximado por curso 2326 euro (3489 euro para no residentes en la UE) Consulta el porcentaje de minoracioacuten enfuncioacuten de la renta (becas y modalidades de pago)
Tiacutetulo oficialInscrito en el registro del Ministerio de Educacioacuten Cultura y Deporte
ACCESO
Plazas nuevo ingreso50
Nota de corte del curso 2019-20209512 Notas de corte
Ponderaciones PAUTabla de ponderaciones de las materias para la fase especiacutefica
Coacutemo accederTodas las viacuteas de acceso preinscripcioacuten y matriacutecula
Convalidaciones de CFGSConvalidaciones de CFGS
Legalizacioacuten de documentosLos documentos expedidos por estados no miembros de la Unioacuten Europea ni firmantes del Acuerdo sobre el espacio
econoacutemico europeo tienen que estar legalizados por viacutea diplomaacutetica o con correspondiente apostilla
SALIDAS PROFESIONALES
Salidas profesionalesSalud y ciencias naturales servicios de sanidad medicina salud puacuteblica industria farmaceacuteutica ensayos cliacutenicos
sanidad animal medio ambiente ciencias de la vida bioinformaacutetica y agriculturaData Science
Economiacutea y Finanzas ciencias actuariales seguros banca evaluacioacuten de riesgos y concesioacuten de creacuteditos bolsa
gestioacuten de carteras de valores anaacutelisis financiero investigacioacuten de mercados anaacutelisis de la competencia o poliacuteticasde preciosAdministraciones puacuteblicas actividades en institutos oficiales de estadiacutestica proyecciones demograacuteficas tendencias
sociales mercado de trabajo asignacioacuten oacuteptima de recursos etcIndustria y servicios (incluyendo la informaacutetica) disentildeo de experimentos control de calidad mejora de procesos y
productos logiacutestica gestioacuten de inventarios planificacioacuten de la produccioacuten y gestioacuten oacuteptima de recursos y sistemasenergeacuteticosDocencia e investigacioacuten
ORGANIZACIOacuteN
Organizacioacuten del estudio
La duracioacuten de los estudios es de cuatro antildeos organizados en ocho cuatrimestres todas las asignaturas del plan deestudios son de 6 ECTS excepto el trabajo de fin de grado que es de 18 ECTS
Calendario acadeacutemicoCalendario acadeacutemico de los estudios universitarios de la UPC
Normativas acadeacutemicasNormativa acadeacutemica de los estudios de grado de la UPC
Acreditacioacuten y reconocimiento de idiomasLos estudiantes de grado deben acreditar la competencia en una tercera lengua para obtener el tiacutetulo de gradoCertifica tu nivel de idiomas
Facultad de Matemaacuteticas y Estadiacutestica (FME)
PLAN DE ESTUDIOS
Asignaturas creacuteditosECTS
Tipo
PRIMER CURSO
Aacutelgebra Lineal 6 Obligatoria
Estadiacutestica Descriptiva 6 Obligatoria
Fundamentos de Administracioacuten de Empresas 6 Obligatoria
Introduccioacuten a la Inferencia Estadiacutestica 6 Obligatoria
Introduccioacuten a la Informaacutetica 6 Obligatoria
Introduccioacuten a la Investigacioacuten Operativa 6 Obligatoria
Asignaturas creacuteditosECTS
Tipo
Introduccioacuten a la Probabilidad 6 Obligatoria
Introduccioacuten al Caacutelculo 6 Obligatoria
Principios de Economiacutea 6 Obligatoria
Programacioacuten 6 Obligatoria
SEGUNDO CURSO
Caacutelculo de Diversas Variables 6 Obligatoria
Disentildeo de Encuestas 6 Obligatoria
Estadiacutestica para la Gestioacuten de la Calidad 6 Obligatoria
Estadiacutestica Puacuteblica 6 Obligatoria
Inferencia Estadiacutestica 6 Obligatoria
Meacutetodos de Muestreo 6 Obligatoria
Meacutetodos Numeacutericos 6 Obligatoria
Probabilidad y Procesos Estocaacutesticos 6 Obligatoria
Programacioacuten Lineal y Entera 6 Obligatoria
Software Estadiacutestico 6 Obligatoria
TERCER CURSO
Anaacutelisis Multivariante 6 Obligatoria
Disentildeo de Experimentos 6 Obligatoria
Econometriacutea 6 Obligatoria
Estadiacutestica para la Biociencia 6 Obligatoria
Ficheros y Bases de Datos 6 Obligatoria
Meacutetodos Bayesianos 6 Obligatoria
Meacutetodos No Parameacutetricos y de Remuestreo 6 Obligatoria
Modelos Lineales 6 Obligatoria
Programacioacuten No Lineal y Flujos en Redes 6 Obligatoria
Teoriacutea de Colas y Simulacioacuten 6 Obligatoria
CUARTO CURSO
Anaacutelisis de Series Temporales 6 Obligatoria
Anaacutelisis de Supervivencia 6 Optativa
Demografiacutea 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Meacutedica 6 Optativa
Estadiacutestica para la Mejora de la Calidad 6 Optativa
Meacutetodos Estadiacutesticos en Mineriacutea de Datos 6 Optativa
Meacutetodos Estadiacutesticos para el Maacuterqueting 6 Optativa
Meacutetodos Estadiacutesticos para Finanzas y Seguros 6 Optativa
Modelos Lineales Generalizados 6 Obligatoria
Optimizacioacuten en Ingenieriacutea 6 Optativa
Asignaturas creacuteditosECTS
Tipo
Optimizacioacuten Financiera 6 Optativa
Praacutecticas Empresariales I 6 Optativa
Praacutecticas Empresariales II 6 Optativa
Trabajo de Fin de Grado 18 Proyecto
Septiembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Bachelors degree in Statistics(interuniversity UB-UPC degree)
The bachelorrsquos degree in Statistics coordinated by the Universitat de Barcelona (UB) and with the UPC as a participant willprovide you with the training you need in statistics probability operations research computer science and economics Thecourse will give you the necessary grounding to design methods for collecting and transforming data into valuabledecision-making input for companies organisations and institutions to manage quality control and improvement processesand to produce public opinion studies statistical reports epidemiological studies and clinical trials in the field of health careThe course is offered jointly with the University of Barcelona (UB) so students reap the rewards of a richer learning experiencebenefiting from the combined expertise of UPC and UB teaching staff in engineering and technology economics and social andhealth sciences
This bachelors degree is taught at School of Mathematics and Statistics (FME)
GENERAL DETAILS
Duration4 years
Study load240 ECTS credits (including the bachelors thesis) One credit is equivalent to a study load of 25-30 hours
DeliveryFace-to-face
Fees and grantsApproximate fees per academic year euro2326 (euro3489 for non-EU residents) Consult the public fees system based onincome (grants and payment options)
Official degreeRecorded in the Ministry of Educations degree register
ADMISSION
Places50
Registration and enrolmentWhat are the requirements to enrol in a bachelors degree course
Legalisation of foreign documentsAll documents issued in non-EU countries must be legalised and bear the corresponding apostille
PROFESSIONAL OPPORTUNITIES
Professional opportunitiesHealth and natural sciences health services medicine public health pharmaceutical industry clinical trials animal
health environment life sciences bioinformatics and agricultureData Science
Economics and finance actuarial science insurance banking risk assessment and lending stock markets
management of securities portfolios financial analysis market research competitor analysis and pricing policyPublic administration activities at official statistics institutes demographic projections studies of social trends and
the labour market optimal allocation of resources etcIndustry and services (including informatics) experimental design quality control improvement of processes and
products logistics inventory management production planning and optimal management of resources and energysystemsTeaching and research
ORGANISATION
Academic calendarGeneral academic calendar for bachelorrsquos masterrsquos and doctoral degrees courses
Academic regulationsAcademic regulations for bachelorrsquos degree courses at the UPC
Language certification and credit recognitionQueries about language courses and certification
School of Mathematics and Statistics (FME)
CURRICULUM
Subjects ECTScredits
Type
FIRST COURSE
Descriptive Statistics 6 Compulsory
Fundamentals of Business Administration 6 Compulsory
Introduction to Calculus 6 Compulsory
Introduction to Informatics 6 Compulsory
Introduction to Operations Research 6 Compulsory
Introduction to Probability 6 Compulsory
Introduction to Statistical Inference 6 Compulsory
Linear Algebra 6 Compulsory
Principles of Economics 6 Compulsory
Programming 6 Compulsory
SECOND COURSE
Integer and Linear Programming 6 Compulsory
Multivariable Calculus 6 Compulsory
Numerical Methods 6 Compulsory
Official Statistics 6 Compulsory
Probability and Stochastic Processes 6 Compulsory
Sampling Methods 6 Compulsory
Statistical Inference 6 Compulsory
Statistical Software 6 Compulsory
Statistics for Quality Management 6 Compulsory
Subjects ECTScredits
Type
Survey Design 6 Compulsory
THIRD COURSE
Bayesian Methods 6 Compulsory
Econometrics 6 Compulsory
Experimental Design 6 Compulsory
Files and Databases 6 Compulsory
Linear Models 6 Compulsory
Multivariate Analysis 6 Compulsory
Non-Linear Programming and Network Flows 6 Compulsory
Non-Parametric and Resampling Methods 6 Compulsory
Queueing Theory and Simulation 6 Compulsory
Statistics for Biosciences 6 Compulsory
FOURTH COURSE
Demography 6 Optional
Engineering Optimisation 6 Optional
Financial Optimisation 6 Optional
Generalised Linear Models 6 Compulsory
Industrial Statistics 6 Optional
Medical Statistics 6 Optional
Practicum I 6 Optional
Practicum II 6 Optional
Statistical Methods for Data Mining 6 Optional
Statistical Methods for Finance and Insurance 6 Optional
Statistical Methods for Marketing 6 Optional
Statistics for Quality Improvement 6 Optional
Survival Analysis 6 Optional
Time Series Analysis 6 Compulsory
Bachelors Thesis 18 Project
September 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Grau en Estadiacutestica (interuniversitariUB-UPC)
Amb el grau en Estadiacutestica (acreditat amb excelmiddotlegravencia per lAQU Catalunya) coordinat per la Universitat de Barcelona (UB) iamb la participacioacute de la UPC cursaragraves mategraveries vinculades a lrsquoestadiacutestica la probabilitat la investigacioacute operativa lainformagravetica o lrsquoeconomia que et permetran dissenyar megravetodes per recollir dades i transformar-les en informacioacute uacutetil per a lapresa de decisions en empreses organitzacions i institucions dirigir processos de control i millora de la qualitat i elaborarestudis drsquoopinioacute puacuteblica informes estadiacutestics estudis epidemiologravegics i assajos cliacutenics en lrsquoagravembit de la sanitat Aquests estudissrsquoimparteixen conjuntament amb la Universitat de Barcelona (UB) i aixograve enriqueix la formacioacute gragravecies a la unioacute de lrsquoexpertesadel professorat de totes dues universitats en els agravembits de lrsquoenginyeria i la tecnologia lrsquoeconomia les ciegravencies socials i lesciegravencies de la salut
Aquest grau simparteix a la Facultat de Matemagravetiques i Estadiacutestica DADES GENERALS
Durada4 anys
Cagraverrega lectiva240 cregravedits ECTS (incloent-hi el treball de fi de grau) Un cregravedit equival a 25-30 hores de treball
Tipus de docegravenciaPresencial
Nota de tall del curs 2019-20209512
Horaristorns1r i 2on (matiacute) i 3er i 4rt (tarda)
Preus i bequesPreu aproximat per curs 2326 euro Consulta el percentatge de minoracioacute en funcioacute de la renda (beques i modalitats depagament)
Tiacutetol oficialInscrit en el registre del Ministeri dEducacioacute Cultura i Esport
ACCEacuteS
Places nou ingreacutes50
Nota de tall del curs 2019-20209512 Notes de tall
Ponderacions PAUTaula de ponderacions de les mategraveries per a la fase especiacutefica
Com shi accedeixTotes les vies dacceacutes preinscripcioacute i matriacutecula
Convalidacions de CFGSConvalidacions de CFGS
Legalitzacioacute de documentsEls documents expedits per estats no membres de la Unioacute Europea ni signataris de lrsquoAcord sobre lrsquoespai econogravemic
europeu han destar legalitzats per via diplomagravetica o amb la postilmiddotla corresponent
SORTIDES PROFESSIONALS
Sortides professionalsSalut i ciegravencies naturals serveis de sanitat medicina salut puacuteblica induacutestria farmacegraveutica assaigs cliacutenics sanitat
animal medi ambient ciegravencies de la vida bioinformagravetica i agriculturaData Science
Economia i finances ciegravencies actuarials assegurances banca avaluacioacute de riscos i concessioacute de cregravedits borsa
gestioacute de carteres de valors anagravelisi financera investigacioacute de mercats anagravelisi de la competegravencia o poliacutetiques depreusAdministracions puacutebliques activitats en instituts oficials destadiacutestica projeccions demogragravefiques tendegravencies socials
mercat de treball assignacioacute ograveptima de recursos etcInduacutestria i serveis (incloent-hi la informagravetica) disseny dexperiments control de qualitat millora de processos i
productes logiacutestica gestioacute dinventaris planificacioacute de la produccioacute i gestioacute ograveptima de recursosDocegravencia i recerca
ORGANITZACIOacute
Organitzacioacute dels estudis
Els estudis tenen una durada de quatre anys organitzats en vuit quadrimestres Totes les assignatures del pladestudis soacuten de 6 ECTS llevat del treball de fi de grau que en teacute 18
Calendari acadegravemicCalendari acadegravemic dels estudis universitaris de la UPC
Normatives acadegravemiquesNormativa acadegravemica dels estudis de grau de la UPC
Acreditacioacute i reconeixement didiomesEls estudiants de grau han dacreditar la competegravencia en una tercera llengua per obtenir el tiacutetol de grau Certifica el teunivell drsquoidiomes
Facultat de Matemagravetiques i Estadiacutestica (FME)
PLA DESTUDIS
Assignatures cregraveditsECTS
Tipus
PRIMER CURS
Agravelgebra Lineal 6 Obligatograveria
Estadiacutestica Descriptiva 6 Obligatograveria
Fonaments dAdministracioacute dEmpreses 6 Obligatograveria
Introduccioacute a la Inferegravencia Estadiacutestica 6 Obligatograveria
Introduccioacute a la Informagravetica 6 Obligatograveria
Introduccioacute a la Investigacioacute Operativa 6 Obligatograveria
Introduccioacute a la Probabilitat 6 Obligatograveria
Assignatures cregraveditsECTS
Tipus
Introduccioacute al Cagravelcul 6 Obligatograveria
Principis dEconomia 6 Obligatograveria
Programacioacute 6 Obligatograveria
SEGON CURS
Cagravelcul de Diverses Variables 6 Obligatograveria
Disseny dEnquestes 6 Obligatograveria
Estadiacutestica per a la Gestioacute de la Qualitat 6 Obligatograveria
Estadiacutestica Puacuteblica 6 Obligatograveria
Inferegravencia Estadiacutestica 6 Obligatograveria
Megravetodes de Mostratge 6 Obligatograveria
Megravetodes Numegraverics 6 Obligatograveria
Probabilitat i Processos Estocagravestics 6 Obligatograveria
Programacioacute Lineal i Entera 6 Obligatograveria
Software Estadiacutestic 6 Obligatograveria
TERCER CURS
Anagravelisi Multivariant 6 Obligatograveria
Disseny dExperiments 6 Obligatograveria
Econometria 6 Obligatograveria
Estadiacutestica per a les Biociegravencies 6 Obligatograveria
Fitxers i Bases de Dades 6 Obligatograveria
Megravetodes Bayesians 6 Obligatograveria
Megravetodes No Paramegravetrics i de Remostreig 6 Obligatograveria
Models Lineals 6 Obligatograveria
Programacioacute No Lineal i Fluxos en Xarxes 6 Obligatograveria
Teoria de Cues i Simulacioacute 6 Obligatograveria
QUART CURS
Anagravelisi de Segraveries Temporals 6 Obligatograveria
Anagravelisi de Supervivegravencia 6 Optativa
Demografia 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Megravedica 6 Optativa
Estadiacutestica per a la Millora de la Qualitat 6 Optativa
Megravetodes Estadiacutestics en Mineria de Dades 6 Optativa
Megravetodes Estadiacutestics per a Finances i Assegurances 6 Optativa
Megravetodes Estadiacutestics per al Magraverqueting 6 Optativa
Models Lineals Generalitzats 6 Obligatograveria
Optimitzacioacute en Enginyeria 6 Optativa
Optimitzacioacute Financera 6 Optativa
Assignatures cregraveditsECTS
Tipus
Pragravectiques Empresarials I 6 Optativa
Pragravectiques Empresarials II 6 Optativa
Treball de Fi de Grau 18 Projecte
Setembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Pla docent de lassignatura
Dades generals
Nom de lassignatura Agravelgebra Lineal
Codi de lassignatura 361212
Curs acadegravemic 2019-2020
Coordinacioacute Xavier Guitart Morales
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoria 30
- Teoricopragravectica 15
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura eacutes una introduccioacute a lrsquoagravelgebra lineal sobre els nombres reals adaptada especialmentper a usos estadiacutestics Lrsquoobjectiu principal eacutes familiaritzar-se amb les nocions i megravetodes bagravesics delcagravelcul matricial real
No obstant aixograve no es tracta nomeacutes drsquoadquirir mecanismes de cagravelcul sinoacute tambeacute drsquoarribar a unacomprensioacute adequada del seu significat Per aconseguir-ho srsquointrodueixen els conceptes meacuteselementals del llenguatge drsquoespais vectorials juntament amb una intuiumltiva interpretacioacutegeomegravetrica afiacute i euclidiana que permet visualitzar nocions i teoremes
El problema bagravesic eacutes resoldre i interpretar un sistema drsquoequacions lineals essencial per a lrsquoestudide qualsevol fenomen de caragravecter lineal (o que srsquohi acosti) i que apareix repetidament durant totalrsquoassignatura
Un objectiu complementari drsquoaquesta assignatura eacutes adquirir un cert hagravebit de raonament cientiacuteficproporcionat tant pel contingut teograveric com pels exercicis que es resolen a les classes pragravectiques
Els resultats especiacutefics drsquoaprenentatge que es volen aconseguir amb aquesta assignatura soacutenmdash Adquirir habilitat en el cagravelcul matricialmdash Resoldre sistemes drsquoequacions lineals i saber interpretar-ne els resultatsmdash Adquirir habilitat en el maneig de vectors bases i subespais vectorialsmdash Calcular determinants i conegraveixer-ne les propietats bagravesiquesmdash Calcular productes escalars de vectors i bases ortonormals Saber calcular projeccions ensubespaismdash Factoritzar simbogravelicament una matriu (diagonalitzacioacute)
Blocs temagravetics
1 Espais vectorials
Conceptes clau sistema lineal espai vectorial independegravencia lineal base dimensioacute aplicacioacutelineal nucli i imatge
Objectius especiacuteficsmdash Repassar les maneres de resoldre un sistema lineal i introduir la nocioacute drsquoespai vectorial atraveacutes del conjunt de solucions drsquoun sistemamdash Introduir la nocioacute clau drsquoindependegravencia lineal i despreacutes la nocioacute de dimensioacutemdash Introduir les aplicacions lineals i les operacions que srsquohi poden fer com tambeacute els cagravelculs dedimensions que faciliten
11 Sistemes drsquoequacions lineals Megravetode de Gauss-Jordan
12 Espais vectorials Subespais Suma i interseccioacute
13 Dependegravencia lineal Bases Dimensioacute
14 Aplicacions lineals Construccioacute drsquoaplicacions lineals Suma i producte
15 Nucli imatge i rang drsquouna aplicacioacute lineal
2 Matrius
Conceptes clau matriu drsquouna aplicacioacute lineal operacions amb matrius transposada rang
operacions elementals canvis de base
Objectius especiacuteficsmdash Definir les operacions amb matrius i estudiar-ne les propietatsmdash Introduir les operacions elementals i aplicar-les al cagravelcul del rang i de la inversa drsquounamatriumdash Estudiar un sistema lineal amb els instruments ja introduiumlts de rang nucli etcmdash Estudiar com canvien les coordenades i matrius en canviar una base
21 Matrius i aplicacions lineals
22 Producte de matrius Matrius invertibles
23 Transposada drsquouna matriu Igualtat dels rangs de files i columnes
24 Operacions elementals Cagravelcul del rang i de la matriu inversa
25 Comptabilitat i estructura de les solucions drsquoun sistema drsquoequacions lineals
26 Canvis de base
3 Determinants
Conceptes clau determinant drsquouna matriu quadrada desenvolupament drsquoun determinantmenors
Objectius especiacuteficsmdash Definir els determinants i exposar-ne les propietats bagravesiquesmdash Caracteritzar la independegravencia lineal amb determinants i utilitzar-los per calcular el rang i lainversa drsquouna matriumdash Resoldre un sistema lineal mitjanccedilant determinants
31 Definicioacute i propietats del determinant drsquouna matriu
32 Desenvolupament drsquoun determinant Determinant de les matrius producte
transposada i inversa Determinant drsquouna matriu repartida en blocs
33 Determinants i independegravencia lineal Cagravelcul del rang drsquouna matriu mitjanccedilant
determinants
34 Resolucioacute de sistemes lineals mitjanccedilant determinants Regla de Cramer
4 Producte escalar
Conceptes clau producte escalar norma base ortonormal ortogonal drsquoun subespai projeccioacuteortogonal
Objectius especiacuteficsmdash Construir bases ortonormalsmdash Calcular projeccions ortogonals
41 Producte escalar Espai vectorial euclidiagrave
42 Norma Desigualtat de Schwarz
43 Bases ortonormals Megravetode de Gram-Schmidt
44 Lrsquoortogonal drsquoun subespai Projeccions ortogonals
5 Diagonalitzacioacute de matrius
Conceptes clau valor propi vector propi polinomi caracteriacutestic diagonalitzacioacute
Objectius especiacuteficsmdash Aprendre a diagonalitzar i comprendrersquon el significatmdash Caracteritzar les matrius diagonalitzables
51 Valors i vectors propis Subespais caracteriacutestics
52 Polinomi caracteriacutestic
53 Caracteritzacioacute de matrius diagonalitzables
6 Formes quadragravetiques reals
Conceptes clau forma quadragravetica rang iacutendex i signatura positivitat
Objectius especiacuteficsmdash Classificar una forma quadragravetica mitjanccedilant operacions elementalsmdash Donar el criteri de positivitat drsquouna forma quadragravetica
61 Formes quadragravetiques Representacioacute matricial
62 Canvis de base Congruegravencia de matrius
63 Formes (semi)definides
64 Reduccioacute a forma canogravenica Llei drsquoinegravercia de Sylvester Criteri de Sylvester Criteri de
positivitat
7 Cagravelcul matricial real i aplicacions
Conceptes clau matriu ortogonal matriu simegravetrica
Objectius especiacuteficsmdash Comprendre que tota matriu simegravetrica real eacutes diagonalitzable mitjanccedilant una matriuortogonalmdash Aplicar el resultat al cagravelcul de diverses descomposicions drsquouna matriu
71 Matrius ortogonals
72 Diagonalitzacioacute de matrius reals simegravetriques
73 Matrius (semi)definides positives cagravelcul drsquoarrels i descomposicioacute en producte drsquouna
matriu i la seva transposada
Metodologia i activitats formatives
La docegravencia srsquoorganitza en classes teograveriques classes teoricopragravectiques classes de laboratori i una provaparcial
Una hora de classe de laboratori seminari es desdobla en dos grups en franges horagraveries consecutives
Les classes de laboratori soacuten sessions presencials drsquouna hora de durada sempre dins de lrsquohorariprevist de classes Consisteixen en la resolucioacute per escrit drsquoexercicis que srsquoextreuen de llistes anunciadespregraveviament a traveacutes del Campus Virtual Els estudiants han de fer un nombre miacutenim de lliuramentsdrsquoaquests exercicis resolts per poder optar a la qualificacioacute corresponent El nombre miacutenim delliuraments drsquoexercicis srsquoestableix en comenccedilar el curs
A final drsquoabril en una classe drsquohora i mitja es fa una prova parcial individual amb un format similar alde la prova final drsquoavaluacioacute El temari de la prova parcial abasta la mategraveria impartida fins aleshores
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Les activitats que determinen lrsquoavaluacioacute continuada soacuten les sessions de laboratori la prova parciali la prova de tancament de lrsquoavaluacioacute continuada
La prova de tancament eacutes la mateixa que la prova drsquoavaluacioacute uacutenica i es fan conjuntament en la data dejuny fixada pel Consell Docent Aquestes proves consten de diversos exercicis (75 de la nota) i drsquounapregunta teograverica (25 de la nota)
Per poder ser objecte drsquoavaluacioacute continuada eacutes obligatori haver fet com a miacutenim la prova detancament de lrsquoavaluacioacute continuada i haver obtingut una nota miacutenima de 4 punts en aquesta prova
La qualificacioacute de lrsquoassignatura srsquoobteacute sumant la nota obtinguda en les sessions de laboratori (30 ) lanota de la prova parcial (20 ) i la nota de la prova de tancament (50 )
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui acollir-se a lrsquoavaluacioacute uacutenica ho ha de fer abans de la data liacutemit fixada pel ConsellDocent
La prova drsquoavaluacioacute uacutenica constitueix el 100 de la nota final de lrsquoassignatura i teacute lloc en la data dejuny fixada pel Consell Docent
Reavaluacioacute
Despreacutes de la qualificacioacute en el mes de juny lrsquoestudiant que no hagi superat lrsquoassignatura (sense tenir
en compte la forma drsquoavaluacioacute que hagi escollit) teacute dret a una prova de reavaluacioacute Aquesta provaes fa el mes de juliol en la data que fixi el Consell Docent
La prova de reavaluacioacute teacute el mateix format que la drsquoavaluacioacute uacutenica i es qualifica al 100 independentment de totes les proves anteriors
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AMERRamon et al Agravelgebra lineal Problemes exercicis i quumlestions Terrassa UPC 1998
CASTELLETManuel et al Agravelgebra lineal i Geometria 4a ed Bellaterra UAB 2011
MERINO Luis M et al Aacutelgebra lineal con meacutetodos elementales Madrid Thomson 2006
MORENOJoseacute Miguel Una introduccioacuten al Aacutelgebra lineal elemental 2a ed Bellaterra UAB 1990
NART Enric Notes drsquoagravelgebra lineal Bellaterra UAB 2003
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Segraveries Temporals
Codi de lassignatura 361233
Curs acadegravemic 2019-2020
Coordinacioacute Antoni Meseguer Artola
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques dordinadors 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Conegraveixer i entendre els diferents megravetodes usats dins de lrsquoanomenada anagravelisi determinista desegraveries temporals per tal de calcular prediccions i estimar-ne les components
Conegraveixer els fonaments teograverics i pragravectics relatius a la identificacioacute estimacioacute validacioacute imodelitzacioacute de segraveries temporals a traveacutes de models SARIMA
Referits a habilitats destreses
Identificar si una segraverie temporal segueix un esquema additiu o multiplicatiu
Aplicar els megravetodes de lrsquoanagravelisi determinista de segraveries temporals per tal de calcular prediccions
Donada una segraverie temporal ser capaccedil de decidir quin tipus de model SARIMA eacutes el meacutes adient
Usar els models SARIMA per calcular prediccions
Usar i programar algorismes drsquoestimacioacute i previsioacute usant R
Blocs temagravetics
1 Introduccioacute a les segraveries temporals
11 Definicioacute de segraverie temporal i prediccioacute econogravemica
12 Classificacioacute dels megravetodes de prediccioacute
13 Criteris drsquoavaluacioacute de la capacitat predictiva
2 Anagravelisi determinista de segraveries temporals
21 Components drsquouna segraverie temporal
22 Prediccioacute amb models sense tendegravencia
23 Prediccioacute amb models amb tendegravencia
3 Tractament determinista de lrsquoestacionalitat
31 Anagravelisi del component estacional
32 Prediccioacute amb models sense tendegravencia i amb component estacional
33 Prediccioacute amb models amb tendegravencia i component estacional
4 Anagravelisi estocagravestica de segraveries temporals
41 Processos estocagravestics
42 Conceptes drsquoestacionarietat i ergodicitat
43 Funcions drsquoautocovariagravencia i autocorrelacioacute
44 Funcions drsquoautocovariagravencia i autocorrelacioacute mostral
45 Models elementals soroll blanc i camiacute aleatori
5 Models lineals de segraveries temporals
51 Models de mitjanes mogravebils (MA)
52 Models autoregressius (AR)
53 Models mixtos (ARMA)
54 Processos no estacionaris Models integrats (ARIMA)
55 Models estacionals (SARIMA)
6 Metodologia Box-Jenkins
61 Identificacioacute de models SARIMA
62 Estimacioacute de paragravemetres
63 Validacioacute del model
64 Prediccioacute puntual i per interval
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Tallers a lrsquoaula drsquoinformagravetica en quegrave lrsquoobjectiu eacutes dur a terme problemes i exemples pragravectics quepermetin conegraveixer la vessant meacutes aplicada de lrsquoanagravelisi de segraveries temporals 3 Dues pragravectiques individuals que srsquohan de fer fora de les hores de classe i que tambeacute serveixen com aevidegravencies drsquoavaluacioacute per als estudiants que optin per lrsquoavaluacioacute continuada Es tracta de dos casospragravectics basats en dades reals en quegrave els estudiants han drsquoaplicar les eines drsquoanagravelisi de segraveries temporalsper donar resposta a algun problema
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classeConsta de diferents activitats individuals que es duen a terme al llarg del curs
a) Dues pragravectiques
Pragravectica 1 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi determinista de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de novembre
Pragravectica 2 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi estocagravestica de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de gener
b) Una prova final sobre els continguts treballats al llarg de tot el curs Valor 60 de la nota finalData la fixada pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Els estudiants que segueixin lrsquoavaluacioacute continuada i no es presentin a la prova final tenen unaqualificacioacute de laquono presentatraquo Si es presenten a la prova final i obtenen una nota igual o superior a 4(sobre 10) llavors la qualificacioacute final eacutes la que srsquoobtingui de la mitjana ponderada de les duespragravectiques i la prova final En el cas que la nota en aquesta prova final sigui inferior a 4 la qualificacioacutefinal eacutes aquesta nota Per tant en aquest darrer cas no es fa la mitjana ponderada amb les duespragravectiques
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova es fa en les dates fixades pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-sea lrsquoavaluacioacute uacutenica han de fer-ho abans drsquoaquesta data que es fa puacuteblica amb antelacioacute suficient
Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Time series analysis forescasting and control 4th edicioacute Hoboken NJ Wiley2008
BROCKWELL Peter J Introduction to time series and forecasting New York Springer 2010
PENtildeA Daniel Anaacutelisis de series temporales Madrid Alianza Editorial 2010
SHUMWAY Robert H et al Time series analysis and Its applications with R exemples 3rd ed New York[etc] Springer 2011
URIEL Ezequiel et al Introduccioacuten al anaacutelisis de series temporales Madrid Editorial AC-Thomson 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Supervivegravencia
Codi de lassignatura 361245
Curs acadegravemic 2019-2020
Coordinacioacute Lluis Bermudez Morata
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 15
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Lrsquoanagravelisi de la supervivegravencia eacutes un conjunt de tegravecniques i models estadiacutestics que tracten drsquoanalitzar lesvariables aleatograveries definides com ara la durada o temps entre dos successos
La caracteriacutestica meacutes rellevant drsquoaquesta mategraveria eacutes la seva aplicabilitat en agravembits i camps moltdiversos Per citar alguns exemples en medicina (temps fins a la curacioacute drsquoun pacient) en biologia(temps fins a la mort drsquoun animal) en sociologia (temps fins a lrsquoocupacioacute drsquouna persona en atur) enepidemiologia (temps fins a la infeccioacute) en assegurances (temps fins a la mort drsquouna persona) engeriatria (temps fins a la incapacitacioacute drsquouna persona) en enginyeria (temps fins a la fallada drsquouncomponent) en pediatria (temps fins al deslletament) etcegravetera
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer i distingir les funcions de supervivegravencia les funcions de risc i la funcioacute de riscacumulada
Reconegraveixer la presegravencia de dades censurades io truncades en un estudi estadiacutestic
Modelar amb procediments paramegravetrics o semiparamegravetrics dades que representen durades entredos successos
Utilitzar el model de Cox de riscos proporcionals per a la inclusioacute de covariables en els estudis desupervivegravencia
Referits a habilitats destreses
Aplicar les principals tegravecniques i models per a lrsquoanagravelisi de la supervivegravencia utilitzant programariestadiacutestic de referegravencia
Blocs temagravetics
1 Conceptes i inferegravencia
11 Introduccioacute
12 Inferegravencia no paramegravetrica per a lrsquoanagravelisi de supervivegravencia
13 Comparacioacute de dues o meacutes poblacions mitjanccedilant processos no paramegravetrics
2 Models de regressioacute
21 Estimacioacute i regressioacute dels models paramegravetrics
22 Regressioacute semiparamegravetrica el model de Cox de riscos proporcionals
Metodologia i activitats formatives
En les classes magistrals el professor explica els continguts teograverics i pragravectics de la mategraveria es comentenaplicacions reals dels models presentats i es resolen exercicis pragravectics que ajudin a consolidar elcontingut del temari
Les classes pragravectiques es fan en aules drsquoinformagravetica i es resolen exercicis pragravectics del temari amb lrsquoajudadel paquet survival del programari R
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Primera convocatograveria
El procediment drsquoavaluacioacute de lrsquoadquisicioacute de competegravencies es basa en un proceacutes drsquoavaluacioacutecontinuada en quegrave la nota final eacutes una ponderacioacute dels coneixements teoricopragravectics i habilitatsadquirits al llarg del curs mitjanccedilant
mdash Dues proves escrites dels continguts teograverics i pragravectics del temari una per a cada bloc temagravetic un copfinalitzades les classes corresponents a cada bloc (35 + 35 )
mdash Lliurament drsquoexercicis durant el curs en grups de tres o quatre alumnes (15 )
mdash Un treball escrit al final de curs en grups de tres o quatre alumnes (15 )
Per tenir nota amb aquesta opcioacute drsquoavaluacioacute continuada eacutes imprescindible fer les dues proves escrites
Segona convocatograveria
La nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels continguts teograverics i pragravectics deltemari
Avaluacioacute de les competegravencies
Les tres competegravencies especiacutefiques de la titulacioacute que teacute en compte lrsquoassignatura es poden resumir en
aquest cas en la capacitat de saber aplicar els megravetodes estadiacutestics adequats a lrsquoestudi de variablesaleatograveries definides com el temps fins a un esdeveniment Per aixograve cal que lrsquoestudiant aprengui amobilitzar i integrar una segraverie de coneixements teograverics unes habilitats i unes actituds Lrsquoavaluacioacutedrsquoaquesta competegravencia va molt lligada a lrsquoavaluacioacute presentada per lrsquoassignatura Els coneixementsteograverics es comproven als dos parcials tant a la part teograverica com a la pragravectica Drsquoaltra banda leshabilitats i actituds aixiacute com la integracioacute i mobilitzacioacute de tot plegat srsquoavalua a la part pragravectica de lesproves parcials i als treballs i pragravectiques en equip que lrsquoestudiant ha de presentar
Avaluacioacute uacutenica
En les dues convocatograveries la nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels contingutsteograverics i pragravectics del temari
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KLAINBAUM David G et al Survival analysis a self-learning text (Statistics for Biology and Health) 3thed New York Springer 2012
KLEIN JohnP et al Survival analysis techniques for censored and truncated data New York Springer2003
LEE Elisa T et al Statistical Methods for survival data analysis New Jersey Wiley Series 2013
KALBFLEISCH JD et al The statistical analysis of failure time data 2nd edition New York Wiley-Interscience 2002
COX David Roxbee et al Analysis of survival data London Chapman and Hall 1984
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi Multivariant
Codi de lassignatura 361232
Curs acadegravemic 2019-2020
Coordinacioacute KARINA GIBERT OLIVERAS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors
(Es desenvolupa a lrsquoaula drsquoinformagraveticaperograve inclou pragravectica drsquoordinadors i tambeacutedesenvolupament de projecte llarg)
30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Capacitats pregravevies
mdash Agravelgebra lineal espai vectorial real megravetriques projeccions diagonalitzacioacute de matrius etc
mdash Coneixements bagravesics de teoria de la probabilitat i drsquoestadiacutestica descriptiva i inferencial
mdash Coneixements bagravesics de R i algoriacutetmia per dissenyar scripts drsquoanagravelisi automatitzada
Altres recomanacions
mdash Seguir puntualment el desenvolupament del treball en equip cada setmana per evitaracumulacioacute de tasques pendents a final de curs
mdash Aprofitar les hores de laboratori per resoldre els dubtes amb la professora drsquoaquest treball enequip i poder avanccedilar cada setmana en el treball drsquoacord amb el temari de lrsquoassignatura
mdash Fer atencioacute a les indicacions que es donen al llarg del curs sobre la coordinacioacute del treball enequip i consultar la documentacioacute relacionada que es distribueix des de la coordinacioacute delrsquoassignatura
mdash Assegurar-se que els lliuraments srsquoajusten a les instruccions de lliurament disponibles a lapagravegina de lrsquoassignatura
mdash El bon desenvolupament del treball pragravectic eacutes una bona garantia drsquohaver adquirit tots elsconeixements teograverics i pragravectics necessaris per superar lrsquoexamen final
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu de lrsquoassignatura eacutes presentar tegravecniques estadiacutestiques drsquoanagravelisi de grans taules per taldrsquoextreure de manera ragravepida la informacioacute meacutes rellevant continguda en les dades els problemes
abordats soacuten de diversa tipologia des de la definicioacute drsquoeixos dominants a la caracteritzacioacuteestadiacutestica de subpoblacions Aquest objectiu es particularitza presentant agravempliament el punt devista de tres grans famiacutelies de tegravecniques estadiacutestiques multivariants
1 Tegravecniques multivariants de classificacioacute automagravetica orientades a establir tipologies i acaracteritzar-les es veuen diferents famiacutelies de megravetodes des dels meacutes clagravessics als meacutes recentsmegravetodes de particions megravetodes jeragraverquics megravetodes basats en densitats srsquoincideix especialmenten eines drsquointerpretacioacute de les classes srsquoestudia lrsquoadequacioacute dels diferents megravetodes a diferentscasos en funcioacute de lrsquoescalabilitat el tipus de dades etc
2 Tegravecniques multivariants enfocades a sintetitzar i a resumir la informacioacute estudiar relacionsmultidimensionals entre variables i eventualment definir indicadors latents es concreta en trestegravecniques fonamentals anagravelisi en components principals anagravelisi de correspondegravencies simples ianagravelisi de correspondegravencies muacuteltiples es planteja lrsquoanagravelisi factorial com a marc formal general delqual es deriven les tegravecniques esmentades com a cas particular es dona particular importagravencia alrsquoanagravelisi de resultats gragravefics srsquoilmiddotlustren algunes extensions addicionals com ara lrsquoanagravelisi textual
3 Tegravecniques drsquoanagravelisi discriminant es tracta de tegravecniques multivariants enfocades a obtenirregles drsquoassignacioacute srsquoincideix en la seva relacioacute amb les tegravecniques vistes anteriorment
4 Tegravecniques drsquoanagravelisi textual on es treballa amb textos lliures provinents de documents pagraveginesweb o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells
Lrsquoobjectiu de lrsquoassignatura eacutes doble des del punt de vista conceptual Drsquouna banda es vol donaruna base formal sogravelida per a les tegravecniques multivariants que componen el programa De lrsquoaltraels estudiants han de desenvolupar una capacitat pragravectica drsquoaplicacioacute a dades reals drsquoaquestestegravecniques En aquest sentit les sessions de pragravectiques segueixen el temari de lrsquoassignatura desde la perspectiva de lrsquoaplicacioacute i es treballa amb dades reals Amb aquest objectiu cal introduirun pas previ de preprocessament de dades per preparar-les per a lrsquoanagravelisi
Finalment i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es podentractar altres aspectes es presenten diverses tegravecniques multivariants drsquouna manera meacutesintroductograveria i enfocant-les menys algebraicament des drsquoun punt de vista meacutes algoriacutesmic
Referits a habilitats destreses
En aquesta assignatura es dona particular importagravencia a lrsquoentrenament en certes competegravenciestransversals importants en el desenvolupament professional drsquoun estadiacutestic com ara la capacitatdrsquoanagravelisi siacutentesi comunicacioacute integracioacute de coneixements redaccioacute drsquoinformes i sobretot eltreball en equip incloent-hi les capacitats de planificacioacute a mig termini repartiment de tasques igestioacute drsquoincidegravencies en el pla de treball al llarg del curs
La pragravectica srsquoestructura sota un esquema que permet entrenar aquestes capacitats amb elssuports necessaris del professorat de lrsquoassignatura
Blocs temagravetics
1 Introduccioacute
Megravetriques angles i projeccions nomenclatura multivariant matriu de variagravencies icovariagravencies i matriu de correlacions presentacioacute de punts de vista presentacioacute de tegravecniquespresentacioacute de sistemes informagravetics estadiacutestics exemples senzills de descripcioacute multivariantde caracteritzacioacute de dades de classificacioacute i de discriminacioacute
11 Introduccioacute i preprocessament de dades
Lrsquoagravembit de lrsquoanagravelisi multivariant Principals elements rellevants en el preprocessament
de dades
2 Classificacioacute automagravetica
Presentacioacute conceptual Megravetodes de particions Megravetodes jeragraverquics Megravetodes basats endensitats Relacioacute amb anagravelisi factorial Interpretacioacute de les classes Descripcioacute de tipologiesAplicacioacute a casos reals i implicacions pragravectiques
3 Anagravelisi factorial
Formalitzacioacute general resultats teograverics
4 Anagravelisi en components principals
Formalitzacioacute resultats teograverics interpretacioacute aplicacioacute a casos reals implicacionspragravectiques
5 Anagravelisi en correspondegravencies simples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacions a casos reals Implicacionspragravectiques
6 Anagravelisi en correspondegravencies muacuteltiples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacioacute a casos reals i implicacionspragravectiques que evidenciiumln avantatges en el tractament de dades drsquoenquesta
7 Anagravelisi discriminant
Formalitzacioacute resultats teograverics Relacioacute amb lrsquoanagravelisi factorial Interpretacioacute bagravesicament enel cas de dos grups Aplicacions a casos reals Implicacions pragravectiques
8 Altres megravetodes multivariants
Anagravelisi textual Correlacions canograveniques Escalament multidimensional
9 Anagravelisi textual
Tegravecniques drsquoanagravelisi textual de dades
Metodologia i activitats formatives
Teoria srsquohi presenten les diferent tegravecniques suficientment fonamentades i srsquoexemplifiquen amb exercicisde dimensioacute reduiumlda
Pragravectiques srsquohi fan exercicis de dimensioacute real amb sistemes informagravetics estadiacutestics que permetinaprofundir i consolidar els conceptes vistos a teoria srsquohi plantegen tambeacute treballs drsquoaplicacioacute pragravectica demeacutes llarg termini on lrsquoestudiant pugui entrenar la seva capacitat personal de dissenyar planificarprojectes on hagi drsquoaplicar les tegravecniques estudiades per analitzar un conjunt de dades real de certaenvergadura integrar els diferents coneixements adquirits en un informe ben argumentat i mostrar lesseves capacitats de siacutentesi i comunicacioacute presentant el treball a lrsquoaula
El grup de teoria es desdobla en dos grups de pragravectiques que fan classe de pragravectiques dues hores persetmana cadascun
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final (N) de lrsquoassignatura srsquoobteacute a partir drsquouna nota de proves (Np) i una nota de pragravectiquescorresponent al treball en equip desenvolupat al llarg del curs (Nte) segons lrsquoexpressioacute
N = Ne 035 + Nte 065
La nota de proves (Np) consta drsquouna segraverie de quiz de continguts teograverics que es realitzen al llarg del cursi que puntuen per igual (soacuten entre 3 i 5 depenent de la marxa del curs)
Per aprovar lrsquoassignatura amb avaluacioacute continuada srsquoha de treure un miacutenim de 5 a la nota de teoria ihaver presentat tots els lliuraments parcials del treball en equip i la memograveria final Si no es lliuren lespragravectiques a lrsquoavaluacioacute continuada hi consta una qualificacioacute de laquono presentatraquo
Les persones que no assoleixen el miacutenim requerit per aprovar amb avaluacioacute continuada han de fer unexamen final que consta drsquoun exercici per fer a lrsquoaula de laboratori sobre dades reals en quegrave caldemostrar coneixements teograverics i pragravectics sobre el temari de lrsquoassignatura Hi ha preguntes teograveriques ipragravectiques Per a les persones que no han tret un 5 a la nota de teoria la nota de proves de lrsquoavaluacioacutefinal de lrsquoassignatura correspon a la nota de lrsquoexamen final
La nota de pragravectiques (Np) srsquoobteacute amb el desenvolupament drsquoun treball pragravectic de llarga durada quesrsquoha de fer en grup i que ha drsquointegrar les diferents tegravecniques vistes al llarg del curs Hi ha treslliuraments parcials amb una puntuacioacute especiacutefica per a cadascun 01 045 i 045 La qualificacioacuteconsta drsquouna nota global de la pragravectica comuna a tot lrsquoequip i de bonificacions o penalitzacionsindividuals segons com cada estudiant respongui a les preguntes el dia de la presentacioacute de lespragravectiques (08) i de la nota drsquoavaluacioacute creuada atorgada pels companys drsquoequip (02)
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica (sense continuiumltat) consisteix en un examen final amb una part teograverica i una partpragravectica
El Consell Docent fixa una data liacutemit abans de la qual els estudiants poden manifestar si se srsquoacullen al
pla drsquoavaluacioacute continuada o uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute mdashamb lesmateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicamdash que teacute lloc durant el mes de juliol en la datafixada pel Consell Docent Es pot presentar a aquesta prova qualsevol estudiant independentment delpla drsquoavaluacioacute escollit durant el curs La prova dona acceacutes a la qualificacioacute magravexima
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
Bibliografia bagravesica
ESCOFIER Brigitte et al Anaacutelisis factoriales simples y muacuteltiples objetivos meacute todos e interpretacioacutenBilbao Servicio Editorial Universidad del Paiacutes Vasco 1992
Bibliografia bagravesica
GREENACRE Michael J Correspondence analysis in practice Boca Raton (Fla) [etc] Chapman ampHallCRC 2007
Bibliografia bagravesica
HUSSON Franccedilois et al Exploratory multivariate analysis by example using R Boca Raton CRC Press2011
Bibliografia bagravesica
JOHNSON Richard Arnold et al Applied multivariate statistical analysis 6th ed Upper Saddle River NJPearson Education Prentice-Hall 2007
Bibliografia bagravesica
BOUROCHE Jean-M et al Lrsquoanalyse des donneacutees Paris Presses Universitaire de France 1980
Bibliografia complementagraveria
JOBSON JD Applied multivariate data analysis Vol I y Vol II New York Barcelona [etc] Springer1992
Bibliografia complementagraveria
LEBART Ludovic et al Tratamiento estadiacutestico de datos meacutetodos y programas Barcelona [etc]Marcombo 1985
Bibliografia complementagraveria
SAPORTA Gilbert Probabiliteacutes analyse des donneacutees et statistique 3e eacuted reacutev Paris Technip 2011
Bibliografia complementagraveria
VOLLE Michel Analyse des donneacutees 4e eacuted Paris Economica 1985
Bibliografia complementagraveria
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Cagravelcul de Diverses Variables
Codi de lassignatura 361177
Curs acadegravemic 2019-2020
Coordinacioacute Ernest Fontich Julia
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
mdash Calcular liacutemits de funcions de diverses variables
mdash Calcular derivades parcials aplicar les regles de derivacioacute Calcular vectors gradientsCalcular el pla tangent a la gragravefica drsquouna funcioacute de dues variables i el pla tangent a una superfiacuteciedonada impliacutecitament
mdash Calcular extrems de funcions de diverses variables en conjunts oberts conjunts compactes iextrems subjectes a lligadures
mdash Conegraveixer la nocioacute drsquointegracioacute muacuteltiple i les tegravecniques bagravesiques de cagravelcul drsquointegrals i canvis devariables meacutes habituals
mdash Conegraveixer el concepte drsquointegral dependent drsquoun paragravemetre i alguns exemples de funcionsdefinides per integrals
Blocs temagravetics
1 Funcions de diverses variables
11 Norma i distagravencia euclidiana a R^2 i R^3
12 Gragravefiques de funcions Corbes de nivell
13 Coordenades polars ciliacutendriques i esfegraveriques
14 Liacutemits i continuiumltat
2 Diferenciacioacute
21 Derivades parcials derivades direccionals i diferenciabilitat
22 Vector gradient i pla tangent Matriu jacobiana
23 Regla de la cadena
3 Integracioacute
31 Integrals dobles i triples Integrals marginals Teorema de Fubini
32 Canvi de variable Integracioacute en polars ciliacutendriques i esfegraveriques
33 Integrals dependents drsquoun paragravemetre La funcioacute gamma
4 Derivades drsquoordre superior Extrems
41 Derivades parcials drsquoordre superior Matriu hessiana
42 Foacutermula de Taylor
43 Cagravelcul drsquoextrems
Metodologia i activitats formatives
En les sessions teoricopragravectiques es presenten els continguts teograverics i les tegravecniques de lrsquoassignatura i esdonen exemples A meacutes es resolen i discuteixen problemes basats en els conceptes i tegravecniquesintroduiumldes En les classes de problemes es resolen problemes directament relacionats amb els temesdel programa Pel que fa al treball autogravenom la metodologia consisteix en la realitzacioacute de tasquesbasades en la resolucioacute de problemes
Avaluacioacute acreditativa dels aprenentatges
Els alumnes poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en una prova parcial a la meitat del semestre (P1) i una prova parcialal final (P2)
La nota drsquoavaluacioacute continuada eacutes AC = 05 P1 + 05 P2
Una vegada acabades les classes hi ha un examen final que consta de dues parts amb el qual esgeneren dues notes mdash(F1) i (F2)mdash corresponents a cadascuna de les parts respectivament Hi ha lapossibilitat de presentar-se a una o a les dues parts de lrsquoexamen final per pujar nota
La nota final srsquoobteacute amb la foacutermula NF = 05 magravex[P1F1] + 05 magravex[P2F2]
Es considera laquono presentatraquo lrsquoestudiant del qual no es disposi drsquouna nota de cadascuna de les duesparts del curs
Una vegada acabat el periacuteode drsquoavaluacioacute hi ha la possibilitat drsquouna reavaluacioacute que consisteix en unexamen de tota lrsquoassignatura Els exagravemens contenen problemes per tal drsquoavaluar la capacitat perutilitzar el raonament logravegic i els instruments matemagravetics en un context determinat
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen final en una data fixada pel Consell Docent Per acollir-se aaquesta avaluacioacute cal demanar-ho a la Secretaria de la Facultat abans de la data fixada pel ConsellDocent que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYRES Frank Caacutelculo diferencial e integral 3a ed Madrid McGraw-Hill 1991
MARSDEN Jerrold E et al Caacutelculo vectorial 5a ed Madrid Addison-Wesley 2004
PISKUNOV N S Caacutelculo diferencial e integral Meacutexico DF Limusa 2014
Pagravegina web
Wolfram Mathematica
MathApplets-SLU
calculusorg
Cursos online
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Demografia
Codi de lassignatura 361255
Curs acadegravemic 2019-2020
Coordinacioacute Maria Teresa Costa Cor
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 5
- Pragravectiques dordinadors 10
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les fonts drsquoinformacioacute demogragravefica per a lrsquoobtencioacute de dades estadiacutestiques sobre lapoblacioacute
mdash Aprendre els instruments i tegravecniques bagravesics per a lrsquoanagravelisi de lrsquoestructura i creixement drsquounapoblacioacute construccioacute de taules estadiacutestiques representacioacute gragravefica i cagravelcul de diversos indicadors
mdash Descriure la transicioacute del regravegim demogragravefic antic al modern i els seus efectes sobre lacomposicioacute de la poblacioacute
mdash Estudiar la mortalitat per edat i causa de mort construir taules de mortalitat de moment icalcular probabilitats i indicadors conjunturals sobre el comportament drsquoaquest fenomen
mdash Analitzar la fecunditat a partir drsquoindicadors sintegravetics de periacuteode i de generacioacute
mdash Estudiar els moviments migratoris que afecten la poblacioacute
mdash Descriure els megravetodes bagravesics drsquoelaboracioacute de projeccions de poblacioacute la formulacioacute drsquohipogravetesis ila interpretacioacute dels resultats
Referits a habilitats destreses
mdash Utilitzar les fonts drsquoinformacioacute demogragravefica drsquoacord amb els objectius de treball
mdash Saber diferenciar entre anagravelisi de moment i anagravelisi de cohort
mdash Interpretar la intensitat i el calendari en els fenogravemens demogragravefics
mdash Comparar el comportament dels fenogravemens demogragravefics entre poblacions aplicant les tegravecniquesdrsquoestandarditzacioacute
mdash Obtenir els indicadors meacutes adients en lrsquoanagravelisi dels fenogravemens demogragravefics
mdash Analitzar i interpretar les dinagravemiques demogragravefiques que ha experimentat una poblacioacute en eltemps
mdash Fer previsions sobre lrsquoevolucioacute futura drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de fecunditat
mdash Calcular i interpretar les taxes de reproduccioacute drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de nupcialitat
mdash Calcular i interpretar diferents mesures de les migracions
mdash Saber utilitzar les eines informagravetiques relacionades amb lrsquoanagravelisi demogragravefica
Blocs temagravetics
1 Caracteriacutestiques i evolucioacute de la poblacioacute
11 Introduccioacute
111 Poblacioacute i demografia
112 Fonts estadiacutestiques per a lrsquoestudi de la poblacioacute
113 Les xifres de poblacioacute a Espanya
12 Megravetodes i tegravecniques en demografia
121 Magnituds estocs i fluxos
122 Anagravelisi longitudinal i anagravelisi transversal
123 La representacioacute del temps lrsquoesquema de Lexis
124 Les mesures en demografia taxes probabilitats i proporcions
13 Estructura i creixement de la poblacioacute
131 Lrsquoequacioacute demogragravefica bagravesica i el cagravelcul del creixement drsquouna poblacioacute
132 Els indicadors drsquoestructura de la poblacioacute
133 La piragravemide de poblacioacute la relacioacute entre lrsquoestructura de la poblacioacute i els
fenogravemens demogragravefics
134 Evolucioacute de la poblacioacute mundial La transicioacute demogragravefica
2 Estudi dels fenogravemens demogragravefics
21 Anagravelisi de la mortalitat
211 La mortalitat per edat i causa de mort
212 Lrsquoestandarditzacioacute
213 Construccioacute drsquouna taula de mortalitat Lrsquoesperanccedila de vida
22 Fecunditat i nupcialitat
221 Anagravelisi de la fecunditat indicadors de moment i de generacioacute
222 La reproduccioacute de les generacions
223 Caracteriacutestiques familiars i evolucioacute de lrsquoestructura de les llars
23 Migracions
231 Conceptes i mesures bagravesiques de les migracions
232 Migracions internes i externes
233 Evolucioacute dels moviments migratoris en la poblacioacute espanyola
3 Les projeccions demogragravefiques
31 Les projeccions de poblacioacute
311 El megravetode de les components
312 Metodologia per a la realitzacioacute de les projeccions de poblacioacute
32 Les projeccions de les llars
321 Conceptes bagravesics
322 El megravetode de les propensions
Metodologia i activitats formatives
En les classes magistrals srsquoexpliquen els continguts teograverics de cada tema i es presenten dadesdemogragravefiques de poblacions reals tant actuals com histograveriques per entendre i aplicar els principalsinstruments drsquoanagravelisi demogragravefica Tambeacute es recomana la lectura drsquoarticles de premsa o de revistesespecialitzades per comprendre els temes relacionats amb la poblacioacute que resulten drsquointeregraves enlrsquoactualitat
Es fan classes pragravectiques al llarg del curs a lrsquoaula drsquoordinadors i srsquoutilitza el programari apropiat perpoder obtenir les dades demogragravefiques de poblacions reals i fer el cagravelcul i interpretacioacute dels principalsindicadors demogragravefics en els exercicis proposats
Per aprofitar millor les classes magistrals i pragravectiques en el Campus Virtual es publiquen diferentsdocuments amb dades estadiacutestiques lectures recomanades i enunciats drsquoexercicis
Avaluacioacute acreditativa dels aprenentatges
Tant en lrsquoavaluacioacute continuada com en lrsquoavaluacioacute uacutenica es tenen en compte en el plantejament de lesproves les competegravencies que es pretenen desenvolupar en lrsquoassignatura Per una banda els enunciatsdels exercicis precisen capacitat drsquoanagravelisi i comprensioacute de les dades i per lrsquoaltra alguns problemes esbasen en aplicacions pragravectiques dels conceptes explicats que utilitzen dades reals de poblacions
Lrsquoavaluacioacute continuada de lrsquoassignatura consta de les activitats seguumlents
mdash Prova de contingut teograveric i pragravectic del bloc 1 es duu a terme en finalitzar el bloc temagravetic 1 Teacute unaponderacioacute del 25 de la nota final de lrsquoassignatura
mdash Prova de contingut teograveric i pragravectic del bloc 2 es duu a terme en finalitzar el bloc temagravetic 2 Teacute unaponderacioacute del 35 de la nota final de lrsquoassignatura
mdash Exercicis de contingut pragravectic del bloc 1 i del bloc 2 Es realitzen individualment i tenen unaponderacioacute del 20 de la nota final de lrsquoassignatura
mdash Treball escrit de contingut teograveric i pragravectic del bloc 3 Es pot fer individualment o en grups de dosalumnes i teacute una ponderacioacute del 20 de la nota final de lrsquoassignatura
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que estableix el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
En aquest cas lrsquoavaluacioacute es basa en un examen final que consta de quumlestions teograveriques i exercicispragravectics que es resolen utilitzant lrsquoordinador
Lrsquoexamen de reavaluacioacute de lrsquoassignatura teacute les mateixes caracteriacutestiques que lrsquoexamen drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KEYFITZ Nathan Applied mathematical demograpyh 3rd ed New York Springer 2005
LEGUINA Joaquiacuten Fundamentos de demografiacutea 5a ed Madrid Siglo XXI 1992
LIVI Massimo Introduccioacuten a la demografiacutea Barcelona Ariel 1993
NEWELL Colin Methods and models in demography Chichester [etc] Wiley 1994
PRESSAT Roland Introduccioacuten a la demografiacutea Barcelona Ariel 1985
TAPINOS Georges Photios Elementos de demografiacutea Madrid Espasa Calpe Universidad 1990
VINUESA Julio Demografiacutea Anaacutelisis y proyecciones Madrid Siacutentesis 1994
VINUESA Julio Teacutecnicas y ejercicios de demografiacutea Madrid INE 2007
PRESTON Samuel H et al Demography measuring and modeling population processes MaldenBlackwell 2001
VALLIN Jacques La poblacioacuten mundial Madrid Alianza Editorial 1995
Pagravegina web
Instituto Nacional de Estadiacutestica Disponible a ltwwwineesgt
Institut drsquoEstadiacutestica de Catalunya Disponible a ltwwwidescatcatgt
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dEnquestes
Codi de lassignatura 361229
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 12
- Tutoritzacioacute per grups 15
- Pragravectiques dordinadors 33
Treball tutelatdirigit
(Treball per dur a terme les diferents etapesde la pragravectica sota la tutela del professor)
40
Aprenentatge autogravenom
(Estudi previ a classe drsquoalguns temesteograverics Treball autogravenom de realitzacioacute de lapragravectica)
50
Recomanacions
mdash Tenir coneixements bagravesics drsquoalgun programa de tractament estadiacutestic del Word i del PowerPointmdash Redireccionar el correu UB cap al correu personal si lrsquoestudiant no accedeix regularment al correu UB
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les etapes que cal seguir per elaborar una enquestamdash Saber com redactar un projecte per elaborar una enquesta incloent-hi els objectius lametodologia les fases de lrsquoestudi el calendari el pressupost etcmdash Entendre la fitxa tegravecnica drsquouna enquesta i elaborar-ne una de nova a partir de lescaracteriacutestiques de lrsquoenquesta mostra i poblacioacutemdash Saber com elaborar un quumlestionari per recollir la informacioacute en funcioacute dels objectius previstosmdash Saber formular correctament les preguntes per incloure en el quumlestionari i valorar lrsquooportunitatde cada pregunta i el tipus de categoria de respostamdash Redactar preguntes en diferents escales de mesura aixiacute com preguntes obertesmdash Conegraveixer els fonaments de la teoria del mostratgemdash Planificar el treball de camp i assignar tasques als entrevistadorsmdash Dur a terme un treball de camp real i valorar-ne lrsquoexperiegravenciamdash Codificar les respostes dels diferents tipus de preguntes introduir les dades en suportinformagravetic i analitzar estadiacutesticament les dadesmdash Dissenyar estructurar i redactar un informe de resultats de lrsquoenquesta aixiacute com les conclusionsi exposar lrsquoinforme puacuteblicament
Referits a habilitats destreses
mdash Aprendre a identificar i plantejar un problema en termes que en permetin la resolucioacute Sabercom fer una recerca drsquoinformacioacutemdash Aprendre a treballar en grup negociar escoltar i ser assertiu manifestant les progravepies opinionsmdash Aprendre a planificar temporalment una activitat i a prioritzar les quumlestions importantsmdash Aprendre a analitzar (separar les parts drsquoun problema i tractar-les de forma individual) i asintetitzar (extraure el meacutes rellevant i tenir una visioacute de conjunt)mdash Aprendre a fer servir el programa estadiacutestic SPSS drsquouacutes comuacute en investigacioacute socialmdash Aprendre a dissenyar estructurar i redactar un informe de resultats per a un client Aprendre atractar amb un client i a vendre el nostre productemdash Adquirir nocions de parlar en puacuteblic de comunicar i de com es fa una presentacioacute oral
Blocs temagravetics
1 Lrsquoenquesta com a tegravecnica drsquoinvestigacioacute social
Introduccioacute i conceptes clau del disseny drsquoenquestes
11 Introduccioacute
12 Megravetodes i tegravecniques drsquoinvestigacioacute social
13 Enquestes explorar descriure i explicar la realitat social
14 Tipus drsquoenquestes
15 El proceacutes general drsquoinvestigacioacute a traveacutes drsquoenquestes
2 Fonaments de mostreig
Nocions bagravesiques de mostreig necessagraveries per saber com escollir la mostra drsquoindividus alsquals es faragrave lrsquoenquesta
21 Poblacioacute i mostra
22 Mostres aleatograveries i no aleatograveries
23 Megravetodes de mostreig aleatori idees bagravesiques
24 La mida de la mostra
25 Errors de mostreig
3 Seleccioacute de la persona enquestada
Srsquoestudia com escollir la persona a qui passar lrsquoenquesta en funcioacute de quin sigui el tipusdrsquoenquesta
31 Enquestes per correu
32 Enquestes telefograveniques
33 Enquestes cara a cara quotes i rutes aleatograveries
4 El quumlestionari
Srsquoestudia com es construeix un quumlestionari quines parts ha de tenir i com srsquohan deredactar les preguntes
41 Definicioacute i objectius del quumlestionari
42 Tipus de preguntes
43 El contingut de les preguntes
44 La manera de redactar les preguntes
45 Organitzacioacute i composicioacute del quumlestionari
5 El treball de camp
Srsquoestudia com srsquoha de fer lrsquoentrevista i el control del treball de camp
51 Lrsquoentrevistador importagravencia caracteriacutestiques i entrenament
52 Lrsquoentrevista organitzacioacute i problemes en la realitzacioacute
53 El control del treball de camp
54 Material per dur a terme el treball de camp
6 Tractament informagravetic de les dades obtingudes
Srsquoestudia com srsquohan drsquointroduir les dades recollides en un suport informagravetic de manera quees construeixi una base de dades per fer lrsquoanagravelisi estadiacutestica
61 La informagravetica i el tractament de dades
62 Codificacioacute de les dades i llibre de codis
63 Gravacioacute depuracioacute i validacioacute de les dades
64 Lrsquoanagravelisi estadiacutestica de les dades
7 Lrsquoinforme drsquoinvestigacioacute
Srsquoestudia com srsquoha de fer lrsquoinforme final de resultats parts que ha de tenir redaccioacutecontingut etc
71 Quumlestions pregravevies
72 Tipus drsquoinformes cientiacutefic tegravecnic i divulgatiu
73 Lrsquoinforme tegravecnic estructura elements i presentacioacute
74 Presentacioacute puacuteblica de lrsquoinforme
Metodologia i activitats formatives
Aquesta assignatura teacute els trets principals seguumlents
1 Srsquoenfoca molt directament a la pragravectica eacutes a dir tot el que es fa srsquoorienta a saber desenvolupar unaenquesta de principi a fi Es comenccedila preparant el projecte i srsquoacaba fent lrsquoexposicioacute puacuteblica delsresultats
2 Per poder dur a terme el punt anterior cal conegraveixer algunes quumlestions teograveriques que soacuten lrsquoobjectiudrsquoalgunes classes Eacutes habitual que es demani als estudiants que preparin el tema abans de classe Es fanavaluacions individuals i en grup per verificar si els coneixements srsquohan assolit correctament
3 Moltes de les classes es dediquen a les diferents fases de lrsquoactivitat pragravectica Es treballa en grups detres o quatre persones (obligatori) es duu a terme el treball de camp es va a lrsquoaula drsquoinformagravetica perintroduir les dades en suport informagravetic i per fer lrsquoinforme Al final els estudiants han de fer lespresentacions dels resultats davant la classe Durant tot el proceacutes lrsquoestudiant teacute el suport del professor
que lrsquoorienta
4 Es fa servir el Campus Virtual per concretar i donar detalls de totes les activitats del curs Eacutesimportant per tant que lrsquoestudiant hi entri regularment
5 Si ho estima necessari el professor pot passar un full de control drsquoassistegravencia a classe Srsquoenteacuten queuna assistegravencia irregular no permet assolir les competegravencies objecte de lrsquoassignatura ategraves que estreballen de manera intensa en les classes presencials
6 Algunes classes es dediquen a la tutoritzacioacute per grups Si el professor ho considera necessari es potdur a terme un desdoblament de manera que els estudiants poden tenir tutoria cada 15 dies
7 Com a consequumlegravencia del desplegament del projecte de foment de la qualitat docent que srsquoestagrave duent aterme a la Facultat drsquoEconomia i Empresa (impulsat des de la unitat de Recerca Innovacioacute i Millora de laDocegravencia i lrsquoAprenentatge (RIMDA) i el Vicerectorat de Docegravencia i Ordenacioacute Acadegravemica de la UB) durantels cursos 2018-2019 i 2019-2020 la metodologia docent drsquoalguns dels grups de lrsquoassignatura potquedar modificada respecte a la descrita anteriorment El detall drsquoaquesta metodologia es publica en elCampus Virtual a lrsquoinici de curs
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe La major part de lesactivitats soacuten en grup i es garanteix sempre que treballin tots els membres de lrsquoequip Cada grupdrsquoalumnes ha de dur a terme una investigacioacute de caragravecter socioeconogravemic a partir de dades obtingudesper enquesta i completar totes les etapes necessagraveries fins a arribar a conclusions
mdash Activitat 1 Plantejament de lrsquoestudi i disseny mostral cada grup suggereix una investigacioacute quesigui del seu interegraves i en defineix els objectius i la poblacioacute per estudiar Tot seguit proposa un dissenymostral que garanteixi una certa fiabilitat en els resultats Valor 5 de la nota final Data delliurament (aprox) 6 drsquooctubre
mdash Activitat 2 Disseny del quumlestionari cada grup dissenya el seu quumlestionari i nrsquoexplica lescaracteriacutestiques Valor 5 de la nota final Data de lliurament (aprox) 20 drsquooctubre
mdash Activitat 3 Treball de camp i generacioacute drsquoun fitxer de dades seguint el disseny mostral proposat esduen a terme les entrevistes per aconseguir les dades Posteriorment srsquointrodueixen les dades ensuport informagravetic i es genera un fitxer de dades codificat i etiquetat Valor 5 de la nota final Data delliurament (aprox) 5 de novembre
mdash Activitat 4 Anagravelisi estadiacutestica i presentacioacute de lrsquoinforme final fent servir el programa estadiacutesticSPSS es fa una anagravelisi estadiacutestica dels resultats i srsquoelabora una memograveria o informe amb les conclusionsValor 15 de la nota final Data de lliurament (aprox) 4 de desembre
mdash Activitat 5 Presentacioacute dels resultats de lrsquoestudi cal elaborar una presentacioacute en PowerPoint iexposar-la davant la resta de companys Valor 5 de la nota final Data (aprox) dues darreressetmanes del curs
Nota Tot el proceacutes drsquoelaboracioacute de lrsquoenquesta es tutoritza convenientment Els estudiants tenen lacolmiddotlaboracioacute del professor que ha drsquoestar assabentat en tot moment de lrsquoestat de lrsquoestudi i que vetllaperquegrave tots els membres dels equips treballin de forma igualitagraveria La nota drsquoaquestes activitats potdiferir entre els membres drsquoun mateix grup cas que hi hagi algun estudiant que no assisteixiregularment a classe o que no srsquoimpliqui en el treball en equip
mdash Prova final Serveix per comprovar que cada estudiant ha assolit coneixements suficients sobre lamategraveria del curs Valor 40 de la nota final Com a miacutenim lrsquoestudiant ha drsquoobtenir un 5 sobre 10perquegrave la nota drsquoaquesta prova faci mitjana amb la resta de notes del curs i pugui superar lrsquoassignaturaData la fixada pel Consell Docent
mdash El 25 restant de la qualificacioacute srsquoobteacute a partir del seguiment actiu i puntual de lrsquoassignaturaEs fan proves de seguiment individuals i en grup que srsquoanuncien amb antelacioacute per comprovar elcorrecte assoliment dels objectius de lrsquoassignatura Tambeacute es teacute en compte lrsquoassistegravencia i la participacioacuteactiva i respectuosa a classe
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
En cas que els canvis metodologravegics afectin el sistema drsquoavaluacioacute previst a lrsquoassignatura caldragrave tambeacutefer esment de les particularitats dels grups que se sotmetin al projecte
Avaluacioacute uacutenica
Aquesta opcioacute estagrave dissenyada per als estudiants que no assisteixen regularment a classe Tambeacute podenescollir-la la resta drsquoestudiants sempre que renunciiumln expliacutecitament a lrsquoavaluacioacute continuada tot i queno es recomana
En aquesta opcioacute es planteja un examen final que eacutes diferent i meacutes complet que la prova que fan elsalumnes que han seguit lrsquoavaluacioacute continuada Lrsquoestudiant ha de demostrar que coneix totes les etapesdrsquouna investigacioacute socioeconogravemica per enquesta i que sabria dur-la a la pragravectica Valor 100 de lanota final
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Disseny drsquoenquestes per a la investigacioacute social Barcelona Universitat deBarcelona 2011
ALVIRA Francisco La encuesta una perspectiva general metodoloacutegica Cuadernos Metodoloacutegicos Vol 352a ed rev Madrid CIS Centro de Investigaciones Socioloacutegicas 2011
AZOFRA Mariacutea Joseacute Cuestionarios Cuadernos Metodoloacutegicos Vol 26 Madrid Centro de InvestigacionesSocioloacutegicas 1999
DIacuteAZ DE RADA Vidal Organizacioacuten y gestioacuten de los trabajos de campo con encuestas personales ytelefoacutenicas Barcelona Ariel 2001
DIacuteAZ DE RADA Vidal Disentildeo y elaboracioacuten de cuestionarios para la investigacioacuten comercial MadridESIC 2001
FINK Arlene How to conduct surveys A step-by-step guide Thousand Oaks (CA) Sage 1998
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
REA Louis M et al Designing amp Conducting Survey Research A comprehensive Guide 3rd ed SanFrancisco Jossey- Bass 1992
RODRIacuteGUEZ Jacinto Meacutetodos de muestreo Cuadernos Metodoloacutegicos Vol 6 Madrid Centro deInvestigaciones Socioloacutegicas 2005
ROJAS Antonio et al (ed) Investigar mediante encuestas Madrid Siacutentesis 1998
Pagravegina web
Centro de Investigaciones Socioloacutegicas
Pagravegina web del Centro de Investigaciones Socioloacutegicas
Instituto Nacional de Estadiacutestica
Pagravegina web del Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Pagravegina web de lrsquoInstitut drsquoEstadiacutestica de Catalunya
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dExperiments
Codi de lassignatura 361230
Curs acadegravemic 2019-2020
Coordinacioacute Isaac Subirana Cachinero
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes especialment si soacuten deproblemesordinadors es desdoblen endiferents grups El professorat assigna elsestudiants als grups)
60
- Teoricopragravectica 40
- Pragravectiques dordinadors 20
Aprenentatge autogravenom 90
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Utilitzar aplicacions informagravetiques per a la resolucioacute de problemes matemagravetics
- Capacitat de construir un model matemagravetic en situacions simples de la realitat
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes que lrsquoalumnat conegui els principals dissenys i sigui capaccedildrsquoaplicar-los davant drsquouna situacioacute experimental concreta Estudiaragrave diferents tipus de dades realscorresponents a contextos diversos i ha de ser capaccedil de fer-ne una anagravelisi i obtenir-ne el magraveximdrsquoinformacioacute
Eacutes important que entengui el concepte de variabilitat experimental i que vegi lrsquoassignatura com elconjunt drsquoeines que permeten plantejar un experiment i despreacutes analitzar-lo estadiacutesticament pertal de controlar de manera eficient aquesta variabilitat experimental Eacutes per aixograve que davant decada disseny concret ha de comprendre quin eacutes lrsquoobjectiu i en quines situacions experimentals eacutesmeacutes adient
Referits a habilitats destreses
mdash Saber relacionar el pla experimental amb el model de disseny experimental corresponent
mdash Saber resoldre el disseny i interpretar-ne els resultats
mdash Conegraveixer els principals paquets estadiacutestics adients que permeten resoldre els dissenys
Blocs temagravetics
1 Dissenys amb factors fixos
11 Conceptes essencials en disseny drsquoexperiments
12 Comparacioacute de dos tractaments
13 Dissenys amb un factor
14 Dissenys amb blocs
15 Dissenys amb dos factors concepte drsquointeraccioacute
16 Dissenys 2K complets i fraccionals
2 Dissenys amb factors aleatoris i mixtos
21 Dissenys creuats fixos amb dos o meacutes factors
22 Dissenys creuats mixtos i aleatoris amb dos o meacutes factors
23 Dissenys jeragraverquics amb dos factors
24 Dissenys jeragraverquics amb meacutes de dos factors
25 Dissenys de mesures repetides
26 Comparacions muacuteltiples amb presegravencia de factors aleatoris
Metodologia i activitats formatives
Per a cadascun dels temes del programa els alumnes disposen drsquouna explicacioacute del professorat En lesclasses pragravectiques es plantegen diferents situacions experimentals en quegrave lrsquoestudiant ha drsquoidentificar eldisseny adient Per poder dur a terme les activitats programades srsquoexplica el programari necessariDurant les sessions presencials desdoblades es fan pragravectiques amb ordinador
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Els estudiants poden optar entre dues formes drsquoavaluacioacute una avaluacioacute continuada o una avaluacioacuteuacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acolliriquestse a lrsquoavaluacioacute uacutenica hande fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute continuada vol potenciar el treball continuat de lrsquoestudiant i facilitar un seguiment drsquoaquestaactivitat mitjanccedilant la interaccioacute alumnat-professorat
Les activitats drsquoavaluacioacute continuada obligatograveries soacuten
mdash Dues proves objectives al final de cada bloc (20 + 20 = 40 )
mdash Una prova final de siacutentesi (60 de la nota) La prova de siacutentesi es fa el mateix dia que la provadrsquoavaluacioacute uacutenica
La prova de reavaluacioacute teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica i srsquohi poden presentar totsels estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoexamen final consisteix en la resolucioacute de quumlestions i problemes i compta el 100 de la nota
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KUEHL Robert O Disentildeo de experimentos principios estadiacutesticos de disentildeo y anaacutelisis de investigacioacutenAustralia [etc] Madrid Thomson Learning 2001
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2011
BOX George E P et al Estadiacutestica para investigadores introduccioacuten al disentildeo de experimentos anaacutelisisde datos y construccioacuten de modelos Barcelona Reverteacute 1989
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Econometria
Codi de lassignatura 361238
Curs acadegravemic 2019-2020
Coordinacioacute Ramon Jose Alemany Leira
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes dominar les tegravecniques economegravetriques meacutes habitualsutilitzades avui en dia pels professionals tant de lrsquoeconomia i lrsquoempresa com drsquoaltres disciplinesen tasques de recerca aplicada
Conegraveixer i comprendre les eines i tegravecniques drsquoanagravelisi associades a la utilitzacioacute del model deregressioacute lineal muacuteltiple
Identificar les propietats dels diferents megravetodes drsquoestimacioacute del model de regressioacute lineal muacuteltiplei conegraveixer els avantatges i inconvenients de cadascun
Referits a habilitats destreses
Interpretar de manera rigorosa i correcta els resultats de lrsquoestimacioacute drsquoun model de regressioacutelineal muacuteltiple en les seves possibles especificacions
Identificar per a cada model particular quines de les hipogravetesis habituals drsquoestimacioacute soacuten meacutesraonables i quines ho soacuten menys
Valorar de manera criacutetica les conclusions que srsquoextreuen drsquoun model de regressioacute tenint encompte les propietats de les variables analitzades i les caracteriacutestiques de les dades disponibles
Aplicar les pautes de treball correctes en cadascuna de les etapes necessagraveries a lrsquohora drsquoutilitzarun model de regressioacute lineal muacuteltiple lrsquoespecificacioacute lrsquoestimacioacute la validacioacute i la interpretacioacute
Referits a actituds valors i normes
Desenvolupar lrsquointeregraves per lrsquoanagravelisi i la recerca aplicada basada en la utilitzacioacute de les tegravecniqueseconomegravetriques i de modelitzacioacute
Blocs temagravetics
1 Introduccioacute
11 Concepte i estrategravegia de la investigacioacute economegravetrica
12 Models econogravemics i models economegravetrics Components i tipologia
13 Etapes en la investigacioacute economegravetrica
2 El model de regressioacute lineal muacuteltiple especificacioacute i estimacioacute
21 Especificacioacute del model
22 Les hipogravetesis bagravesiques del model de regressioacute lineal muacuteltiple estagravendard
23 Estimacioacute per miacutenims quadrats ordinaris (MQO)
24 Propietats de lrsquoestimacioacute per MQO
25 Estimacioacute per magravexima versemblanccedila
3 El model de regressioacute lineal muacuteltiple validacioacute i prediccioacute
31 Mesures de bondat drsquoajust del model
32 Contrast drsquohipogravetesi
33 Estimacioacute amb restriccions lineals
34 Anagravelisi de la variagravencia
35 Prediccioacute puntual i per interval
4 Errors drsquoespecificacioacute i problemes amb les dades
41 Deteccioacute drsquoerrors a la manera funcional
42 Especificacioacute errogravenia de les variables explicatives
43 Permanegravencia versus canvi estructural
44 Multicolmiddotlinealitat
45 Deteccioacute de dades atiacutepiques i influents
5 Incompliment de les hipogravetesis bagravesiques del terme de pertorbacioacute
51 Matrius de variagravencies i covariagravencies escalars i no escalars
52 Estimacioacute per miacutenims quadrats ordinaris (MQO) i propietats
53 Estimacioacute per miacutenims quadrats generalitzats (MQG) i propietats
54 Estimacioacute per magravexima versemblanccedila i propietats
6 Heteroscedasticitat
61 Definicioacute i causes
62 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
63 Deteccioacute de lrsquoheteroscedasticitat
64 Estimacioacute per miacutenims quadrats generalitzats (MQG) i miacutenims quadrats ponderats
(MQP)
65 Inferegravencia i prediccioacute
7 Autocorrelacioacute
71 Definicioacute i causes
72 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
73 Deteccioacute de lrsquoautocorrelacioacute
74 Estimacioacute per miacutenims quadrats generalitzats (MQG)
75 Inferegravencia i prediccioacute
8 Models de variable dependent discreta
81 Model de probabilitat lineal
82 Model progravebit
83 Model logravegit
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials
mdash Classes de teoria amb lrsquoobjectiu de presentar les eines i les tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
mdash Classes de problemes amb lrsquoobjectiu de resoldre analitzar o discutir problemes basats en aquesteseines i tegravecniques
mdash Tallers a lrsquoaula drsquoinformagravetica per aplicar aquestes eines i tegravecniques a la resolucioacute de problemesconcrets a partir de dades determinades i amb la utilitzacioacute de programari especiacutefic
A meacutes es proposa que lrsquoalumnat elabori un total de tres pragravectiques de manera individual fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina drsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es basa en quatre tipus drsquoactivitats
a) Dues pragravectiques (5 cadascuna) Lrsquoobjectiu drsquoaquestes pragravectiques eacutes que a partir drsquoun conjunt dedades concret (proporcionat pel professorat) els estudiants responguin a un seguit de quumlestions per ales quals necessiten utilitzar les tegravecniques pregraveviament estudiades a classe Es posa egravemfasi sobretot enla interpretacioacute correcta dels resultats que srsquoobtenen Les pragravectiques es publiquen aproximadament aprincipi de marccedil i a principi de maig La data exacta de publicacioacute de lrsquoenunciat i la data liacutemit per a lapresentacioacute de cada pragravectica es publiquen en el Campus Virtual durant les dues primeres setmanes delcurs
b) Test de mig semestre (25 ) Al voltant de la meitat del semestre (set setmanes) es fa un test ambpreguntes curtes o de resposta muacuteltiple sobre aspectes teograverics i pragravectics La data exacta es comunica alrsquoinici del semestre
c) Tallers (5 ) Qualificacioacute en funcioacute de la participacioacute i les tasques dutes a terme en els tallers
d) Una prova escrita amb una ponderacioacute del 60 en relacioacute amb la nota final Per superar
lrsquoassignatura eacutes imprescindible obtenir una puntuacioacute miacutenima en aquesta prova de 3 sobre 10independentment de la qualificacioacute obtinguda en les pragravectiques el test i els tallers
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consta de dues partsa) Un examen escritb) Un exercici pragravectic amb lrsquoordinador
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GREENE William H Anaacutelisis economeacutetrico Madrid Prentice Hall 1999
WOOLDRIDGE Jeffrey M Introduccioacuten a la Econometriacutea Un enfoque moderno 4a ed revisada CengageLearning 2016
STOCK James Het al Introduccioacuten a la Econometriacutea 3a ed Madrid Pearson 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Descriptiva
Codi de lassignatura 361196
Curs acadegravemic 2019-2020
Coordinacioacute Manuela T Alcantildeiz Zanon
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Assistegravencia regular a classe Es considera que lrsquoestudiant hi ha assistit amb regularitat si ho ha fetalmenys al 80 de les sessions presencials
mdash Seguiment de lrsquoavaluacioacute continuada Aquest megravetode drsquoaprenentatge posa lrsquoaccent en la formacioacutede lrsquoestudiant al llarg del curs i no nomeacutes en lrsquoavaluacioacute entesa com a assignacioacute drsquouna qualificacioacute Pertant el seu seguiment eacutes del magravexim interegraves per assolir un autegraventic coneixement de la mategraveria
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els estadiacutestics de siacutentesi meacutes habituals dins del conjunt drsquoeines i tegravecniquesenglobades en el que srsquoanomena de forma genegraverica estadiacutestica descriptiva mdash Comprendre la utilitat els avantatges i els inconvenients de cadascun drsquoaquests estadiacutesticsaixiacute com conegraveixer en quines situacions eacutes meacutes adequat drsquoutilitzar-ne cadascun mdash Saber calcular aquests estadiacutestics mdash Aprendre a organitzar representar analitzar i sintetitzar un conjunt de dades usant elsmegravetodes gragravefics tabulars i numegraverics meacutes adients per a cada tipologia de variable i de dades mdash Interpretar de forma rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignaturamdash Seleccionar lrsquoestadiacutestic de siacutentesi meacutes adequat en cada situacioacute
Referits a habilitats destreses
mdash Adquirir els hagravebits adequats en relacioacute amb el tipus de raonament que srsquoutilitza en lrsquoanagravelisiestadiacutestica mdash Desenvolupar un cert esperit criacutetic en relacioacute amb les eines i tegravecniques presentades per taldrsquoidentificar-ne les limitacions drsquoacord amb lrsquoanagravelisi de problemes concrets aplicats
Blocs temagravetics
1 Introduccioacute
11 Conceptes bagravesics
Objecte de lrsquoestadiacutestica descriptiva
Poblacioacute i mostra
Tipus de variables
2 Anagravelisi de dades unidimensionals
21 Representacioacute gragravefica i tabular de dades
Tipus de dades
Tabulacioacute de dades unidimensionals
Megravetodes gragravefics per a la representacioacute de dades
22 Mesures de siacutentesi per a dades quantitatives univariants (I)
Mesures de posicioacute o tendegravencia central
Moments potencials
Mesures de dispersioacute
Mesures de localitzacioacute
23 Mesures de siacutentesi per a dades quantitatives univariants (II)
Mesures drsquoasimetria
Mesures drsquoapuntament o curtosi
Mesures de concentracioacute
Mesures per a dades agrupades en intervals
3 Anagravelisi de dades multidimensionals
31 Dades multidimensionals
Matriu de dades
Taules de creuament distribucions de frequumlegravencies (conjunta marginals i
condicionades)
Associacioacute entre dades quantitatives bidimensionals matriu de variagravencies i
covariagravencies i matriu de correlacions
Associacioacute entre dades quantitatives multidimensionals
Associacioacute entre dades qualitatives en escala nominal
Associacioacute entre dades qualitatives en escala ordinal
32 Model de regressioacute lineal
Descripcioacute drsquouna relacioacute entre variables
Especificacioacute del model de regressioacute lineal simple
Ajust per miacutenims quadrats ordinaris
Bondat drsquoajust Coeficient de determinacioacute
4 Altres indicadors estadiacutestics
41 Altres indicadors
Nombres iacutendexs iacutendexs simples i compostos
Nombres iacutendexs econogravemics
Deflacioacute
Taxes de variacioacute
Metodologia i activitats formatives
El megravetode docent es basa principalment en tres tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques Per a un millor aprofitament de les classes de problemes la professora potdesdoblar el grup en dos si ho considera necessari
3 Sessions de classe inversa (flipped classroom) La professora demana pregraveviament a la classe lrsquoestudidrsquoun material En comenccedilar la classe lrsquoestudiant fa una prova individual sobre la temagravetica estudiadaDespreacutes els estudiants es reuneixen en grups per discutir la mateixa prova i algun problema en grup Esdiscuteixen els resultats i srsquoaclareixen els punts on srsquoha trobat meacutes dificultat Aquesta activitat eacutesavaluable
A meacutes a meacutes es proposa als estudiants un conjunt de pragravectiques que han de fer en equips i fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de diferentsactivitats que es duen a terme al llarg del curs
a) Pragravectiques
Pragravectica 1 Els estudiants srsquohan drsquoagrupar en equips de 3-4 persones i crear una base de dades del seuinteregraves Despreacutes han de fer una explotacioacute descriptiva de les dades que contingui diferents mesures desiacutentesi gragravefics taules de frequumlegravencies etc Els estudiants han de presentar un informe escrit amb elsresultats obtinguts Valor 75 de la nota final Data de lliurament (aprox) 11 de novembre de2019
Pragravectica 2 Cada grup ha de proposar un model de regressioacute lineal fer diferents prediccions i valorar-neel grau de fiabilitat Valor 75 de la nota final Data de lliurament (aprox) 3 de gener de 2020
b) Sessions de classe inversa (flipped classroom)
Srsquoavaluen les proves individuals les proves en grup i els problemes i activitats complementagraveries de lessessions de classe inversa Valor 10 de la nota final Data diverses sessions al llarg del curs quesrsquoanuncien amb antelacioacute suficient
c) Dues proves escrites que consisteixen en la resolucioacute drsquoun conjunt de problemes i quumlestionsteograveriques
mdash Una prova de seguiment del curs Consta de 10 preguntes de tipus test que permeten alrsquoestudiant valorar el seu grau drsquoassimilacioacute de la mategraveria Valor 20 de la nota final Dataaproximada 13 de novembre de 2019
mdash Una prova final Valor 55 de la nota final Srsquoha de treure com a miacutenim un 4 perquegrave sigui
possible fer la mitjana amb la resta de notes del curs Data la fixada pel Consell Docent
La nota final de lrsquoestudiant eacutes el valor magravexim entre la nota calculada amb els percentatges anteriors ila nota obtinguda a la prova final
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova pot ser diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en les dates fixades pel Consell Docent
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Problemes drsquoEstadiacutestica Descriptiva Textos Docents nuacutem 389 BarcelonaUniversitat de Barcelona 2014
BARDINA Xavier et al Estadiacutestica Descriptiva Bellaterra Universitat Autogravenoma de Barcelona Servei dePublicacions 2009
CASTILLO Isabel et al Estadiacutestica descriptiva y caacutelculo de probabilidades Madrid Pearson 2006
FERNAacuteNDEZ Santiago et al Estadiacutestica descriptiva 2 ed rev y actualizada Madrid ESIC 2002
FERNAacuteNDEZ Carlos et al Curso de estadiacutestica descriptiva teoriacutea y praacutectica Barcelona Ariel 1995
HERNAacuteNDEZ Agustiacuten Curso elemental de Estadiacutestica Descriptiva Madrid Piraacutemide 2008
MARTIacuteN -GUZMAacuteN Pilar et al Manual de Estadiacutestica Descriptiva Cizur Menor Aranzadi 2006
MARTIacuteN Francisco Javier Introduccioacuten a la estadiacutestica econoacutemica y empresarial teoriacutea y praacutectica MadridAC-Thomson 2004
MONTERO J Mariacutea Estadiacutestica Descriptiva Madrid Thomson 2007
MONTERO J Mariacutea Problemas resueltos de Estadiacutestica Descriptiva para Ciencias Sociales MadridThomson 2007
MURES Mordf Jesuacutes et al Problemas de estadiacutestica descriptiva aplicada a las ciencias sociales MadridPearson Prentice Hall 2004
TOMEO Venancio et al Estadiacutestica Descriptiva Madrid Garceta Grupo Editorial 2009
Text electrogravenic
ALCANtildeIZ Manuela et al Concentracioacuten curva de Lorenz e iacutendice de Gini Colmiddotleccioacute OMADO DipogravesitDigital de la Universitat de Barcelona
ESPEJO I et al Estadiacutestica Descriptiva y Probabilidad 3a ed Caacutediz Servicio de PublicacionesUniversidad de Caacutediz 2011
Es pot descarregar Conteacute teoria i nombrosos exercicis resolts drsquoestadiacutesticadescriptiva
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Industrial
Codi de lassignatura 361250
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER TORT-MARTORELL LLABRES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 30
Treball tutelatdirigit
(Resolucioacute de casos pragravectics)30
Aprenentatge autogravenom
(Lectura siacutentesi i presentacioacute oral drsquoarticlesi capiacutetols de llibres)
60
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica per a la Gestioacute de laQualitat Software Estadiacutestic i Disseny drsquoExperiments
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
Es preteacuten que lrsquoestudiant sigui capaccedil de dissenyar i implementar un pla drsquoexperimentacioacute per talde descobrir com una segraverie de variables (controlables o no) drsquoun proceacutes afecten una caracteriacutesticade qualitat drsquointeregraves Tambeacute es preteacuten que lrsquoestudiant entengui la importagravencia de lluitar contra lavariabilitat per millorar la qualitat sagravepiga caracteritzar la variabilitat drsquoun proceacutes i coneguitegravecniques per reduir la variabilitat i mantenir-la en els nivells miacutenims Concretament en acabar elcurs els estudiants han de ser capaccedilos de
bull Seleccionar dissenys que permetin analitzar el comportament drsquoun producte o un proceacutes tantpel que fa a la mitjana com a la variagravencia transmesa per factors no controlables
bull Analitzar lrsquoefecte dels factors de control i soroll en la resposta drsquointeregraves i seleccionar lescondicions meacutes robustes
bull Seleccionar dissenys que permetin explorar la superfiacutecie de resposta amb polinomis de segonordre (disseny central compost disseny de Box-Behnken etc)
bull Explorar la regioacute drsquointeregraves de les variables experimentals que maximitzin (minimitzin) laresposta i estudiar la naturalesa de la superfiacutecie
bull Dissenyar experiments reals i implementar-los seguint una estrategravegia sequumlencial des delplantejament del pla experimental fins a lrsquoelaboracioacute de conclusions
bull Entendre com funcionen els gragravefics de control sofisticats i fer-los servir
bull Implantar un control estadiacutestic de processos en un proceacutes real tenint en compte la naturalesadel proceacutes i els costos associats
bull Fer estudis de repetibilitat i reproductibilitat per garantir que el sistema de mesura que es faservir en un proceacutes eacutes adequat
Referits a habilitats destreses
bull Treure informacioacute drsquointeregraves i aprendre a partir de llibres i articles
bull Treballar en grups per consensuar decisions i solucionar problemes de manera conjunta
bull Treballar en equip per consensuar decisions i solucionar problemes de manera conjunta
bull Comunicar idees i resultats de manera eficaccedil tant per escrit com oralment
Blocs temagravetics
1 Metodologia de millora sis sigma
Necessitat de la millora Aspectes organitzatius rols i responsabilitats Metodologia de milloraetapes Objectius i tasques de cadascuna de les cinc etapes definir mesurar analitzarmillorar i controlar Estudis de repetibilitat i reproductibilitat (RampR) Casos i exercicis
2 Disseny drsquoexperiments a la induacutestria i metodologia de superfiacutecie de resposta
Importagravencia de lrsquoexperimentacioacute en un entorn industrial Repagraves de dissenys factorials a dosnivells Bloqueig en dissenys factorials Punts centrals Superfiacutecie de resposta fent servirpolinomis de primer grau Uacutes de lrsquolaquosteepest ascentraquo per a lrsquoaproximacioacute a la regioacute drsquointeregravesSuperfiacutecie de resposta fent servir polinomis de segon grau Dissenys central compost i deBox-Bhenken Adequacioacute del model
3 Control estadiacutestic de processos monitoratge i ajust
Seleccioacute dels gragravefics de control adequats segons la variable que srsquoha de monitorar Conceptede subgrup racional i ARL Limitacions dels gragravefics de control de Shwart Dadesautocorrelacionades i processos no estacionaris Prediccions fent servir un model EWMA Ajustcontinu i ajust periogravedic de processos no estacionaris
4 Casos pragravectics drsquoaplicacioacute de lrsquoestadiacutestica en la induacutestria i en els serveis
Cas dels tubs de silicona Cas de la caixa cooperativa professional
Metodologia i activitats formatives
Teoria Exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Pragravectiques Resolucioacute de problemes i casos pragravectics Es proposen activitats per fer fora de les hores declasse
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Exercicis de seguiment de lrsquoassignatura 15
Casos pragravectics 35
Examen final 50
Avaluacioacute uacutenica
Examen final
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Statistics for experimenters design innovation and discovery 2nd ed HobokenWiley Interscience 2005
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2002
MYERS Raymond H et al Response surface methodology process and product optimization HobokenWiley Interscience 2009
HAHN Gerald J et al The role of statistics in business and industry Hoboken New Jersey Wiley 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Megravedica
Codi de lassignatura 361249
Curs acadegravemic 2019-2020
Coordinacioacute Erik Cobo Valeri
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 48
- Pragravectiques de problemes 8
- Pragravectiques dordinadors 4
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha drsquoestar disposat a adquirir progressivament competegravencies i habilitats especificades alrsquoentrada statistical consulting de lrsquoEnciclopegravedia en Ciegravencies Estadiacutestiques
Requisits
361231 - Models Lineals (Recomanada)
361237 - Estadiacutestica per a les Biociegravencies (Recomanada)
361232 - Anagravelisi Multivariant (Recomanada)
361234 - Models Lineals Generalitzats (Recomanada)
361214 - Software Estadiacutestic (Recomanada)
361221 - Inferegravencia Estadiacutestica (Recomanada)
361230 - Disseny dExperiments (Recomanada)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
bull Identificar i utilitzar correctament la terminologia bagravesica dels estudis empiacuterics en ciegravencies de lasalut
bull Distingir entre associacioacute i causalitat i entre estimacioacute drsquoefectes drsquointervencions definides icerca de causes
bull Interpretar i utilitzar correctament les principals guies de publicacioacute de recerca en salut(CONSORT SPIRIT PRISMA STROBE STARD TRIPOD)
bull Valorar criacuteticament els resultats de recerca en ciegravencies de la salut
bull Conegraveixer els entorns laborals en ciegravencies de la salut que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Referits a habilitats destreses
bull Aplicar les tegravecniques estadiacutestiques en estudis empiacuterics en ciegravencies de la salut i interpretar-necorrectament els resultats
bull Aplicar les tegravecniques estadiacutestiques a estudis observacionals i experimentals en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques de model lineal generalitzat a estudis en ciegravencies de la salut iinterpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques aplicades a la revisioacute sistemagravetica drsquoestudis en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis empiacuterics en ciegravencies de la salut
bull Fer una valoracioacute criacutetica drsquoun article cientiacutefic pel que fa als objectius megravetodes resultats ilimitacions trobades
Referits a actituds valors i normes
bull Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis empiacuterics en ciegravencies de la salut
Blocs temagravetics
1 Entorn de treball
11 Objectius de salut i tipus drsquoestudis
12 Aspectes egravetics Interaccioacute amb els investigadors
13 Regressioacute a la mitjana evolucioacute natural i efecte placebo
2 Dissenys experimentals per avaluar intervencions Revisions sistemagravetiques
21 Assajos cliacutenics Determinacioacute de la mida mostral Desviacions i dades no disponibles
Riscos de biaix
22 Dissenys amb intercanvi (cross-over)
23 Genegraverics Plantejament drsquoequivalegravencia
24 Revisions sistemagravetiques Metanagravelisi
3 Causalitat
31 Prediccioacute en front drsquointervencioacute
32 Estimacioacute drsquoefectes enfront de cerca de causes
33 Diadrames aciacuteclics Bloqueig Aplicacioacute a la confusioacute drsquoefectes i al biaix de seleccioacute
34 Ponderacioacute per la inversa de la probabilitat (IPW)
4 Dissenys observacionals
41 Tipus drsquoestudis epidemiologravegics estudis de cohort estudis cas-control i estudis
transversals
42 Mesures de frequumlegravencia de malalties i epidegravemies prevalenccedila incidegravencia acumulada i
taxa drsquoincidegravencia
43 Mesures drsquoassociacioacute diferegravencia de riscos (absolut atribuiumlble) quocient de riscos
(relatiu) quocient drsquooportunitats (odds ratio) i quocient de taxes (hazard ratio)
44 Diagnogravestic Probabilitats diagnogravestiques Corba del receptor (ROC)
45 Models pronogravestics Logiacutestic i de Cox Capacitat de discriminacioacute Calibracioacute
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions
Al comenccedilament de cada tema el professor fa una presentacioacute inicial i ofereix documentacioacute perquegrave elsalumnes elaborin alguns conceptes
En paralmiddotlel lrsquoestudiant prepara mdashindividualment o en grupsmdash aspectes complementaris dels temesexposats i es discuteixen passat un temps a classe
El professor tambeacute proposa dades i eines per treballar-les
Lrsquoalumnat hi treballa de forma guiada i nrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es duu a terme a traveacutes de tres elements
mdash Problemes per a cada bloc (410 )
mdash Informe escrit i presentacioacute oral drsquoun treball pragravectic (20 )
mdash Dues proves de siacutentesi en acabar els blocs 2 i 4 (220 )
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi Aquesta data es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Examen final que inclou exercicis de tots els tipus
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
SENN Stephen Statistical issues in drug development 2nd ed Chichestr Wiley-Blackwell 2007
PIANTADOSI Steven Clinical Trials a methodologic perspective Hoboken NJ Wiley-Interscience 2005
JEWELL Nicholas Statistics for Epidemiology Boca Raton [Fla] [etc] Chapman amp HallCRC 2004
Pagravegina web
Causality book Miquel Hernaacuten amp Jamie Robbins
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a la Gestioacute de la Qualitat
Codi de lassignatura 361235
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques dordinadors 225
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica DescriptivaIntroduccioacute a la Probabilitat i Introduccioacute a la Inferegravencia Estadiacutestica
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Prendre consciegravencia de la importagravencia i de les possibilitats de lrsquoestadiacutestica en el context de lagestioacute de la qualitat mdash Conegraveixer i saber aplicar les tegravecniques fonamentals
Capacitats a adquirir mdash Entendre i prendre consciegravencia de per quegrave lrsquoestadiacutestica eacutes una eina important en la gestioacute de laqualitatmdash Identificar en quines situacions poden ser uacutetils les eines per a la millora de la qualitat i saber-les utilitzar adequadamentmdash Plantejar i realitzar estudis de capacitat Conegraveixer quegrave soacuten i com es calculen els iacutendexs decapacitatmdash Conegraveixer el paper dels gragravefics de control en la lluita contra la variabilitat Saber com esconstrueixen i com srsquointerpreten els gragravefics drsquouacutes meacutes habitualmdash Entendre i saber calcular els riscos inherents a qualsevol pla de mostreig Construir iinterpretar la corba caracteriacutestica drsquoun pla de mostreigmdash Conegraveixer les tegravecniques meacutes habituals per a la planificacioacute de la qualitat
Blocs temagravetics
1 Introduccioacute a la gestioacute de la qualitat
Quegrave eacutes la qualitat El control de la qualitat evolucioacute histograverica Gestioacute de la qualitat Latrilogia de Juran El paper de lrsquoestadiacutestica en la gestioacute de la qualitat Lrsquoassignatura en elcontext de la carrera
2 Millora de la qualitat
Quegrave eacutes la millora La definicioacute del projecte i dels objectius Metodologia per a la millora Lesset eines bagravesiques drsquoIshikawa plantilles histogrames diagrames de Pareto diagramescausa-efecte diagrames bivariants estratificacioacute gragravefics de control Habilitats el treball enequip Introduccioacute a la metodologia de millora sis sigma
3 Variabilitat causes i mesura
Concepte de variabilitat Causes comunes i causes assignables Tractament probabiliacutestic deles causes comunes la llei normal Estudis de capacitat a curt i llarg termini Iacutendexs decapacitat Llenguatge sis sigma
4 Control estadiacutestic de processos
Estrategravegies en la lluita contra la variabilitat Control estadiacutestic de processos com i per quegraveGragravefics de control per variables gragravefics Xbarra-R Altres gragravefics de control per variablesGragravefics de control per atributs P NP Altres gragravefics de control per atributs
5 Inspeccioacute per mostreig
Quegrave eacutes la inspeccioacute per mostreig Quegrave eacutes un pla de mostreig Risc del comprador i risc delvenedor Cagravelcul dels riscos Corba caracteriacutestica drsquoun pla de mostreig Disseny de plans demostreig Normes MIL-STD 105 D
6 Eines per a la planificacioacute
La veu del client El model de Kano QFD la casa de la qualitat Anticipar-se a lrsquoaparicioacute dedefectes lrsquoAMFE Sistemes antierror Poka-Yoke Quegrave eacutes un producte robust Introduccioacute almodel EFQM i ISO
Metodologia i activitats formatives
Teoria exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Problemes i pragravectiques resolucioacute de problemes i casos pragravectics Es proposen problemes per fer foradrsquohores de classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
NF = 025NAC + 035NEP + 040NEF (cal una nota miacutenima de 4 a la NEF per fer la ponderacioacute encas contrari NF = NEF)
NF nota finalNAC nota drsquoavaluacioacute continuada (exercicis que els estudiants han de lliurar al llarg del curs)NEP nota de lrsquoexamen parcialNEF nota de lrsquoexamen final
En lrsquoexamen final entra tota la mategraveria del curs
Avaluacioacute uacutenica
Un uacutenic examen en quegrave entra tota la mategraveria La nota obtinguda en aquest examen eacutes la nota delrsquoassignatura Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacuteuacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MONTGOMERY Douglas C Introduction to Statistical Quality Control 5th ed Chichester John Wiley 2005
Estadiacutestica con MINITAB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a les Biociegravencies
Codi de lassignatura 361237
Curs acadegravemic 2019-2020
Coordinacioacute Esteban Vegas Lozano
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 36
- Pragravectiques de problemes 16
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes convenient que lrsquoestudiant disposi de les competegravencies i habilitats que srsquoespera que tingui al final delsegon curs del grau drsquoEstadiacutestica
Requisits
mdash Probabilitat i Inferegravenciamdash Estadiacutesticamdash Anagravelisi Multivariant
mdash Model Linealmdash Coneixement del llenguatge de R
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
[A] Identificar i utilitzar correctament la terminologia bagravesica dels estudis de biociegravencies biologiabiomedicina i bioinformagravetica ecologia genegravetica i biodiversitat
[B] Enunciar les tegravecniques estadiacutestiques meacutes rellevants en estudis de biociegravencies
[C] Aplicar les tegravecniques estadiacutestiques en estudis de biociegravencies i interpretar-ne correctament elsresultats
[D] Conegraveixer les especialitats megravediques meacutes rellevants i els seus tipus drsquoestudis i variables meacutesusuals
[E] Conegraveixer alguns termes i conceptes de biologia molecular aixiacute com algunes de les tecnologiesemprades en experiments de biologia i biomedicina
[F] Aprendre els processos usuals per a lrsquoanagravelisi de dades drsquoalt rendiment
[G] Conegraveixer i interpretar les mesures estadiacutestiques generals de diversitat i la seva relacioacute amb labiodiversitat en ecologia i en genegravetica
[H] Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis de biociegravencies
[I] Potenciar la capacitat de reflexioacute i criacutetica mitjanccedilant el treball amb conjunts de dades drsquoestudisde biociegravencies
[J] Aprendre a redactar un informe que contingui els objectius megravetodes i resultats aixiacute com unavaloracioacute criacutetica de les limitacions trobades
[K] Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis en les biociegravencies
[L] Conegraveixer els entorns laborals en biociegravencies que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Blocs temagravetics
1 Estadiacutestica i bioinformagravetica
11 Biomolegravecules biomedicina i malalties
mdash Les molegravecules de la vida ADN i proteiumlnes dogma central expressioacute gegravenica
mdash Biomedicina i bases moleculars drsquoalgunes malalties (el cagravencer o malalties
immunes)
mdash Exemples i estudi drsquoun cas medicina personalitzada
12 Introduccioacute a algunes eines de la biotecnologia
mdash La bioinformagravetica
mdash Anagravelisi de lrsquoexpressioacute gegravenica microarrays (matrius)
mdash Altres tegravecniques drsquoobtencioacute de dades drsquoalt rendiment sequumlenciacioacute i proteogravemica
mdash Exemples i estudi de casos eines bioinformagravetiques per a lrsquoexplotacioacute de bases de
dades biologravegiques
13 Anagravelisi de dades drsquoalt rendiment anagravelisi de matrius drsquoexpressioacute gegravenica
mdash Preprocessament i control de qualitat
mdash Normalitzacioacute
mdash Seleccioacute de gens diferencialment expressats
mdash Classificacioacute i prediccioacute amb dades drsquoalt rendiment
mdash Exemples i estudi drsquoun cas seleccioacute de gens associats amb cagravencer de mama
2 Estadiacutestica i biodiversitat
21 Introduccioacute a la diversitat
mdash Mesures estadiacutestiques de diversitat Lrsquoiacutendex de Simpson i lrsquoiacutendex de Shannon
22 Biodiversitat en ecologia
mdash Conceptes bagravesics drsquoecologia espegravecie ecosistema niacutenxol hagravebitat riquesa
drsquoespegravecies iacutendex de diversitat abundagravencia etc
mdash Gragravefics per a la representacioacute de dades de diversitat la distribucioacute de les
frequumlegravencies i el diagrama de rang-abundagravencia
mdash Models estadiacutestics per a la diversitat drsquoespegravecies log-segraverie de Fisher el model log-
normal la segraverie geomegravetrica el model del bastoacute trencat de McArthur
mdash Les mesures de diversitat drsquoespegravecies la riquesa drsquoespegravecies lrsquoiacutendex de Simpson
lrsquoiacutendex de Shannon
mdash Estimacioacute de la riquesa drsquoespegravecies la corba drsquoacumulacioacute drsquoespegravecies estimadors
paramegravetrics i no paramegravetrics de la riquesa
mdash Incertesa en lrsquoestimacioacute de la diversitat El jackknife
mdash Exemples
23 Biodiversitat en genegravetica
mdash Conceptes bagravesics de genegravetica cromosomes locus gens i almiddotlels genotips
haplotips marcadors dominants codominants i recessius microsategravelmiddotlits i SNP
polimorfismes frequumlegravencies almiddotlegraveliques i genotiacutepiques heterozigositat observada i
esperada equilibri genegravetic (Hardy-Weinberg i desequilibri de lligament) Estadiacutestics
per mesurar desequilibri
mdash Les mesures de la diversitat gegravenica Percentatge de locus polimograverfics nombre
efectiu drsquoalmiddotlels riquesa drsquoalmiddotlels heterozigositat esperada Lrsquoiacutendex de Simpson i
lrsquoiacutendex de Shannon
mdash Anagravelisi de la diversitat gegravenica entre i dins de poblacions els iacutendexs de Nei i els
estadiacutestics F de Wright
mdash Exemples
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions Alcomenccedilament de cada tema el professorat fa una presentacioacute inicial i ofereix documentacioacute perquegravelrsquoalumnat elabori alguns conceptes
Paralmiddotlelament els alumnes preparen individualment o en grups aspectes complementaris dels temesexposats que es discuteixen passat un temps a classe
Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Eacutes elprofessorat qui assigna els estudiants als grups
El professorat tambeacute proposa dades i eines per treballar-les I lrsquoalumnat hi treballa de forma guiada inrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi en acabar cada bloc (45 )mdash Pragravectiques de laboratori i exercicis per lliurar per a cada bloc (30 )mdash Un treball pragravectic (25 )
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir‐se a lrsquoavaluacioacute uacutenica han de fer‐hoabans de la data que srsquoestableix i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi i treball que engloben els continguts dels blocs (70 )mdash Prova de laboratori sobre els continguts dels blocs (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
COHEN William W A computer Scientistrsquos guide to cell biology a travelogue from a stranger in a strangeland Pittsburgh Springer 2007
Recomanat per al bloc 1
GASTON Kevin J et al Biodiversity an introduction 2nd ed Oxford Blackwell Science 2004
Recomanat per al bloc 2
GIBSON Greg et al A primer of genome science 3rd ed Sunderland Mass Sinauer Associates 2009
Recomanat per al bloc 1
KJRIJNEN H Applied Statistics for Bioinformatics (pdf)
Recomanat per al bloc 1
LOWE Andrew et al Ecological genetics design analysis and application Malden (Mass) Blackwell2004
Recomanat per al bloc 2
PEVSNER Jonathan Bioinformatics and Functional Genomics Hoboken NJ Wiley-Blackwell 2009
Recomanat per al bloc 1
MAGURRAN Anne E Measuring biological diversity Malden Blackwell 2004
Recomanat per al bloc 2
Rafael A Irizarry and Michael I Love Data Analysis for the Life Sciences with R Chapman and HallCRC2016
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Puacuteblica
Codi de lassignatura 361236
Curs acadegravemic 2019-2020
Coordinacioacute ROGER ROCA SAQUERO
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Materials de referegravencia complementaris
A mesura que avanccedila el temari srsquoindiquen els recursos en liacutenia corresponents
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Aula convencional) 30
- Pragravectiques dordinadors
(Aula drsquoinformagravetica) 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Consulta permanent durant el periacuteode de docegravencia dels materials i continguts que es publiquen en elCampus Virtual Tambeacute es recomana fer seguiment de lrsquoactualitat econogravemicamdash Coneixement drsquoanglegraves (a nivell de lectura com a miacutenim)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes conegraveixer les fonts estadiacutestiques oficials aixiacute com lesprincipals operacions estadiacutestiques que elaboren
Pel que fa a les fonts estadiacutestiquesmdash Conegraveixer els objectius la metodologia el tipus de dades la problemagravetica i les principals einesassociades a les diferents fonts estadiacutestiquesmdash Conegraveixer fonts estadiacutestiques oficials drsquoagravembit autonogravemic estatal i internacionalmdash Conegraveixer la legislacioacute estadiacutestica bagravesica
Pel que fa a les operacions estadiacutestiquesmdash Conegraveixer les principals caracteriacutestiques i la metodologia de les operacions estadiacutestiquesmdash Conegraveixer les dades i el tipus drsquoinformacioacute que generen les operacions estadiacutestiques oficials
Referits a habilitats destreses
mdash Identificar i saber seleccionar les fonts estadiacutestiques meacutes adequades en funcioacute de lrsquoobjectiu delrsquoanagravelisi proposadamdash Analitzar interpretar i sintetitzar dades i discernir quina eacutes la informacioacute rellevant en funcioacutedels objectius de lrsquoanagravelisimdash Desenvolupar les capacitats comunicatives (expressioacute escrita i oral)
Referits a actituds valors i normes
mdash Desenvolupar la capacitat de relacionar lrsquoestadiacutestica amb altres disciplinesmdash Desenvolupar les capacitats drsquoaprenentatge i responsabilitatmdash Desenvolupar la capacitat de treballar en equip
Blocs temagravetics
1 (Bloc 1) Introduccioacute
11 Estadiacutestica oficial
12 Instituts drsquoestadiacutestica oficial Idescat INE i Eurostat
13 Lleis i reglaments de lrsquoestadiacutestica oficial
2 (Bloc 1) Metodologia de les fonts estadiacutestiques oficials
21 Fases de la produccioacute estadiacutestica
22 Recollida drsquoinformacioacute quumlestionaris i altres instruments
23 Disseny de mostres a les fonts estadiacutestiques oficials
24 Resultats obtencioacute i formes de publicacioacute
25 Qualitat de les operacions estadiacutestiques
3 (Bloc 1) Dades massives (big data) i ciutats intelmiddotligents (smart cities)
31 Dades massives (big data) per al desenvolupament
32 Ciutats intelmiddotligents
4 (Bloc 2) Estadiacutestiques demogragravefiques
41 Introduccioacute
42 Canvis demogragravefics
43 Estructura de les llars i famiacutelies
44 Caracteriacutestiques i condicions dels habitatges
45 Poblacioacute estrangera
46 Mobilitat geogragravefica
47 Envelliment
48 Projeccions de poblacioacute
5 (Bloc 2) Estadiacutestiques del mercat laboral
51 Poblacioacute activa
52 Poblacioacute ocupada
53 Poblacioacute aturada
54 Mograveduls de lrsquoEPA
55 Estadiacutestiques drsquoofertes de feina
56 Retribucions i costos laborals
6 (Bloc 2) Estadiacutestiques de consum i de preus
61 Nombres iacutendex (teoria i pragravectica)
62 Estadiacutestiques de preus europees
63 Inflacioacute i deflacioacute
Metodologia i activitats formatives
Internet eacutes una eina central per al desenvolupament de lrsquoassignatura per aquesta raoacute la major part deles sessions presencials es desenvolupen a lrsquoaula drsquoinformagravetica Es potencia el treball en xarxa mitjanccedilant lrsquouacutes drsquoeines en liacutenia (Campus Virtual etc)
Es treballa amb materials en catalagrave castellagrave i anglegraves Srsquoatorga molta importagravencia a les lectures i alrsquoexpressioacute escrita
Es combinen diverses metodologies drsquoaprenentatge com ara classes magistrals classes expositivestreball en grup (escrit i oral) cerca drsquoinformacioacute i exercicis pragravectics
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per a lrsquoalumnat que assisteix regularment a classe Esrecomana una assistegravencia miacutenima del 80 de les sessions
Activitats drsquoavaluacioacute
mdash Prova escrita 1 temes 1 2 i 3 (25 punts)
mdash Prova escrita 2 temes 4 5 i 6 (25 punts)
mdash Pragravectica colmiddotleccioacute drsquoexercicis treballats a classe (2 punts)
mdash Treball article drsquoanagravelisi siacutentesi i interpretacioacute de dades procedents de diferents fonts estadiacutestiquesoficials Grups de tres a cinc persones Article i presentacioacute oral (3 punts)
Qualificacioacute global
Lrsquoassignatura se supera si la suma de les quatre evidegravencies (proves o activitats) eacutes igual o superior a 5En cas contrari lrsquoestudiant ha de fer la prova drsquoavaluacioacute uacutenica No es guarda cap nota
Nombre miacutenim drsquoevidegravencies (proves o activitats) que calen per tenir qualificacioacute 3 Si no srsquoarriba aaquest miacutenim llavors la qualificacioacute final eacutes laquono presentatraquo
Calendari
mdash Prova escrita 1 en finalitzar el tema 3
mdash Prova escrita 2 en finalitzar el tema 6
mdash Pragravectica es treballaragrave com a miacutenim una pragravectica per cada tema treballat
mdash Treball lrsquoenunciat es comunica un cop iniciades les classes El treball srsquoha de lliurar a final del mes demaig
La data de les activitats drsquoavaluacioacute continuada es comunica amb un miacutenim de dues setmanesdrsquoantelacioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que estableixi el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Avaluacioacute uacutenica
Tot i que no eacutes lrsquoopcioacute meacutes recomanable srsquohi pot acollir lrsquoalumnat que no segueixi lrsquoavaluacioacutecontinuada Eacutes lrsquoopcioacute meacutes recomanable quan no es pot assistir de forma regular a classe
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica poden fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts)
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova drsquoavaluacioacute uacutenica es duu a terme en la data fixada pel Consell Docent
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Pagravegina web
INE
Institut Nacional drsquoEstadiacutestica Els materials concrets srsquoindiquen a mesura queavanccedila el temari
IDESCAT
Institut drsquoEstadiacutestica de Catalunya Els materials concrets srsquoindiquen a mesuraque avanccedila el temari
EUROSTAT
Oficina estadiacutestica de la Unioacute Europea Els materials concrets srsquoindiquen amesura que avanccedila el temari
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fitxers i Bases de Dades
Codi de lassignatura 361215
Curs acadegravemic 2019-2020
Coordinacioacute Montserrat Guillen Estany
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Pragravectiques dordinadors 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Sofware Estadiacutestic
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els fonaments de les estructures de dades en memograveria i els conceptes bagravesicsdrsquoorganitzacioacute de les dades mdash Comprendre els conceptes fonamentals en el disseny de les bases de dades
mdash Entendre els conceptes bagravesics de sistemes de bases de dades i els seus avantatges iinconvenients
Referits a habilitats destreses
mdash Saber dissenyar i manipular una base de dades
mdash Ser capaccedil drsquoaccedir a una base de dades mitjanccedilant la utilitzacioacute del llenguatge SQL
mdash Poder aplicar els coneixements teograverics mitjanccedilant la utilitzacioacute de programari de gestioacute debases de dades mdash Saber resoldre problemes de complexitat baixa i mitjana a partir de la construccioacute drsquouna basede dades en lrsquoagravembit estadiacutestic
Blocs temagravetics
1 Arxius i bases de dades
11 Conceptes bagravesics
12 Bases de dades Objectes de bases de dades
13 Sistema gestor de bases de dades
14 Dades massives (big data) i dades en temps real
2 Llenguatge SQL
21 Introduccioacute
22 Tipus de camps
23 Tipus de dades SQL
24 Consultes
25 Estructures de les taules
3 Utilitzacioacute del llenguatge SQL (Access SAS R PosgreSQL)
31 Consultes bagravesiques
32 Combinacioacute de taules
33 Actualitzacioacute de dades
4 Temes avanccedilats
41 Seguretat i privacitat
42 Transaccions
43 NoSQL
44 Entorn web i tecnologies emergents
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials realitzades en aules amb ordinadors
a) Classes de teoria en quegrave srsquoexposen els conceptes bagravesics de cadascuna de les unitats
b) Classes pragravectiques amb lrsquoobjectiu que cada estudiant sigui capaccedil drsquoanalitzar i solucionar els exercicisplantejats drsquoacord amb els coneixements adquirits a les classes teograveriques Aquestes pragravectiques tot i noser guiades tenen el suport del professorat i serveixen per aclarir algunes quumlestions no necessagraveriamentexplicades a les classes de teoria
Aixiacute mateix es proposa que els estudiants facin pragravectiques addicionals fora de les hores de classe amb lafinalitat que adquireixin la seguretat suficient per poder treballar autogravenomament Aquestes pragravectiquestambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de les activitatsseguumlents
mdash Exercicis resolts a classe (pragravectiques) i participacioacute en els fograverums del Campus Virtual o a lrsquoaula Valordel 15 de la nota final
mdash Tasques presencials i tasques semipresencials individuals Valor del 20 de la nota final
mdash Treball no presencial consistent en el disseny drsquouna base de dades incorporacioacute de dades i consultesrelacionades amb la base de dades Lliurament al desembre Valor del 25 de la nota final
mdash Una prova de valoracioacute global que consta drsquoun enunciat amb un seguit de quumlestions pragravectiques iteograveriques relatives als quatre blocs temagravetics o unitats En aquesta prova lrsquoestudiant disposa drsquoun magraveximdrsquohora i mitja per resoldre individualment les quumlestions plantejades utilitzant nomeacutes lrsquoordinador Data lafixada pel Consell Docent Aquesta prova no requereix una puntuacioacute miacutenima per poder fer lamitjana Valor del 40 de la nota final
Per poder superar lrsquoassignatura srsquohan de fer totes les proves drsquoavaluacioacute tant les presencials com lesno presencials
Avaluacioacute uacutenica
Els estudiants que ho vulguin poden optar a una avaluacioacute amb una prova final i uacutenica que suposa el100 de la nota Aquesta prova eacutes diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
LEMAHIEU W VAN DER BROUCKE S BAESENS B Principles of Database Management The PracticalGuide to Storing Managing and Analyzing Big and Small Data (o be published by Cambridge UniversityPress in July 2018)
wwwpdbmbookcom
ALLISON Cecelia L et al SQL for Microsoftreg Access 2nd ed Plano Texas Wordware 2008
CONNOLLY Thomas Met al Sistemas de bases de datos 4a ed Madrid Pearson Educacioacuten 2005
DATE CJ Introduccioacuten a los sistemas de bases de datos Madrid Pearson Educacioacuten 2001
GENNIK Jonathan SQL Pocket GuideSebastopol CA OrsquoReilly 2011
KRIEGEL Alex Discovering SQL A Hands-On Guide for Beginners Indianapolis Wiley 2011
PRAIRIE Katherine The essential PROC SQL handbook fo SAS USERS Cary (NC) SAS Institute 2005
SILBERSCHATZ Abraham et al Database System Concepts New York McGraw-Hill 2011
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fonaments dAdministracioacute dEmpreses
Codi de lassignatura 361211
Curs acadegravemic 2019-2020
Coordinacioacute JOAN CARLES GIL MARTIN
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Ser capaccedil de demostrar coneixements generals del concepte drsquoempresa i drsquoorganitzacioacute i delrol de lrsquoempresari i saber classificar una organitzacioacute empresarial segons els diferents criteris enespecial saber-ne identificar les formes juriacutediques meacutes adients
mdash Conegraveixer el funcionament de lrsquoempresa com a sistema els diferents subsistemes o agravereesfuncionals i els seus objectius aixiacute com saber identificar els models drsquoorganitzacioacute aplicables
mdash Demostrar que es coneixen les dimensions del proceacutes de direccioacute influegravencia estrategravegiaplanificacioacute organitzacioacute direccioacute de persones control i decisioacute
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute dels recursos humans per a lesempreses i demostrar coneixements bagravesics dels principals processos en aquesta agraverea
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute financera a les empreses idemostrar coneixements bagravesics dels principals processos en aquesta agraverea en especial lacomptabilitat lrsquoanagravelisi del cicle curt mdashexplotacioacutemdash del cicle llarg mdashinversioacutemdash i les fonts definanccedilament adients
mdash Ser capaccedil drsquoaplicar els conceptes financers bagravesics per analitzar la viabilitat econogravemica drsquounprojecte analitzar econogravemicament les diferents alternatives drsquouna decisioacute i fer el seguimenteconogravemic drsquoun pressupost
mdash Ser capaccedil drsquoentendre els principals conceptes comercials com ara mercats demandacompetegravencia comportament del client i els principals megravetodes per al seu estudi com ara lainvestigacioacute de mercats
mdash Ser capaccedil de demostrar coneixements bagravesics dels instruments de magraverqueting i la sevautilitzacioacute
mdash Ser capaccedil de demostrar coneixements bagravesics dels principals objectius de la direccioacutedrsquooperacions i dels principals processos en aquesta agraverea
Referits a habilitats destreses
mdash Capacitat comunicativa (capacitat de comprendre i drsquoexpressar-se oralment i per escrit encatalagrave castellagrave i en una tercera llengua i dominar el llenguatge especialitzat)
mdash Capacitat de buscar utilitzar i integrar la informacioacute
mdash Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees drsquoaplicacioacute
Blocs temagravetics
1 Introduccioacute a lrsquoempresa
Introduccioacute al concepte drsquoempresa i al rol de lrsquoempresari Criteris de classificacioacute de lesdiferents tipologies drsquoempreses formes juriacutediques i empresa familiar Descripcioacute de lrsquoempresa
com a sistema dels seus subsistemes i dels models i els criteris bagravesics drsquoorganitzacioacute
2 Direccioacute
Presentacioacute de les dimensions del proceacutes de direccioacute influegravencia estrategravegia planificacioacuteorganitzacioacute direccioacute de persones control i decisioacute
3 Recursos humans
Descripcioacute de la importagravencia i objectius de lrsquoagraverea de recursos humans aixiacute com delsprincipals processos drsquoaquesta agraverea funcional
4 Finances
Descripcioacute dels objectius de lrsquoagraverea de finances aixiacute com dels principals processos drsquoaquestaagraverea funcional a curt i llarg termini i de les fonts de financcedilament Descripcioacute de lacomptabilitat com a sistema drsquoinformacioacute i com a proceacutes i dels conceptes comptables bagravesicsper analitzar lrsquoequilibri financer Utilitzacioacute dels costos per a la presa de decisions Anagravelisidrsquoinversions Control pressupostari
5 Comercial i magraverqueting
Descripcioacute dels objectius de lrsquoagraverea comercial i magraverqueting aixiacute com dels principalsconceptes com ara mercats demanda competegravencia comportament del client i dels principalsmegravetodes per al seu estudi com ara la investigacioacute de mercats Descripcioacute dels instruments demagraverqueting i la seva utilitzacioacute
6 Operacions
Descripcioacute dels objectius de lrsquoagraverea drsquooperacions aixiacute com dels principals processosdrsquoaquesta agraverea funcional
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes pragravectiques en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de casos pragravectics
A meacutes es demana als estudiants lrsquoexecucioacute drsquoun treball de camp relacionat amb lrsquoassignatura
Aquesta assignatura no requereix el desdoblament del grup en subgrups en cap activitat
Avaluacioacute acreditativa dels aprenentatges
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenicaLrsquoavaluacioacute continuada eacutes la forma recomanada i desitjable de cursar aquesta assignatura per treurersquon elmagravexim profit Lrsquoalumnat que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica hade fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb lrsquoantelacioacute suficient
Els elements drsquoavaluacioacute continuada soacuten els seguumlents
mdash Participacioacute a classe 10 de la nota
mdash Lliurament de la pragravectica 1 i lliuraments parcials (en acabar el tema 3 laquoRecursos humansraquo) 10 dela nota
mdash Lliurament de la pragravectica 2 i lliuraments parcials (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Lliurament de la pragravectica 3 i lliuraments parcials (en acabar el tema 6 laquoOperacionsraquo) 20 de lanota
mdash Prova drsquoestudi continuat 1 (en acabar el tema 3 laquoRecursos humansraquo) 15 de la nota
mdash Prova drsquoestudi continuat 2 (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Prova drsquoestudi continuat 3 (en acabar el tema 6 laquoOperacionsraquo) 15 de la nota
La pragravectica 1 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb aspectes genegraverics de lrsquoempresa la seva direccioacute i la gestioacute dels seusrecursos humans Eacutes requisit indispensable lliurar aquesta pragravectica per fer la prova drsquoestudi continuat 1(PEC 1)
La pragravectica 2 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb la gestioacute econogravemica i financera Eacutes requisit indispensable lliuraraquesta pragravectica per fer la prova drsquoestudi continuat 2 (PEC 2)
La pragravectica 3 es basa en un petit treball de camp que ha de permetre respondre una segraverie de quumlestionsrelacionades amb les agraverees funcionals de comercial i magraverqueting i operacions Eacutes requisit indispensablelliurar aquesta pragravectica per fer la prova drsquoestudi continuat 3 (PEC 3)
La prova drsquoestudi continuat 1 (PEC 1) consisteix en una segraverie de preguntes curtes relacionades amb lapragravectica 1 i amb el tema 1 laquoIntroduccioacute a lrsquoempresaraquo el tema 2 laquoDireccioacuteraquo i el tema 3 laquoRecursoshumansraquo
La prova drsquoestudi continuat 2 (PEC 2) consisteix en una segraverie drsquoexercicis numegraverics i preguntes curtesrelacionades amb la pragravectica 2 i amb el tema 4 laquoFinancesraquo
La prova drsquoestudi continuat 3 (PEC 3) consisteix en una segraverie de preguntes curtes relacionades amb eltema 5 laquoComercial i magraverquetingraquo i el tema 6 laquoOperacionsraquo
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableix i que es fa puacuteblica amb lrsquoantelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute) Aquesta prova permet obtenir la qualificacioacute magravexima a lrsquoassignatura
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicasrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MAYNAR Pilar et al(coord) La economiacutea de la empresa en el espacio de educacioacuten superior MadridMcGraw-Hill 2013
FUENTES Mariacutea del Mar et al Fundamentos de direccioacuten y administracioacuten de empresas MadridPiraacutemide 2014
OCHOA Carlos Economiacutea y Organizacioacuten de Empresas San Sebastiaacuten Editorial Donostiarra 1996
Pagravegina web
Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Eurostat
Foment del Treball Nacional
PIMEC Patronal de la Petita i Mitjana Empresa de Catalunya
Barcelona Activa
El canal de televisioacuten de los emprendedores - Fundacioacuten Banesto Sociedad y Tecnologiacutea
Emprende aprendiendo - Canal de YouTube para emprendedores
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Inferegravencia Estadiacutestica
Codi de lassignatura 361221
Curs acadegravemic 2019-2020
Coordinacioacute PEDRO DELICADO USEROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de model estadiacutestic paramegravetric de mostra aleatograveria simple de mida n idrsquoestadiacutestic fonaments de bona part dels megravetodes estadiacutestics que es desenvoluparanposteriorment
Conegraveixer el concepte drsquoestimador Conegraveixer els conceptes de biaix dispersioacute risc i consistegravenciadrsquoun estimador Fita de Cramer-Rao Estimacioacute UMVU (uniformly minimum variance unbiased)
Conegraveixer els principals megravetodes drsquoestimacioacute en especial lrsquoestimacioacute de magravexima versemblanccedila
Conegraveixer el concepte drsquoestimador per intervals aixiacute com alguns megravetodes de construccioacutedrsquointervals de confianccedila
Conegraveixer el concepte de prova drsquohipogravetesi nivell de significacioacute potegravencia funcioacute depotegravencia Teorema de Neyman-Pearson Proves UMP (uniformly most powerful)
Conegraveixer la prova de la raoacute de versemblanccedila aixiacute com les seves propietats asimptogravetiquesConegraveixer la relacioacute drsquoaquesta prova amb moltes proves drsquohipogravetesi clagravessiques
Referits a habilitats destreses
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors ograveptims de lesfamiacutelies paramegravetriques meacutes bagravesiques
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors perintervals dels paragravemetres estadiacutestics meacutes corrents
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament proves UMP quan nrsquohi hagiaixiacute com desenvolupaments bagravesics de la prova de la raoacute de versemblanccedila
Blocs temagravetics
1 Model estadiacutestic
Models paramegravetrics i no paramegravetrics Dades i mostres Estadiacutestics i estimadors Visioacutepanoragravemica de la inferegravencia estadiacutestica estimacioacute puntual per intervals i proves drsquohipogravetesi
11 Dades i models
Models paramegravetrics i no paramegravetrics Dades i mostres El teorema de Glivenko-
Cantelli Estadiacutestics i estimadors El teorema de Fisher
12 Principals blocs temagravetics de la inferegravencia estadiacutestica
Estimacioacute puntual per intervals i proves drsquohipogravetesi
2 Criteris drsquoavaluacioacute drsquoestimadors
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao Resultatsper a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU Criteris asimptogravetics consistegravencianormalitat asimptogravetica eficiegravencia asimptogravetica
21 Error sistemagravetic i precisioacute drsquoun estimador
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao
Resultats per a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU
22 Criteris asimptogravetics
Consistegravencia normalitat asimptogravetica eficiegravencia asimptogravetica
3 Megravetodes de construccioacute drsquoestimadors
Megravetode dels moments Magravexima versemblanccedila Estimadors de Bayes Altres megravetodessubstitucioacute (laquoplug-inraquo) versemblances modificades (condicional laquoprofileraquo etc)
31 Megravetodes clagravessics drsquoestimacioacute
Megravetode dels moments Magravexima versemblanccedila
32 Altres megravetodes drsquoestimacioacute
Estimadors de Bayes
4 Megravetodes de construccioacute i avaluacioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics Nocions drsquointervals deconfianccedila simultanis
41 Megravetodes bagravesics de construccioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics
5 Megravetodes de construccioacute i avaluacioacute de proves drsquohipogravetesi
Hipogravetesis simples i compostes Lema de Neyman-Person Proves uniformement meacutes potentsi proves no esbiaixades i localment meacutes potents Raoacute de versemblanccedila Comportamentasimptogravetic de la prova de la raoacute de versemblanccedila Obtencioacute de proves clagravessiques a partir de laraoacute de versemblanccedila Proves de Wald i dels laquoscoresraquo
51 Conceptes bagravesics
Hipogravetesis simples i compostes Nivell de significacioacute i potegravencia
52 Proves de potegravencia magravexima i relacionades
Teorema de Neyman-Person Proves uniformement meacutes potents i proves no
esbiaixades i localment meacutes potents
53 Prova de la raoacute de versemblanccedila
Raoacute de versemblanccedila Comportament asimptogravetic de la prova de la raoacute de
versemblanccedila Obtencioacute de proves clagravessiques a partir de la raoacute de versemblanccedila
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent mdash Classes de teoria (30 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratiusmdash Classes de problemes (30 hores) amb la resolucioacute de problemes drsquouna llistamdash Treball tutelat (40 hores) amb entrevistes i treball a casa per anar seguint els aprenentatgesmdash Treball autogravenom (50 hores) drsquoestudi miacutenim imprescindible per memoritzar i entendre la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
TS tasques setmanals de correccioacute automagravetica (quumlestionaris Moodle)EP examen parcialEF examen finalNota global 06EF + 025 MagravexEFEP + 015 MagravexEFTS
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Examen final de tota la mategraveria amb un valor del 100
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CUADRAS Carlos Mordf Problemas de Probabilidades y Estadiacutestica Vol 2 Barcelona Edicions de laUniversitat de Barcelona 2016
Molt recomanable
DeGROOT M H SCHERVISH M J Probability and Statistics Boston Pearson Education 2012
PENtildeA D Fundamentos de Estadiacutestica Madrid Alianza 2008
EVANS M J ROSENTHAL J Probabilidad y Estadiacutestica Barcelona Reverte 2013
Evans MJ amp Rosenthal JS Probability and Statistics The Science of Uncertainty Second EditionFreeman 2010
Casella G amp Berger RL Statistical inference 2nd ed Pacific Grove Duxbury Pacific Groove CA USA2002 ISBN 0534243126
Text electrogravenic
Goacutemez G amp Delicado P Curso de Inferencia y Decisioacuten Autoedicioacuten 2006
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Inferegravencia Estadiacutestica
Codi de lassignatura 361205
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes setmanals de 2 hores esdesdoblen en 2 grups simultanis amb dosprofessors per resoldre problemes ipragravectiques drsquoordinador)
60
- Teoricopragravectica 40
- Pragravectiques de problemes
(2 grups de pragravectiques de problemessimultanis amb dos professors)
8
- Pragravectiques dordinadors
(2 grups de pragravectiques amb ordinadorssimultanis amb dos professors)
12
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
bull Conegraveixer els tipus de mostreig bagravesics i les distribucions en el mostreig en les situacions meacuteshabitualsbull Conegraveixer les propietats desitjables dels estimadors i saber verificar si un estimador lescompleixbull Conegraveixer la metodologia general de les proves drsquohipogravetesi Calcular els errors de tipus I i II drsquounaprovabull Conegraveixer la relacioacute entre els resultats de les proves drsquohipogravetesi i dels intervals de confianccedilabull Saber fer servir les proves drsquohipogravetesi i els intervals de confianccedila com a eines per a la presa dedecisionsbull Saber traduir les preguntes que apareixen en contextos aplicats a la formulacioacute adequada entermes paramegravetrics
Referits a habilitats destreses
bull Calcular intervals de confianccedila en les situacions meacutes habitualsbull Calcular la mida mostral necessagraveria per garantir un nivell de confianccedila i una precisioacute donadesbull Calcular i interpretar les proves sobre mitjanes i variagravencies suposant normalitat sobrepercentatges en una binomial sobre paragravemetres drsquouna distribucioacute Poissonbull Calcular la mida mostral necessagraveria per garantir la potegravencia drsquouna prova drsquohipogravetesibull Utilitzar megravetodes no paramegravetrics
Blocs temagravetics
1 Inferegravencia estadiacutestica introduccioacute i conceptes bagravesics
11 Introduccioacute objectius i programa de lrsquoassignatura
12 Estudi drsquoun cas real
13 Context i objectius de la inferegravencia estadiacutestica
14 Poblacioacute i mostra Mostreig aleatori simple
15 Estadiacutestics i distribucioacute en el mostreig
16 Distribucions en el mostreig de la proporcioacute la mitjana i la variagravencia mostrals
2 Estimacioacute puntual
21 El problema de lrsquoestimacioacute puntual Paragravemetre i estimador
22 Lrsquoestimador usual drsquouna proporcioacute
23 Els estimadors usuals de lrsquoesperanccedila i de la variagravencia poblacionals Cas llei normal
24 El megravetode dels moments
25 Propietats dels estimadors
26 Calcular estimadors amb R
3 Estimacioacute per intervals
31 Concepte drsquointerval de confianccedila
32 Interval de confianccedila per a una proporcioacute
33 Intervals de confianccedila per a la mitjana Cas normal i cas general
34 Interval de confianccedila per a la variagravencia Cas normal
35 Interval per a la diferegravencia de mitjanes (dades aparellades o mostres independents)
Cas normal i cas general
36 Intervals calculats amb R
4 Proves drsquohipogravetesi per a una poblacioacute Conceptes fonamentals
41 Plantejament del problema drsquouna prova drsquohipogravetesi Tipus drsquohipogravetesis Errors de tipus I
i II
42 Metodologia general drsquouna prova lrsquoestadiacutestic de la prova com a mesura de
discrepagravencia entre les dades i la hipogravetesi nulmiddotla Aquests conceptes es plantegen en
termes de la prova per a una proporcioacute
43 Nivell de significacioacute i regioacute criacutetica El valor p La funcioacute de potegravencia
44 Prova per a la mitjana poblacional La prova Z i la prova t de Student
45 Determinacioacute de la grandagraveria mostral per garantir un nivell de confianccedila i una
precisioacute donades
46 Prova per a la variagravencia drsquouna llei normal
47 Fent proves drsquohipogravetesi amb R
5 Comparacioacute de dues poblacions
51 Comparacioacute de les mitjanes de dues poblacions a partir de dades aparellades
52 Comparacioacute de les mitjanes de dues poblacions independents
53 Comparacioacute de les proporcions de dues poblacions independents
54 Comparacioacute de les variagravencies de dues poblacions normals independents La prova F
55 Interval de confianccedila per a la diferegravencia de mitjanes (dades aparellades o mostres
independents)
56 Interval de confianccedila pel quocient de variagravencies
57 Relacioacute entre la regioacute drsquoacceptacioacute drsquouna prova drsquohipogravetesi i lrsquointerval de confianccedila
58 Comparant mostres de dues poblacions amb R
6 Proves no paramegravetriques basades en la llei de khi al quadrat
61 La prova de khi al quadrat de Pearson per lrsquoajust de la mostra a una distribucioacute
62 Proves de normalitat
63 La prova de khi al quadrat drsquoindependegravencia per a dades categograveriques
64 La prova de khi al quadrat drsquohomogeneiumltat per a dades categograveriques
7 Proves no paramegravetriques basades en rangs
71 Comparacioacute de dues mostres aparellades la prova dels signes i la prova de Wilcoxon
dels rangs signats
72 Comparacioacute de dues mostres independents prova de Mann-Whitney-Wilcoxon
Metodologia i activitats formatives
El pla docent es desglossa en tres tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara la resolucioacute de problemes i lrsquoestudi de casos pragravectics Lescategories desglossades soacuten 1 Classes en quegrave srsquoexposen els principals conceptes teograverics srsquoilmiddotlustren amb exercicis i es resolenproblemes
2 Classes de resolucioacute de problemes Classes especiacutefiques per treballar i resoldre problemes i queserveixen per aprofundir els conceptes teograverics
3 Classes de laboratori en quegrave srsquousa el programari R i que serveixen per treballar els conceptes teogravericsper analitzar conjunts de dades i per resoldre problemes
4 Activitats no presencials dirigides Lrsquoestudiant ha de fer servir lrsquoe-status per resoldre exercicis i casosEn grup ha de dur a terme un treball de camp (en total 47 hores drsquoactivitats dirigides no presencials)
Les classes de resolucioacute de problemes i de laboratori es fan amb el grup desdoblat en dos subgrups i dosprofessors diferents El professorat assigna els estudiants als grups
En el Campus Virtual es deixen altres eines complementagraveries com aramdash Llistes de problemes solucionats amb laquoclauraquo pedagogravegica per complementar els laboratorismdash Viacutedeos que expliquen com es resol un problema per complementar els laboratorismdash Articles amb casos reals en quegrave lrsquoestadiacutestica teacute un paper importantmdash Enllaccedilos a pagravegines web amb continguts drsquoestadiacutestica io amb dades
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
El procediment drsquoavaluacioacute consisteix en
1 La realitzacioacute durant el periacuteode lectiu drsquouna prova parcial [PP] que val el 15 de la qualificacioacutetotal composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 50 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
3 El lliurament de 4 exercicis amb lrsquoajut de lrsquoe-status [ES] (activitat no presencial associada als tipus 2 i4 de lrsquoapartat laquoMetodologiaraquo) Es puntuen per separat i a la mitjana aritmegravetica de les puntuacions licorrespon el 75 de la nota total Els lliuraments srsquohan de fer gradualment al llarg de tot el periacuteodeque duri el curs i srsquoanuncien en el Campus Virtual
4 La resposta de quumlestionaris a Kahoot plantejats durant algunes sessions de teoria [K] (activitatpresencial associada al tipus 1 i al tipus 2 de lrsquoapartat laquoMetodologiaraquo) La qualificacioacute drsquoaquest apartateacutes la mitjana aritmegravetica de les 5 millors qualificacions (entre 6) dels diferents quumlestionaris a Kahootplantejats durant el curs que srsquoanuncien en el Campus Virtual
5 El lliurament de resultats i conclusions drsquoun treball de camp [TC] que val el 20 de la qualificacioacutetotal (activitat no presencial) El treball es divideix en tres parts laquoQuumlestionariraquo (pes del 3 )laquoPresentacioacute de dadesraquo (pes del 5 ) i laquoAnagravelisi i conclusionsraquo (pes del 12 ) Les tres parts espuntuen per separat Es fan tres lliuraments el primer a lrsquoinici de marccedil el segon a lrsquoinici drsquoabril i eldarrer a final de maig Srsquoinforma lrsquoalumnat dels resultats Aquest treball requereix que lrsquoestudiantordeni representi resumeixi i tregui conclusions del conjunt de dades que ha recollit
Cagravelcul de la qualificacioacute total
[QT] = 015[PP] + 05[PS] + 0075[ES] +0075 [K]+ 020[TC] si PSgt 35
[QT] = [PS] si PS lt35
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova final i uacutenica que suposa el 100 de la qualificacioacute final es duu a terme en la data fixada pelConsell Docent i consta de les dues parts seguumlents
1 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 75 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)
mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquoun exercici global drsquoanagravelisi de dades amb R fet a lrsquoaulainformagravetica [PR] que val el 25 de la qualificacioacute total
Cagravelcul de la qualificacioacute total
[QT] = 075[PS] + 025 [PR] si PSgt 35
[QT] = [PS] si PS lt35
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2008
PENtildeA Daniel et al Introduccioacuten a la estadiacutestica para las ciencias sociales Madrid McGraw-HillInteramericana de Espantildea 1997
EVANS Michael et al Probabilidad y estadiacutestica Barcelona Reverte 2005
DeGROOT Morris H et al Probability and statistics Boston Pearson Education 2012
QUINTELA Alejandro Problemas estimulantes de Probabilidad y Estadiacutestica Lulucom 2013
MARTIacuteN-PLIEGO Francisco Javier Problemas de inferencia estadiacutestica Madrid Editorial AC 2005
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol 2 Inferencia estadiacutesticaBarcelona EUB 2000
UGARTE Mariacutea Dolores Probability and Statistics with R Boca Raton (Fla) [etc] Chapman amp Hall CRC2008
Pagravegina web
ARRIAZA A J et al Estadiacutestica Baacutesica con R y R-Commander Caacutediz Universidad de Caacutediz Servicio dePublicaciones 2008
Versioacute en liacutenia httpknuthucaesmoodlecourseviewphpid=51
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Informagravetica
Codi de lassignatura 361180
Curs acadegravemic 2019-2020
Coordinacioacute JAUME BAIXERIES JUVILLA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
La participacioacute a classe especialment a les sessions de problemes i la presentacioacute dels problemesproposats soacuten drsquoespecial interegraves per aprovar lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica i
la gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Assolir els coneixements bagravesics sobre els computadors i sobre la informagravetica per podervalorar-ne els avantatges i les limitacionsmdash Entendre lrsquoarquitectura clagravessica drsquoun computador el seu funcionament i els paragravemetres del seurendimentmdash Entendre les nocions elementals i els principis bagravesics de lrsquoalgoriacutesmicamdash Identificar les estructures algoriacutesmiques bagravesiques i els tipus de dades simplesmdash Conegraveixer i identificar els algorismes sequumlencials de recorregut i de cercamdash Conegraveixer els principis de la programacioacute procedimental i del disseny descendent drsquoalgorismes(tegravecnica top-down)mdash Reconegraveixer les accions i funcions com a elements funcionals bagravesics del disseny algoriacutesmicmdash Entendre i identificar els tipus estructurats de dades com ara els vectors les taules lescadenes i les tuplesmdash Identificar els algorismes bagravesics associats a alguns tipus estructurats de dades algorismes decerca i algorismes drsquoordenacioacutemdash Identificar els conceptes fonamentals i una bona part de lrsquoestructura sintagravectica i semagraventica drsquounllenguatge de programacioacute com ara R
Referits a habilitats destreses
mdash Usar un computador de manera eficient aixiacute com saber mourersquos cogravemodament per Internetmdash Utilitzar les estructures algoriacutesmiques bagravesiques i els tipus de dades simples per dissenyaralgorismes senzillsmdash Aplicar quan srsquoescaigui els algorismes sequumlencials de recorregut i de cerca per dissenyaralgorismesmdash Aplicar els principis del disseny descendent drsquoalgorismes (tegravecnica top-down)mdash Utilitzar les nocions drsquoaccions i funcions com a elements funcionals bagravesics del dissenyalgoriacutesmicmdash Analitzar i utilitzar quan srsquoescaigui els tipus estructurats de dades com ara els vectors lestaules les cadenes i les tuplesmdash Utilitzar quan srsquoescaigui els algorismes bagravesics associats a alguns tipus estructurats de dadesalgorismes de cerca i algorismes drsquoordenacioacutemdash Traduir els dissenys algoriacutesmics a un llenguatge de programacioacute com ara R
Blocs temagravetics
1 Introduccioacute a lrsquoalgoriacutesmica
11 Nocions elementals objectes entorn estats accions algorismes assercions i
programes
12 Estructures algoriacutesmiques bagravesiques
13 Tipus de dades simples
14 Instruccions drsquoentrada i sortida
2 Algorismes sequumlencials i anagravelisi descendent
21 Algorismes sequumlencials de cerca
22 Algorismes sequumlencials de recorregut
23 Anagravelisi descendent subproblemes procediments i funcions paragravemetres tipus de
paragravemetres
3 Constructors de tipus i algorismes
31 Algorismes bagravesics de cerca i recorregut en vectors
Metodologia i activitats formatives
El megravetode docent es basa en activitats presencials activitats de treball dirigit i activitats drsquoaprenentatgeautogravenom
Activitats presencials
Activitats teoricopragravectiques activitats que es duen a terme a les aules docents en quegrave lrsquoobjectiu eacutespresentar les eines i tegravecniques incloses com a continguts de lrsquoassignatura i alhora resoldre i analitzarels problemes relacionats amb la teoria presentada de forma intercalada
Activitats de laboratori activitats que es fan a les aules drsquoinformagravetica de la Facultat en quegrave lrsquoobjectiu eacuteslrsquoaprenentatge pragravectic de la programacioacute aixiacute com lrsquoaplicacioacute pragravectica del que srsquoha vist a les activitatsteoricopragravectiques en els ordinadors
Activitats de treball dirigit
Treball pragravectic (PRAC) activitat semipresencial en equip que consisteix en el disseny i la implementacioacutedrsquoun programa informagravetic El seu propogravesit eacutes lrsquoaplicacioacute pragravectica dels coneixements i les tegravecniques vistesa classe de laboratori aixiacute com fomentar el treball en equip per tal drsquoaconseguir el grau previstdrsquoaprenentatge de la mategraveria
Activitats complementagraveries (ACT) activitats tant en grup com individuals per fomentar lrsquoaprenentatgeactiu dels fonaments de la informagravetica i del disseny algoriacutesmic
Activitats drsquoaprenentatge autogravenom
Corresponen a les activitats seguumlents
mdash Estudi dels temes teograverics despreacutes de la seva exposicioacute a classemdash Resolucioacute de problemesmdash Preparacioacute i realitzacioacute de les proves escrites
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
1 Dues proves escrites que consisteixen en la resolucioacute per escrit drsquoun conjunt drsquoexercicis oproblemes
a) Un examen de seguiment del curs que no elimina temari es duu a terme a la meitat del curs(PARCIAL)
b) Un examen final (FINAL)
2 Una pragravectica (PRAgraveCTICA)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
El cagravelcul de la nota es fa segons el procediment seguumlent
(a) Si la nota de lrsquoexamen final (FINAL) eacutes meacutes gran o igual a 4
NOTAFINAL = 03 PRAgraveCTICA + MAgraveX (05 FINAL + 02 PARCIAL 07 FINAL)
(b) Si la nota de lrsquoexamen final (FINAL) eacutes estrictament menor a 4
FINAL
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen que avalua els coneixements de tota lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BAIXERIES Jaume (coord) et al Introduccioacute a la Informagravetica Exercicis Barcelona Edicions de laUniversitat de Barcelona 2016
BOTELLA Pere (coord) Fonaments de Programacioacute Colmiddotleccioacute Manuals Nuacutem 39 Barcelona EDIUOC2001
MATLOFF Norman S The Art of R programming a tour of statistical software design San Francisco NoStarch Press 2011
Pagravegina web
Espai virtual de lrsquoassignatura en el Campus Virtual de la UB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Investigacioacute Operativa
Codi de lassignatura 361225
Curs acadegravemic 2019-2020
Coordinacioacute Luis Ortiz Gracia
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 52
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Afavorir la capacitacioacute per detectar formular i resoldre mitjanccedilant models drsquoinvestigacioacute operativaproblemes de presa de decisions
Introduir lrsquouacutes de determinades estructures bagravesiques de modelitzacioacute i especiacuteficament aquellesque soacuten objecte de desenvolupament en altres assignatures de la mategraveria impartides en el grau
Referits a habilitats destreses
Mostrar els elements genegraverics en el necessari proceacutes drsquoabstraccioacute
Interpretar de forma agravemplia i rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignatura
Referits a actituds valors i normes
Comprendre els avantatges i els inconvenients de la modelitzacioacute com a pas previ en el proceacutesde resolucioacute de problemes reals
Evidenciar la utilitat potencial i les limitacions de lrsquoinstrumental matemagravetic en la resolucioacute deproblemes sistematitzats
Blocs temagravetics
1 El proceacutes de modelitzacioacute
Introduccioacute a la identificacioacute dels elements que componen el sistema drsquoestudi i la sevarepresentacioacute formal en termes matemagravetics
11 Definicioacute drsquoinvestigacioacute operativa i primers exemples
12 Formalitzacioacute matemagravetica del model de programacioacute lineal
13 Solucioacute gragravefica del model de programacioacute lineal
14 Fonaments geomegravetrics de la programacioacute lineal
2 Resolucioacute dels models lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute per donar resposta alsproblemes plantejats sobre el sistema drsquoestudi A fi de concentrar lrsquoatencioacute en els aspectesmeacutes conceptuals la discussioacute es limita al cas lineal
21 Megravetode del siacutemplex
22 Anagravelisi de sensibilitat
23 Solucioacute del model amb Excel
3 Formulacioacute i resolucioacute dels models no lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute en el cas dels models nolineals
31 Introduccioacute a la programacioacute no lineal
32 Algoritmes drsquooptimitzacioacute no lineal en una variable
33 Exemples drsquoaplicacioacute en finances
34 Solucioacute del model amb Excel
Metodologia i activitats formatives
Despreacutes de definir el contingut de la mategraveria i presentar-ne els oriacutegens mitjanccedilant diferents exempleses discuteixen els passos en el proceacutes de modelitzacioacute i es posen de manifest els avantatges de laformalitzacioacute matemagravetica en lrsquoestudi de problemes reals Els principis genegraverics srsquoubiquen en el marc de laprogramacioacute lineal i no lineal i la presa de decisions en situacions deterministes Ategraves que lesexplicacions intenten evidenciar la logravegica que hi ha darrere dels diferents plantejaments la metodologiaaplicada a les classes intenta propiciar la participacioacute de lrsquoalumnat a lrsquohora de jutjar la validesa delsmodels proposats en cada cas
Srsquoimparteixen sessions a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha de posar en pragravectica la resolucioacute deproblemes drsquooptimitzacioacute amb el programari recomanat
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Es fan tres proves escrites al llarg del curs La primera correspon al bloc 1 i teacute un pes drsquoun 30 lasegona correspon al bloc 2 i teacute un pes drsquoun 40 i la tercera correspon al bloc 3 i teacute un pes drsquoun 30 La nota drsquoavaluacioacute continuada eacutes la mitjana de les tres notes
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota Lrsquoestudiant que vulgui renunciar alrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableix i quees fa puacuteblica amb lrsquoantelacioacute suficient
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicaSrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
RAGSDALE Cliff T Spreadsheet Modeling amp Decision Analysis 6th ed Mason Ohio South-WesternCengage Learning 2008
HILLIER Frederick S et al Investigacioacuten de operaciones Meacutexico DF McGraw-Hill 2002
TAHA Hamdy A Investigacioacuten de operaciones Meacutexico Pearson Educacioacuten 2004
BARTHOLOMEW-BIGGS M Nonlinear optimization with financial applications Kluwer academic publishers2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Probabilitat
Codi de lassignatura 361201
Curs acadegravemic 2019-2020
Coordinacioacute Marta Cubedo Cullere
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de probabilitat probabilitat condicionada i independegravencia estocagravestica
Conegraveixer els models bagravesics univariants i les seves propietats Identificar si srsquoadequumlen a undeterminat context aplicat
Conegraveixer el concepte de distribucioacute bivariant
Conegraveixer i saber interpretar intuiumltivament les lleis dels grans nombres i el teorema central delliacutemit
Referits a habilitats destreses
Calcular probabilitats a partir de lrsquoespecificacioacute del model proporcionada per la funcioacute de densitato la de distribucioacute de variables discretes i contiacutenues
Calcular moments de variables discretes i contiacutenues
Blocs temagravetics
1 Introduccioacute
11 Perspectiva histograverica
12 Algunes paradoxes clagravessiques de la probabilitat i lrsquoestadiacutestica
13 Introduccioacute als espais de probabilitat
14 Cagravelcul combinatori
2 Probabilitat condicionada i independegravencia estocagravestica
21 Probabilitat condicionada
22 Foacutermula de les probabilitats compostes
23 Independegravencia estocagravestica
24 Foacutermula de les probabilitats totals i foacutermula de Bayes
3 Variables aleatograveries i funcions de distribucioacute
31 Variables aleatograveries discretes
32 Variables aleatograveries contiacutenues
33 Funcions de probabilitat i de densitat
34 Funcions de distribucioacute
35 Introduccioacute al canvi de variable
4 Esperanccedila matemagravetica i variagravencia
41 Esperanccedila matemagravetica Propietats
42 Variagravencia Propietats
43 Moments drsquouna variable aleatograveria
5 Models de probabilitat univariants meacutes frequumlents
51 Models discrets univariants bagravesics
52 Models continus univariants bagravesics
6 La distribucioacute normal univariant
61 Definicioacute i propietats La llei normal tipificada o estagravendard
62 Cagravelcul de probabilitats i percentils amb la llei normal
63 Introduccioacute a les lleis dels grans nombres i al teorema central del liacutemit
64 Aproximacioacute de les lleis binomial i Poisson per la llei normal
7 Vectors aleatoris bivariants
71 Concepte general funcioacute de distribucioacute conjunta
72 Cas discret funcioacute de probabilitat conjunta funcions de probabilitat marginals i
condicionades Independegravencia estocagravestica
73 Cas absolutament continu densitat conjunta densitats marginals i condicionades
Independegravencia estocagravestica
Metodologia i activitats formatives
El pla docent es desglossa en dos tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara el lliurament de problemes o lrsquoestudi de casos pragravectics deseguiment automatitzat Les categories desglossades soacuten
1 Classes magistrals combinades dins la mateixa sessioacute amb la resolucioacute de problemes pregraveviamentplantejats Es programa durant 15 setmanes del semestre una sessioacute setmanal de 2 hores (30 horespresencials en total)
2 Intensificacioacute de resolucioacute de problemes Es programa durant 15 setmanes del semestre una sessioacutesetmanal de 2 hores Cal dividir el grup en dos subgrups (30 hores presencials en total)
3 Activitats no presencials dirigides Amb el suport drsquoeines informagravetiques amb correccioacute automatitzadaquumlestionaris Moodle que es duen a terme des del Campus Virtual es fa un seguiment del treballautogravenom de lrsquoestudiant (40 hores drsquoactivitats dirigides no presencials en total)
Avaluacioacute acreditativa dels aprenentatges
El procediment drsquoavaluacioacute continuada consisteix en
mdash La realitzacioacute durant el periacuteode drsquoexagravemens i en la data marcada pel Consell Docent drsquouna prova desiacutentesi que compta un 60 de la qualificacioacute final i consta drsquouna segraverie de problemes de caragravecter aplicati drsquoalguna pregunta de caire conceptual Cal treure una nota miacutenima de 45 sobre 10 en aquesta provade siacutentesi perquegrave es pugui ponderar en el cagravelcul de la qualificacioacute final de lrsquoavaluacioacute continuada
mdash La realitzacioacute drsquouna prova parcial (no eliminatograveria de mategraveria) cap a la meitat del semestre i quecompta un 30 de la qualificacioacute final La data concreta drsquoaquesta prova parcial es publica en elCampus Virtual durant les primeres setmanes del curs
mdash El lliurament de problemes proposats en els quumlestionaris Moodle que es fan al llarg del curs i usantel Campus Virtual tambeacute es puntuen separadament i la mitjana de les puntuacions compta el 10 dela qualificacioacute final Les dates de lliurament drsquoaquests quumlestionaris es publiquen en el CampusVirtual durant el curs
Avaluacioacute uacutenica
Lrsquoalumnat que renunciiuml a lrsquoavaluacioacute continuada ho ha de fer per escrit Srsquoavalua amb una prova uacutenicaen la mateixa data de la prova de siacutentesi de lrsquoavaluacioacute continuada
Lrsquoavaluacioacute uacutenica consisteix en una prova objectiva en la qual es reflecteix el coneixement delrsquoassignatura que compregraven la totalitat del temari i que compta el 100 de la qualificacioacute final
Reavaluacioacute
La prova de reavaluacioacute que es duu a terme en la data marcada pel Consell Docent eacutes la mateixa tantper a qui hagi fet lrsquoavaluacioacute continuada com per a qui hagi fet lrsquoavaluacioacute uacutenica La reavaluacioacuteconsisteix en una prova global de tota lrsquoassignatura i la qualificacioacute final es correspon al 100 de laqualificacioacute obtinguda en aquesta prova de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MARTIN-PLIEGO Francisco Javier et al Problemas de Probabilidad Madrid Paraninfo 2006
MARTIN-PLIEGO Francisco Javier Estadiacutestica I Probabilidad Madrid Paraninfo 2004
ALEA M Victograveria et al Estadiacutestica aplicada a les ciegravencies econogravemiques i socials Barcelona [etc]Universitat de Barcelona McGraw Hill 1999
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2001
PENtildeA Daniel Estadiacutestica Modelos y meacutetodos 1 Fundamentos Madrid Alianza 1991
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol1 y Vol2 Barcelona Edicions dela Universitat de Barcelona 2000
DeGROOT Morris H et al Probability and Statistics 4th ed Boston Pearson Education 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute al Cagravelcul
Codi de lassignatura 361174
Curs acadegravemic 2019-2020
Coordinacioacute JOSE ANTONIO LUBARY MARTIacuteNEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Manipular les desigualtats
Conegraveixer les funcions elementals i les seves propietats
Identificar dominis i recorreguts de funcions definides a partir de les funcions elementals
Conegraveixer i aplicar criteris per calcular liacutemits
Calcular derivades i determinar rectes tangents a gragravefiques de funcions
Trobar els polinomis de Taylor de funcions drsquouna variable
Trobar extrems locals de funcions drsquouna variable
Aproximar funcions elementals per polinomis de Taylor
Conegraveixer les tegravecniques bagravesiques drsquointegracioacute i calcular agraverees planes
Utilitzar criteris de convergegravencia drsquointegrals improgravepies
Verificar la convergegravencia de successions i segraveries
Blocs temagravetics
1 Els nombres reals
Propietats bagravesiques dels nombres reals Valor absolut Intervals
2 Funcions Liacutemits i continuiumltat
Conceptes generals Liacutemits de funcions Cagravelcul de liacutemits Continuiumltat Estudi de les funcionselementals Continuiumltat en intervals teoremes de Weierstrass i de Bolzano Resolucioacuteaproximada drsquoequacions megravetode de la biseccioacute
3 Derivacioacute Polinomis de Taylor
Concepte de derivada Sentit geomegravetric de la derivada Cagravelcul de derivades Derivabilitat enintervals teorema del valor mitjagrave Regla de LrsquoHocircpital Polinomi de Taylor Aproximacioacutepolinogravemica Foacutermula de Taylor i residu de Lagrange Aplicacioacute a lrsquoestudi local de funcionsRepresentacioacute gragravefica de funcions Extrems absoluts en intervals tancats
4 Integracioacute
El problema de lrsquoagraverea Integral de Riemann Propietats de la integral El teoremafonamental del cagravelcul Cagravelcul de primitives Integracioacute aproximada Integrals improgravepies
5 Successions i segraveries
Convergegravencia de successions Teorema de la convergegravencia monogravetona Cagravelcul de liacutemitsConvergegravencia de segraveries Criteris per a segraveries de termes positius Segraveries alternades Sumacioacutede segraveries Sumacioacute aproximada
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe) 1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute de lrsquoassignatura es basa en dos tipus drsquoactivitatsmdash Dues proves de seguiment del curs Valor 20 de la nota final cadascuna La primera a lacinquena setmana de classe la segona a la desena setmanamdash Una prova final Valor 60 de la nota final
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per unaprova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BARTLE Robert Gardner et al Introduccioacuten al anaacutelisis matemaacutetico de una variable Meacutexico Limusa 1996
BURGOS Juan Caacutelculo infinitesimal de una variable Madrid Mc Graw Hill 2007
BRADLEY Gerald L Caacutelculo Vol 1 Caacutelculo de una variable Madrid Prentice Hall Iberia1998
DEMIDOVICH B et al Problemas y ejercicios de anaacutelisis matemaacutetico Madrid Paraninfo 1993
LUBARY Joseacute Antonio et al Caacutelculo para Ingenieriacutea Informaacutetica Barcelona Edicions UPC 2008
TOMEO Venancio et al Problemas resueltos de caacutelculo en una variable Madrid Thomson 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Bayesians
Codi de lassignatura 361222
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER PUIG ORIOL
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Tenir nocions bagravesiques de probabilitat inferegravencia i de R
Altres recomanacions
Tenir inquietuds per aprendre a traveacutes de la informacioacute que ens donen les dades
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu principal drsquoaquesta assignatura eacutes que lrsquoestudiant acabi amb un bon coneixement idomini de la modelitzacioacute bayesiana tant pel que respecta a coneixement teograveric com pragravecticAquest coneixement li ha de permetre davant drsquoun objectiu o pregunta drsquouna banda interveniren el disseny de lrsquoexperiment o experiments necessaris per tal drsquoobtenir les dades objectedrsquoestudi i de lrsquoaltra analitzar-les satisfactograveriament i treurersquon conclusions per aconseguir lrsquoobjectiuo respondre la pregunta
I com a objectius especiacutefics
mdash Conegraveixer el paper de la distribucioacute a priori el paper de les distribucions a priori de referegravencia icom passar de la distribucioacute a priori a la distribucioacute a posteriori
mdash Resoldre problemes drsquoinferegravencia bayesiana de forma analiacutetica quan srsquoutilitzen models de lafamiacutelia exponencial i distribucions a priori conjugades
mdash Utilitzar els megravetodes de Montecarlo mitjanccedilant programari especiacutefic que permeten simular ladistribucioacute a posteriori i com fer inferegravencia utilitzant aquestes simulacions
mdash Conegraveixer la diferegravencia entre model bayesiagrave jeragraverquic i no jeragraverquic
mdash Conegraveixer com validar i comparar models bayesians i com fer prediccions
Blocs temagravetics
1 Model bayesiagrave
11 Model estadiacutestic
12 Els quatre problemes de lrsquoestadiacutestica
13 La versemblanccedila
14 Model bayesiagrave
15 Distribucioacute a posteriori
16 Distribucioacute predictiva a priori i a posteriori
17 Eleccioacute de la distribucioacute a priori
2 Inferegravencia bayesiana
21 Distribucioacute a posteriori com a estimador
22 Estimacioacute puntual
23 Estimacioacute per interval
24 Proves de dues hipogravetesis
25 Generalitzacioacute de les proves drsquohipogravetesi
3 Computacioacute bayesiana
31 Necessitat drsquointegrar
32 Simulacioacute de Montecarlo basada en cadenes de Markov (MCMC)
33 Convergegravencia de les cadenes
4 Models jeragraverquics5 Validacioacute i construccioacute de models
Metodologia i activitats formatives
Pretenem centrar els objectius drsquoaprenentatge en lrsquoestudiant i adequar la docegravencia a lrsquoassolimentdrsquoaquests objectius Per aixograve volem que les classes presencials siguin valuoses per aprendre i que lestasques que cal fer fora de lrsquoaula estiguin ben pensades i definides
Hi ha dos tipus de sessions presencials classes de teoria i classes de pragravectiques les quals com amiacutenim soacuten la meitat de les sessions
A les classes de teoria (2 hores setmanals) srsquoexposen els conceptes teograverics i en general soacuten classesexpositives en quegrave srsquointercala sovint la realitzacioacute drsquoexercicis o o de discussions entre els estudiants Enaquestes classes tambeacute es treballa lrsquoaprenentatge a traveacutes de casos pragravectics mitjanccedilant tegravecniquesdrsquoaprenentatge cooperatiu
A les classes de pragravectiques es resolen casos pragravectics amb lrsquoajuda del programari estadiacutestic R WinBugsJAGS o STAN (a lrsquoaula drsquoinformagravetica) Les classes de pragravectiques es desdoblen en dos grups i eacutes elprofessorat qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura teacute una doble finalitat drsquouna banda verificar el grau en quegrave cada estudiantha assolit els objectius qualificant-lo amb una nota drsquoaltra banda donar realimentacioacute als estudiants alllarg del curs de com treballen per tal de poder redreccedilar a temps situacions no adequades
La nota de lrsquoassignatura es calcula de la manera seguumlent
Nota = 030Npract + 02NExParc + 005NExPrac + 05NExFinal
en quegrave Npract eacutes la nota dels treballs lliurats a les classes pragravectiques juntament amb altres activitatsdrsquoavaluacioacute continuada NExParc eacutes la nota de lrsquoexamen parcial (que es fa a meitat de curs) i NExFinaleacutes la nota de lrsquoexamen final
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar a ser avaluats amb una prova final i uacutenica La nota es calculade la manera seguumlent
Nota = NExFinal
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOLSTAD William M Introduction to Bayesian Statistics 2nd ed Hoboken NJ John Wiley 2007
GELMAN Andrew Bayesian data analysis 3rd ed London Chapman amp Hall 2014
CONGDON Peter Applied Bayesian Modelling Wiley 2014
KRUSCHKE John K Doing Bayesian Data Analysis A Tutorial with R JAGS and Stan AmsterdamAcademic Press 2015
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes de Mostratge
Codi de lassignatura 361209
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Ramirez Mitjans
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 225
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 15
Treball tutelatdirigit 60
Aprenentatge autogravenom 30
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Diferenciar clarament poblacions finites i infinites
Conegraveixer els megravetodes usuals drsquoextraccioacute drsquouna mostra
Saber escollir lrsquoestimador pertinent en funcioacute del megravetode drsquoextraccioacute
Entendre la fitxa tegravecnica drsquouna enquesta
Saber programar en R lrsquoextraccioacute drsquouna mostra
Saber programar en R lrsquoestimacioacute de les funcions de la mostra com a mitjana total i proporcioacute
Saber calcular la mida de la mostra
Referits a habilitats destreses
Aprendre a treballar en grup
Aprendre que en lrsquoaplicacioacute dels megravetodes de mostreig srsquoha de tenir un alt grau de pragmatisme
Aprendre que hi ha sempre una distagravencia entre la realitat (marcs mostrals imperfecteslimitacions de cost errors no mesurables etc) i la teoria
Aprendre que aquesta distagravencia entre realitat i teoria exigeix un gran rigor
Blocs temagravetics
1 Introduccioacute Etapes drsquouna enquesta Teoria de mostreig = disseny de mostra + estimacioacute2 Teoremes liacutemit com a fonament del mostreig3 Estadiacutestics i estimadors Propietats dels estimadors Error en lrsquoestimacioacute Error mostral
Mesura de lrsquoerror mostral4 Records drsquoestimacioacute de la mitjana en una poblacioacute infinita Comparacioacute de les propietats
drsquoestimadors competitius (per exemple mitjana mostral i mitjana truncada) Mostreig enpoblacioacute finita Mostreig basat en el disseny Especificitat de mostreig en poblacioacute finitanecessitat de marc mostral identificacioacute de les unitats informacioacute auxiliar no-respostes
5 Extraccioacute aleatograveria simple Amb reposicioacute i sense Disseny de la mostra La mitjana mostralcom a estimador Propietats de mitjana mostral en cas de reposicioacute i de no-reposicioacute El casparticular de lrsquoestimacioacute drsquouna proporcioacute Algorismes per lrsquoextraccioacute simple La sevaimplementacioacute en el programa Sampling
6 Extraccioacute estratificada Informacioacute auxiliar i extraccioacute estratificada Poblacioacute i estratsRepartiment de la mostra proporcional i ograveptim Funcions del Sampling per al disseny
estratificat7 Introduccioacute a lrsquoextraccioacute amb probabilitats desiguals Informacioacute auxiliar i extraccioacute amb
probabilitats desiguals Mostreig sistemagravetic amb probabilitats desiguals Breu presentacioacute delsalgorismes per escissioacute Funcions del Sampling per al disseny amb probabilitats desiguals
8 Extraccioacute en conglomerats Nocioacute drsquoextraccioacute bietapa Funcions del Sampling per alrsquoextraccioacute en conglomerats
9 Nocions bagravesiques de recomposicioacute de no-respostes10 Megravetodes no probabiliacutestics drsquoextraccioacute de la mostra
Metodologia i activitats formatives
Lrsquoensenyament drsquoaquesta assignatura teacute a la vegada un fort component teograveric i un fort componentaplicat Es dona molta importagravencia a un extens coneixement del programari Sampling paquet de R
Es presenten els conceptes formalment i srsquoutilitzen les pragravectiques per posar en relleu les propietats delsdiferents megravetodes drsquoextraccioacute de la mostra De fet primer es fa una aproximacioacute empiacuterica a lespropietats i despreacutes srsquoenuncien A meacutes a meacutes la resolucioacute de problemes a classe eacutes fonamental peraprofundir i consolidar els coneixements
Meacutes concretament les classes es divideixen en
mdash Sessions de teoria drsquoacord amb la temporalitzacioacute lliurada a comenccedilament del curs Es fa unapresentacioacute senzilla dels conceptes teograverics i srsquoinsisteix en les nocions que hi ha darrere les foacutermules Esfan poques demostracions perograve srsquoinsisteix en les nocions presents en les foacutermules Es demana unaparticipacioacute activa als estudiants
mdash Sessions de problemes Srsquoutilitzen per fixar els conceptes teograverics presentats a la classe de teoriaAquestes sessions tambeacute permeten consolidar els conceptes drsquoestimacioacute presentats a les classes deteoria
mdash Sessions de laboratori Soacuten molt importants Srsquoutilitzen per tenir una aproximacioacute empiacuterica alsconceptes teograverics que srsquoestudien a la classe de teoria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Tres exagravemens parcials amb preguntes de teoria i problemes La part pragravectica srsquoavalua lliurant lespragravectiques fetes a classe segons les entregues
El primer parcial es fa en acabar el disseny estratificat El segon parcial es fa en acabar el dissenymultietapa I el tercer parcial es fa lrsquouacuteltima setmana de curs
Per tenir nota drsquoavaluacioacute continuada cal presentar-se a tots els parcials i haver lliurat totes lespragravectiques fetes a classe i els scripts utilitzats
Es poden proposar activitats a classe que substitueixin part de la nota o completin la nota dels exagravemensparcials
Avaluacioacute uacutenica
Examen uacutenic amb teoria problemes i pragravectica A la part de pragravectica es demana a lrsquoestudiant que utilitziel programari Sampling (paquet de R) per fer en el moment de lrsquoexamen una o dues pragravectiques de lesfetes a classe i lliurar els resultats en el format previst a lrsquoenunciat de la pragravectica corresponent Per feraquestes pragravectiques lrsquoestudiant disposa del formulari i de lrsquoajuda del paquet
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ARDILLY Pascal et al Sampling Methods Exercices and Solutions New York Springer 2006
CLAIRIN Reacutemy et al Manual de muestreo Madrid La Muralla Salamanca Hespeacuterides 2001
COCHRAN William Gemmell Teacutecnicas de muestreo Meacutexico Compantildeiacutea Editorial Continental 1984
DESROSIEgraveRES Alain La poliacutetica de los grandes nuacutemeros Historia de la razoacuten estadiacutestica BarcelonaMelusina 2004
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
PEacuteREZ Ceacutesar Muestreo estadiacutestico Conceptos y problemas resueltos Madrid Prentice Hall 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics en Mineria de Dades
Codi de lassignatura 361253
Curs acadegravemic 2019-2020
Coordinacioacute TOMAS ALUJA BANET
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha de tenir un esperit per a la resolucioacute de problemes mitjanccedilant la programacioacute drsquoalgorismessenzills
Cal tenir una bona base sobretot de les assignatures Anagravelisi Multivariant i Models Lineals
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer la tipologia dels principals problemes de la mineria de dades
Referits a habilitats destreses
Avaluar la qualitat de les dades i la necessitat de preprocessar-les
Identificar les tegravecniques estadiacutestiques io drsquoaprenentatge automagravetic meacutes apropiades al problemaque srsquoha de resoldre
Implementar algorismes senzills drsquoaprenentatge
Avaluar els resultats obtinguts
Presentar els resultats en un entorn professional per a la presa de decisions
Blocs temagravetics
1 Introduccioacute a la mineria de dades
Tipus de problemes problemes de modelitzacioacute problemes de ciegravencia problemes detransaccions i problemes de magraverqueting
2 Visualitzacioacute de les dades
Visualitzacioacute de dades multivariants Reduccioacute de la dimensionalitat Megravetodes de seleccioacute iextraccioacute de variables
3 Clusteritzacioacute (o clustering)
Megravetodes de particioacute directa jeragraverquics i estadiacutestica matemagravetica
4 Arbres de decisioacute
Arbres de classificacioacute i regressioacute (CART)
5 Regles drsquoassociacioacute
Algorisme a priori
6 Metodologia de validacioacute
laquoHoldoutraquo validacioacute creuada i laquobootstrapraquo
7 Regles de classificacioacute Anagravelisi discriminada paramegravetrica
LDA QDA i Naive Bayes
8 Discriminacioacute no paramegravetrica
Veiumlns meacutes propers
9 Megravetodes flexibles de discriminacioacute
Magravequines de vectors suport
10 Xarxes neuronals
Discriminacioacute pel perceptroacute multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversioacute de dades en coneixement per a la presa dedecisions i com a tal constitueix la fase central del proceacutes drsquoextraccioacute de coneixement a partir de basesde dades La mineria de dades eacutes un punt de trobada de diferents disciplines lrsquoestadiacutesticalrsquoaprenentatge automagravetic (machine learning) les tegravecniques de bases de dades i els sistemes per a lapresa de decisions Juntes permeten afrontar molts problemes actuals pel que fa al tractament de lainformacioacute
Lrsquoassignatura introdueix les tegravecniques meacutes usuals per a la resolucioacute de tres tipus de problemesfonamentals lrsquoanagravelisi de dades binagraveries (laquotransaccionsraquo) lrsquoanagravelisi de dades cientiacutefiques (per exemple degenogravemica) i lrsquoanagravelisi de dades drsquoempreses els quals configuren bona part dels problemes actuals quetracta la mineria de dades Com a objectiu paralmiddotlel hi ha utilitzar el R un potent entorn de programacioacutelliure
Les classes es divideixen per tant en la presentacioacute de les eines estadiacutestiques i drsquoaprenentatge semprea partir de lrsquoexposicioacute de casos reals i fent egravemfasi en els conceptes implicats les seves propietats lainterpretabilitat i lrsquoaplicacioacute de resultats i en classes de laboratori en quegrave els alumnes han de posar enpragravectica les experteses adquirides en la resolucioacute de problemes
Finalment i ategraves que la finalitat de lrsquoassignatura eacutes la resolucioacute de problemes reals cada estudiant ha deresoldre un cas pragravectic entre els casos posats a disposicioacute lliurement o entre el problema cercat perlrsquoestudiant amb el vistiplau del professor
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute eacutes comprensiva en el sentit que avalua totes les competegravencies especiacutefiques del curs lesdestreses algoriacutesmiques i la capacitat per enfrontar-se a problemes reals
Hi ha dues qualificacions de notes una nota obtinguda per examen sobre els coneixements adquirits(nota T) i la nota obtinguda en un treball pragravectic (P) que srsquoha de presentar a final de curs
La nota final srsquoobteacute de la ponderacioacute seguumlent Nota final = 05T + 05P
A meacutes es valoren les intervencions a classe que permeten pujar la nota fins a un 10
En cas que lrsquoestudiant no superi lrsquoavaluacioacute continuada sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Lrsquoestudiant teacute dret en qualsevol cas a presentar-se a lrsquoexamen final de lrsquoassignatura per obtenir unaavaluacioacute uacutenica i final Aquesta avaluacioacute consta drsquoun examen final meacutes el lliurament drsquoun treballpragravectic equivalent al dut a terme en lrsquoavaluacioacute continuada
En cas que lrsquoestudiant no superi la prova drsquoavaluacioacute uacutenica sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
HAND D J Construction and assessment of classification rules Chichester [etc] Wiley 1997
HASTIE Trevor et al The Elements of statistical learning New York Springer 2001
HERNAacuteNDEZ Joseacute et al Introduccioacuten a la mineriacutea de datos Madrid Pearson 2004
WITTEN I H et al Data mining practical machine learning tools and techniques with javaimplementations San Francisco [Calif] [etc] Morgan Kaufmann 2002
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics per a Finances i Assegurances
Codi de lassignatura 361242
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs en cagravelcul de probabilitats variables aleatograveries distribucionsde probabilitat caracteriacutestiques de les distribucions de probabilitat (esperances variagravencies etc) iinferegravencia estadiacutestica Tambeacute es recomana que tingui coneixements previs en agravelgebra de successos Ategravesque les classes pragravectiques es fan en anglegraves cal que lrsquoestudiant tingui un nivell adequat drsquoaquestallengua
Altres recomanacions
Com que es tracta drsquouna assignatura amb un elevat contingut teograveric de demostracioacute es recomanaque lrsquoalumnat tingui una bona base matemagravetica (integracioacute derivacioacute etc)
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Especificar correctament les mesures de risc i rendibilitat drsquoactius i carteres aixiacute com elsmodels bagravesics de risc colmiddotlectiu i individual mdash Interpretar adientment el binomi diversificacioacute i correlacioacute mdash Conegraveixer i utilitzar els models de probabilitat meacutes habituals en les finances i assegurances aixiacutecom la forma drsquoobtenir-los a traveacutes drsquouna mostra de dades i amb suport informagraveticmdash Saber quins processos estocagravestics srsquoutilitzen per modelar preus en finances i la seva aplicacioacutebasada en la simulacioacute estadiacutestica (mitjanccedilant suport informagravetic)mdash Saber quins soacuten els models drsquoeleccioacute ograveptima de carteres drsquoactius que srsquoutilitzen i la sevaimplementacioacute amb suport informagraveticmdash Saber les especificitats de les segraveries temporals aplicades en finances especialment els modelsde volatilitat canviant en el tempsmdash Saber construir una taula de mortalitat per a assegurances de vidamdash Modelitzar el nombre de sinistres i els danys totals en assegurances no de vidamdash Aprendre a tarifar assegurances de vida i assegurances no de vidamdash Conegraveixer els elements bagravesics sobre reserves i solvegravencia
Referits a habilitats destreses
mdash Saber analitzar gragraveficament lrsquoevolucioacute temporal dels preus i analitzar-ne la situacioacutemdash Dissenyar i implementar amb suport informagravetic els models drsquooptimitzacioacute i gestioacute de carteresdrsquoactiusmdash Dissenyar i implementar amb suport informagravetic les mesures de risc (VaR)mdash Desenvolupar i debatre activitats mdashamb suport informagraveticmdash que utilitzin tot el proceacutes drsquoanagravelisiestadiacutestica necessari en la inversioacute financera lrsquoanagravelisi del risc i en assegurances
Referits a actituds valors i normes
Srsquoespera una actitud molt dinagravemica de lrsquoalumnat en el seguiment de lrsquoassignatura Aixiacute sovintsrsquointerrompen les classes teograveriques amb la finalitat que lrsquoestudiant pugui desenvolupar algun delsplantejaments exposats pel professorat i que es resol en la mateixa sessioacute
Blocs temagravetics
1 Introduccioacute a les assegurances
11 Conceptes de teoria general de les assegurances (cobertura prima sinistralitat
compensacioacute reserves solvegravencia)
2 Estadiacutestica per a les assegurances de vida
21 Cagravelcul de probabilitats de supervivegravencia i mortalitat
22 Taules de mortalitat
23 Models de projeccioacute de la mortalitat
24 Assegurances de vida i rendes vitaliacutecies
25 Valoracioacute dels productes drsquoinvalidesa
3 Estadiacutestica per a les assegurances generals
31 Distribucions estadiacutestiques contiacutenues (lognormal de Pareto i de valors extrems)
32 Distribucions estadiacutestiques discretes (de Poisson binomial negativa)
33 Model de risc colmiddotlectiu
34 Tarifacioacute reserves i solvegravencia
4 Introduccioacute als mercats financers preus i riscos
41 Nocions bagravesiques dels mercats financers (mercat monetari renda fixa renda
variable divises i derivats)
42 Preus i rendibilitats
43 Mesures de risc clagravessiques i alternatives Volatilitat dinagravemica i condicional
5 Estadiacutestica aplicada als mercats borsaris
51 Patrons de comportament
52 Filtres i oscilmiddotladors tegravecnics
53 Trading algoriacutetmic
6 Estadiacutestica aplicada a la gestioacute de carteres
61 Correlacioacute i gestioacute de carteres
62 Cogravepules i dependegravencia entre actius
63 Models drsquooptimizacioacute i frontera eficient
64 Sistemes automagravetics de gestioacute Robo-Advisor
65 Indicadors de performance i estils de gestioacute
7 Estadiacutestica aplicada a la gestioacute del risc
71 Tipologia de riscos financers
72 Mesura del risc de mercat VaR
73 Alternatives en presegravencia de Fat Tails CVaR
74 Teoria del valor extrem
Metodologia i activitats formatives
Es fan classes presencials de teoria i classes pragravectiques Les classes pragravectiques es fan en anglegraves i soacuten dedos tipusmdash plantejament de casos aplicats i exercicismdash resolucioacute de situacions pragravectiques amb lrsquouacutes de lrsquoordinador
Avaluacioacute acreditativa dels aprenentatges
Es proposen exercicis per avaluar lrsquohabilitat de lrsquoestudiant en lrsquoaplicacioacute i desenvolupament delsconceptes explicats durant les classes En concret es proposen quatre exercicis en les dates(orientatives) seguumlents
mdash Prova 1 (estadiacutestica per a les assegurances) primera quinzena drsquooctubremdash Prova 2 (estadiacutestica per a les assegurances) primera quinzena de novembremdash Prova 3 (estadiacutestica per a les finances) primera quinzena de desembremdash Prova 4 (estadiacutestica per a les finances) primera quinzena de gener
Dins la modalitat drsquoavaluacioacute continuada eacutes obligatori lliurar de manera correcta les quatre pragravectiquesAquestes pragravectiques tenen un pes en la nota final del 50 (cadascuna un 125 de la nota final) Enlrsquoavaluacioacute drsquoaquestes pragravectiques es valora la capacitat drsquoaprenentatge i responsabilitat
Hi ha una prova final de tancament en la data oficial que teacute un pes del 50 en la nota final Aquestaprova consta de vuit exercicis (quatre per a la part drsquoestadiacutestica per a les assegurances i quatre per a lapart drsquoestadiacutestica per a les finances) i els alumnes en la modalitat drsquoavaluacioacute continuada han de fernomes dos exercicis de la part drsquoestadiacutestica per a les assegurances (escollits entre els quatre proposats)i dos de la part drsquoestadiacutestica per a les finances (escollits entre els quatre proposats) Els dos exercicis dela part drsquoestadiacutestica per a les assegurances tenen un pes del 50 de la nota de lrsquoexamen i els altresdos exercicis de la part de finances tambeacute tenen un pes del 50 de la nota de lrsquoexamen Per fermitjana amb la nota dels exercicis pragravectics lliurats es demana de treure a lrsquoexamen un miacutenim drsquo15punts a la part drsquoestadiacutestica per a les assegurances (dels 5 punts que teacute aquesta part de lrsquoexamen) idrsquo15 punts a la part drsquoestadiacutestica per a les finances (dels 5 punts drsquoaquesta part)
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen escrit en la data oficial Consta de vuit exercicis quatre per ala part drsquoestadiacutestica per a les assegurances i quatre per a la part drsquoestadiacutestica per a les finances Elsquatre exercicis de la part drsquoestadiacutestica per a les finances tenen un pes del 50 de la nota final i elsaltres quatre un 50 Per aprovar es demana un miacutenim de 2 punts a la part drsquoestadiacutestica per a lesassegurances i de 2 punts a la part drsquoestadiacutestica per a les finances
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYUSO M et al Estadiacutestica actuarial vida Barcelona Publicacions i Edicions de la Universitat deBarcelona 2007
SARABIA Joseacute Mariacutea et al Estadiacutestica actuarial teoriacutea y aplicaciones Madrid Pearson Prentice Hall2007
PEacuteREZ-TORRES Joseacute Luis Conociendo el seguro Barcelona Umeser 2001
HERNAacuteNDEZ Benjamiacuten Bolsa y Estadiacutestica Bursaacutetil Madrid Diacuteaz de Santos 2000
DANIELSSON Joacuten Financial Risk Forecasting Chichester John Wiley 2012
BORRELL Maacuteximo et al Estadiacutestica Financiera aplicacioacuten a la formacioacuten y gestioacuten de carteras de rentavarible Madrid Centro de Estudios Ramoacuten Areces 1997
TORRA Salvador MONTE Enric Modelos Neuronales aplicados en Economiacutea Casos praacutecticos medianteMathematica Neural Networks Barcelona Addlink Media 2013
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes No Paramegravetrics i de Remostreig
Codi de lassignatura 361224
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Civit Vives
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Srsquointrodueixen els principals conceptes ies consoliden amb la resolucioacute deproblemes ilmiddotlustratius)
375
- Pragravectiques dordinadors
(Pragravectiques) 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de model estadiacutestic no paramegravetric o lliure de la distribucioacute
mdash Conegraveixer els fonaments de les proves de significacioacute basades en rangs i les principalsalternatives no paramegravetriques basades en aquest enfocament a les proves drsquohipogravetesiparamegravetriques meacutes comunes
mdash Conegraveixer els fonaments de les proves de significacioacute basades en permutacions i les principalsalternatives de permutacions a les proves drsquohipogravetesi paramegravetriques meacutes comunes
mdash Conegraveixer el megravetode jackknife Conegraveixer els fonaments del megravetode bootstrap Assimilar la ideadel remostreig bootstrap Conegraveixer els principals tipus drsquointervals de confianccedila bootstrapAssimilar la idea de la suavitzacioacute de corbes i la seva aplicacioacute a la regressioacute no paramegravetrica i alrsquoestimacioacute no paramegravetrica de la funcioacute de densitat
Referits a habilitats destreses
mdash Davant drsquoun problema concret saber determinar quin enfocament no paramegravetric o deremostreig eacutes el meacutes adient Aquesta habilitat inclou saber utilitzar meacutes drsquoun megravetode alhora comara bootstrap i estimacioacute no paramegravetrica de la densitat en un mateix problema de classificacioacute
mdash Assolir un nivell drsquoexpertesa suficient per portar a la pragravectica els megravetodes no paramegravetrics i deremostreig Per exemple saber implementar correctament la simulacioacute bootstrap adient a unasituacioacute donada
Blocs temagravetics
1 Proves de permutacions i drsquoaleatoritzacioacute
Suficiegravencia i completesa de lrsquoestadiacutestic ordinal inferegravencia condicionada a la mostra Mostresno aleatograveries i proves drsquoaleatoritzacioacute Tests de permutacions exactes i de Montecarlo Algunstests de permutacions dades aparellades significacioacute del coeficient de correlacioacute ANOVA drsquounfactor Intervals de confianccedila i tests de permutacions
11 Enfocament de Fisher i de Pitman Suficiegravencia i completesa de lrsquoestadiacutestic ordinal
Inferegravencia condicionada a la mostra Mostres no aleatograveries i proves drsquoaleatoritzacioacute Tests
de permutacions exactes i de Montecarlo
12 Alguns tests de permutacions bagravesics dues mostres independents dades aparellades
significacioacute de la correlacioacute ANOVA drsquoun factor
13 Intervals de confianccedila i tests de permutacions
2 Megravetodes basats en lrsquoestimacioacute de la funcioacute de distribucioacute i en el remostreig
Simulacioacute o remostreig bootstrap El principi laquoplug-inraquo i el bootstrap Estimacioacute bootstrapdel biaix i de lrsquoerror estagravendard Megravetode jackknife estimacioacute del biaix i de lrsquoerror estagravendarddrsquoun estimador Intervals de confianccedila percentil i bootstrap-t Relacioacute amb el contrastdrsquohipogravetesi
21 Simulacioacute i bootstrap El principi plug-in Bootstrap exacteTipus drsquoerror Aplicacions
bagravesiques del bootstrap
22 Jackknife Justificacioacute heuriacutestica Correccioacute del biaix i estimacioacute de lrsquoerror estagravendard
23 Intervals de confianccedila bootstrap bootstrap-t percentil i BCa
24 Bootstrap i contrast drsquohipogravetesi
3 Estadiacutestica no paramegravetrica basada en rangs
Fonamentacioacute de la inferegravencia basada en rangs Principals proves drsquohipogravetesi test deWilcoxon dels rangs amb signe test de Kruskal-Wallis test de Friedman Correlacioacute deKendall i de Spearman
31 Rangs Fonamentacioacute de la inferegravencia basada en rangs Pegraverdua drsquoinformacioacute
32 Prova de Mann-Whitney-Wilcoxon
33 Prova de Wilcoxon dels rangs amb signe
34 Prova de Kruskal-Wallis
35 Prova de Friedman
36 Correlacioacute de Kendall i de Spearman Proves de significacioacute
4 Megravetodes de suavitzacioacute i estadiacutestica no paramegravetrica
Suavitzacioacute Kernel concepte Nocions de regressioacute no paramegravetrica Nocions drsquoestimacioacute noparamegravetrica de la funcioacute de densitat Aplicacions a problemes de discriminacioacute classificacioacutedeterminacioacute de modes etc
41 Introduccioacute a la suavitzacioacute Kernel
42 Nocions de regressioacute no paramegravetrica
43 Nocions drsquoestimacioacute no paramegravetrica de la funcioacute de densitat
44 Aplicacions a problemes de discriminacioacute classificacioacute determinacioacute de modes
45 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica
5 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica i remostreig
Sobre diversos conjunts de dades es valoraran els megravetodes meacutes adients per acomplirdeterminats objectius i srsquoaplicaran procurant fer egravemfasi en les conclusions
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent
mdash Classes de teoria (225 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratius
mdash Classes de problemes (15 hores) amb la resolucioacute de problemes drsquoaplicacioacute plantejats a classe deteoria i dels petits treballs plantejats en la seccioacute de treball tutelat
mdash Classes pragravectiques (225 hores) classes en quegrave es fa servir lrsquoordinador orientades a la consolidacioacutedels conceptes estudiats Es resolen casos pragravectics utilitzant eines apropiades i es fan simulacions i altresexercicis ilmiddotlustratius dels conceptes teograverics
mdash Treball tutelat (40 hores) petits treballs de simulacioacute per dur a terme fora de classe amb la finalitatde consolidar conceptes a partir de lrsquoautoaprenentatge
mdash Treball autogravenom (50 hores) estudi miacutenim imprescindible per assimilar la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
mdash Una avaluacioacute parcial (obligatograveria) transcorreguts uns dos mesos de curs (aproximadament ameitat del semestre) del temari tractat del curs Consisteix en un examen parcial que srsquoanuncia ambantelacioacute Indiquem com a laquoxraquo la puntuacioacute obtinguda
mdash Valoracioacute del seguiment fet a lrsquoestudiant Es basa en la realitzacioacute drsquoexercicis o treballs proposatsdurant el curs (anomenades tasques miacutenim 2) i la participacioacute a classe Indiquem com a laquoyraquoaquesta nota
mdash Una prova final de siacutentesi de tota la mategraveria En diem laquozraquo de la nota corresponent
Per tenir nota drsquoavaluacioacute continuada cal haver-se presentat a la prova parcial i a la prova final desiacutentesi i haver fet els treballs que srsquohagin proposat (tasques) No fer alguna drsquoaquestes activitatscomporta la qualificacioacute de laquono presentatraquo
La nota drsquoavaluacioacute continuada es calcula de la manera seguumlent 030 x + 02 y + 05 z La ponderacioacute
parcialsiacutentesi pot variar en el sentit que es valora positivament una evolucioacute a millor del parcial al finalsempre que en el parcial srsquohagi obtingut una puntuacioacute miacutenima de 4 sobre 10
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute dels estudiants) i per tant sense possibilitat de canvis
Examen final de tota la mategraveria amb un valor del 100 i on srsquoinclou un exercici global drsquoanagraveliside dades amb R fet a lrsquoaula informagravetica
La prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica (eacutes a dir unvalor del 100 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
HOLLANDER Myles et al Nonparametric Statistical Methods 2nd ed New York [etc] Wiley 1999
SIEGEL Sidney et al Estadiacutestica no parameacutetrica aplicada a las ciencias de la conducta Meacutexico Trillas2009
GOOD Phillip I Permutation Parametric and Bootstrap Tests of Hypotheses New York Springer 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Numegraverics
Codi de lassignatura 361213
Curs acadegravemic 2019-2020
Coordinacioacute MARIA ANGELA GRAU GOTES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Programari
httpsmatlabmathworkscom
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Estudi dels megravetodes presentatsExagravemens sobre conceptes bagravesics delrsquoassignatura un miacutenim de 2 repartits enel calendari)
30
- Pragravectiques dordinadors
(Resolucioacute drsquoexercicis amb els algorismesi megravetodes del curs Srsquoavalua)
30
Treball tutelatdirigit
(Resolucioacute drsquoexercicis amb els algorismes imegravetodes del curs pragravectiques drsquoordinador acasa i a lrsquoaula)
40
Aprenentatge autogravenom
(Preparacioacute de la documentacioacute dels treballspragravectics que srsquohan de presentar peravaluar)
50
Recomanacions
Es recomana haver cursat les assignatures Introduccioacute al Cagravelcul Introduccioacute a la Informagravetica AgravelgebraLineal
Altres recomanacions
Es recomana haver cursat o estar cursant les assignatures Programacioacute i Cagravelcul de DiversesVariables
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Aprendre les tegravecniques numegraveriques meacutes bagravesiques i usar-les com a eina per trobar solucions aproblemes en quegrave per diverses raons els megravetodes analiacutetics queden descartats
Referits a habilitats destreses
Lrsquoaplicacioacute pragravectica dels megravetodes que es presenten requereix lrsquouacutes drsquoordinadors i lrsquouacutes i elconeixement del programari adequat Matlab per implementar els megravetodes presentats en lesexplicacions de classe
Blocs temagravetics
1 Preliminars
Aritmegravetica en coma flotant Anagravelisi de lrsquoerror Sumacioacute de segraveries
11 Representacioacute aritmegravetica en coma flotant
111 Conceptes bagravesics fonts drsquoerror xifres significatives problemes inestables
112 Error numegraveric definicions errors drsquoarrodoniment errors de truncament
113 Lrsquoaritmegravetica a lrsquoordinador punt fix punt flotant
12 Anagravelisi de lrsquoerror
121 Errors en les operacions en punt flotant
122 Propagacioacute de lrsquoerror nombres de condicioacute algorismes amb cancelmiddotlacioacute
13 Sumacioacute de segraveries
131 Cagravelcul de la suma drsquouna segraverie megravetodes de comparacioacute
132 Acceleracioacute de la convergegravencia
2 Agravelgebra lineal numegraverica
Resolucioacute de sistemes lineals compatibles determinats megravetodes directes i megravetodesiteratius Nombre de condicioacute drsquouna matriu Sistemes lineals sobredeterminats descomposicioacuteen valors singulars Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
21 Resolucioacute de sistemes lineals compatibles determinats
211 Megravetodes directes megravetodes de Gauss megravetodes de factoritzacioacute LU Txoleski
QR Cagravelcul de matrius inverses Fites de lrsquoerror
212 Megravetodes iteratius megravetodes de Jacobi Gauss-Seidel de sobrerelaxacioacute Raoacute de
convergegravencia i estimacioacute de lrsquoerror
22 Sistemes lineals sobredeterminats
221 Descomposicioacute en valors singulars
23 Vectors i valors propis
231 Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
3 Resolucioacute drsquoequacions no lineals
Megravetodes per a la resolucioacute drsquoequacions en una variable biseccioacute secant Newton punt fixOrdre de convergegravencia Megravetodes de Newton i del punt fix per a la resolucioacute drsquoequacions demeacutes drsquouna variable
31 Megravetodes per a la resolucioacute drsquoequacions en una variable
311 Megravetodes de la biseccioacute Megravetode de la secant Megravetode de Newton Megravetodes del
punt fix
312 Ordre de convergegravencia drsquoun megravetode iteratiu
32 Megravetodes per a la resolucioacute drsquoequacions en meacutes drsquouna variable
321 Megravetode de Newton Megravetodes del punt fix
4 Funcions aproximacioacute derivacioacute i integracioacute
Aproximacioacute de funcions interpolacioacute polinogravemica i foacutermula de Taylor Error en lainterpolacioacute polinomial Diferenciacioacute numegraverica algunes foacutermules drsquoaproximacioacute per al cagravelculde derivades Error Extrapolacioacute de Richardson Integracioacute numegraverica foacutermules de Newton-Cotes Megravetode de Romberg Megravetodes de Montecarlo
41 Aproximacioacute de funcions
411 Interpolacioacute polinogravemica i foacutermula de Taylor
412 Error en la interpolacioacute polinogravemica
42 Diferenciacioacute numegraverica
421 Foacutermules per al cagravelcul aproximat de derivades
43 Integracioacute numegraverica
431 Foacutermules de Newton-Cotes megravetode dels trapezis regla de Simpson etc
432 Megravetode de Romberg
44 Megravetodes de Montecarlo
Metodologia i activitats formatives
Classes expositives i magistrals per a les sessions teoricopragravectiques Les classes de problemes a lrsquoaulainformagravetica es desdoblen en dos o meacutes grups El professorat assigna els estudiants als grups En lessessions de problemes a lrsquoaula informagravetica es treballa amb el programari Matlab en els ordinadors delrsquoaula
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final eacutes la suma ponderada de quatre notes NF = 03NP + 03NT + 04NE
mdash Nota NP (30 ) bull Treball a lrsquoaula drsquoinformagravetica dels algorismes estudiats amb sessions puntuables bull Treball de desenvolupament de programes pragravectics fora de lrsquohorari lectiu magravexim un per tema
mdash Nota NT (30 ) Exagravemens parcials sobre conceptes bagravesics de lrsquoassignatura magravexim un per temamdash Nota NE (40 ) Exagravemens parcials de resolucioacute de problemes amb el programari emprat en el curs
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Es recomana seguirlrsquoavaluacioacute continuada de treballs amb el programari Matlab
La nota final eacutes la suma ponderada de tres notes NF = 03NPC + 03NET + 04NEF
mdash Examen final de pragravectiques amb el programari emprat en el curs (30 ) Nota NPCmdash Examen final sobre conceptes bagravesics de lrsquoassignatura (30 ) Nota NETmdash Examen final de resolucioacute de problemes amb el programari emprat en el curs (40 ) Nota NEF
Reavaluacioacute
La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GRAUMiquel et al Cagravelcul numegraveric Barcelona UPC 1993
Referegravencia bagravesica
KENNEDY William Jo et al Statistical Computing Statistics textbooks and monographs 33 New York[etc] Marcel Dekker 1980
Referegravencia bagravesica
KINCAID David et al Anaacutelisis numeacuterico las matemaacuteticas del caacutelculo cientiacutefico Buenos Aires [etc]Addison-Wesley Iberoamericana 1994
Referegravencia complementagraveria
STOER Josef et al Introduction to Numerical Analysis Texts in Applied Mathematics 12 3rd ed NewYork Springer Verlag 2002
Referegravencia bagravesica
THISTED Ronald A Elements of Statistical Computing Numerical computation New York [etc]Chapman and Hall 1988
Referegravencia complementagraveria
VANDERGRAFT James S Introduction to numerical Computations New York Academic Press 1983
Referegravencia bagravesica
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals
Codi de lassignatura 361231
Curs acadegravemic 2019-2020
Coordinacioacute Francisco De Asis Carmona Pontaque
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoestadiacutestica matemagravetica i sobretot drsquoinferegravencia estadiacutestica
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures que contenen aquestes mategraveries comara Agravelgebra Lineal i Inferegravencia Estadiacutestica ja que contenen tots els conceptes bagravesics que srsquoutilitzaran
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
(Lrsquoalumnat ha de poder identificar un model lineal estimar-ne els paragravemetres i avaluar les hipogravetesisque es plantegin sobre aquest model I tambeacute ha de ser capaccedil de validar-lo)
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes conegraveixer els models lineals i la seva aplicacioacute a les situacionsmeacutes usualsmdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model linealmdash Conegraveixer els mecanismes de decisioacute associats a les principals proves drsquohipogravetesi en modelslinealsmdash Saber caracteritzar un model de regressioacute lineal simple i muacuteltiplemdash Saber com es validen els models de regressioacute linealmdash Saber caracteritzar alguns models drsquoanagravelisi de la variagravencia senzills
Referits a habilitats destreses
mdash Saber resoldre lrsquoestimacioacute dels paragravemetres drsquoun model lineal mdash Saber analitzar les principals proves drsquohipogravetesi en models lineals mdash Saber calcular un model de regressioacute lineal mdash Saber validar els models de regressioacute lineal mdash Saber resoldre alguns models drsquoanagravelisi de la variagravencia senzills mdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtinguts
Blocs temagravetics
1 Regressioacute lineal simple
11 Estimacioacute dels coeficients de regressioacute per miacutenims quadrats
12 Descomposicioacute de la variabilitat
13 Coeficient de correlacioacute i coeficient de determinacioacute
14 Inferegravencia sobre els paragravemetres de regressioacute
15 Prediccioacute
16 Plantejament matricial
2 Models de regressioacute
21 Regressioacute lineal muacuteltiple
22 Mesures drsquoajust
23 Inferegravencia sobre els coeficients de regressioacute
24 Coeficients de regressioacute estandarditzats
25 Regressioacute polinogravemica
26 Introduccioacute a la diagnosi del model
3 El model lineal
31 Estimacioacute de paragravemetres per miacutenims quadrats
32 Propietats dels estimadors
33 Contrast drsquohipogravetesi lineal
34 Contrast de models
35 Funcions paramegravetriques estimables
4 El model lineal de lrsquoanagravelisi de la variagravencia
41 Model drsquoun factor
42 Comparacioacute de mitjanes
43 Altres models
44 Introduccioacute a lrsquoanagravelisi de la covariagravencia
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
A les classes de problemes es resolen exercicis Es donen indicacions de quins exercicis cal treballar cadasetmana de manera que lrsquoalumnat pugui resoldrersquols abans drsquoassistir a classe i si escau dedicar la sessioacutea resoldre dubtes Els problemes consisteixen en la resolucioacute drsquoexercicis de caragravecter teograveric o aplicatencaminats a la comprensioacute dels conceptes bagravesics de cada tema
Un component important de lrsquoassignatura eacutes el treball amb ordinador Al llarg del curs es donenindicacions de com treballar amb el llenguatge estadiacutestic R de manera que els estudiants puguin fer-loservir tant per dur a terme els programes o les simulacions que srsquoencarreguin com els cagravelculs i lesanagravelisis de dades que es plantegin Les pragravectiques drsquoordinador es destinen a fer problemes numegraverics perveure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de les dades mitjanccedilant models lineals
Opcionalment es pot fer un treball Per tal que el professorat el revisi cal discutir-lo conjuntament abansde presentar-lo
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada En aquest sentit a mig curs es fa una provacurta (de dues hores) que no eacutes eliminatograveria de mategraveria Si srsquoaprova aquesta curta sersquon fa una altra afinal de curs Per a lrsquoalumnat que no superi la primera prova hi ha una prova final de siacutentesi
Les dates de les proves es fan puacutebliques el primer dia de classe perquegrave els alumnes es puguinprogramar les activitats i no hi faltin
Opcionalment es pot demanar de presentar treballs o problemes solucionats si aixiacute ho especifica elprofessorat a principi de curs
Lrsquoestudiant que falti a alguna prova per causes justificades pot recuperar com a magravexim una prova eldia de la prova de siacutentesi Si no es fa cap prova curta o no lliura els treballs o problemes demanats srsquohadrsquoavaluar de forma uacutenica el dia que marqui el Consell Docent
La nota final de lrsquoavaluacioacute continuada eacutes
04xP1+04xP2+02xO o 04xP1+ 06xP2 o PS
en quegrave P1 eacutes la prova curta 1 P2 eacutes la prova curta 2 O eacutes el treball o exercicis opcionals i PS eacutes laprova de siacutentesi
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CARMONA Francesc Modelos lineales Barcelona Publicacions i Edicions de la Universitat de Barcelona2005
Eacutes un bon llibre de models lineals tot i que teacute un nivell massa elevat pelscontinguts que es donen a lrsquoensenyament
FARAWAY Julian James Linear Models with R Chapman amp HallCRC Press 2014
PENtildeA Daniel Estadiacutestica Modelos y Meacutetodos Vol 2 Madrid Alianza 1991
Eacutes un llibre que recull part de lrsquoassignatura
RAWLINGS John O Applied Regression Analysis a research tool New York [etc] Springer 1998
Tot i ser en anglegraves eacutes un llibre molt bo amb molts exemples comentats
MONTGOMERY Douglas C et al Introduction to Linear Regression Analysis 2nd ed New York [etc]Wiley 1992
OLIVA Francesc et al Propietats i eines drsquoagravelgebra matricial per a estadiacutestica Barcelona Universitat deBarcelona 1995
Pagravegina web
The R Project for Statistical Computing
LyX - El procesador de documentos
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals Generalitzats
Codi de lassignatura 361234
Curs acadegravemic 2019-2020
Coordinacioacute JORDI CORTES MARTINEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoinferegravencia estadiacutestica i habilitats en el tractament de dades en diferents formats
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures relacionades amb la modelitzacioacute i lainferegravencia estadiacutestica com ara Models Lineals Inferegravencia Estadiacutestica i Econometria aixiacute com SoftwareEstadiacutestic ja que contenen conceptes i eines que srsquoutilitzaran extensament
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model lineal generalitzatmdash Saber caracteritzar un model de regressioacute lineal amb resposta normal binagraveria (regressioacutelogiacutestica) i entera o de Poisson (models log-lineals)mdash Conegraveixer els indicadors estadiacutestics de bondat de lrsquoajust i de la seva validesa per a la diagnosi ivalidacioacute dels models lineals proposats a nivell predictiu mdash Saber com es fa el proceacutes de validacioacute drsquoun model lineal generalitzatmdash Saber interpretar els resultats inferencials que es deriven de lrsquoajust drsquoun model linealgeneralitzatmdash Conegraveixer lrsquoextensioacute a models lineals generalitzats drsquoefectes aleatoris o models mixtos quan lesdades no soacuten independents
Referits a habilitats destreses
mdash Saber estimar els paragravemetres drsquoun model lineal generalitzatmdash Saber analitzar les principals proves drsquohipogravetesi associades als models lineals generalitzatsmdash Saber validar els models lineals generalitzats ajustatsmdash Saber resoldre alguns models lineals generalitzats drsquouacutes frequumlent model lineal generalregressioacute logiacutestica i models log-linealsmdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtingutsmdash Ser capaccedil de triar entre les diverses possibilitats proporcionades per un paquet estadiacutestic tanta nivell de capacitats modeliacutestiques com de sortida de la informacioacute per tal de poder extreureconclusions drsquoutilitat en el proceacutes de modelitzacioacute concret que desenvolupa
Blocs temagravetics
1 Introduccioacute als models lineals generalitzats
11 Hipogravetesi del model Forma canogravenica paragravemetres
12 Propietat dels scores matriu drsquoinformacioacute esperada
13 Funcioacute drsquoenllaccedil rol
14 Mesures de bondat (desviagravencia (D i Drsquo) i R2)
15 Inferegravencia raoacute de versemblances i estadiacutestics de Wald
2 Models per resposta normal
21 Regressioacute lineal muacuteltiple cas particular drsquoMLGz
22 Matrius de disseny efectes principals i interaccions
23 Model lineal general
24 Diagnosi i validacioacute seleccioacute del model anagravelisi de residus valors influents
Diagrames de residus parcials
3 Models per resposta binagraveria
31 Regressioacute logiacutestica resposta binomial
32 Interpretacioacute dels enllaccedilos habituals (logravegit progravebit i cloglog)
33 Estimacioacute inferegravencia i validacioacute
34 Presentacioacute de casos drsquoestudi
4 Models per comptatges
41 Models log-lineals resposta de Poisson
42 Modelitzacioacute de taules de contingegravencia
43 Estimacioacute inferegravencia i validacioacute
44 Diagnosi i tractament de la sobredispersioacute
45 Presentacioacute de casos drsquoestudi
5 Models lineals generalitzats amb efectes aleatoris
51 Models lineals generalitzats per a mesures repetides i dades longitudinals
52 Predictor lineal amb efectes aleatoris
53 Models lineals mixtos resposta gaussiana
54 Models lineals mixtos generalitzats resposta binomial i de Poisson
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
Un component important de lrsquoassignatura eacutes el treball amb ordinador i conjunts de dades reals Al llargdel curs es donen indicacions de com treballar amb lrsquoentorn estadiacutestic R de manera que els estudiantspuguin fer-lo servir tant per dur a terme els exercicis pragravectics que srsquoencarreguin com les anagravelisis dedades que es plantegin
Les pragravectiques soacuten totes drsquoordinador per veure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de lesdades mitjanccedilant models lineals generalitzats Les sessions de laboratori es desdoblen cada setmana eacutesa dir cadascun dels dos subgrups drsquoun grup complet teacute dues hores de laboratori setmanal El professorateacutes qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada en quegrave srsquoavalua
1 Conegraveixer i entendre alguns dels models meacutes importants de relacioacute lineal entre variables de la famiacuteliaexponencial
2 Davant de la descripcioacute drsquoun joc de dades ser capaccedil de formular correctament el model estadiacutesticassociat adient
3 Davant de la formulacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquoun paragravemetreestimar els paragravemetres del model mitjanccedilant lrsquouacutes del paquet estadiacutestic adequat
4 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar la bondat del model tot interpretant lainformacioacute facilitada pel programa estadiacutestic
5 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat saber interpretar-ne els estimadors en termes de lafuncioacute drsquoenllaccedil emprada
6 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar gragraveficament la bondat del model sempreque el nombre de paragravemetres sigui reduiumlt
7 Davant de diversos models lineals generalitzats per un conjunt de dades fixat apuntar cap a laseleccioacute del millor model uacutes de variables com a factor o com a covariant introduccioacute de termes drsquoordresuperior al lineal en les covariables
8 Conegraveixer i entendre les limitacions de les propietats asimptogravetiques dels estadiacutestics implicats enlrsquoestimacioacute i validacioacute dels models lineals generalitzats
9 Conegraveixer els indicadors estadiacutestics de bondat del model desviagravencia estadiacutestic de Pearson AIC BIC
En aquest sentit al llarg del curs es fa una prova parcial que no eacutes eliminatograveria de mategraveria La data dela prova es fa puacuteblica el primer dia de classe perquegrave els alumnes es puguin programar les activitats i nohi faltin Tambeacute hi ha un examen final
Al llarg del curs srsquoha de presentar una segraverie de casos drsquoestudi solucionats que juntament amb elsexagravemens donen lloc a la nota final de curs
La nota final es basa en la foacutermula seguumlent
Magravexim02 x P1 + 03 x T + 05 x PF 03 x T + 07 x PF
P1 nota de lrsquoexamen parcialT nota mitjana de lliuraments de casos drsquoestudiPF nota de lrsquoexamen final
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes i el lliurament dels treballs fets com a casos drsquoestudi
03 x T + 07 x PF
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
McCULLAGH Peter et al Generalized linear models London [etc] Chapman amp Hall 1989
FOX John Applied Regression Analysis and Generalized Linear Models Los Angeles [etc] SAGE 2008
FOX John et al An R Companion to Applied Regression Thousand Oaks Calif SAGE 2011
DOBSON Annette J An Introduction to generalized linear models Boca Raton CRC Press Chapman ampHall 2008
FARAWAY Julian James Extending the Linear Model with R Generalized Linear Mixed Effects andNonparametric Regression Models Boca Raton (Mass) Chapman amp HallCRC 2006
PINHEIRO Joseacute C et al Mixed-Effects Models in S and S-PLUS New York (NY) [eTc] Springer 2000
Pagravegina web
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute en Enginyeria
Codi de lassignatura 361258
Curs acadegravemic 2019-2020
Coordinacioacute M PAZ LINARES HERREROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Requisits
361227 - Programacioacute No Lineal i Fluxos en Xarxes (Recomanada)
361226 - Programacioacute Lineal i Entera (Recomanada)
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de la investigacioacute operativa habituals en optimitzacioacute en enginyeria i usarcorrectament la terminologia progravepia de lrsquoagraverea
Formular matemagraveticament i resoldre computacionalment mitjanccedilant lrsquouacutes de llenguatges demodelitzacioacute per a programacioacute matemagravetica problemes drsquooptimitzacioacute en enginyeria de diversesagraverees
Interpretar els resultats dels models drsquooptimitzacioacute en enginyeria i ser capaccedil drsquoelaborar informes ipresentacions on srsquoexposin els resultats
Blocs temagravetics
1 Optimitzacioacute en enginyeria del transport
Introduccioacute als models de localitzacioacute Heuriacutestiques de resolucioacute Problema del viatjant decomerccedil (TSP) Problema de rutes de vehicles (VRP) Models de rutes per a aplicacions de lalogiacutestica urbana laquostreet routingraquo Heuriacutestiques de resolucioacute Anagravelisi de problemes especiacuteficsde la logiacutestica a ciutats localitzacioacute de sensors per a la captura drsquoinformacioacute de tragravensit gestioacutedinagravemica de flotes de vehicles serveis de missatgeria recollida de residus
2 Optimitzacioacute en enginyeria de lrsquoenergia
Introduccioacute a lrsquooperacioacute de sistemes de potegravencia el sistema de produccioacute i transportdrsquoenergia nacional generacioacute regulada vs liberalitzada el mercat elegravectric majorista
Optimitzacioacute de lrsquooperacioacute regulada dels sistemes de potegravencia modelitzacioacute dels generadorsde turbina laquoeconomic dispatchraquo (ED) laquooptimal power flowraquo (OPF) laquounit commitmentraquo (UC)Optimitzacioacute de lrsquooperacioacute de mercats elegravectrics models de cassacioacute del mercat modelsdrsquooferta ograveptima de compra i venda drsquoenergia Modelitzacioacute i resolucioacute computacional delrsquooperacioacute de sistemes de potegravencia
Metodologia i activitats formatives
Les classes srsquoorganitzen al voltant drsquoestudis de cas drsquoaplicacioacute dels models i algorismes drsquooptimitzacioacute ala resolucioacute de problemes reals de lrsquoenginyeria de transport enginyeria de dades i enginyeria de lageneracioacute elegravectrica Dins de cada part del curs es fa una introduccioacute a lrsquoagraverea drsquoaplicacioacute es descriuen lescaracteriacutestiques dels models i algorismes drsquooptimitzacioacute i es resolen computacionalment casos pragravecticsreals Lrsquoalumnat ha de preparar un conjunt de projectes en quegrave ha de resoldre exemples de casos realsde les diferents agraverees drsquoaplicacioacute
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada consisteix en quatre pragravectiques dos per cada bloc de lrsquoassignatura Cada pragravecticaes fa en acabar el tema corresponent Els dos blocs tenen el mateix pes en la nota drsquoavaluacioacutecontinuada que es calcula fent la mitjana aritmegravetica de les notes obtingudes a les diferents pragravectiques
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova pragravectica a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha deresoldre algun cas pragravectic relacionat amb els problemes estudiats a classe
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
DASKIN MS et al Location Models in Transportation En HALL Randolph W (ed) Handbook ofTransportation Science Boston [etc] Kluwer Academic 2003
TOTH Paolo et al (eds) The Vehicle Routing Problem Philadelphia Society for Industrial and AppliedMathematics 2002
ZHU Jizhong Optimization of Power System Operation Piscataway NJ Wiley-IEEE 2009
GOacuteMEZ EXPOacuteSITOAntonio et al (eds) Electric energy systems analysis and operation Boca RatonFla CRC Press 2009
WILLENBORG Leon et al Elements of statistical disclosure control New York Barcelona [etc] Springer2000
CRISTIANINI Nello et al An Introduction to Support Vector Machines And Other Kernel-Based LearningCambridge [etc] Cambridge University Press 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute Financera
Codi de lassignatura 361257
Curs acadegravemic 2019-2020
Coordinacioacute Jose Bonifacio Saez Madrid
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Exposicioacute de continguts teograverics irealitzacioacute drsquoexemples drsquoaplicacioacute)
44
- Pragravectiques de problemes
(Plantejament i resolucioacute de problemes) 10
- Pragravectiques dordinadors
(Plantejament i resolucioacute amb ordinadorde problemes reals del moacuten financer)
6
Treball tutelatdirigit
(Realitzacioacute de les tasques encarregades pelprofessor)
40
Aprenentatge autogravenom
(Estudi personal per entendre lrsquoassignatura ipreparar les proves drsquoavaluacioacute)
50
Recomanacions
No hi ha requisits obligatoris per cursar aquesta assignatura De totes maneres per aprofitar millor elcurs es recomana
mdash Tenir coneixements previs drsquoestadiacutestica descriptiva
mdash Tenir coneixements bagravesics de cagravelcul diferencial i drsquoagravelgebra lineal
mdash Conegraveixer el funcionament drsquoExcelreg
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer les eines financeres per valorar actius de renda fixa i de renda variable
Conegraveixer les diferents formes de mesurar i quantificar la rendibilitat i el risc drsquoun actiu financer
Conegraveixer els megravetodes drsquoanagravelisi i descomposicioacute del risc drsquouna cartera de valors
Conegraveixer el proceacutes complet de les diferents etapes que hi ha a lrsquohora de gestionar de formaograveptima una cartera de valors mobiliaris
Conegraveixer els models clagravessics drsquooptimitzacioacute financera aplicats a la gestioacute activa i passiva decarteres amb lrsquoobjectiu de trobar carteres diversificades
Conegraveixer els megravetodes de performance existents en el mercat per avaluar lrsquoeficiegravencia de lesdecisions preses pels gestors de carteres
Referits a habilitats destreses
Desenvolupar megravetodes que pugin avaluar quan un actiu financer esta infravalorat o sobrevalorat
Desenvolupar megravetodes que permetin determinar els moments idonis per comprar o vendre unactiu de renda variable aplicant les eines estadiacutestiques de lrsquoanagravelisi tegravecnica borsagraveria
Analitzar amb diferents criteris financers la viabilitat o no drsquoun projecte drsquoinversioacute
Aprendre a resoldre amb ordinador els problemes drsquooptimitzacioacute financera aplicats a laconstruccioacute de carteres eficients i ser capaccedilos de presentar els resultats
Referits a actituds valors i normes
Entendre al llarg del curs que el funcionament dels mercats financers teacute un fort componentsubjectiu i que de vegades influeixen en els resultats finals la sort i lrsquoatzar i en drsquoaltres elcomportament agregat dels inversors enfront del coneixement de determinades variablesmacroeconogravemiques no esperades
Aprendre a treballar en equip per obtenir resultats ograveptims atesa la gran quantitat drsquoinformacioacuteque apareix diagraveriament en els mercats financers
Blocs temagravetics
1 El mercat financer espanyol
La borsa a Espanya
Identificacioacute dels actius financers
Formes de valoracioacute drsquouna accioacute
Ordres de compravenda drsquoaccions
Drets econogravemics de les accions
Iacutendexs borsaris
2 Fonaments financers
Operacioacute financera
Interegraves simple venccedilut
Descompte comercial
Interegraves compost
Rendes financeres
Funcions financeres drsquoExcel
3 Rendibilitat de productes financers
Rendibilitat efectiva nominal i contiacutenua
Cagravelcul i interpretacioacute de la TAE TIR TRE RS TGR i TAR
Valoracioacute de lletres del tresor imposicions a termini fix efectes comercials
Valoracioacute de fons drsquoinversioacute plans de previsioacute bons de lrsquoestat preacutestecs liacutesing
Rendibilitat esperada drsquoun actiu
Rendibilitat histograverica drsquouna cartera drsquoactius
Rendibilitat esperada drsquouna cartera drsquoactius
4 Risc financer
Definicioacute de risc
Mesures de risc drsquoun actiu financer
Mesures de risc drsquouna cartera drsquoactius financers
Relacioacute entre diversificacioacute i risc
Control del risc drsquouna cartera drsquoactius
Funcions drsquoExcel relacionades amb el risc
5 Gestioacute de carteres
Poliacutetica drsquoinversioacute drsquouna cartera
Megravetodes de seleccioacute drsquoactius per construir una cartera
Megravetodes de seleccioacute dels moments ograveptims per comprar i vendre
Megravetodes per valorar la gestioacute realitzada drsquouna cartera
6 Optimitzacioacute de carteres
Construccioacute de carteres de renda variable
Elements fonamentals de les carteres de renda fixa
Obtencioacute de carteres ograveptimes amb ordinador
Construccioacute de carteres mixtes de renda fixa i variable
Metodologia i activitats formatives
Les 150 hores estimades que lrsquoestudiant ha de dedicar a aquesta assignatura es divideixen de la maneraseguumlent
mdash 46 hores presencials en quegrave el professor treballa els conceptes teograverics del programa i presentaexemples drsquoaplicacioacute dels conceptes teograverics explicats per a una millor comprensioacute i obtencioacute delsobjectius de coneixements i habilitats especiacutefics Es fomenta lrsquoesperit criacutetic a lrsquohora drsquoobtenir conegraveixer icalcular les diferents mesures de rendibilitat i risc necessagraveries per construir formalment les carteresograveptimes diversificades de renda fixa i variable
mdash 14 hores presencials en quegrave es plantegen resolen i interpreten problemes del moacuten financer Enprincipi drsquoaquestes hores estagrave previst fer 2 sessions de 2 hores a les aules drsquoinformagravetica drsquouna bandaper aprofitar les aplicacions informagravetiques existents en els mercats financers i poder aprofundir enlrsquoaplicacioacute i interpretacioacute dels conceptes teograverics i drsquoaltra banda per resoldre problemes reals del mercatque requereixen un nombre elevat de variables sobretot si es volen construir carteres ograveptimes eficients idiversificades
mdash 40 hores no presencials de treball tutelat i dirigit en quegrave lrsquoalumnat pot resoldre els dubtes que se lihan plantejat en el desenvolupament i execucioacute dels treballs (individuals i en grup) que proposa elprofessor a cada estudiant o grup de manera diferenciada i personalitzada
mdash 50 hores drsquoaprenentatge autogravenom en quegrave lrsquoestudiant ha drsquoestudiar i treballar pel seu compte perpoder assolir amb garanties els objectius de lrsquoaprenentatge Tambeacute eacutes recomanable que mitjanccedilant lapremsa diagraveria i Internet estigui informat de lrsquoevolucioacute dels mercats financers
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada es fa al llarg del curs i teacute principalment tres parts associades a les competegravenciesque srsquohan descrit per a aquesta assignatura
1 Avaluacioacute del joc de simulacioacute a la borsa espanyola
Al llarg del curs lrsquoestudiant duu a terme operacions de compravenda drsquoaccions del mercat espanyol amblrsquoobjectiu de construir una cartera que maximitzi la rendibilitat En funcioacute de la rendibilitat assolida per
la cartera a final de curs cada estudiant obteacute una nota que teacute una ponderacioacute del 10 respecte de lanota final Amb aquesta simulacioacute es desenvolupen les capacitats de prendre decisions drsquoadaptacioacute anoves situacions del mercat financer drsquoentendre el comportament dels seus companys enfront lesinversions realitzades i drsquointerpretar situacions i problemes reals
2 Avaluacioacute de treballs presentats al llarg del curs
Al llarg del curs es demanen tres treballs
El primer treball associat als continguts del tercer bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballen els conceptes de valoracioacute drsquoun producte financer o projecte drsquoinversioacute i larendibilitat drsquouna accioacute de lrsquoIBEX 35 Aquest primer treball teacute una ponderacioacute del 25 respecte de lanota final i permet desenvolupar les capacitats de formular dissenyar proposar modelitzar analitzarvalidar interpretar i resoldre problemes reals dels mercats financers
El segon treball associat als continguts del quart bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballa entre drsquoaltres el concepte de risc de la mateixa accioacute de lrsquoIBEX 35 seleccionadaper al primer treball Desenvolupa les capacitats drsquoanagravelisi i drsquointerpretacioacute dels coneixements estadiacutesticsassolits en cursos anteriors a la pragravectica dels mercats financers Aquest segon treball pondera un 15 de la nota final
El tercer treball associat als continguts del sisegrave bloc temagravetic eacutes en grup cada estudiant aporta lainformacioacute obtinguda per la seva accioacute en els dos treballs anteriors i conjuntament han de construir unacartera ograveptima segons algun dels models de gestioacute de carteres explicats a classe Aquest treball teacute unaponderacioacute del 10 respecte de la nota final i desenvolupa la capacitat de formular i gestionarprojectes perograve sobretot la capacitat de treballar en equip ja que cada membre ha de colmiddotlaborar ambels altres i contribuir a un projecte comuacute
Els treballs han de presentar-se dintre dels terminis marcats pel professor i es valora si lrsquoestudiant haassolit totes les competegravencies que es demanen en cadascun
3 Avaluacioacute dels coneixements
Al final del segon bloc temagravetic en la data fixada pel professor es duu a terme una prova escritaassociada al primer i segon bloc temagravetic La prova eacutes eminentment pragravectica perograve tambeacute incloupreguntes de reflexioacute i raonament respecte del funcionament del mercat financer espanyol i els seusfonaments Aquesta prova teacute una ponderacioacute del 10 respecte de la nota final
Al final de curs i en la data i lloc que fixi el Consell Docent lrsquoestudiant pot presentar-se a una provaescrita en la qual ha de posar de manifest la seva capacitat drsquoaprenentatge dels coneixements teograverics ipragravectics adquirits al llarg del curs amb la formulacioacute resolucioacute i presa de decisions de problemesfinancers No eacutes obligatori presentar-se a aquesta prova ja que amb la suma de la nota del joc desimulacioacute en borsa la prova escrita i les notes dels treballs pot haver superat els 5 punts quesrsquoexigeixen per aprovar lrsquoassignatura En cas contrari lrsquoestudiant ha de presentar-se i treure la nota queli falta per superar els 5 punts Aquesta prova teacute una ponderacioacute del 30 respecte de la nota final Enaquesta prova tambeacute es valora la capacitat de lrsquoestudiant per memoritzar i comprendre les foacutermules quehan aparegut al llarg del curs i la capacitat psicologravegica drsquoentendre el comportament dels seuscompanys enfront drsquouna determinada situacioacute que proposa el professor el dia de la prova
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data que
fixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignaturala nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Qui opti per ferlrsquoavaluacioacute uacutenica de lrsquoassignatura ha de fer la mateixa prova escrita que fan els alumnes drsquoavaluacioacutecontinuada en la data i el lloc que determini el Consell Docent perograve en aquest cas aquesta provaescrita teacute una ponderacioacute del 100 de la nota final La nota miacutenima per aprovar eacutes de 5 punts
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data quefixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignatura ila nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALEXANDER Gordon J et al Fundamentos de inversiones Teoriacutea y praacutectica Meacutexico DF [etc] PearsonEducacioacuten 2003
BODIE Zvi et al Principios de inversiones Madrid [etc] McGraw-HillInteramericana de Espantildea 2004
BODIE Zvi et al Finanzas Meacutexico [etc] Pearson Educacioacuten 2003
CORDOBA Miguel Anaacutelisis financiero Renta fija fundamentos y operaciones Madrid Thomson 2003
ELTON Edwin J et al Modern portfolio theory and investment analysis New York [etc] Wiley 1995
GOacuteMEZ-BEZARES Fernando Gestioacuten de carteras eficiencia teoriacutea de cartera CAPM APT BilbaoDescleacutee de Brouwer 2016
MARIN Joseacute Mariacutea et al Economiacutea Financiera Barcelona Antoni Bosch 2001
MARKOWITZ Harry M Portfolio selection efficient diversification of investments Oxford Basil Blackwell1991
MURPHY John J Anaacutelisis teacutecnico de los mercados financieros Barcelona Gestioacuten 2000
SANCHEZ Joseacute L (dir) Curso de Bolsa y Mercados Financieros Barcelona Ariel 2007
SHARPE William F Portfolio Theory and Capital Markets New York [etc] McGraw-Hill 2000
SUAacuteREZ Andreacutes-Santiago Decisiones oacuteptimas de inversioacuten y financiacioacuten en la empresa MadridPiraacutemide 2014
TERCENtildeO Antonio Matemaacutetica financiera Madrid Piraacutemide 1997
VILLALBA Daniel Teoriacutea y praacutectica de la gestioacuten de carteras Madrid BME 2016
Pagravegina web
wwwaiafcom
wwwinvertiacom
wwweleconomistaes
wwwbolsamaniacom
wwwcnmves
wwwbolsamadrides
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Principis dEconomia
Codi de lassignatura 361210
Curs acadegravemic 2019-2020
Coordinacioacute Antonio Manresa Sanchez
Departament Departament dEconomia
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Per millorar la productivitat es recomana que lrsquoestudiant vingui a classe havent fet la lectura del temacorresponent del manual de lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar i
integrar la informacioacute)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu fonamental de lrsquoassignatura eacutes que lrsquoestudiant conegui els principis bagravesics delrsquoeconomia tant en la seva vessant microeconogravemica com en la macroeconogravemica Tambeacute eacutesimportant que sigui capaccedil drsquoaplicar els coneixements teograverics a la realitat econogravemica mitjanccedilantexemples exercicis i problemes pragravectics Aixiacute mateix eacutes essencial que aprengui la terminologiaeconogravemica els instruments i models emprats per arribar a comprendre i analitzar el moacuten real atraveacutes de lrsquoanagravelisi econogravemica com a instrument bagravesic per assolir-ho
En concret es busca assolir les competegravencies seguumlents capacitat per interpretar dadeseconogravemiques i resoldre problemes econogravemics capacitat drsquoanagravelisi i siacutentesi capacitat drsquoorganitzacioacutei planificacioacute habilitat per analitzar i buscar informacioacute que proveacute de diferents fonts
Blocs temagravetics
1 Introduccioacute a lrsquoeconomia
11 Conceptes bagravesics
12 La frontera de possibilitats de produccioacute
2 Anagravelisi microeconogravemica
21 Activitat econogravemica
22 Produccioacute
23 Demanda
24 Mercat
25 Estructures de mercat
26 Fallades del mercat
3 Anagravelisi macroeconogravemica
31 Magnituds macroeconogravemiques
32 Renda consum estalvi inversioacute
33 Diner i mercats financers
34 Oferta i demanda agregades Inflacioacute
35 Desocupacioacute El mercat de treball
36 Intervencioacute puacuteblica
4 Economia internacional
41 Comerccedil internacional
42 Balanccedila de pagaments
43 Tipus de canvi
Metodologia i activitats formatives
El seguiment de lrsquoassignatura es fa mitjanccedilant
1 Assistegravencia a classe on srsquoexpliquen i es treballen els continguts meacutes complicats de la bibliografiabagravesica Setmanalment es planteja lrsquoanagravelisi de casos extrets de la premsa o drsquoinformes econogravemics sobreconceptes teories i models del contingut del programa
2 Autoaprenentatge Lrsquoestudiant desenvolupa activitats de manera autogravenoma per consolidar conceptesaixiacute com per resoldre exercicis plantejats pel professorat
3 Srsquoutilitza el Campus Virtual com a canal de comunicacioacute per tal de facilitar els materials o avisos quecorresponguin
4 Sessions pragravectiques amb el grup desdoblat en quegrave es duen a terme diferents tipus drsquoactivitatsactivitats drsquoavaluacioacute continuada resolucioacute drsquoexercicis presentacions tutories per grup discussioacute detextos relacionats amb el temari explicat a lrsquoaula pregraveviament proposats a lrsquoestudiant com a lecturaAquestes sessions consisteixen en un total de 5 hores per a cada subgrup durant el curs La planificacioacutedrsquoaquestes sessions es detalla en el programa de lrsquoassignatura
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Al llarg del curs es fan dues proves escrites drsquoavaluacioacute continuada la suma de les dues suposen el100 de la nota final La primera prova escrita es duu a terme un cop acabat el primer bloc temagravetic (ameitat del semestre) i la segona un cop acabat el segon bloc temagravetic (a final del semestre)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
La prova de lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen de tota la mategraveria
Avaluacioacute uacutenica
Qui opti per lrsquoavaluacioacute uacutenica ha de fer un uacutenic examen drsquoacord amb el programa amb preguntes deraonament teograveric i la resolucioacute de problemes La data de lrsquoexamen estagrave fixada pel Consell Docent(abans del periacuteode de matriculacioacute dels estudiants) La reavaluacioacute teacute les mateixes caracteriacutestiques quela prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MANKIW N Gregory Principios de Economia Madrid Paraninfo 2014
BERNANKE Ben et al Principios de Economia Madrid Mc Graw Hill 2007
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Probabilitat i Processos Estocagravestics
Codi de lassignatura 361218
Curs acadegravemic 2019-2020
Coordinacioacute Jose Maria Oller Sala
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Haver cursat les assignatures de 1r curs Introduccioacute a la Probabilitat Introduccioacute al Cagravelcul Agravelgebra Lineal
Altres recomanacions
Assistir a classe sempre
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacute operativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes reals adaptant els
models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els models multivariants bagravesics i les seves propietatsmdash Conegraveixer el concepte de la funcioacute generatriu de probabilitat i la generadora de momentsmdash Conegraveixer els diferents tipus de convergegravencies de successions de variables aleatograveries i els principalsresultats associats llei dels grans nombres i teorema del liacutemit centralmdash Conegraveixer el concepte de proceacutes estocagravestic i les seves propietats bagravesiquesmdash Conegraveixer els principals tipus de processos estocagravestics i identificar les situacions reals a les quals soacutenaplicables
Referits a habilitats destreses
mdash Calcular probabilitats a partir del model del vector aleatorimdash Calcular densitats marginals i funcions de vectors aleatorismdash Calcular matrius de covariagravencies i coeficients de correlacioacutemdash Calcular funcions generatrius de probabilitat i de moments mdash Comprovar quan una successioacute de variables aleatograveries convergeixmdash Determinar la matriu de transicioacute drsquouna cadena de Markov amb espai drsquoestats finit
Blocs temagravetics
1 Distribucions multivariants
11 Variables aleatograveries multivariants discretes i contiacutenues
12 Marginals i condicionades Independegravencia de variables aleatograveries
13 Matriu de variagravencies i covariagravencies Coeficient de correlacioacute
14 Lrsquoesperanccedila condicionada com a variable aleatograveria
15 Transformacions de variables aleatograveries multivariants
2 Distribucioacute normal multivariant
21 Normal bivariant
22 Normal multivariant
23 Prediccioacute en el cas de la normal bivariant
24 Distribucions relacionades amb la normal
3 Funcions generatrius
31 Segraveries de potegravencies
32 Funcioacute generatriu de probabilitat
33 Funcioacute generadora de moments
4 Convergegravencia de variables aleatograveries
41 Convergegravencia en distribucioacute
42 Teorema del liacutemit central
43 Altres tipus de convergegravencies de variables aleatograveries
44 Lleis dels grans nombres
45 Convergegravencies de sumes de variables aleatograveries i drsquoaltres transformacions
5 Processos estocagravestics
51 Cadenes de Markov
52 Passeigs aleatoris
53 Processos de ramificacioacute
54 Processos de Poisson
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials (a classe)
mdash Classes de teoria Dues sessions setmanals (dues hores + una hora) on es presenta el material delrsquoassignatura Srsquoemfasitzen les idees i els conceptes Es miren amb detall les demostracions que pel seu continguti desenvolupament resulten pedagogravegicament creatives i formatives
mdash Classes de problemes Sessions drsquouna hora setmanal (durant 10 setmanes) Els alumnes disposen al principide cada tema de la colmiddotleccioacute de problemes corresponent En finalitzar cada tema es deixen les solucions en elCampus Virtual El professorat indica amb antelacioacute quins soacuten els problemes que cal treballar per a la classeseguumlent Tambeacute comenta les diferents formes drsquoabordar-los i els resol a la pissarra En ocasions es deixa temps ala mateixa classe perquegrave els alumnes resolguin algun problema
mdash Pragravectiques drsquoordinador Sessions drsquouna hora setmanal (durant 5 setmanes) Es treballa amb el programa RTots els alumnes que puguin han de portar a classe els seus portagravetils i compartir-los amb els que no en tinguinEls alumnes disposen al principi de cada tema drsquoun guioacute de la pragravectica En finalitzar cada tema es deixa unapossible solucioacute en el Campus Virtual
A meacutes a meacutes es proposen setmanalment activitats (problemes per resoldre pragravectiques amb lrsquoordinador) que elsestudiants han de fer no presencialment i lliurar la setmana seguumlent Aquestes activitats srsquoavaluen
Es fa servir el Campus Virtual com a repositori del material del curs i tambeacute per concretar les activitatsproposades setmanalment Alguns dels lliuraments de feines es fan directament en el Campus Virtual
Srsquoespera que els alumnes assisteixin a classe sempre ja que una assistegravencia irregular no permet assolir lescompetegravencies que lrsquoassignatura es marca com a objectius
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als estudiants que assisteixen regularment a classe (que haurien de ser tots) Constade tres parts
1 Lliurament setmanal de problemes (LliuSetm)
2 Examen parcial en finalitzar el tema 1 (ExParcial)3 Examen final que coincideix amb la data de lrsquoavaluacioacute uacutenica (ExFinal)
Aquestes tres parts avaluen les competegravencies de lrsquoassignatura
Els exagravemens parcial i final tenen la mateixa estructura amb una part de preguntes de teoria i entre dos i quatreproblemes El pes de les preguntes de teoria eacutes entre un 20 i un 30 del total
La qualificacioacute global de lrsquoassignatura eacutesGlobal = 020 Max(LliuSetm ExFinal) + 025 Max(ExParcial ExFinal) + 055 ExFinalPer tant la nota dels lliuraments setmanals i del parcial es tenen en compte (amb pesos respectius del 20 idel 25 del global) nomeacutes si soacuten superiors a la nota de lrsquoexamen final
Els estudiants que no es presentin a lrsquoexamen final tenen un laquoNo presentatraquo com a qualificacioacute global delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica Qui vulguirenunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableixi ique es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica consta de dues parts teoria (amb un pes entre el 20 i el 30 ) i problemes (ambun pes entre el 70 i el 80 ) Els continguts drsquoaquestes proves soacuten semblants (en temagravetica i dificultat) als deles classes presencials Aquestes proves avaluen les competegravencies de lrsquoassignatura
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode de matriculacioacute delsestudiants)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CHUNG Kai Lai Elementary probability theory with stochastic processes and an introduction to mathematicalfinance New 4th ed York [etc] Springer 2003
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior Chung 1983)
DeGROOT Morris H et al Probability and statistics 2nd ed Reading (Mass) [etc] Addison-Wesley 2012
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior DeGroot 1988)
GRIMMETT Geoffrey et al Probability and random processes Oxford [etc] Oxford University Press 2001
GRIMMETT Geoffrey et al Probability An Introduction Oxford Clarendon Press1986
JULIAgrave DE FERRAN Olga et al Probabilitats problemes i meacutes problemes Barcelona Publicacions i Edicions de laUniversitat de Barcelona 2005
GUT Allan An Intermediate Course in Probability New York [etc] Springer 2009
PITMAN Jim Probability New York Springer 1993
SANZ Marta Probabilitats Barcelona Edicions Universitat de Barcelona 1999
GRINSTEAD Charles M et al Introduction to probability Providence (RI) American Mathematical Society 2006
(Accessible via webhttpwwwdartmouthedu~chanceteaching_aidsbooks_articlesprobability_bookbookhtml)
EVANS Michael John et al Probability and Statistics The Science of Uncertainty New York WH Freeman andCompany 2010
EVANS Michael John et al Probabilidad y estadiacutestica La ciencia de la incertidumbre Barcelona Reverte 2005(Trad de Probability and Statistics The science of uncertainty First Edition 2003)
PENtildeA Daniel Fundamentos de estadiacutestica Madrid Alianza 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute
Codi de lassignatura 361192
Curs acadegravemic 2019-2020
Coordinacioacute MARTA FAIREacuteN GONZALEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer i entendre les diferents estructures de dades en lrsquoentorn de programacioacute estadiacutesticaR i les seves diferegravenciesmdash Entendre la necessitat drsquoestructurar les dades en un algorisme i les diferents possibilitatsdepenent de les necessitats del problemamdash Entendre per quegrave de vegades cal usar una estructura de dades o una altra per resoldre unproblemamdash Conegraveixer les tegravecniques bagravesiques de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Referits a habilitats destreses
mdash Aplicar els coneixements sobre estructures de dades per resoldre problemes de mitjanaenvergaduramdash Aplicar els coneixements bagravesics de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Blocs temagravetics
1 Repagraves drsquoeines fonamentals de la programacioacute
11 Els vectors
12 Esquema de recorregut i esquema de cerca
13 Disseny descendent (accions i funcions)
2 Les matrius (taules)
21 Conceptes
22 Recorreguts i acceacutes
3 Combinacioacute de dades de diferent tipus (List)
31 Introduccioacute i conceptes generals
32 Construccioacute i operacions amb el tipus List
4 Estructures de dades meacutes complexes (Data Frames)
41 Introduccioacute i conceptes bagravesics
42 Construccioacute i operacions amb Data Frames
43 Combinacions drsquoestructures
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria i problemes en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com acontinguts de lrsquoassignatura i alhora resoldre i analitzar els problemes relacionats amb la teoriapresentada de manera intercalada
2 Classes de laboratori (pragravectiques drsquoordinador) que es duen a terme a les aules drsquoinformagravetica de laFacultat en quegrave lrsquoobjectiu eacutes lrsquoaplicacioacute pragravectica del que srsquoha vist a les classes de teoria i problemes enels ordinadors i especialment el desenvolupament de programes
El grup es desdobla en dos per a les classes de teoria tots els estudiants tenen el mateix horari i fan lesclasses dos professors En canvi el grup es desdobla en tres per a les classes de laboratori (pragravectiquesdrsquoordinador) tambeacute tots els estudiants fan el mateix horari i imparteixen les classes tres professors
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura es basa principalment en dos tipus drsquoactivitats
a) Dues proves escrites que no eliminen temari i que consisteixen en la resolucioacute per escrit drsquounconjunt drsquoexercicis o problemesmdash Una prova de seguiment que es duu a terme a la meitat del curs (NEPar) Aquesta prova es fa cap ala meitat del semestremdash Una prova final (NEFin) Es fa el mateix dia que la prova drsquoavaluacioacute uacutenica
b) Una prova pragravectica que es fa en els ordinadors (NPRAC) en lrsquouacuteltima classe de laboratori
El cagravelcul de la nota final es fa segons el procediment seguumlent
NCON = Magravex ((03 NEPar + 07 NEFin) NEFin)
NFINAL = 03 NPRAC + 07 NCON
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una uacutenica prova escrita que dona la nota final (NFINAL)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHO Alfred V et al Estructuras de datos y algoritmos Willmington Del Addison-WesleyIberoamericana 1988
MATLOFF Norman S The Art of R Programming A Tour of Statistical Software Design San Francisco NoStarch Press 2011
BRAUN John et al First Course in Statistical Programming with R Cambridge Cambridge University2007
Text electrogravenic
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute Lineal i Entera
Codi de lassignatura 361226
Curs acadegravemic 2019-2020
Coordinacioacute F JAVIER HEREDIA CERVERA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Classes de teoria i problemes) 375
- Pragravectiques dordinadors
(Laboratoris computacionals ambSASOR)
225
Treball tutelatdirigit
(Realitzacioacute i seguiment dels exercicis deteoria i laboratori proposats a classe)
38
Aprenentatge autogravenom 52
Recomanacions
Tenir els coneixements i habilitats bagravesiques drsquoanagravelisi agravelgebra lineal programacioacute investigacioacute operativa iSAS de les assignatures seguumlentsmdash Introduccioacute al Cagravelcul Agravelgebra Lineal Cagravelcul de Diverses Variables Megravetodes Numegravericsmdash Introduccioacute a la Informagravetica Programacioacute
mdash Software Estadiacutestic (SAS)mdash Introduccioacute a la Investigacioacute Operativa
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de presa de decisioacute meacutes importants de la investigacioacute operativa en diversoscamps drsquoaplicacioacute
Analitzar problemes de presa de decisioacute amb lrsquoobjectiu de formular i resoldre computacionalmentel model drsquooptimitzacioacute meacutes adient
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal i dels seusalgorismes de resolucioacute aixiacute com de les tegravecniques drsquoanagravelisi de sensibilitat
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal entera i dels seusalgorismes de resolucioacute
Referits a habilitats destreses
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal a problemesacadegravemics de dimensioacute reduiumlda
Resoldre problemes pragravectics mitjanccedilant lrsquoaplicacioacute de tegravecniques drsquoanagravelisi de sensibilitat a modelsde programacioacute lineal
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal entera aproblemes acadegravemics de dimensioacute reduiumlda
Resoldre problemes reals de presa de decisioacute mitjanccedilant lrsquouacutes drsquoalgun programari drsquooptimitzacioacute dereferegravencia corresponent als diferents algorismes drsquooptimitzacioacute estudiats al llarg del curs
Blocs temagravetics
1 Introduccioacute a la programacioacute lineal (PL)
11 Formulacioacute de problemes de programacioacute lineal
12 Representacioacute gragravefica i solucioacute de problemes de programacioacute lineal
13 Repagraves de conceptes drsquoagravelgebra lineal Complexitat algoriacutesmica
14 Implementacioacute i resolucioacute computacional de problemes de programacioacute lineal amb el
procediment OPTMODEL de SASOR (laboratori 1)
2 Teoria de programacioacute lineal i algorisme del siacutemplex
21 Geometria en programacioacute lineal poliedres i conjunts convexos punts extrems
vegravertexs i solucions bagravesiques degeneracioacute existegravencia i optimitat dels punts extrems
22 Lrsquoalgorisme del siacutemplex condicions drsquooptimitat desenvolupament de lrsquoalgorisme del
siacutemplex implementacions del megravetode del siacutemplex cagravelcul de solucions inicials factibles
eficiegravencia computacional de lrsquoalgorisme del siacutemplex
23 Estudi computacional de lrsquoalgorisme del siacutemplex procediment OPTLP de SASOR
(laboratori 2)
3 Dualitat en programacioacute lineal i anagravelisi de sensibilitat
31 Teoria de dualitat motivacioacute del problema dual teorema de dualitat i de folga
complementagraveria variables duals i costos marginals lrsquoalgorisme del siacutemplex dual
32 Anagravelisi de sensibilitat anagravelisi de sensibilitat local anagravelisi de sensibilitat global
programacioacute paramegravetrica
33 Anagravelisi de sensibilitat global amb SASOR programacioacute amb el procediment
OPTMODEL (laboratori 3)
4 Models de programacioacute lineal entera (PLE)
41 Definicioacute i formulacioacute de problema de PLE i PLE mixta
42 Formulacions vagravelides fortes i ideals de problemes de programacioacute entera
43 Implementacioacute de problemes PLE amb SASOR (PROC OPTMODEL) i enllaccedil amb bases
de dades SAS (laboratori 4)
5 Algorismes de programacioacute lineal entera
51 Introduccioacute repagraves de lrsquoalgorisme de ramificacioacute i poda (branch-and-bound)
classificacioacute dels megravetodes de programacioacute lineal entera
52 Algorismes de plans de tall algorisme genegraveric talls de Gomory algorisme de plans
de tall de Gomory
53 Algorismes de ramificacioacute i tall (branch-and-cut) algorisme genegraveric de ramificacioacute i
tall (branch-and-cut)
54 Resolucioacute eficient de les relaxacions lineals reoptimitzacioacute amb el siacutemplex dual
55 Implementacioacute i resolucioacute computacional de problemes PLE amb SASOR
procediment OPTMILP (laboratori 5)
Metodologia i activitats formatives
Classes de teoria sessions magistrals en quegrave amb lrsquoajut de les transparegravencies de classe esdesenvolupen els aspectes formals de lrsquoassignatura ilmiddotlustrats amb nombrosos exemples numegravericsdescrits tant a les transparegravencies com a la pissarra
Classes de problemes sessions participatives en quegrave amb lrsquoajut de la Colmiddotleccioacute drsquoExercicis de Teoriade lrsquoassignatura es vol facilitar la comprensioacute dels continguts de les classes de teoria Cada setmana esproposen uns exercicis de la colmiddotleccioacute que es resolen i discuteixen a la pissarra a la sessioacute seguumlentAlgunes drsquoaquestes sessions es destinen a la resolucioacute i discussioacute dels controls de teoria
Sessions de laboratori sessions participatives destinades a la formulacioacute matemagravetica laimplementacioacute computacional i lrsquoanagravelisi de les solucions dels problemes drsquooptimitzacioacute estudiats alrsquoassignatura amb el programari de modelitzacioacute i optimitzacioacute SASOR Cada setmana es proposen unsexercicis de la Colmiddotleccioacute drsquoExercicis de Laboratori de lrsquoassignatura que es resolen i discuteixen a lasessioacute seguumlent Per a les sessions de laboratori es desdobla el grup en dos grups de laboratori queimparteixen simultagraveniament dos professors
Avaluacioacute acreditativa dels aprenentatges
Activitats de lrsquoavaluacioacute continuada
bull Controls de teoria proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb les propietats dels models i algorismes drsquooptimitzacioacute NCT eacutes la mitjana aritmegravetica deles notes sobre 10 dels controls de teoria
bull Controls de laboratori proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb la formulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemesdrsquooptimitzacioacute NCL eacutes la mitjana aritmegravetica de les notes sobre 10 dels controls de laboratori
bull Prova drsquoavaluacioacute final de teoria i de laboratori prova per acreditar lrsquoadquisicioacute de les habilitats
teoricopragravectiques de lrsquoassignatura Consta de dos exagravemens diferents de teoria i laboratori ambnotes NAT i NAL respectivament
Nota drsquoavaluacioacute continuada srsquoobteacute aplicant lrsquoexpressioacute
NAC = 06min 10 FCTNAT + 04min 10 FCLNAL
on FCT i FCL soacuten factors entre 1 i 12 que srsquoobtenen a partir de les notes dels controls de teoriai laboratori respectivament segons les foacutermules
FCT = 1 + (2NCT10)10 i FCL = 1 + (2NCL10)10
Alliberament de mategraveria pel resultat dels controls Els alumnes amb NCT gt= 7 i cap nota decontrol de teoria lt 4 o NCL gt= 7 i cap nota de control de laboratori lt 4 queden alliberats delrsquoobligacioacute de fer la prova drsquoavaluacioacute final corresponent Si un alumne que pot alliberar mategraveria espresenta a la prova drsquoavaluacioacute final per tal de calcular la NAC es pren la millor nota entre els controls ila prova final eacutes a dir
max min 10 FCTNAT NCT i max min 10 FCLNAL NCL
Nota miacutenima per tal drsquoaprovar lrsquoavaluacioacute continuada cal que NAC gt= 5 i que NAT i NAL siguin gt=4
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica eacutes la mateixa prova drsquoavaluacioacute final de teoria i de laboratori de lrsquoavaluacioacutecontinuada Consta de les parts seguumlents
bull Prova drsquoavaluacioacute de teoria examen per avaluar els aprenentatges relacionats amb les propietatsdels models i algorismes drsquooptimitzacioacute Consta drsquoun test (sense apunts) i un conjunt drsquoexercicis teograverics(amb transparegravencies de classe)
bull Prova drsquoavaluacioacute de laboratori examen per avaluar els aprenentatges relacionats amb laformulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemes drsquooptimitzacioacute Constadrsquoun exercici pragravectic a lrsquoaula drsquoinformagravetica amb el programari usat durant el curs i les transparegravencies declasse
La nota drsquoavaluacioacute uacutenica srsquoobteacute aplicant lrsquoexpressioacute NAU = 06NAT + 04NAL on NAT i NAL soacutenrespectivament la nota sobre 10 de la prova drsquoavaluacioacute de teoria i de laboratori Per tal drsquoaprovarlrsquoavaluacioacute uacutenica cal que NAU gt= 5 i que NAT i NAL siguin gt= 4 La data de la prova drsquoavaluacioacuteuacutenica eacutes la fixada pel Consell Docent
La reavaluacioacute consisteix en una prova amb les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BERTSIMAS Dimitris et al Introduction to linear optimization Belmont (Mass) Athena Scientific1997
Text electrogravenic
HEREDIA FJavierTransparegravencies de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Transparegravencies de Laboratori de Programacioacute Lineal i Entera amb SASOR
HEREDIA F Javier Exercicis de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Exercicis de Laboratori de Programacioacute Lineal i Entera amb SASOR
PDF disponible mitjanccedilant el Campus Virtual
SASOR 93 Userrsquos Guide Mathematical Programming
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute No Lineal i Fluxos en Xarxes
Codi de lassignatura 361227
Curs acadegravemic 2019-2020
Coordinacioacute Julia De Frutos Cachorro
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Coneixements i habilitats bagravesiques de les assignatures seguumlents Cagravelcul de Diverses Variables AgravelgebraLineal i Programacioacute Lineal i Entera
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura es basa en lrsquoestudi i resolucioacute de problemes de decisioacute mitjanccedilant tegravecniques quepermeten la identificacioacute i avaluacioacute sistemagravetica de totes les opcions de decisioacute del problema Ameacutes sempre que la naturalesa del problema que srsquoha de resoldre ho permeti eacutes convenientformular aquests problemes en termes matemagravetics
En la modelitzacioacute de problemes mitjanccedilant la programacioacute no lineal (PNL) srsquoafegeix una visioacutemeacutes propera de la realitat estudiada Lrsquoobjectiu del curs en relacioacute amb la PNL eacutes poderdeterminar la decisioacute ograveptima drsquoun problema a meacutes en el cas que el problema estigui subjecte arestriccions eacutes convenient saber si el problema teacute o no teacute solucioacute i en cas de tenir-ne quina eacutesla seva localitzacioacute i naturalesa Respecte a la temagravetica dels fluxos en xarxes com que gran part dels problemes es podenresoldre per programacioacute lineal lrsquoobjectiu del curs eacutes exposar tant les nocions elementals de lateoria com reconegraveixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismesespeciacutefics per resoldrersquols
Referits a habilitats destreses
Respecte a la programacioacute no lineal (PNL) es preteacuten que lrsquoestudiant sigui capaccedil demdash Formalitzar situacions simples mitjanccedilant problemes de programacioacute no linealmdash Aplicar els conceptes de la programacioacute no lineal per trobar resultats i deduir-ne la naturalesamdash Interpretar els resultats obtinguts en el context del modelmdash Analitzar models de lrsquoeconomia des del punt de vista de la PNLmdash Aplicar la PNL a problemes drsquooptimitzacioacute en estadiacutesticamdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiades i lrsquouacutes de programesinformagravetics com ara SAS i Excel
Respecte als fluxos en xarxes es preteacuten que lrsquoestudiant sigui capaccedil demdash Formular els problemes mitjanccedilant programes linealsmdash Distingir les particularitats dels diferents tipus de xarxesmdash Formalitzar situacions simples com a fluxos en xarxes identificant els elements i elsprocediments de resolucioacutemdash Aplicar diferents tipus drsquoalgorismes en un mateix model de xarxa i comparar-ne els resultatsmdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiadesmdash Interpretar els resultats i desenvolupar una capacitat criacuteticamdash Definir i resoldre problemes de fluxos en xarxes mitjanccedilant lrsquouacutes de programes informagravetics comara SAS i Excel
Blocs temagravetics
1 Programacioacute no lineal
11 Introduccioacute a la programacioacute no lineal conceptes preliminars i definicions
12 Resolucioacute de problemes de programacioacute no lineal sense restriccions
13 Megravetodes de programacioacute no lineal basats en lrsquoaproximacioacute
14 Programacioacute no lineal amb restriccions megravetode de multiplicadors de Lagrange i
condicions de Kuhn-Tucker
15 Algorismes de resolucioacute de problemes no lineals restringits
16 Aplicacions
2 Fluxos en xarxes
21 Models de xarxes definicions bagravesiques i exemples
22 Problema de la trajectograveria meacutes curta
23 Problema de flux magravexim
24 Problema de flux amb cost miacutenim en una xarxa
25 Altres aplicacions
Metodologia i activitats formatives
La metodologia amb la qual es volen assolir els objectius de lrsquoassignatura consisteix drsquouna banda enclasses magistrals de caragravecter teoricopragravectic i de lrsquoaltra en activitats pragravectiques a lrsquoordinador Respectede les classes es preteacuten que lrsquoanagravelisi de diferents exemples condueixi a la necessitat de definirconceptes bagravesics i que despreacutes aquests conceptes i procediments srsquoapliquin a exemples meacutes complexosprovinents de la realitat econogravemica Per aixograve les activitats pragravectiques que es proposen tenen un paperimportant en lrsquoassoliment drsquoaquests objectius
Avaluacioacute acreditativa dels aprenentatges
Com a norma general lrsquoavaluacioacute ha de ser continuada En cas que lrsquoestudiant manifesti que no potcomplir els requisits drsquouna avaluacioacute continuada teacute dret a una avaluacioacute uacutenica Aquesta decisioacute ha deconstar per escrit amb una cogravepia per a lrsquoestudiant i una altra per al professor abans de la data quesrsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en dues proves escrites presencials al final de cada bloc temagravetic i dediferents pragravectiques a lrsquoordinador al llarg del curs El calendari de les proves escrites es fa puacuteblic en elCampus Virtual a lrsquoinici de cada curs
La nota de curs (o nota drsquoavaluacioacute continuada) segueix la foacutermula seguumlent
Nota de curs = Nota de proves escrites 07 + Nota de pragravectiques 03
On Nota de proves escrites = (Nota prova 1 + Nota prova 2) 2
Per poder superar el curs mitjanccedilant lrsquoavaluacioacute continuada srsquoexigeix que la nota del curs sigui igual osuperior a 5 (sobre 10) i que a cadascuna de les proves escrites descrites anteriorment srsquoobtingui coma miacutenim un 35 (sobre 10)
Tots els estudiants que no hagin superat lrsquoassignatura amb lrsquoavaluacioacute continuada tenen dret a unaprova de reavaluacioacute La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova de preguntes teograveriques i pragravectiques i que teacute lloc en la dataoficial drsquoexagravemens Per poder superar el curs srsquoexigeix que la nota drsquoaquesta prova sigui igual o superiora 5 (sobre 10)
ReavaluacioacuteTots els estudiants que no hagin superat lrsquoassignatura ja sigui mitjanccedilant avaluacioacute continuada oavaluacioacute uacutenica tenen dret a una prova de reavaluacioacute La prova de reavaluacioacute teacute les mateixescaracteriacutestiques que la prova drsquoavaluacioacute uacutenica descrita anteriorment i teacute lloc en la data oficialdrsquoexagravemens de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHUJA Ravindra K et al Network Flows Theory algorithms and applications Upper Saddle River (NJ)Prentice Hall 1993
WINSTON Wayne L Investigacioacuten de operaciones Aplicaciones y algoritmos Meacutexico Thomson 2005
MARTIacuteN Quintiacuten et al Investigacioacuten Operativa Problemas y ejercicios resueltos Madrid [etc] PearsonEducacioacuten 2005
TAHA Hamdy A Investigacioacuten de operaciones 9a ed Meacutexico [etc] Pearson Educacioacuten 2012
BALBAacuteS Alejandro et al Programacioacuten Matemaacutetica 2a ed Madrid AC 1990
PEacuteREZ Joaquiacuten et al Teoria de juegos Madrid [etc] Prentice Hall 2004
IZQUIERDO Josep Maria et al Jocs cooperatius i aplicacions econogravemiques Barcelona Edicions de laUniversitat de Barcelona 1999
BAZARAA Mokhtar S et al Linear programming and network flows Hoboken NJ John Wiley amp Sons2010
OSBORNE Martin J An introduction to Game Theory New York [etc] Oxford University Press 2004
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Software Estadiacutestic
Codi de lassignatura 361214
Curs acadegravemic 2019-2020
Coordinacioacute KLAUS LANGOHR
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques dordinadors 45
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Es recomana haver cursat les assignatures de primer curs
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
-
Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a habilitats destreses
Desenvolupar aplicacions estadiacutestiques estructurades i eficients amb lrsquouacutes de programari(software) estadiacutestic de referegravencia desplegant les competegravencies adquirides a les assignatures deprogramacioacute
Aplicar models i tegravecniques estudiats en altres assignatures drsquoestadiacutestica i investigacioacute operativaamb lrsquouacutes de programari estadiacutestic de referegravencia tant comercial com de lliure distribucioacute
Distingir els avantatges i inconvenients dels principals paquets de programari estadiacutestic
Blocs temagravetics
1 El llenguatge de programacioacute R
11 Creacioacute i manipulacioacute drsquoobjectes bagravesics de R vectors matrius i data frames
12 Importacioacute de dades a R i exportacioacute de resultats
13 Estadiacutestica descriptiva i procediments gragravefics bagravesics
14 Programacioacute bagravesica i creacioacute de funcions progravepies
2 El llenguatge SAS
21 Edicioacute depuracioacute i combinacioacute de dades Transformacioacute de variables
22 Principals mograveduls drsquoanagravelisi de dades
Metodologia i activitats formatives
Sessions en aules amb ordinadors mdash sessions expositives del professorat seguides drsquoun exemple o pragravectica guiadamdash sessions de pragravectica drsquoun cas proposatmdash sessions de plantejament de casos per resoldre de forma autogravenoma
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada de lrsquoassignatura es basa en la mitjana de les notes de cadascun dels dosllenguatges treballats (amb un miacutenim de 4 sobre 10 en cadascun) Cadascuna de les dues notes es basaen un parell drsquoexagravemens (70 ) i un treball pragravectic (30 ) El treball tant amb R com amb SASconsisteix a buscar un conjunt de dades analitzar-lo amb les eines apreses a classe i en un apartat deprogramacioacute drsquouna funcioacute Es valora positivament el fet de buscar un conjunt de dades original i lacreativitat en la programacioacute de la funcioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica de lrsquoassignatura consisteix en un examen final (70 ) i en el lliurament dels treballspragravectics amb R i SAS (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BRAUN John MURDOCH Duncan A First course in statistical programming with R CambridgeCambridge University 2007
CRAWLEY Michael J Statistics an introduction using R Chichester Wiley amp Sons cop 2005
DALGAARD Peter Introductory statistics with R New York Springer cop 2002
MURRELL Paul R Graphics Boca Raton (Fla) Chapman amp HallCRC 2006
MUENCHEN Robert A R for SAS and SPSS Users New York Springer 2011
DELWICHE Lora D The Little SAS book a primer Cary (NC) SAS Institute 1995
EVERITT BS et al A Handbook of statistical analyses using SAS Boca Raton (Fla) Chapman ampHallCRC 2009
HATCHER Larry Step-by-step basic statistics using SAS student guide Cary (NC) SAS Institute 2003
PEacuteREZ Ceacutesar El Sistema estadiacutestico SAS Madrid Pearson Educacioacuten 2001
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Teoria de Cues i Simulacioacute
Codi de lassignatura 361228
Curs acadegravemic 2019-2020
Coordinacioacute ESTEVE CODINA SANCHO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Meacutes informacioacute
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 75
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs enmdash Cagravelcul de probabilitats variables aleatograveries distribucions de frequumlegravencies i estadiacutestics (mitjanavariagravencia etc)mdash Cagravelcul i anagravelisi realmdash Programacioacute
Es recomana haver cursat les assignatures
mdash Estadiacutestica Descriptivamdash Introduccioacute a la Informagraveticamdash Introduccioacute a la Probabilitatmdash Introduccioacute al Cagravelculmdash Programacioacutemdash Probabilitat i Processos Estocagravesticsmdash Introduccioacute a la Investigacioacute Operativamdash Inferegravencia Estadiacutestica
Altres recomanacions
Per tal drsquoafavorir que lrsquoalumnat assoleixi els objectius drsquoaquesta mategraveria es recomana
mdash Assistir regularment a classe per facilitar la implicacioacute personal en lrsquoaprenentatge i laparticipacioacute en les activitats en grup
mdash Exercitar hagravebits de disciplina continuada i sistemagravetica en el propi treball intelmiddotlectual i lrsquoaplicacioacutemdasho aprenentatge si escaumdash drsquoestrategravegies de treball autogravenom i de recursos drsquoavaluacioacute formativaproposats pel professorat
mdash Utilitzar de manera continuada els recursos de la mategraveria
mdash Seguir les activitats pragravectiques com a mitjagrave drsquoaprofundiment en el domini dels procediments ide les habilitats bagravesiques de lrsquoassignatura i de la seva didagravectica i tambeacute com a sistema peraprofundir en els coneixements teograverics de la mategraveria
mdash Fer com a miacutenim una visita per semestre al professorat de la mategraveria
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de temps de vida residual i aplicar-lo a lrsquoentorn dels sistemes drsquoespera
mdash Conegraveixer i estar en disposicioacute drsquoidentificar els diferents components drsquoun sistema drsquoespera i lesseves interrelacions
mdash Conegraveixer les principals magnituds fonamentals que intervenen en un sistema de cues i comaquestes reflecteixen el funcionament drsquoaquest sistema aixiacute com les interrelacions entreaquestes magnituds
mdash Conegraveixer i aplicar les propietats dels models drsquoespera exponencials
mdash Identificar les distribucions de probabilitat subjacents en els diferents processos queintervenen en un sistema drsquoespera
mdash Conegraveixer els megravetodes vistos a lrsquoassignatura per generacioacute de nombres aleatoris
mdash Conegraveixer el paper de la simulacioacute com a eina metodologravegica per avaluar models de cues isistemes drsquoinventari
Referits a habilitats destreses
mdash Calcular lrsquoesperanccedila del temps de vida residual i condicional
mdash Identificar el model de cues adequat i de les distribucions de probabilitat per arribades iserveis
mdash Calcular i fer estimacions de les magnituds fonamentals dels sistemes drsquoespera
mdash Identificar la influegravencia en el rendiment dels sistemes drsquoespera de diferents tipus de canvis enla seva configuracioacute
mdash Desenvolupar models de simulacioacute de sistemes de cues i inventaris
mdash Saber emprar el megravetode de mitjanes per lots a partir de resultats drsquouna simulacioacute
Blocs temagravetics
1 Introduccioacute als processos de renovacioacute
Propietats importants dels processos estocagravestics de renovacioacute que intervenen en la teoriade cues
11 Definicioacute
12 La propietat drsquoabsegravencia de memograveria
2 Cues exponencials
Principals models derivats dels processos de naixement i mort
21 Conceptes bagravesics sistemes drsquoespera
22 Estimacioacute dels paragravemetres en models de cues
23 Models exponencials de cues
3 Cues no exponencials
En moltes situacions reals les hipogravetesis progravepies de les cues MM no es verifiquen En algunscasos eacutes possible emprar megravetodes analiacutetics o fer aproximacions En aquest bloc es presentenles meacutes comunes
31 Introduccioacute als models no exponencials
4 Simulacioacute
Per a alguns sistemes com ara cues meacutes complexes o sistemes drsquoinventari els modelsanaliacutetics esdevenen molt complexos Una forma alternativa drsquoobtenir solucions dels anteriorssistemes eacutes mitjanccedilant models de simulacioacute En aquest bloc srsquoexaminen les metodologies meacutesrellevants per construir i explotar models de simulacioacute
41 Conceptes bagravesics
42 Megravetodes de Montecarlo
43 Metodologia de la simulacioacute
44 Processos de mostreig en simulacioacute
Metodologia i activitats formatives
La metodologia drsquoensenyament inclou quatre tipus de sessions sessions de teoria sessions deproblemes io exercicis sessions de laboratori i sessions de seguiment del treball de curs
mdash Les sessions de teoria consisteixen en lrsquoexposicioacute dels continguts de lrsquoassignatura generalment amblrsquoajut drsquoun conjunt de transparegravencies que srsquoalternen amb la pissarra en la qual srsquoestenen i tambeacute esdesenvolupen exemples adequats
mdash Les sessions de problemes consisteixen en la resolucioacute ja sigui per part del professor o solmiddotlicitant lacooperacioacute dels estudiants drsquoun conjunt drsquoexercicis cadascun de certa extensioacute i amb enunciatsrecopilats en una colmiddotleccioacute de la qual nomeacutes es disposa de les solucions finals dels exercicis
mdash Les sessions de laboratori consisteixen en la utilitzacioacute de recursos de programari per tal de resoldreaspectes pragravectics com ara lrsquoestimacioacute dels paragravemetres dels models de cues estudiats a classe de teorialrsquoevolucioacute de les longituds de cua la generacioacute i anagravelisi de mostres de nuacutemeros pseudoaleatoris lrsquoanagraveliside mostres de resultats de simulacioacute
mdash En les sessions de seguiment del treball de curs srsquoexposa el contingut dels lliuraments parcials quehan drsquoefectuar-se drsquoaquest treball i es responen les quumlestions particulars de cada treball
mdash Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Elprofessorat assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Aquesta eacutes lrsquoavaluacioacute habitual La comprensioacute de lrsquoassignatura i de les habilitats que es desenvolupenpoden ser avaluades de manera continuada mitjanccedilant dos exagravemens parcials i un de final Cada examenparcial avalua dos blocs de teoria i el seu pes en la nota de teoria eacutes del 50 Els exagravemens parcialstenen caragravecter alliberador dels blocs corresponents sempre que la nota obtinguda sigui superior o iguala 35 (sobre 10) aleshores no cal presentar-se a lrsquoexamen final dels blocs alliberats pels parcials Elprimer examen parcial es fa a meitat del semestre i el segon examen parcial al final de les classesIgualment formen part de lrsquoavaluacioacute continuada les pragravectiques de laboratori lliurades i avaluadesdurant el curs
Lrsquoassignatura inclou el desenvolupament drsquoun treball amb un lliurament parcial al llarg del periacuteodedocent Aquest lliurament parcial passa a formar part de lrsquoavaluacioacute continuada i val el 30 del total dela nota corresponent al treball Aquest treball de curs srsquoha de lliurar en la data marcada per a lrsquoexamenfinal
La nota de lrsquoassignatura es compon drsquoun 60 de la part teograverica un 20 dels exercicis de laboratori iun 20 del treball de curs
Tots els estudiants que no hagin superat lrsquoassignatura tenen dret a una prova de reavaluacioacute durant elmes de juliol amb les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica La reavaluacioacute permet obtenir laqualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que hagin optat perlrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient Srsquoopta llavors per fer unexamen final que decideix el 100 de la nota
Els diferents megravetodes drsquoavaluacioacute (uacutenica i continuada) inclouen lrsquoavaluacioacute de les competegravenciesassociades a lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALLEN Arnold O Probability Statistics and Queueing Theory Boston Academic Press 1990
Font associada al bloc 3
BRATLEY Paul et al A Guide to Simulation New York [etc] Springer 1987
Font associada al bloc 4
HILLIER FS et al Introduction to Operations Research Oakland CA Holden day Inc 1986
Font associada al bloc 2
LAW Averill M et al Simulation modeling and analysis New York [etc] McGraw-Hill 1991
Font associada al bloc 4
TRIVEDI Kishor Shridharbhai et al Probability and Statistics with Reliability Queueing and ComputerScience Applications New York [etc] John Wiley amp Sons 2002
Font associada al bloc 1Pagravegina web
httpwww-eioupcesteachingTCiS
Repositori de material docent Exagravemens material de pragravectiques exercicistransparegravencies de classe i apunts
Text electrogravenic
CODINA E MONTERO L Teoria de Cues Apunts
Font associada als blocs 2 i 3
CODINA E MONTERO L Introduccioacute a la Simulacioacute i a la generacioacute de Nordms aleatoris
Font associada al bloc 4
CODINA E Teoria de Cues Transparegravencies de classe
Font associada als blocs 2 i 3
Revisat pels Serveis Linguumliacutestics de la UB
Grado en Estadiacutestica (interuniversitarioUB-UPC)
Con el grado en Estadiacutestica (acreditado con excelencia por AQU Catalunya) coordinado por la Universitat de Barcelona (UB)y con la participacioacuten de la UPC cursaraacutes materias vinculadas a la estadiacutestica la probabilidad la investigacioacuten operativa lainformaacutetica o la economiacutea que te permitiraacuten disentildear meacutetodos para recoger datos y transformarlos en informacioacuten uacutetil para latoma de decisiones en empresas organizaciones e instituciones dirigir procesos de control y mejora de la calidad y elaborarestudios de opinioacuten puacuteblica informes estadiacutesticos estudios epidemioloacutegicos y ensayos cliacutenicos en el aacutembito de la sanidad Estosestudios se imparten conjuntamente con la Universidad de Barcelona (UB) y esto enriquece la formacioacuten gracias a la unioacuten dela experiencia del profesorado de las dos universidades en los aacutembitos de la ingenieriacutea y la tecnologiacutea la economiacutea las cienciassociales y las ciencias de la salud
El grado se imparte en la Facultad de Matemaacuteticas y Estadiacutestica (FME)
DATOS GENERALES
Duracioacuten4 antildeos
Carga lectiva240 creacuteditos ECTS (incluido el trabajo de fin de grado) Un creacutedito equivale a 25-30 horas de trabajo
Tipos de docenciaPresencial
Nota de corte del curso 2019-20209512
Horariosturnos1ordm y 2ordm (mantildeana) y 3ordm y 4ordm (tarde)
Precios y becasPrecio aproximado por curso 2326 euro (3489 euro para no residentes en la UE) Consulta el porcentaje de minoracioacuten enfuncioacuten de la renta (becas y modalidades de pago)
Tiacutetulo oficialInscrito en el registro del Ministerio de Educacioacuten Cultura y Deporte
ACCESO
Plazas nuevo ingreso50
Nota de corte del curso 2019-20209512 Notas de corte
Ponderaciones PAUTabla de ponderaciones de las materias para la fase especiacutefica
Coacutemo accederTodas las viacuteas de acceso preinscripcioacuten y matriacutecula
Convalidaciones de CFGSConvalidaciones de CFGS
Legalizacioacuten de documentosLos documentos expedidos por estados no miembros de la Unioacuten Europea ni firmantes del Acuerdo sobre el espacio
econoacutemico europeo tienen que estar legalizados por viacutea diplomaacutetica o con correspondiente apostilla
SALIDAS PROFESIONALES
Salidas profesionalesSalud y ciencias naturales servicios de sanidad medicina salud puacuteblica industria farmaceacuteutica ensayos cliacutenicos
sanidad animal medio ambiente ciencias de la vida bioinformaacutetica y agriculturaData Science
Economiacutea y Finanzas ciencias actuariales seguros banca evaluacioacuten de riesgos y concesioacuten de creacuteditos bolsa
gestioacuten de carteras de valores anaacutelisis financiero investigacioacuten de mercados anaacutelisis de la competencia o poliacuteticasde preciosAdministraciones puacuteblicas actividades en institutos oficiales de estadiacutestica proyecciones demograacuteficas tendencias
sociales mercado de trabajo asignacioacuten oacuteptima de recursos etcIndustria y servicios (incluyendo la informaacutetica) disentildeo de experimentos control de calidad mejora de procesos y
productos logiacutestica gestioacuten de inventarios planificacioacuten de la produccioacuten y gestioacuten oacuteptima de recursos y sistemasenergeacuteticosDocencia e investigacioacuten
ORGANIZACIOacuteN
Organizacioacuten del estudio
La duracioacuten de los estudios es de cuatro antildeos organizados en ocho cuatrimestres todas las asignaturas del plan deestudios son de 6 ECTS excepto el trabajo de fin de grado que es de 18 ECTS
Calendario acadeacutemicoCalendario acadeacutemico de los estudios universitarios de la UPC
Normativas acadeacutemicasNormativa acadeacutemica de los estudios de grado de la UPC
Acreditacioacuten y reconocimiento de idiomasLos estudiantes de grado deben acreditar la competencia en una tercera lengua para obtener el tiacutetulo de gradoCertifica tu nivel de idiomas
Facultad de Matemaacuteticas y Estadiacutestica (FME)
PLAN DE ESTUDIOS
Asignaturas creacuteditosECTS
Tipo
PRIMER CURSO
Aacutelgebra Lineal 6 Obligatoria
Estadiacutestica Descriptiva 6 Obligatoria
Fundamentos de Administracioacuten de Empresas 6 Obligatoria
Introduccioacuten a la Inferencia Estadiacutestica 6 Obligatoria
Introduccioacuten a la Informaacutetica 6 Obligatoria
Introduccioacuten a la Investigacioacuten Operativa 6 Obligatoria
Asignaturas creacuteditosECTS
Tipo
Introduccioacuten a la Probabilidad 6 Obligatoria
Introduccioacuten al Caacutelculo 6 Obligatoria
Principios de Economiacutea 6 Obligatoria
Programacioacuten 6 Obligatoria
SEGUNDO CURSO
Caacutelculo de Diversas Variables 6 Obligatoria
Disentildeo de Encuestas 6 Obligatoria
Estadiacutestica para la Gestioacuten de la Calidad 6 Obligatoria
Estadiacutestica Puacuteblica 6 Obligatoria
Inferencia Estadiacutestica 6 Obligatoria
Meacutetodos de Muestreo 6 Obligatoria
Meacutetodos Numeacutericos 6 Obligatoria
Probabilidad y Procesos Estocaacutesticos 6 Obligatoria
Programacioacuten Lineal y Entera 6 Obligatoria
Software Estadiacutestico 6 Obligatoria
TERCER CURSO
Anaacutelisis Multivariante 6 Obligatoria
Disentildeo de Experimentos 6 Obligatoria
Econometriacutea 6 Obligatoria
Estadiacutestica para la Biociencia 6 Obligatoria
Ficheros y Bases de Datos 6 Obligatoria
Meacutetodos Bayesianos 6 Obligatoria
Meacutetodos No Parameacutetricos y de Remuestreo 6 Obligatoria
Modelos Lineales 6 Obligatoria
Programacioacuten No Lineal y Flujos en Redes 6 Obligatoria
Teoriacutea de Colas y Simulacioacuten 6 Obligatoria
CUARTO CURSO
Anaacutelisis de Series Temporales 6 Obligatoria
Anaacutelisis de Supervivencia 6 Optativa
Demografiacutea 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Meacutedica 6 Optativa
Estadiacutestica para la Mejora de la Calidad 6 Optativa
Meacutetodos Estadiacutesticos en Mineriacutea de Datos 6 Optativa
Meacutetodos Estadiacutesticos para el Maacuterqueting 6 Optativa
Meacutetodos Estadiacutesticos para Finanzas y Seguros 6 Optativa
Modelos Lineales Generalizados 6 Obligatoria
Optimizacioacuten en Ingenieriacutea 6 Optativa
Asignaturas creacuteditosECTS
Tipo
Optimizacioacuten Financiera 6 Optativa
Praacutecticas Empresariales I 6 Optativa
Praacutecticas Empresariales II 6 Optativa
Trabajo de Fin de Grado 18 Proyecto
Septiembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Bachelors degree in Statistics(interuniversity UB-UPC degree)
The bachelorrsquos degree in Statistics coordinated by the Universitat de Barcelona (UB) and with the UPC as a participant willprovide you with the training you need in statistics probability operations research computer science and economics Thecourse will give you the necessary grounding to design methods for collecting and transforming data into valuabledecision-making input for companies organisations and institutions to manage quality control and improvement processesand to produce public opinion studies statistical reports epidemiological studies and clinical trials in the field of health careThe course is offered jointly with the University of Barcelona (UB) so students reap the rewards of a richer learning experiencebenefiting from the combined expertise of UPC and UB teaching staff in engineering and technology economics and social andhealth sciences
This bachelors degree is taught at School of Mathematics and Statistics (FME)
GENERAL DETAILS
Duration4 years
Study load240 ECTS credits (including the bachelors thesis) One credit is equivalent to a study load of 25-30 hours
DeliveryFace-to-face
Fees and grantsApproximate fees per academic year euro2326 (euro3489 for non-EU residents) Consult the public fees system based onincome (grants and payment options)
Official degreeRecorded in the Ministry of Educations degree register
ADMISSION
Places50
Registration and enrolmentWhat are the requirements to enrol in a bachelors degree course
Legalisation of foreign documentsAll documents issued in non-EU countries must be legalised and bear the corresponding apostille
PROFESSIONAL OPPORTUNITIES
Professional opportunitiesHealth and natural sciences health services medicine public health pharmaceutical industry clinical trials animal
health environment life sciences bioinformatics and agricultureData Science
Economics and finance actuarial science insurance banking risk assessment and lending stock markets
management of securities portfolios financial analysis market research competitor analysis and pricing policyPublic administration activities at official statistics institutes demographic projections studies of social trends and
the labour market optimal allocation of resources etcIndustry and services (including informatics) experimental design quality control improvement of processes and
products logistics inventory management production planning and optimal management of resources and energysystemsTeaching and research
ORGANISATION
Academic calendarGeneral academic calendar for bachelorrsquos masterrsquos and doctoral degrees courses
Academic regulationsAcademic regulations for bachelorrsquos degree courses at the UPC
Language certification and credit recognitionQueries about language courses and certification
School of Mathematics and Statistics (FME)
CURRICULUM
Subjects ECTScredits
Type
FIRST COURSE
Descriptive Statistics 6 Compulsory
Fundamentals of Business Administration 6 Compulsory
Introduction to Calculus 6 Compulsory
Introduction to Informatics 6 Compulsory
Introduction to Operations Research 6 Compulsory
Introduction to Probability 6 Compulsory
Introduction to Statistical Inference 6 Compulsory
Linear Algebra 6 Compulsory
Principles of Economics 6 Compulsory
Programming 6 Compulsory
SECOND COURSE
Integer and Linear Programming 6 Compulsory
Multivariable Calculus 6 Compulsory
Numerical Methods 6 Compulsory
Official Statistics 6 Compulsory
Probability and Stochastic Processes 6 Compulsory
Sampling Methods 6 Compulsory
Statistical Inference 6 Compulsory
Statistical Software 6 Compulsory
Statistics for Quality Management 6 Compulsory
Subjects ECTScredits
Type
Survey Design 6 Compulsory
THIRD COURSE
Bayesian Methods 6 Compulsory
Econometrics 6 Compulsory
Experimental Design 6 Compulsory
Files and Databases 6 Compulsory
Linear Models 6 Compulsory
Multivariate Analysis 6 Compulsory
Non-Linear Programming and Network Flows 6 Compulsory
Non-Parametric and Resampling Methods 6 Compulsory
Queueing Theory and Simulation 6 Compulsory
Statistics for Biosciences 6 Compulsory
FOURTH COURSE
Demography 6 Optional
Engineering Optimisation 6 Optional
Financial Optimisation 6 Optional
Generalised Linear Models 6 Compulsory
Industrial Statistics 6 Optional
Medical Statistics 6 Optional
Practicum I 6 Optional
Practicum II 6 Optional
Statistical Methods for Data Mining 6 Optional
Statistical Methods for Finance and Insurance 6 Optional
Statistical Methods for Marketing 6 Optional
Statistics for Quality Improvement 6 Optional
Survival Analysis 6 Optional
Time Series Analysis 6 Compulsory
Bachelors Thesis 18 Project
September 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
europeu han destar legalitzats per via diplomagravetica o amb la postilmiddotla corresponent
SORTIDES PROFESSIONALS
Sortides professionalsSalut i ciegravencies naturals serveis de sanitat medicina salut puacuteblica induacutestria farmacegraveutica assaigs cliacutenics sanitat
animal medi ambient ciegravencies de la vida bioinformagravetica i agriculturaData Science
Economia i finances ciegravencies actuarials assegurances banca avaluacioacute de riscos i concessioacute de cregravedits borsa
gestioacute de carteres de valors anagravelisi financera investigacioacute de mercats anagravelisi de la competegravencia o poliacutetiques depreusAdministracions puacutebliques activitats en instituts oficials destadiacutestica projeccions demogragravefiques tendegravencies socials
mercat de treball assignacioacute ograveptima de recursos etcInduacutestria i serveis (incloent-hi la informagravetica) disseny dexperiments control de qualitat millora de processos i
productes logiacutestica gestioacute dinventaris planificacioacute de la produccioacute i gestioacute ograveptima de recursosDocegravencia i recerca
ORGANITZACIOacute
Organitzacioacute dels estudis
Els estudis tenen una durada de quatre anys organitzats en vuit quadrimestres Totes les assignatures del pladestudis soacuten de 6 ECTS llevat del treball de fi de grau que en teacute 18
Calendari acadegravemicCalendari acadegravemic dels estudis universitaris de la UPC
Normatives acadegravemiquesNormativa acadegravemica dels estudis de grau de la UPC
Acreditacioacute i reconeixement didiomesEls estudiants de grau han dacreditar la competegravencia en una tercera llengua per obtenir el tiacutetol de grau Certifica el teunivell drsquoidiomes
Facultat de Matemagravetiques i Estadiacutestica (FME)
PLA DESTUDIS
Assignatures cregraveditsECTS
Tipus
PRIMER CURS
Agravelgebra Lineal 6 Obligatograveria
Estadiacutestica Descriptiva 6 Obligatograveria
Fonaments dAdministracioacute dEmpreses 6 Obligatograveria
Introduccioacute a la Inferegravencia Estadiacutestica 6 Obligatograveria
Introduccioacute a la Informagravetica 6 Obligatograveria
Introduccioacute a la Investigacioacute Operativa 6 Obligatograveria
Introduccioacute a la Probabilitat 6 Obligatograveria
Assignatures cregraveditsECTS
Tipus
Introduccioacute al Cagravelcul 6 Obligatograveria
Principis dEconomia 6 Obligatograveria
Programacioacute 6 Obligatograveria
SEGON CURS
Cagravelcul de Diverses Variables 6 Obligatograveria
Disseny dEnquestes 6 Obligatograveria
Estadiacutestica per a la Gestioacute de la Qualitat 6 Obligatograveria
Estadiacutestica Puacuteblica 6 Obligatograveria
Inferegravencia Estadiacutestica 6 Obligatograveria
Megravetodes de Mostratge 6 Obligatograveria
Megravetodes Numegraverics 6 Obligatograveria
Probabilitat i Processos Estocagravestics 6 Obligatograveria
Programacioacute Lineal i Entera 6 Obligatograveria
Software Estadiacutestic 6 Obligatograveria
TERCER CURS
Anagravelisi Multivariant 6 Obligatograveria
Disseny dExperiments 6 Obligatograveria
Econometria 6 Obligatograveria
Estadiacutestica per a les Biociegravencies 6 Obligatograveria
Fitxers i Bases de Dades 6 Obligatograveria
Megravetodes Bayesians 6 Obligatograveria
Megravetodes No Paramegravetrics i de Remostreig 6 Obligatograveria
Models Lineals 6 Obligatograveria
Programacioacute No Lineal i Fluxos en Xarxes 6 Obligatograveria
Teoria de Cues i Simulacioacute 6 Obligatograveria
QUART CURS
Anagravelisi de Segraveries Temporals 6 Obligatograveria
Anagravelisi de Supervivegravencia 6 Optativa
Demografia 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Megravedica 6 Optativa
Estadiacutestica per a la Millora de la Qualitat 6 Optativa
Megravetodes Estadiacutestics en Mineria de Dades 6 Optativa
Megravetodes Estadiacutestics per a Finances i Assegurances 6 Optativa
Megravetodes Estadiacutestics per al Magraverqueting 6 Optativa
Models Lineals Generalitzats 6 Obligatograveria
Optimitzacioacute en Enginyeria 6 Optativa
Optimitzacioacute Financera 6 Optativa
Assignatures cregraveditsECTS
Tipus
Pragravectiques Empresarials I 6 Optativa
Pragravectiques Empresarials II 6 Optativa
Treball de Fi de Grau 18 Projecte
Setembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Pla docent de lassignatura
Dades generals
Nom de lassignatura Agravelgebra Lineal
Codi de lassignatura 361212
Curs acadegravemic 2019-2020
Coordinacioacute Xavier Guitart Morales
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoria 30
- Teoricopragravectica 15
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura eacutes una introduccioacute a lrsquoagravelgebra lineal sobre els nombres reals adaptada especialmentper a usos estadiacutestics Lrsquoobjectiu principal eacutes familiaritzar-se amb les nocions i megravetodes bagravesics delcagravelcul matricial real
No obstant aixograve no es tracta nomeacutes drsquoadquirir mecanismes de cagravelcul sinoacute tambeacute drsquoarribar a unacomprensioacute adequada del seu significat Per aconseguir-ho srsquointrodueixen els conceptes meacuteselementals del llenguatge drsquoespais vectorials juntament amb una intuiumltiva interpretacioacutegeomegravetrica afiacute i euclidiana que permet visualitzar nocions i teoremes
El problema bagravesic eacutes resoldre i interpretar un sistema drsquoequacions lineals essencial per a lrsquoestudide qualsevol fenomen de caragravecter lineal (o que srsquohi acosti) i que apareix repetidament durant totalrsquoassignatura
Un objectiu complementari drsquoaquesta assignatura eacutes adquirir un cert hagravebit de raonament cientiacuteficproporcionat tant pel contingut teograveric com pels exercicis que es resolen a les classes pragravectiques
Els resultats especiacutefics drsquoaprenentatge que es volen aconseguir amb aquesta assignatura soacutenmdash Adquirir habilitat en el cagravelcul matricialmdash Resoldre sistemes drsquoequacions lineals i saber interpretar-ne els resultatsmdash Adquirir habilitat en el maneig de vectors bases i subespais vectorialsmdash Calcular determinants i conegraveixer-ne les propietats bagravesiquesmdash Calcular productes escalars de vectors i bases ortonormals Saber calcular projeccions ensubespaismdash Factoritzar simbogravelicament una matriu (diagonalitzacioacute)
Blocs temagravetics
1 Espais vectorials
Conceptes clau sistema lineal espai vectorial independegravencia lineal base dimensioacute aplicacioacutelineal nucli i imatge
Objectius especiacuteficsmdash Repassar les maneres de resoldre un sistema lineal i introduir la nocioacute drsquoespai vectorial atraveacutes del conjunt de solucions drsquoun sistemamdash Introduir la nocioacute clau drsquoindependegravencia lineal i despreacutes la nocioacute de dimensioacutemdash Introduir les aplicacions lineals i les operacions que srsquohi poden fer com tambeacute els cagravelculs dedimensions que faciliten
11 Sistemes drsquoequacions lineals Megravetode de Gauss-Jordan
12 Espais vectorials Subespais Suma i interseccioacute
13 Dependegravencia lineal Bases Dimensioacute
14 Aplicacions lineals Construccioacute drsquoaplicacions lineals Suma i producte
15 Nucli imatge i rang drsquouna aplicacioacute lineal
2 Matrius
Conceptes clau matriu drsquouna aplicacioacute lineal operacions amb matrius transposada rang
operacions elementals canvis de base
Objectius especiacuteficsmdash Definir les operacions amb matrius i estudiar-ne les propietatsmdash Introduir les operacions elementals i aplicar-les al cagravelcul del rang i de la inversa drsquounamatriumdash Estudiar un sistema lineal amb els instruments ja introduiumlts de rang nucli etcmdash Estudiar com canvien les coordenades i matrius en canviar una base
21 Matrius i aplicacions lineals
22 Producte de matrius Matrius invertibles
23 Transposada drsquouna matriu Igualtat dels rangs de files i columnes
24 Operacions elementals Cagravelcul del rang i de la matriu inversa
25 Comptabilitat i estructura de les solucions drsquoun sistema drsquoequacions lineals
26 Canvis de base
3 Determinants
Conceptes clau determinant drsquouna matriu quadrada desenvolupament drsquoun determinantmenors
Objectius especiacuteficsmdash Definir els determinants i exposar-ne les propietats bagravesiquesmdash Caracteritzar la independegravencia lineal amb determinants i utilitzar-los per calcular el rang i lainversa drsquouna matriumdash Resoldre un sistema lineal mitjanccedilant determinants
31 Definicioacute i propietats del determinant drsquouna matriu
32 Desenvolupament drsquoun determinant Determinant de les matrius producte
transposada i inversa Determinant drsquouna matriu repartida en blocs
33 Determinants i independegravencia lineal Cagravelcul del rang drsquouna matriu mitjanccedilant
determinants
34 Resolucioacute de sistemes lineals mitjanccedilant determinants Regla de Cramer
4 Producte escalar
Conceptes clau producte escalar norma base ortonormal ortogonal drsquoun subespai projeccioacuteortogonal
Objectius especiacuteficsmdash Construir bases ortonormalsmdash Calcular projeccions ortogonals
41 Producte escalar Espai vectorial euclidiagrave
42 Norma Desigualtat de Schwarz
43 Bases ortonormals Megravetode de Gram-Schmidt
44 Lrsquoortogonal drsquoun subespai Projeccions ortogonals
5 Diagonalitzacioacute de matrius
Conceptes clau valor propi vector propi polinomi caracteriacutestic diagonalitzacioacute
Objectius especiacuteficsmdash Aprendre a diagonalitzar i comprendrersquon el significatmdash Caracteritzar les matrius diagonalitzables
51 Valors i vectors propis Subespais caracteriacutestics
52 Polinomi caracteriacutestic
53 Caracteritzacioacute de matrius diagonalitzables
6 Formes quadragravetiques reals
Conceptes clau forma quadragravetica rang iacutendex i signatura positivitat
Objectius especiacuteficsmdash Classificar una forma quadragravetica mitjanccedilant operacions elementalsmdash Donar el criteri de positivitat drsquouna forma quadragravetica
61 Formes quadragravetiques Representacioacute matricial
62 Canvis de base Congruegravencia de matrius
63 Formes (semi)definides
64 Reduccioacute a forma canogravenica Llei drsquoinegravercia de Sylvester Criteri de Sylvester Criteri de
positivitat
7 Cagravelcul matricial real i aplicacions
Conceptes clau matriu ortogonal matriu simegravetrica
Objectius especiacuteficsmdash Comprendre que tota matriu simegravetrica real eacutes diagonalitzable mitjanccedilant una matriuortogonalmdash Aplicar el resultat al cagravelcul de diverses descomposicions drsquouna matriu
71 Matrius ortogonals
72 Diagonalitzacioacute de matrius reals simegravetriques
73 Matrius (semi)definides positives cagravelcul drsquoarrels i descomposicioacute en producte drsquouna
matriu i la seva transposada
Metodologia i activitats formatives
La docegravencia srsquoorganitza en classes teograveriques classes teoricopragravectiques classes de laboratori i una provaparcial
Una hora de classe de laboratori seminari es desdobla en dos grups en franges horagraveries consecutives
Les classes de laboratori soacuten sessions presencials drsquouna hora de durada sempre dins de lrsquohorariprevist de classes Consisteixen en la resolucioacute per escrit drsquoexercicis que srsquoextreuen de llistes anunciadespregraveviament a traveacutes del Campus Virtual Els estudiants han de fer un nombre miacutenim de lliuramentsdrsquoaquests exercicis resolts per poder optar a la qualificacioacute corresponent El nombre miacutenim delliuraments drsquoexercicis srsquoestableix en comenccedilar el curs
A final drsquoabril en una classe drsquohora i mitja es fa una prova parcial individual amb un format similar alde la prova final drsquoavaluacioacute El temari de la prova parcial abasta la mategraveria impartida fins aleshores
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Les activitats que determinen lrsquoavaluacioacute continuada soacuten les sessions de laboratori la prova parciali la prova de tancament de lrsquoavaluacioacute continuada
La prova de tancament eacutes la mateixa que la prova drsquoavaluacioacute uacutenica i es fan conjuntament en la data dejuny fixada pel Consell Docent Aquestes proves consten de diversos exercicis (75 de la nota) i drsquounapregunta teograverica (25 de la nota)
Per poder ser objecte drsquoavaluacioacute continuada eacutes obligatori haver fet com a miacutenim la prova detancament de lrsquoavaluacioacute continuada i haver obtingut una nota miacutenima de 4 punts en aquesta prova
La qualificacioacute de lrsquoassignatura srsquoobteacute sumant la nota obtinguda en les sessions de laboratori (30 ) lanota de la prova parcial (20 ) i la nota de la prova de tancament (50 )
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui acollir-se a lrsquoavaluacioacute uacutenica ho ha de fer abans de la data liacutemit fixada pel ConsellDocent
La prova drsquoavaluacioacute uacutenica constitueix el 100 de la nota final de lrsquoassignatura i teacute lloc en la data dejuny fixada pel Consell Docent
Reavaluacioacute
Despreacutes de la qualificacioacute en el mes de juny lrsquoestudiant que no hagi superat lrsquoassignatura (sense tenir
en compte la forma drsquoavaluacioacute que hagi escollit) teacute dret a una prova de reavaluacioacute Aquesta provaes fa el mes de juliol en la data que fixi el Consell Docent
La prova de reavaluacioacute teacute el mateix format que la drsquoavaluacioacute uacutenica i es qualifica al 100 independentment de totes les proves anteriors
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AMERRamon et al Agravelgebra lineal Problemes exercicis i quumlestions Terrassa UPC 1998
CASTELLETManuel et al Agravelgebra lineal i Geometria 4a ed Bellaterra UAB 2011
MERINO Luis M et al Aacutelgebra lineal con meacutetodos elementales Madrid Thomson 2006
MORENOJoseacute Miguel Una introduccioacuten al Aacutelgebra lineal elemental 2a ed Bellaterra UAB 1990
NART Enric Notes drsquoagravelgebra lineal Bellaterra UAB 2003
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Segraveries Temporals
Codi de lassignatura 361233
Curs acadegravemic 2019-2020
Coordinacioacute Antoni Meseguer Artola
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques dordinadors 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Conegraveixer i entendre els diferents megravetodes usats dins de lrsquoanomenada anagravelisi determinista desegraveries temporals per tal de calcular prediccions i estimar-ne les components
Conegraveixer els fonaments teograverics i pragravectics relatius a la identificacioacute estimacioacute validacioacute imodelitzacioacute de segraveries temporals a traveacutes de models SARIMA
Referits a habilitats destreses
Identificar si una segraverie temporal segueix un esquema additiu o multiplicatiu
Aplicar els megravetodes de lrsquoanagravelisi determinista de segraveries temporals per tal de calcular prediccions
Donada una segraverie temporal ser capaccedil de decidir quin tipus de model SARIMA eacutes el meacutes adient
Usar els models SARIMA per calcular prediccions
Usar i programar algorismes drsquoestimacioacute i previsioacute usant R
Blocs temagravetics
1 Introduccioacute a les segraveries temporals
11 Definicioacute de segraverie temporal i prediccioacute econogravemica
12 Classificacioacute dels megravetodes de prediccioacute
13 Criteris drsquoavaluacioacute de la capacitat predictiva
2 Anagravelisi determinista de segraveries temporals
21 Components drsquouna segraverie temporal
22 Prediccioacute amb models sense tendegravencia
23 Prediccioacute amb models amb tendegravencia
3 Tractament determinista de lrsquoestacionalitat
31 Anagravelisi del component estacional
32 Prediccioacute amb models sense tendegravencia i amb component estacional
33 Prediccioacute amb models amb tendegravencia i component estacional
4 Anagravelisi estocagravestica de segraveries temporals
41 Processos estocagravestics
42 Conceptes drsquoestacionarietat i ergodicitat
43 Funcions drsquoautocovariagravencia i autocorrelacioacute
44 Funcions drsquoautocovariagravencia i autocorrelacioacute mostral
45 Models elementals soroll blanc i camiacute aleatori
5 Models lineals de segraveries temporals
51 Models de mitjanes mogravebils (MA)
52 Models autoregressius (AR)
53 Models mixtos (ARMA)
54 Processos no estacionaris Models integrats (ARIMA)
55 Models estacionals (SARIMA)
6 Metodologia Box-Jenkins
61 Identificacioacute de models SARIMA
62 Estimacioacute de paragravemetres
63 Validacioacute del model
64 Prediccioacute puntual i per interval
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Tallers a lrsquoaula drsquoinformagravetica en quegrave lrsquoobjectiu eacutes dur a terme problemes i exemples pragravectics quepermetin conegraveixer la vessant meacutes aplicada de lrsquoanagravelisi de segraveries temporals 3 Dues pragravectiques individuals que srsquohan de fer fora de les hores de classe i que tambeacute serveixen com aevidegravencies drsquoavaluacioacute per als estudiants que optin per lrsquoavaluacioacute continuada Es tracta de dos casospragravectics basats en dades reals en quegrave els estudiants han drsquoaplicar les eines drsquoanagravelisi de segraveries temporalsper donar resposta a algun problema
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classeConsta de diferents activitats individuals que es duen a terme al llarg del curs
a) Dues pragravectiques
Pragravectica 1 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi determinista de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de novembre
Pragravectica 2 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi estocagravestica de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de gener
b) Una prova final sobre els continguts treballats al llarg de tot el curs Valor 60 de la nota finalData la fixada pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Els estudiants que segueixin lrsquoavaluacioacute continuada i no es presentin a la prova final tenen unaqualificacioacute de laquono presentatraquo Si es presenten a la prova final i obtenen una nota igual o superior a 4(sobre 10) llavors la qualificacioacute final eacutes la que srsquoobtingui de la mitjana ponderada de les duespragravectiques i la prova final En el cas que la nota en aquesta prova final sigui inferior a 4 la qualificacioacutefinal eacutes aquesta nota Per tant en aquest darrer cas no es fa la mitjana ponderada amb les duespragravectiques
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova es fa en les dates fixades pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-sea lrsquoavaluacioacute uacutenica han de fer-ho abans drsquoaquesta data que es fa puacuteblica amb antelacioacute suficient
Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Time series analysis forescasting and control 4th edicioacute Hoboken NJ Wiley2008
BROCKWELL Peter J Introduction to time series and forecasting New York Springer 2010
PENtildeA Daniel Anaacutelisis de series temporales Madrid Alianza Editorial 2010
SHUMWAY Robert H et al Time series analysis and Its applications with R exemples 3rd ed New York[etc] Springer 2011
URIEL Ezequiel et al Introduccioacuten al anaacutelisis de series temporales Madrid Editorial AC-Thomson 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Supervivegravencia
Codi de lassignatura 361245
Curs acadegravemic 2019-2020
Coordinacioacute Lluis Bermudez Morata
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 15
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Lrsquoanagravelisi de la supervivegravencia eacutes un conjunt de tegravecniques i models estadiacutestics que tracten drsquoanalitzar lesvariables aleatograveries definides com ara la durada o temps entre dos successos
La caracteriacutestica meacutes rellevant drsquoaquesta mategraveria eacutes la seva aplicabilitat en agravembits i camps moltdiversos Per citar alguns exemples en medicina (temps fins a la curacioacute drsquoun pacient) en biologia(temps fins a la mort drsquoun animal) en sociologia (temps fins a lrsquoocupacioacute drsquouna persona en atur) enepidemiologia (temps fins a la infeccioacute) en assegurances (temps fins a la mort drsquouna persona) engeriatria (temps fins a la incapacitacioacute drsquouna persona) en enginyeria (temps fins a la fallada drsquouncomponent) en pediatria (temps fins al deslletament) etcegravetera
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer i distingir les funcions de supervivegravencia les funcions de risc i la funcioacute de riscacumulada
Reconegraveixer la presegravencia de dades censurades io truncades en un estudi estadiacutestic
Modelar amb procediments paramegravetrics o semiparamegravetrics dades que representen durades entredos successos
Utilitzar el model de Cox de riscos proporcionals per a la inclusioacute de covariables en els estudis desupervivegravencia
Referits a habilitats destreses
Aplicar les principals tegravecniques i models per a lrsquoanagravelisi de la supervivegravencia utilitzant programariestadiacutestic de referegravencia
Blocs temagravetics
1 Conceptes i inferegravencia
11 Introduccioacute
12 Inferegravencia no paramegravetrica per a lrsquoanagravelisi de supervivegravencia
13 Comparacioacute de dues o meacutes poblacions mitjanccedilant processos no paramegravetrics
2 Models de regressioacute
21 Estimacioacute i regressioacute dels models paramegravetrics
22 Regressioacute semiparamegravetrica el model de Cox de riscos proporcionals
Metodologia i activitats formatives
En les classes magistrals el professor explica els continguts teograverics i pragravectics de la mategraveria es comentenaplicacions reals dels models presentats i es resolen exercicis pragravectics que ajudin a consolidar elcontingut del temari
Les classes pragravectiques es fan en aules drsquoinformagravetica i es resolen exercicis pragravectics del temari amb lrsquoajudadel paquet survival del programari R
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Primera convocatograveria
El procediment drsquoavaluacioacute de lrsquoadquisicioacute de competegravencies es basa en un proceacutes drsquoavaluacioacutecontinuada en quegrave la nota final eacutes una ponderacioacute dels coneixements teoricopragravectics i habilitatsadquirits al llarg del curs mitjanccedilant
mdash Dues proves escrites dels continguts teograverics i pragravectics del temari una per a cada bloc temagravetic un copfinalitzades les classes corresponents a cada bloc (35 + 35 )
mdash Lliurament drsquoexercicis durant el curs en grups de tres o quatre alumnes (15 )
mdash Un treball escrit al final de curs en grups de tres o quatre alumnes (15 )
Per tenir nota amb aquesta opcioacute drsquoavaluacioacute continuada eacutes imprescindible fer les dues proves escrites
Segona convocatograveria
La nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels continguts teograverics i pragravectics deltemari
Avaluacioacute de les competegravencies
Les tres competegravencies especiacutefiques de la titulacioacute que teacute en compte lrsquoassignatura es poden resumir en
aquest cas en la capacitat de saber aplicar els megravetodes estadiacutestics adequats a lrsquoestudi de variablesaleatograveries definides com el temps fins a un esdeveniment Per aixograve cal que lrsquoestudiant aprengui amobilitzar i integrar una segraverie de coneixements teograverics unes habilitats i unes actituds Lrsquoavaluacioacutedrsquoaquesta competegravencia va molt lligada a lrsquoavaluacioacute presentada per lrsquoassignatura Els coneixementsteograverics es comproven als dos parcials tant a la part teograverica com a la pragravectica Drsquoaltra banda leshabilitats i actituds aixiacute com la integracioacute i mobilitzacioacute de tot plegat srsquoavalua a la part pragravectica de lesproves parcials i als treballs i pragravectiques en equip que lrsquoestudiant ha de presentar
Avaluacioacute uacutenica
En les dues convocatograveries la nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels contingutsteograverics i pragravectics del temari
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KLAINBAUM David G et al Survival analysis a self-learning text (Statistics for Biology and Health) 3thed New York Springer 2012
KLEIN JohnP et al Survival analysis techniques for censored and truncated data New York Springer2003
LEE Elisa T et al Statistical Methods for survival data analysis New Jersey Wiley Series 2013
KALBFLEISCH JD et al The statistical analysis of failure time data 2nd edition New York Wiley-Interscience 2002
COX David Roxbee et al Analysis of survival data London Chapman and Hall 1984
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi Multivariant
Codi de lassignatura 361232
Curs acadegravemic 2019-2020
Coordinacioacute KARINA GIBERT OLIVERAS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors
(Es desenvolupa a lrsquoaula drsquoinformagraveticaperograve inclou pragravectica drsquoordinadors i tambeacutedesenvolupament de projecte llarg)
30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Capacitats pregravevies
mdash Agravelgebra lineal espai vectorial real megravetriques projeccions diagonalitzacioacute de matrius etc
mdash Coneixements bagravesics de teoria de la probabilitat i drsquoestadiacutestica descriptiva i inferencial
mdash Coneixements bagravesics de R i algoriacutetmia per dissenyar scripts drsquoanagravelisi automatitzada
Altres recomanacions
mdash Seguir puntualment el desenvolupament del treball en equip cada setmana per evitaracumulacioacute de tasques pendents a final de curs
mdash Aprofitar les hores de laboratori per resoldre els dubtes amb la professora drsquoaquest treball enequip i poder avanccedilar cada setmana en el treball drsquoacord amb el temari de lrsquoassignatura
mdash Fer atencioacute a les indicacions que es donen al llarg del curs sobre la coordinacioacute del treball enequip i consultar la documentacioacute relacionada que es distribueix des de la coordinacioacute delrsquoassignatura
mdash Assegurar-se que els lliuraments srsquoajusten a les instruccions de lliurament disponibles a lapagravegina de lrsquoassignatura
mdash El bon desenvolupament del treball pragravectic eacutes una bona garantia drsquohaver adquirit tots elsconeixements teograverics i pragravectics necessaris per superar lrsquoexamen final
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu de lrsquoassignatura eacutes presentar tegravecniques estadiacutestiques drsquoanagravelisi de grans taules per taldrsquoextreure de manera ragravepida la informacioacute meacutes rellevant continguda en les dades els problemes
abordats soacuten de diversa tipologia des de la definicioacute drsquoeixos dominants a la caracteritzacioacuteestadiacutestica de subpoblacions Aquest objectiu es particularitza presentant agravempliament el punt devista de tres grans famiacutelies de tegravecniques estadiacutestiques multivariants
1 Tegravecniques multivariants de classificacioacute automagravetica orientades a establir tipologies i acaracteritzar-les es veuen diferents famiacutelies de megravetodes des dels meacutes clagravessics als meacutes recentsmegravetodes de particions megravetodes jeragraverquics megravetodes basats en densitats srsquoincideix especialmenten eines drsquointerpretacioacute de les classes srsquoestudia lrsquoadequacioacute dels diferents megravetodes a diferentscasos en funcioacute de lrsquoescalabilitat el tipus de dades etc
2 Tegravecniques multivariants enfocades a sintetitzar i a resumir la informacioacute estudiar relacionsmultidimensionals entre variables i eventualment definir indicadors latents es concreta en trestegravecniques fonamentals anagravelisi en components principals anagravelisi de correspondegravencies simples ianagravelisi de correspondegravencies muacuteltiples es planteja lrsquoanagravelisi factorial com a marc formal general delqual es deriven les tegravecniques esmentades com a cas particular es dona particular importagravencia alrsquoanagravelisi de resultats gragravefics srsquoilmiddotlustren algunes extensions addicionals com ara lrsquoanagravelisi textual
3 Tegravecniques drsquoanagravelisi discriminant es tracta de tegravecniques multivariants enfocades a obtenirregles drsquoassignacioacute srsquoincideix en la seva relacioacute amb les tegravecniques vistes anteriorment
4 Tegravecniques drsquoanagravelisi textual on es treballa amb textos lliures provinents de documents pagraveginesweb o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells
Lrsquoobjectiu de lrsquoassignatura eacutes doble des del punt de vista conceptual Drsquouna banda es vol donaruna base formal sogravelida per a les tegravecniques multivariants que componen el programa De lrsquoaltraels estudiants han de desenvolupar una capacitat pragravectica drsquoaplicacioacute a dades reals drsquoaquestestegravecniques En aquest sentit les sessions de pragravectiques segueixen el temari de lrsquoassignatura desde la perspectiva de lrsquoaplicacioacute i es treballa amb dades reals Amb aquest objectiu cal introduirun pas previ de preprocessament de dades per preparar-les per a lrsquoanagravelisi
Finalment i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es podentractar altres aspectes es presenten diverses tegravecniques multivariants drsquouna manera meacutesintroductograveria i enfocant-les menys algebraicament des drsquoun punt de vista meacutes algoriacutesmic
Referits a habilitats destreses
En aquesta assignatura es dona particular importagravencia a lrsquoentrenament en certes competegravenciestransversals importants en el desenvolupament professional drsquoun estadiacutestic com ara la capacitatdrsquoanagravelisi siacutentesi comunicacioacute integracioacute de coneixements redaccioacute drsquoinformes i sobretot eltreball en equip incloent-hi les capacitats de planificacioacute a mig termini repartiment de tasques igestioacute drsquoincidegravencies en el pla de treball al llarg del curs
La pragravectica srsquoestructura sota un esquema que permet entrenar aquestes capacitats amb elssuports necessaris del professorat de lrsquoassignatura
Blocs temagravetics
1 Introduccioacute
Megravetriques angles i projeccions nomenclatura multivariant matriu de variagravencies icovariagravencies i matriu de correlacions presentacioacute de punts de vista presentacioacute de tegravecniquespresentacioacute de sistemes informagravetics estadiacutestics exemples senzills de descripcioacute multivariantde caracteritzacioacute de dades de classificacioacute i de discriminacioacute
11 Introduccioacute i preprocessament de dades
Lrsquoagravembit de lrsquoanagravelisi multivariant Principals elements rellevants en el preprocessament
de dades
2 Classificacioacute automagravetica
Presentacioacute conceptual Megravetodes de particions Megravetodes jeragraverquics Megravetodes basats endensitats Relacioacute amb anagravelisi factorial Interpretacioacute de les classes Descripcioacute de tipologiesAplicacioacute a casos reals i implicacions pragravectiques
3 Anagravelisi factorial
Formalitzacioacute general resultats teograverics
4 Anagravelisi en components principals
Formalitzacioacute resultats teograverics interpretacioacute aplicacioacute a casos reals implicacionspragravectiques
5 Anagravelisi en correspondegravencies simples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacions a casos reals Implicacionspragravectiques
6 Anagravelisi en correspondegravencies muacuteltiples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacioacute a casos reals i implicacionspragravectiques que evidenciiumln avantatges en el tractament de dades drsquoenquesta
7 Anagravelisi discriminant
Formalitzacioacute resultats teograverics Relacioacute amb lrsquoanagravelisi factorial Interpretacioacute bagravesicament enel cas de dos grups Aplicacions a casos reals Implicacions pragravectiques
8 Altres megravetodes multivariants
Anagravelisi textual Correlacions canograveniques Escalament multidimensional
9 Anagravelisi textual
Tegravecniques drsquoanagravelisi textual de dades
Metodologia i activitats formatives
Teoria srsquohi presenten les diferent tegravecniques suficientment fonamentades i srsquoexemplifiquen amb exercicisde dimensioacute reduiumlda
Pragravectiques srsquohi fan exercicis de dimensioacute real amb sistemes informagravetics estadiacutestics que permetinaprofundir i consolidar els conceptes vistos a teoria srsquohi plantegen tambeacute treballs drsquoaplicacioacute pragravectica demeacutes llarg termini on lrsquoestudiant pugui entrenar la seva capacitat personal de dissenyar planificarprojectes on hagi drsquoaplicar les tegravecniques estudiades per analitzar un conjunt de dades real de certaenvergadura integrar els diferents coneixements adquirits en un informe ben argumentat i mostrar lesseves capacitats de siacutentesi i comunicacioacute presentant el treball a lrsquoaula
El grup de teoria es desdobla en dos grups de pragravectiques que fan classe de pragravectiques dues hores persetmana cadascun
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final (N) de lrsquoassignatura srsquoobteacute a partir drsquouna nota de proves (Np) i una nota de pragravectiquescorresponent al treball en equip desenvolupat al llarg del curs (Nte) segons lrsquoexpressioacute
N = Ne 035 + Nte 065
La nota de proves (Np) consta drsquouna segraverie de quiz de continguts teograverics que es realitzen al llarg del cursi que puntuen per igual (soacuten entre 3 i 5 depenent de la marxa del curs)
Per aprovar lrsquoassignatura amb avaluacioacute continuada srsquoha de treure un miacutenim de 5 a la nota de teoria ihaver presentat tots els lliuraments parcials del treball en equip i la memograveria final Si no es lliuren lespragravectiques a lrsquoavaluacioacute continuada hi consta una qualificacioacute de laquono presentatraquo
Les persones que no assoleixen el miacutenim requerit per aprovar amb avaluacioacute continuada han de fer unexamen final que consta drsquoun exercici per fer a lrsquoaula de laboratori sobre dades reals en quegrave caldemostrar coneixements teograverics i pragravectics sobre el temari de lrsquoassignatura Hi ha preguntes teograveriques ipragravectiques Per a les persones que no han tret un 5 a la nota de teoria la nota de proves de lrsquoavaluacioacutefinal de lrsquoassignatura correspon a la nota de lrsquoexamen final
La nota de pragravectiques (Np) srsquoobteacute amb el desenvolupament drsquoun treball pragravectic de llarga durada quesrsquoha de fer en grup i que ha drsquointegrar les diferents tegravecniques vistes al llarg del curs Hi ha treslliuraments parcials amb una puntuacioacute especiacutefica per a cadascun 01 045 i 045 La qualificacioacuteconsta drsquouna nota global de la pragravectica comuna a tot lrsquoequip i de bonificacions o penalitzacionsindividuals segons com cada estudiant respongui a les preguntes el dia de la presentacioacute de lespragravectiques (08) i de la nota drsquoavaluacioacute creuada atorgada pels companys drsquoequip (02)
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica (sense continuiumltat) consisteix en un examen final amb una part teograverica i una partpragravectica
El Consell Docent fixa una data liacutemit abans de la qual els estudiants poden manifestar si se srsquoacullen al
pla drsquoavaluacioacute continuada o uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute mdashamb lesmateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicamdash que teacute lloc durant el mes de juliol en la datafixada pel Consell Docent Es pot presentar a aquesta prova qualsevol estudiant independentment delpla drsquoavaluacioacute escollit durant el curs La prova dona acceacutes a la qualificacioacute magravexima
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
Bibliografia bagravesica
ESCOFIER Brigitte et al Anaacutelisis factoriales simples y muacuteltiples objetivos meacute todos e interpretacioacutenBilbao Servicio Editorial Universidad del Paiacutes Vasco 1992
Bibliografia bagravesica
GREENACRE Michael J Correspondence analysis in practice Boca Raton (Fla) [etc] Chapman ampHallCRC 2007
Bibliografia bagravesica
HUSSON Franccedilois et al Exploratory multivariate analysis by example using R Boca Raton CRC Press2011
Bibliografia bagravesica
JOHNSON Richard Arnold et al Applied multivariate statistical analysis 6th ed Upper Saddle River NJPearson Education Prentice-Hall 2007
Bibliografia bagravesica
BOUROCHE Jean-M et al Lrsquoanalyse des donneacutees Paris Presses Universitaire de France 1980
Bibliografia complementagraveria
JOBSON JD Applied multivariate data analysis Vol I y Vol II New York Barcelona [etc] Springer1992
Bibliografia complementagraveria
LEBART Ludovic et al Tratamiento estadiacutestico de datos meacutetodos y programas Barcelona [etc]Marcombo 1985
Bibliografia complementagraveria
SAPORTA Gilbert Probabiliteacutes analyse des donneacutees et statistique 3e eacuted reacutev Paris Technip 2011
Bibliografia complementagraveria
VOLLE Michel Analyse des donneacutees 4e eacuted Paris Economica 1985
Bibliografia complementagraveria
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Cagravelcul de Diverses Variables
Codi de lassignatura 361177
Curs acadegravemic 2019-2020
Coordinacioacute Ernest Fontich Julia
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
mdash Calcular liacutemits de funcions de diverses variables
mdash Calcular derivades parcials aplicar les regles de derivacioacute Calcular vectors gradientsCalcular el pla tangent a la gragravefica drsquouna funcioacute de dues variables i el pla tangent a una superfiacuteciedonada impliacutecitament
mdash Calcular extrems de funcions de diverses variables en conjunts oberts conjunts compactes iextrems subjectes a lligadures
mdash Conegraveixer la nocioacute drsquointegracioacute muacuteltiple i les tegravecniques bagravesiques de cagravelcul drsquointegrals i canvis devariables meacutes habituals
mdash Conegraveixer el concepte drsquointegral dependent drsquoun paragravemetre i alguns exemples de funcionsdefinides per integrals
Blocs temagravetics
1 Funcions de diverses variables
11 Norma i distagravencia euclidiana a R^2 i R^3
12 Gragravefiques de funcions Corbes de nivell
13 Coordenades polars ciliacutendriques i esfegraveriques
14 Liacutemits i continuiumltat
2 Diferenciacioacute
21 Derivades parcials derivades direccionals i diferenciabilitat
22 Vector gradient i pla tangent Matriu jacobiana
23 Regla de la cadena
3 Integracioacute
31 Integrals dobles i triples Integrals marginals Teorema de Fubini
32 Canvi de variable Integracioacute en polars ciliacutendriques i esfegraveriques
33 Integrals dependents drsquoun paragravemetre La funcioacute gamma
4 Derivades drsquoordre superior Extrems
41 Derivades parcials drsquoordre superior Matriu hessiana
42 Foacutermula de Taylor
43 Cagravelcul drsquoextrems
Metodologia i activitats formatives
En les sessions teoricopragravectiques es presenten els continguts teograverics i les tegravecniques de lrsquoassignatura i esdonen exemples A meacutes es resolen i discuteixen problemes basats en els conceptes i tegravecniquesintroduiumldes En les classes de problemes es resolen problemes directament relacionats amb els temesdel programa Pel que fa al treball autogravenom la metodologia consisteix en la realitzacioacute de tasquesbasades en la resolucioacute de problemes
Avaluacioacute acreditativa dels aprenentatges
Els alumnes poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en una prova parcial a la meitat del semestre (P1) i una prova parcialal final (P2)
La nota drsquoavaluacioacute continuada eacutes AC = 05 P1 + 05 P2
Una vegada acabades les classes hi ha un examen final que consta de dues parts amb el qual esgeneren dues notes mdash(F1) i (F2)mdash corresponents a cadascuna de les parts respectivament Hi ha lapossibilitat de presentar-se a una o a les dues parts de lrsquoexamen final per pujar nota
La nota final srsquoobteacute amb la foacutermula NF = 05 magravex[P1F1] + 05 magravex[P2F2]
Es considera laquono presentatraquo lrsquoestudiant del qual no es disposi drsquouna nota de cadascuna de les duesparts del curs
Una vegada acabat el periacuteode drsquoavaluacioacute hi ha la possibilitat drsquouna reavaluacioacute que consisteix en unexamen de tota lrsquoassignatura Els exagravemens contenen problemes per tal drsquoavaluar la capacitat perutilitzar el raonament logravegic i els instruments matemagravetics en un context determinat
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen final en una data fixada pel Consell Docent Per acollir-se aaquesta avaluacioacute cal demanar-ho a la Secretaria de la Facultat abans de la data fixada pel ConsellDocent que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYRES Frank Caacutelculo diferencial e integral 3a ed Madrid McGraw-Hill 1991
MARSDEN Jerrold E et al Caacutelculo vectorial 5a ed Madrid Addison-Wesley 2004
PISKUNOV N S Caacutelculo diferencial e integral Meacutexico DF Limusa 2014
Pagravegina web
Wolfram Mathematica
MathApplets-SLU
calculusorg
Cursos online
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Demografia
Codi de lassignatura 361255
Curs acadegravemic 2019-2020
Coordinacioacute Maria Teresa Costa Cor
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 5
- Pragravectiques dordinadors 10
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les fonts drsquoinformacioacute demogragravefica per a lrsquoobtencioacute de dades estadiacutestiques sobre lapoblacioacute
mdash Aprendre els instruments i tegravecniques bagravesics per a lrsquoanagravelisi de lrsquoestructura i creixement drsquounapoblacioacute construccioacute de taules estadiacutestiques representacioacute gragravefica i cagravelcul de diversos indicadors
mdash Descriure la transicioacute del regravegim demogragravefic antic al modern i els seus efectes sobre lacomposicioacute de la poblacioacute
mdash Estudiar la mortalitat per edat i causa de mort construir taules de mortalitat de moment icalcular probabilitats i indicadors conjunturals sobre el comportament drsquoaquest fenomen
mdash Analitzar la fecunditat a partir drsquoindicadors sintegravetics de periacuteode i de generacioacute
mdash Estudiar els moviments migratoris que afecten la poblacioacute
mdash Descriure els megravetodes bagravesics drsquoelaboracioacute de projeccions de poblacioacute la formulacioacute drsquohipogravetesis ila interpretacioacute dels resultats
Referits a habilitats destreses
mdash Utilitzar les fonts drsquoinformacioacute demogragravefica drsquoacord amb els objectius de treball
mdash Saber diferenciar entre anagravelisi de moment i anagravelisi de cohort
mdash Interpretar la intensitat i el calendari en els fenogravemens demogragravefics
mdash Comparar el comportament dels fenogravemens demogragravefics entre poblacions aplicant les tegravecniquesdrsquoestandarditzacioacute
mdash Obtenir els indicadors meacutes adients en lrsquoanagravelisi dels fenogravemens demogragravefics
mdash Analitzar i interpretar les dinagravemiques demogragravefiques que ha experimentat una poblacioacute en eltemps
mdash Fer previsions sobre lrsquoevolucioacute futura drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de fecunditat
mdash Calcular i interpretar les taxes de reproduccioacute drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de nupcialitat
mdash Calcular i interpretar diferents mesures de les migracions
mdash Saber utilitzar les eines informagravetiques relacionades amb lrsquoanagravelisi demogragravefica
Blocs temagravetics
1 Caracteriacutestiques i evolucioacute de la poblacioacute
11 Introduccioacute
111 Poblacioacute i demografia
112 Fonts estadiacutestiques per a lrsquoestudi de la poblacioacute
113 Les xifres de poblacioacute a Espanya
12 Megravetodes i tegravecniques en demografia
121 Magnituds estocs i fluxos
122 Anagravelisi longitudinal i anagravelisi transversal
123 La representacioacute del temps lrsquoesquema de Lexis
124 Les mesures en demografia taxes probabilitats i proporcions
13 Estructura i creixement de la poblacioacute
131 Lrsquoequacioacute demogragravefica bagravesica i el cagravelcul del creixement drsquouna poblacioacute
132 Els indicadors drsquoestructura de la poblacioacute
133 La piragravemide de poblacioacute la relacioacute entre lrsquoestructura de la poblacioacute i els
fenogravemens demogragravefics
134 Evolucioacute de la poblacioacute mundial La transicioacute demogragravefica
2 Estudi dels fenogravemens demogragravefics
21 Anagravelisi de la mortalitat
211 La mortalitat per edat i causa de mort
212 Lrsquoestandarditzacioacute
213 Construccioacute drsquouna taula de mortalitat Lrsquoesperanccedila de vida
22 Fecunditat i nupcialitat
221 Anagravelisi de la fecunditat indicadors de moment i de generacioacute
222 La reproduccioacute de les generacions
223 Caracteriacutestiques familiars i evolucioacute de lrsquoestructura de les llars
23 Migracions
231 Conceptes i mesures bagravesiques de les migracions
232 Migracions internes i externes
233 Evolucioacute dels moviments migratoris en la poblacioacute espanyola
3 Les projeccions demogragravefiques
31 Les projeccions de poblacioacute
311 El megravetode de les components
312 Metodologia per a la realitzacioacute de les projeccions de poblacioacute
32 Les projeccions de les llars
321 Conceptes bagravesics
322 El megravetode de les propensions
Metodologia i activitats formatives
En les classes magistrals srsquoexpliquen els continguts teograverics de cada tema i es presenten dadesdemogragravefiques de poblacions reals tant actuals com histograveriques per entendre i aplicar els principalsinstruments drsquoanagravelisi demogragravefica Tambeacute es recomana la lectura drsquoarticles de premsa o de revistesespecialitzades per comprendre els temes relacionats amb la poblacioacute que resulten drsquointeregraves enlrsquoactualitat
Es fan classes pragravectiques al llarg del curs a lrsquoaula drsquoordinadors i srsquoutilitza el programari apropiat perpoder obtenir les dades demogragravefiques de poblacions reals i fer el cagravelcul i interpretacioacute dels principalsindicadors demogragravefics en els exercicis proposats
Per aprofitar millor les classes magistrals i pragravectiques en el Campus Virtual es publiquen diferentsdocuments amb dades estadiacutestiques lectures recomanades i enunciats drsquoexercicis
Avaluacioacute acreditativa dels aprenentatges
Tant en lrsquoavaluacioacute continuada com en lrsquoavaluacioacute uacutenica es tenen en compte en el plantejament de lesproves les competegravencies que es pretenen desenvolupar en lrsquoassignatura Per una banda els enunciatsdels exercicis precisen capacitat drsquoanagravelisi i comprensioacute de les dades i per lrsquoaltra alguns problemes esbasen en aplicacions pragravectiques dels conceptes explicats que utilitzen dades reals de poblacions
Lrsquoavaluacioacute continuada de lrsquoassignatura consta de les activitats seguumlents
mdash Prova de contingut teograveric i pragravectic del bloc 1 es duu a terme en finalitzar el bloc temagravetic 1 Teacute unaponderacioacute del 25 de la nota final de lrsquoassignatura
mdash Prova de contingut teograveric i pragravectic del bloc 2 es duu a terme en finalitzar el bloc temagravetic 2 Teacute unaponderacioacute del 35 de la nota final de lrsquoassignatura
mdash Exercicis de contingut pragravectic del bloc 1 i del bloc 2 Es realitzen individualment i tenen unaponderacioacute del 20 de la nota final de lrsquoassignatura
mdash Treball escrit de contingut teograveric i pragravectic del bloc 3 Es pot fer individualment o en grups de dosalumnes i teacute una ponderacioacute del 20 de la nota final de lrsquoassignatura
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que estableix el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
En aquest cas lrsquoavaluacioacute es basa en un examen final que consta de quumlestions teograveriques i exercicispragravectics que es resolen utilitzant lrsquoordinador
Lrsquoexamen de reavaluacioacute de lrsquoassignatura teacute les mateixes caracteriacutestiques que lrsquoexamen drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KEYFITZ Nathan Applied mathematical demograpyh 3rd ed New York Springer 2005
LEGUINA Joaquiacuten Fundamentos de demografiacutea 5a ed Madrid Siglo XXI 1992
LIVI Massimo Introduccioacuten a la demografiacutea Barcelona Ariel 1993
NEWELL Colin Methods and models in demography Chichester [etc] Wiley 1994
PRESSAT Roland Introduccioacuten a la demografiacutea Barcelona Ariel 1985
TAPINOS Georges Photios Elementos de demografiacutea Madrid Espasa Calpe Universidad 1990
VINUESA Julio Demografiacutea Anaacutelisis y proyecciones Madrid Siacutentesis 1994
VINUESA Julio Teacutecnicas y ejercicios de demografiacutea Madrid INE 2007
PRESTON Samuel H et al Demography measuring and modeling population processes MaldenBlackwell 2001
VALLIN Jacques La poblacioacuten mundial Madrid Alianza Editorial 1995
Pagravegina web
Instituto Nacional de Estadiacutestica Disponible a ltwwwineesgt
Institut drsquoEstadiacutestica de Catalunya Disponible a ltwwwidescatcatgt
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dEnquestes
Codi de lassignatura 361229
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 12
- Tutoritzacioacute per grups 15
- Pragravectiques dordinadors 33
Treball tutelatdirigit
(Treball per dur a terme les diferents etapesde la pragravectica sota la tutela del professor)
40
Aprenentatge autogravenom
(Estudi previ a classe drsquoalguns temesteograverics Treball autogravenom de realitzacioacute de lapragravectica)
50
Recomanacions
mdash Tenir coneixements bagravesics drsquoalgun programa de tractament estadiacutestic del Word i del PowerPointmdash Redireccionar el correu UB cap al correu personal si lrsquoestudiant no accedeix regularment al correu UB
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les etapes que cal seguir per elaborar una enquestamdash Saber com redactar un projecte per elaborar una enquesta incloent-hi els objectius lametodologia les fases de lrsquoestudi el calendari el pressupost etcmdash Entendre la fitxa tegravecnica drsquouna enquesta i elaborar-ne una de nova a partir de lescaracteriacutestiques de lrsquoenquesta mostra i poblacioacutemdash Saber com elaborar un quumlestionari per recollir la informacioacute en funcioacute dels objectius previstosmdash Saber formular correctament les preguntes per incloure en el quumlestionari i valorar lrsquooportunitatde cada pregunta i el tipus de categoria de respostamdash Redactar preguntes en diferents escales de mesura aixiacute com preguntes obertesmdash Conegraveixer els fonaments de la teoria del mostratgemdash Planificar el treball de camp i assignar tasques als entrevistadorsmdash Dur a terme un treball de camp real i valorar-ne lrsquoexperiegravenciamdash Codificar les respostes dels diferents tipus de preguntes introduir les dades en suportinformagravetic i analitzar estadiacutesticament les dadesmdash Dissenyar estructurar i redactar un informe de resultats de lrsquoenquesta aixiacute com les conclusionsi exposar lrsquoinforme puacuteblicament
Referits a habilitats destreses
mdash Aprendre a identificar i plantejar un problema en termes que en permetin la resolucioacute Sabercom fer una recerca drsquoinformacioacutemdash Aprendre a treballar en grup negociar escoltar i ser assertiu manifestant les progravepies opinionsmdash Aprendre a planificar temporalment una activitat i a prioritzar les quumlestions importantsmdash Aprendre a analitzar (separar les parts drsquoun problema i tractar-les de forma individual) i asintetitzar (extraure el meacutes rellevant i tenir una visioacute de conjunt)mdash Aprendre a fer servir el programa estadiacutestic SPSS drsquouacutes comuacute en investigacioacute socialmdash Aprendre a dissenyar estructurar i redactar un informe de resultats per a un client Aprendre atractar amb un client i a vendre el nostre productemdash Adquirir nocions de parlar en puacuteblic de comunicar i de com es fa una presentacioacute oral
Blocs temagravetics
1 Lrsquoenquesta com a tegravecnica drsquoinvestigacioacute social
Introduccioacute i conceptes clau del disseny drsquoenquestes
11 Introduccioacute
12 Megravetodes i tegravecniques drsquoinvestigacioacute social
13 Enquestes explorar descriure i explicar la realitat social
14 Tipus drsquoenquestes
15 El proceacutes general drsquoinvestigacioacute a traveacutes drsquoenquestes
2 Fonaments de mostreig
Nocions bagravesiques de mostreig necessagraveries per saber com escollir la mostra drsquoindividus alsquals es faragrave lrsquoenquesta
21 Poblacioacute i mostra
22 Mostres aleatograveries i no aleatograveries
23 Megravetodes de mostreig aleatori idees bagravesiques
24 La mida de la mostra
25 Errors de mostreig
3 Seleccioacute de la persona enquestada
Srsquoestudia com escollir la persona a qui passar lrsquoenquesta en funcioacute de quin sigui el tipusdrsquoenquesta
31 Enquestes per correu
32 Enquestes telefograveniques
33 Enquestes cara a cara quotes i rutes aleatograveries
4 El quumlestionari
Srsquoestudia com es construeix un quumlestionari quines parts ha de tenir i com srsquohan deredactar les preguntes
41 Definicioacute i objectius del quumlestionari
42 Tipus de preguntes
43 El contingut de les preguntes
44 La manera de redactar les preguntes
45 Organitzacioacute i composicioacute del quumlestionari
5 El treball de camp
Srsquoestudia com srsquoha de fer lrsquoentrevista i el control del treball de camp
51 Lrsquoentrevistador importagravencia caracteriacutestiques i entrenament
52 Lrsquoentrevista organitzacioacute i problemes en la realitzacioacute
53 El control del treball de camp
54 Material per dur a terme el treball de camp
6 Tractament informagravetic de les dades obtingudes
Srsquoestudia com srsquohan drsquointroduir les dades recollides en un suport informagravetic de manera quees construeixi una base de dades per fer lrsquoanagravelisi estadiacutestica
61 La informagravetica i el tractament de dades
62 Codificacioacute de les dades i llibre de codis
63 Gravacioacute depuracioacute i validacioacute de les dades
64 Lrsquoanagravelisi estadiacutestica de les dades
7 Lrsquoinforme drsquoinvestigacioacute
Srsquoestudia com srsquoha de fer lrsquoinforme final de resultats parts que ha de tenir redaccioacutecontingut etc
71 Quumlestions pregravevies
72 Tipus drsquoinformes cientiacutefic tegravecnic i divulgatiu
73 Lrsquoinforme tegravecnic estructura elements i presentacioacute
74 Presentacioacute puacuteblica de lrsquoinforme
Metodologia i activitats formatives
Aquesta assignatura teacute els trets principals seguumlents
1 Srsquoenfoca molt directament a la pragravectica eacutes a dir tot el que es fa srsquoorienta a saber desenvolupar unaenquesta de principi a fi Es comenccedila preparant el projecte i srsquoacaba fent lrsquoexposicioacute puacuteblica delsresultats
2 Per poder dur a terme el punt anterior cal conegraveixer algunes quumlestions teograveriques que soacuten lrsquoobjectiudrsquoalgunes classes Eacutes habitual que es demani als estudiants que preparin el tema abans de classe Es fanavaluacions individuals i en grup per verificar si els coneixements srsquohan assolit correctament
3 Moltes de les classes es dediquen a les diferents fases de lrsquoactivitat pragravectica Es treballa en grups detres o quatre persones (obligatori) es duu a terme el treball de camp es va a lrsquoaula drsquoinformagravetica perintroduir les dades en suport informagravetic i per fer lrsquoinforme Al final els estudiants han de fer lespresentacions dels resultats davant la classe Durant tot el proceacutes lrsquoestudiant teacute el suport del professor
que lrsquoorienta
4 Es fa servir el Campus Virtual per concretar i donar detalls de totes les activitats del curs Eacutesimportant per tant que lrsquoestudiant hi entri regularment
5 Si ho estima necessari el professor pot passar un full de control drsquoassistegravencia a classe Srsquoenteacuten queuna assistegravencia irregular no permet assolir les competegravencies objecte de lrsquoassignatura ategraves que estreballen de manera intensa en les classes presencials
6 Algunes classes es dediquen a la tutoritzacioacute per grups Si el professor ho considera necessari es potdur a terme un desdoblament de manera que els estudiants poden tenir tutoria cada 15 dies
7 Com a consequumlegravencia del desplegament del projecte de foment de la qualitat docent que srsquoestagrave duent aterme a la Facultat drsquoEconomia i Empresa (impulsat des de la unitat de Recerca Innovacioacute i Millora de laDocegravencia i lrsquoAprenentatge (RIMDA) i el Vicerectorat de Docegravencia i Ordenacioacute Acadegravemica de la UB) durantels cursos 2018-2019 i 2019-2020 la metodologia docent drsquoalguns dels grups de lrsquoassignatura potquedar modificada respecte a la descrita anteriorment El detall drsquoaquesta metodologia es publica en elCampus Virtual a lrsquoinici de curs
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe La major part de lesactivitats soacuten en grup i es garanteix sempre que treballin tots els membres de lrsquoequip Cada grupdrsquoalumnes ha de dur a terme una investigacioacute de caragravecter socioeconogravemic a partir de dades obtingudesper enquesta i completar totes les etapes necessagraveries fins a arribar a conclusions
mdash Activitat 1 Plantejament de lrsquoestudi i disseny mostral cada grup suggereix una investigacioacute quesigui del seu interegraves i en defineix els objectius i la poblacioacute per estudiar Tot seguit proposa un dissenymostral que garanteixi una certa fiabilitat en els resultats Valor 5 de la nota final Data delliurament (aprox) 6 drsquooctubre
mdash Activitat 2 Disseny del quumlestionari cada grup dissenya el seu quumlestionari i nrsquoexplica lescaracteriacutestiques Valor 5 de la nota final Data de lliurament (aprox) 20 drsquooctubre
mdash Activitat 3 Treball de camp i generacioacute drsquoun fitxer de dades seguint el disseny mostral proposat esduen a terme les entrevistes per aconseguir les dades Posteriorment srsquointrodueixen les dades ensuport informagravetic i es genera un fitxer de dades codificat i etiquetat Valor 5 de la nota final Data delliurament (aprox) 5 de novembre
mdash Activitat 4 Anagravelisi estadiacutestica i presentacioacute de lrsquoinforme final fent servir el programa estadiacutesticSPSS es fa una anagravelisi estadiacutestica dels resultats i srsquoelabora una memograveria o informe amb les conclusionsValor 15 de la nota final Data de lliurament (aprox) 4 de desembre
mdash Activitat 5 Presentacioacute dels resultats de lrsquoestudi cal elaborar una presentacioacute en PowerPoint iexposar-la davant la resta de companys Valor 5 de la nota final Data (aprox) dues darreressetmanes del curs
Nota Tot el proceacutes drsquoelaboracioacute de lrsquoenquesta es tutoritza convenientment Els estudiants tenen lacolmiddotlaboracioacute del professor que ha drsquoestar assabentat en tot moment de lrsquoestat de lrsquoestudi i que vetllaperquegrave tots els membres dels equips treballin de forma igualitagraveria La nota drsquoaquestes activitats potdiferir entre els membres drsquoun mateix grup cas que hi hagi algun estudiant que no assisteixiregularment a classe o que no srsquoimpliqui en el treball en equip
mdash Prova final Serveix per comprovar que cada estudiant ha assolit coneixements suficients sobre lamategraveria del curs Valor 40 de la nota final Com a miacutenim lrsquoestudiant ha drsquoobtenir un 5 sobre 10perquegrave la nota drsquoaquesta prova faci mitjana amb la resta de notes del curs i pugui superar lrsquoassignaturaData la fixada pel Consell Docent
mdash El 25 restant de la qualificacioacute srsquoobteacute a partir del seguiment actiu i puntual de lrsquoassignaturaEs fan proves de seguiment individuals i en grup que srsquoanuncien amb antelacioacute per comprovar elcorrecte assoliment dels objectius de lrsquoassignatura Tambeacute es teacute en compte lrsquoassistegravencia i la participacioacuteactiva i respectuosa a classe
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
En cas que els canvis metodologravegics afectin el sistema drsquoavaluacioacute previst a lrsquoassignatura caldragrave tambeacutefer esment de les particularitats dels grups que se sotmetin al projecte
Avaluacioacute uacutenica
Aquesta opcioacute estagrave dissenyada per als estudiants que no assisteixen regularment a classe Tambeacute podenescollir-la la resta drsquoestudiants sempre que renunciiumln expliacutecitament a lrsquoavaluacioacute continuada tot i queno es recomana
En aquesta opcioacute es planteja un examen final que eacutes diferent i meacutes complet que la prova que fan elsalumnes que han seguit lrsquoavaluacioacute continuada Lrsquoestudiant ha de demostrar que coneix totes les etapesdrsquouna investigacioacute socioeconogravemica per enquesta i que sabria dur-la a la pragravectica Valor 100 de lanota final
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Disseny drsquoenquestes per a la investigacioacute social Barcelona Universitat deBarcelona 2011
ALVIRA Francisco La encuesta una perspectiva general metodoloacutegica Cuadernos Metodoloacutegicos Vol 352a ed rev Madrid CIS Centro de Investigaciones Socioloacutegicas 2011
AZOFRA Mariacutea Joseacute Cuestionarios Cuadernos Metodoloacutegicos Vol 26 Madrid Centro de InvestigacionesSocioloacutegicas 1999
DIacuteAZ DE RADA Vidal Organizacioacuten y gestioacuten de los trabajos de campo con encuestas personales ytelefoacutenicas Barcelona Ariel 2001
DIacuteAZ DE RADA Vidal Disentildeo y elaboracioacuten de cuestionarios para la investigacioacuten comercial MadridESIC 2001
FINK Arlene How to conduct surveys A step-by-step guide Thousand Oaks (CA) Sage 1998
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
REA Louis M et al Designing amp Conducting Survey Research A comprehensive Guide 3rd ed SanFrancisco Jossey- Bass 1992
RODRIacuteGUEZ Jacinto Meacutetodos de muestreo Cuadernos Metodoloacutegicos Vol 6 Madrid Centro deInvestigaciones Socioloacutegicas 2005
ROJAS Antonio et al (ed) Investigar mediante encuestas Madrid Siacutentesis 1998
Pagravegina web
Centro de Investigaciones Socioloacutegicas
Pagravegina web del Centro de Investigaciones Socioloacutegicas
Instituto Nacional de Estadiacutestica
Pagravegina web del Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Pagravegina web de lrsquoInstitut drsquoEstadiacutestica de Catalunya
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dExperiments
Codi de lassignatura 361230
Curs acadegravemic 2019-2020
Coordinacioacute Isaac Subirana Cachinero
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes especialment si soacuten deproblemesordinadors es desdoblen endiferents grups El professorat assigna elsestudiants als grups)
60
- Teoricopragravectica 40
- Pragravectiques dordinadors 20
Aprenentatge autogravenom 90
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Utilitzar aplicacions informagravetiques per a la resolucioacute de problemes matemagravetics
- Capacitat de construir un model matemagravetic en situacions simples de la realitat
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes que lrsquoalumnat conegui els principals dissenys i sigui capaccedildrsquoaplicar-los davant drsquouna situacioacute experimental concreta Estudiaragrave diferents tipus de dades realscorresponents a contextos diversos i ha de ser capaccedil de fer-ne una anagravelisi i obtenir-ne el magraveximdrsquoinformacioacute
Eacutes important que entengui el concepte de variabilitat experimental i que vegi lrsquoassignatura com elconjunt drsquoeines que permeten plantejar un experiment i despreacutes analitzar-lo estadiacutesticament pertal de controlar de manera eficient aquesta variabilitat experimental Eacutes per aixograve que davant decada disseny concret ha de comprendre quin eacutes lrsquoobjectiu i en quines situacions experimentals eacutesmeacutes adient
Referits a habilitats destreses
mdash Saber relacionar el pla experimental amb el model de disseny experimental corresponent
mdash Saber resoldre el disseny i interpretar-ne els resultats
mdash Conegraveixer els principals paquets estadiacutestics adients que permeten resoldre els dissenys
Blocs temagravetics
1 Dissenys amb factors fixos
11 Conceptes essencials en disseny drsquoexperiments
12 Comparacioacute de dos tractaments
13 Dissenys amb un factor
14 Dissenys amb blocs
15 Dissenys amb dos factors concepte drsquointeraccioacute
16 Dissenys 2K complets i fraccionals
2 Dissenys amb factors aleatoris i mixtos
21 Dissenys creuats fixos amb dos o meacutes factors
22 Dissenys creuats mixtos i aleatoris amb dos o meacutes factors
23 Dissenys jeragraverquics amb dos factors
24 Dissenys jeragraverquics amb meacutes de dos factors
25 Dissenys de mesures repetides
26 Comparacions muacuteltiples amb presegravencia de factors aleatoris
Metodologia i activitats formatives
Per a cadascun dels temes del programa els alumnes disposen drsquouna explicacioacute del professorat En lesclasses pragravectiques es plantegen diferents situacions experimentals en quegrave lrsquoestudiant ha drsquoidentificar eldisseny adient Per poder dur a terme les activitats programades srsquoexplica el programari necessariDurant les sessions presencials desdoblades es fan pragravectiques amb ordinador
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Els estudiants poden optar entre dues formes drsquoavaluacioacute una avaluacioacute continuada o una avaluacioacuteuacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acolliriquestse a lrsquoavaluacioacute uacutenica hande fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute continuada vol potenciar el treball continuat de lrsquoestudiant i facilitar un seguiment drsquoaquestaactivitat mitjanccedilant la interaccioacute alumnat-professorat
Les activitats drsquoavaluacioacute continuada obligatograveries soacuten
mdash Dues proves objectives al final de cada bloc (20 + 20 = 40 )
mdash Una prova final de siacutentesi (60 de la nota) La prova de siacutentesi es fa el mateix dia que la provadrsquoavaluacioacute uacutenica
La prova de reavaluacioacute teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica i srsquohi poden presentar totsels estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoexamen final consisteix en la resolucioacute de quumlestions i problemes i compta el 100 de la nota
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KUEHL Robert O Disentildeo de experimentos principios estadiacutesticos de disentildeo y anaacutelisis de investigacioacutenAustralia [etc] Madrid Thomson Learning 2001
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2011
BOX George E P et al Estadiacutestica para investigadores introduccioacuten al disentildeo de experimentos anaacutelisisde datos y construccioacuten de modelos Barcelona Reverteacute 1989
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Econometria
Codi de lassignatura 361238
Curs acadegravemic 2019-2020
Coordinacioacute Ramon Jose Alemany Leira
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes dominar les tegravecniques economegravetriques meacutes habitualsutilitzades avui en dia pels professionals tant de lrsquoeconomia i lrsquoempresa com drsquoaltres disciplinesen tasques de recerca aplicada
Conegraveixer i comprendre les eines i tegravecniques drsquoanagravelisi associades a la utilitzacioacute del model deregressioacute lineal muacuteltiple
Identificar les propietats dels diferents megravetodes drsquoestimacioacute del model de regressioacute lineal muacuteltiplei conegraveixer els avantatges i inconvenients de cadascun
Referits a habilitats destreses
Interpretar de manera rigorosa i correcta els resultats de lrsquoestimacioacute drsquoun model de regressioacutelineal muacuteltiple en les seves possibles especificacions
Identificar per a cada model particular quines de les hipogravetesis habituals drsquoestimacioacute soacuten meacutesraonables i quines ho soacuten menys
Valorar de manera criacutetica les conclusions que srsquoextreuen drsquoun model de regressioacute tenint encompte les propietats de les variables analitzades i les caracteriacutestiques de les dades disponibles
Aplicar les pautes de treball correctes en cadascuna de les etapes necessagraveries a lrsquohora drsquoutilitzarun model de regressioacute lineal muacuteltiple lrsquoespecificacioacute lrsquoestimacioacute la validacioacute i la interpretacioacute
Referits a actituds valors i normes
Desenvolupar lrsquointeregraves per lrsquoanagravelisi i la recerca aplicada basada en la utilitzacioacute de les tegravecniqueseconomegravetriques i de modelitzacioacute
Blocs temagravetics
1 Introduccioacute
11 Concepte i estrategravegia de la investigacioacute economegravetrica
12 Models econogravemics i models economegravetrics Components i tipologia
13 Etapes en la investigacioacute economegravetrica
2 El model de regressioacute lineal muacuteltiple especificacioacute i estimacioacute
21 Especificacioacute del model
22 Les hipogravetesis bagravesiques del model de regressioacute lineal muacuteltiple estagravendard
23 Estimacioacute per miacutenims quadrats ordinaris (MQO)
24 Propietats de lrsquoestimacioacute per MQO
25 Estimacioacute per magravexima versemblanccedila
3 El model de regressioacute lineal muacuteltiple validacioacute i prediccioacute
31 Mesures de bondat drsquoajust del model
32 Contrast drsquohipogravetesi
33 Estimacioacute amb restriccions lineals
34 Anagravelisi de la variagravencia
35 Prediccioacute puntual i per interval
4 Errors drsquoespecificacioacute i problemes amb les dades
41 Deteccioacute drsquoerrors a la manera funcional
42 Especificacioacute errogravenia de les variables explicatives
43 Permanegravencia versus canvi estructural
44 Multicolmiddotlinealitat
45 Deteccioacute de dades atiacutepiques i influents
5 Incompliment de les hipogravetesis bagravesiques del terme de pertorbacioacute
51 Matrius de variagravencies i covariagravencies escalars i no escalars
52 Estimacioacute per miacutenims quadrats ordinaris (MQO) i propietats
53 Estimacioacute per miacutenims quadrats generalitzats (MQG) i propietats
54 Estimacioacute per magravexima versemblanccedila i propietats
6 Heteroscedasticitat
61 Definicioacute i causes
62 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
63 Deteccioacute de lrsquoheteroscedasticitat
64 Estimacioacute per miacutenims quadrats generalitzats (MQG) i miacutenims quadrats ponderats
(MQP)
65 Inferegravencia i prediccioacute
7 Autocorrelacioacute
71 Definicioacute i causes
72 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
73 Deteccioacute de lrsquoautocorrelacioacute
74 Estimacioacute per miacutenims quadrats generalitzats (MQG)
75 Inferegravencia i prediccioacute
8 Models de variable dependent discreta
81 Model de probabilitat lineal
82 Model progravebit
83 Model logravegit
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials
mdash Classes de teoria amb lrsquoobjectiu de presentar les eines i les tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
mdash Classes de problemes amb lrsquoobjectiu de resoldre analitzar o discutir problemes basats en aquesteseines i tegravecniques
mdash Tallers a lrsquoaula drsquoinformagravetica per aplicar aquestes eines i tegravecniques a la resolucioacute de problemesconcrets a partir de dades determinades i amb la utilitzacioacute de programari especiacutefic
A meacutes es proposa que lrsquoalumnat elabori un total de tres pragravectiques de manera individual fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina drsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es basa en quatre tipus drsquoactivitats
a) Dues pragravectiques (5 cadascuna) Lrsquoobjectiu drsquoaquestes pragravectiques eacutes que a partir drsquoun conjunt dedades concret (proporcionat pel professorat) els estudiants responguin a un seguit de quumlestions per ales quals necessiten utilitzar les tegravecniques pregraveviament estudiades a classe Es posa egravemfasi sobretot enla interpretacioacute correcta dels resultats que srsquoobtenen Les pragravectiques es publiquen aproximadament aprincipi de marccedil i a principi de maig La data exacta de publicacioacute de lrsquoenunciat i la data liacutemit per a lapresentacioacute de cada pragravectica es publiquen en el Campus Virtual durant les dues primeres setmanes delcurs
b) Test de mig semestre (25 ) Al voltant de la meitat del semestre (set setmanes) es fa un test ambpreguntes curtes o de resposta muacuteltiple sobre aspectes teograverics i pragravectics La data exacta es comunica alrsquoinici del semestre
c) Tallers (5 ) Qualificacioacute en funcioacute de la participacioacute i les tasques dutes a terme en els tallers
d) Una prova escrita amb una ponderacioacute del 60 en relacioacute amb la nota final Per superar
lrsquoassignatura eacutes imprescindible obtenir una puntuacioacute miacutenima en aquesta prova de 3 sobre 10independentment de la qualificacioacute obtinguda en les pragravectiques el test i els tallers
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consta de dues partsa) Un examen escritb) Un exercici pragravectic amb lrsquoordinador
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GREENE William H Anaacutelisis economeacutetrico Madrid Prentice Hall 1999
WOOLDRIDGE Jeffrey M Introduccioacuten a la Econometriacutea Un enfoque moderno 4a ed revisada CengageLearning 2016
STOCK James Het al Introduccioacuten a la Econometriacutea 3a ed Madrid Pearson 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Descriptiva
Codi de lassignatura 361196
Curs acadegravemic 2019-2020
Coordinacioacute Manuela T Alcantildeiz Zanon
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Assistegravencia regular a classe Es considera que lrsquoestudiant hi ha assistit amb regularitat si ho ha fetalmenys al 80 de les sessions presencials
mdash Seguiment de lrsquoavaluacioacute continuada Aquest megravetode drsquoaprenentatge posa lrsquoaccent en la formacioacutede lrsquoestudiant al llarg del curs i no nomeacutes en lrsquoavaluacioacute entesa com a assignacioacute drsquouna qualificacioacute Pertant el seu seguiment eacutes del magravexim interegraves per assolir un autegraventic coneixement de la mategraveria
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els estadiacutestics de siacutentesi meacutes habituals dins del conjunt drsquoeines i tegravecniquesenglobades en el que srsquoanomena de forma genegraverica estadiacutestica descriptiva mdash Comprendre la utilitat els avantatges i els inconvenients de cadascun drsquoaquests estadiacutesticsaixiacute com conegraveixer en quines situacions eacutes meacutes adequat drsquoutilitzar-ne cadascun mdash Saber calcular aquests estadiacutestics mdash Aprendre a organitzar representar analitzar i sintetitzar un conjunt de dades usant elsmegravetodes gragravefics tabulars i numegraverics meacutes adients per a cada tipologia de variable i de dades mdash Interpretar de forma rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignaturamdash Seleccionar lrsquoestadiacutestic de siacutentesi meacutes adequat en cada situacioacute
Referits a habilitats destreses
mdash Adquirir els hagravebits adequats en relacioacute amb el tipus de raonament que srsquoutilitza en lrsquoanagravelisiestadiacutestica mdash Desenvolupar un cert esperit criacutetic en relacioacute amb les eines i tegravecniques presentades per taldrsquoidentificar-ne les limitacions drsquoacord amb lrsquoanagravelisi de problemes concrets aplicats
Blocs temagravetics
1 Introduccioacute
11 Conceptes bagravesics
Objecte de lrsquoestadiacutestica descriptiva
Poblacioacute i mostra
Tipus de variables
2 Anagravelisi de dades unidimensionals
21 Representacioacute gragravefica i tabular de dades
Tipus de dades
Tabulacioacute de dades unidimensionals
Megravetodes gragravefics per a la representacioacute de dades
22 Mesures de siacutentesi per a dades quantitatives univariants (I)
Mesures de posicioacute o tendegravencia central
Moments potencials
Mesures de dispersioacute
Mesures de localitzacioacute
23 Mesures de siacutentesi per a dades quantitatives univariants (II)
Mesures drsquoasimetria
Mesures drsquoapuntament o curtosi
Mesures de concentracioacute
Mesures per a dades agrupades en intervals
3 Anagravelisi de dades multidimensionals
31 Dades multidimensionals
Matriu de dades
Taules de creuament distribucions de frequumlegravencies (conjunta marginals i
condicionades)
Associacioacute entre dades quantitatives bidimensionals matriu de variagravencies i
covariagravencies i matriu de correlacions
Associacioacute entre dades quantitatives multidimensionals
Associacioacute entre dades qualitatives en escala nominal
Associacioacute entre dades qualitatives en escala ordinal
32 Model de regressioacute lineal
Descripcioacute drsquouna relacioacute entre variables
Especificacioacute del model de regressioacute lineal simple
Ajust per miacutenims quadrats ordinaris
Bondat drsquoajust Coeficient de determinacioacute
4 Altres indicadors estadiacutestics
41 Altres indicadors
Nombres iacutendexs iacutendexs simples i compostos
Nombres iacutendexs econogravemics
Deflacioacute
Taxes de variacioacute
Metodologia i activitats formatives
El megravetode docent es basa principalment en tres tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques Per a un millor aprofitament de les classes de problemes la professora potdesdoblar el grup en dos si ho considera necessari
3 Sessions de classe inversa (flipped classroom) La professora demana pregraveviament a la classe lrsquoestudidrsquoun material En comenccedilar la classe lrsquoestudiant fa una prova individual sobre la temagravetica estudiadaDespreacutes els estudiants es reuneixen en grups per discutir la mateixa prova i algun problema en grup Esdiscuteixen els resultats i srsquoaclareixen els punts on srsquoha trobat meacutes dificultat Aquesta activitat eacutesavaluable
A meacutes a meacutes es proposa als estudiants un conjunt de pragravectiques que han de fer en equips i fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de diferentsactivitats que es duen a terme al llarg del curs
a) Pragravectiques
Pragravectica 1 Els estudiants srsquohan drsquoagrupar en equips de 3-4 persones i crear una base de dades del seuinteregraves Despreacutes han de fer una explotacioacute descriptiva de les dades que contingui diferents mesures desiacutentesi gragravefics taules de frequumlegravencies etc Els estudiants han de presentar un informe escrit amb elsresultats obtinguts Valor 75 de la nota final Data de lliurament (aprox) 11 de novembre de2019
Pragravectica 2 Cada grup ha de proposar un model de regressioacute lineal fer diferents prediccions i valorar-neel grau de fiabilitat Valor 75 de la nota final Data de lliurament (aprox) 3 de gener de 2020
b) Sessions de classe inversa (flipped classroom)
Srsquoavaluen les proves individuals les proves en grup i els problemes i activitats complementagraveries de lessessions de classe inversa Valor 10 de la nota final Data diverses sessions al llarg del curs quesrsquoanuncien amb antelacioacute suficient
c) Dues proves escrites que consisteixen en la resolucioacute drsquoun conjunt de problemes i quumlestionsteograveriques
mdash Una prova de seguiment del curs Consta de 10 preguntes de tipus test que permeten alrsquoestudiant valorar el seu grau drsquoassimilacioacute de la mategraveria Valor 20 de la nota final Dataaproximada 13 de novembre de 2019
mdash Una prova final Valor 55 de la nota final Srsquoha de treure com a miacutenim un 4 perquegrave sigui
possible fer la mitjana amb la resta de notes del curs Data la fixada pel Consell Docent
La nota final de lrsquoestudiant eacutes el valor magravexim entre la nota calculada amb els percentatges anteriors ila nota obtinguda a la prova final
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova pot ser diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en les dates fixades pel Consell Docent
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Problemes drsquoEstadiacutestica Descriptiva Textos Docents nuacutem 389 BarcelonaUniversitat de Barcelona 2014
BARDINA Xavier et al Estadiacutestica Descriptiva Bellaterra Universitat Autogravenoma de Barcelona Servei dePublicacions 2009
CASTILLO Isabel et al Estadiacutestica descriptiva y caacutelculo de probabilidades Madrid Pearson 2006
FERNAacuteNDEZ Santiago et al Estadiacutestica descriptiva 2 ed rev y actualizada Madrid ESIC 2002
FERNAacuteNDEZ Carlos et al Curso de estadiacutestica descriptiva teoriacutea y praacutectica Barcelona Ariel 1995
HERNAacuteNDEZ Agustiacuten Curso elemental de Estadiacutestica Descriptiva Madrid Piraacutemide 2008
MARTIacuteN -GUZMAacuteN Pilar et al Manual de Estadiacutestica Descriptiva Cizur Menor Aranzadi 2006
MARTIacuteN Francisco Javier Introduccioacuten a la estadiacutestica econoacutemica y empresarial teoriacutea y praacutectica MadridAC-Thomson 2004
MONTERO J Mariacutea Estadiacutestica Descriptiva Madrid Thomson 2007
MONTERO J Mariacutea Problemas resueltos de Estadiacutestica Descriptiva para Ciencias Sociales MadridThomson 2007
MURES Mordf Jesuacutes et al Problemas de estadiacutestica descriptiva aplicada a las ciencias sociales MadridPearson Prentice Hall 2004
TOMEO Venancio et al Estadiacutestica Descriptiva Madrid Garceta Grupo Editorial 2009
Text electrogravenic
ALCANtildeIZ Manuela et al Concentracioacuten curva de Lorenz e iacutendice de Gini Colmiddotleccioacute OMADO DipogravesitDigital de la Universitat de Barcelona
ESPEJO I et al Estadiacutestica Descriptiva y Probabilidad 3a ed Caacutediz Servicio de PublicacionesUniversidad de Caacutediz 2011
Es pot descarregar Conteacute teoria i nombrosos exercicis resolts drsquoestadiacutesticadescriptiva
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Industrial
Codi de lassignatura 361250
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER TORT-MARTORELL LLABRES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 30
Treball tutelatdirigit
(Resolucioacute de casos pragravectics)30
Aprenentatge autogravenom
(Lectura siacutentesi i presentacioacute oral drsquoarticlesi capiacutetols de llibres)
60
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica per a la Gestioacute de laQualitat Software Estadiacutestic i Disseny drsquoExperiments
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
Es preteacuten que lrsquoestudiant sigui capaccedil de dissenyar i implementar un pla drsquoexperimentacioacute per talde descobrir com una segraverie de variables (controlables o no) drsquoun proceacutes afecten una caracteriacutesticade qualitat drsquointeregraves Tambeacute es preteacuten que lrsquoestudiant entengui la importagravencia de lluitar contra lavariabilitat per millorar la qualitat sagravepiga caracteritzar la variabilitat drsquoun proceacutes i coneguitegravecniques per reduir la variabilitat i mantenir-la en els nivells miacutenims Concretament en acabar elcurs els estudiants han de ser capaccedilos de
bull Seleccionar dissenys que permetin analitzar el comportament drsquoun producte o un proceacutes tantpel que fa a la mitjana com a la variagravencia transmesa per factors no controlables
bull Analitzar lrsquoefecte dels factors de control i soroll en la resposta drsquointeregraves i seleccionar lescondicions meacutes robustes
bull Seleccionar dissenys que permetin explorar la superfiacutecie de resposta amb polinomis de segonordre (disseny central compost disseny de Box-Behnken etc)
bull Explorar la regioacute drsquointeregraves de les variables experimentals que maximitzin (minimitzin) laresposta i estudiar la naturalesa de la superfiacutecie
bull Dissenyar experiments reals i implementar-los seguint una estrategravegia sequumlencial des delplantejament del pla experimental fins a lrsquoelaboracioacute de conclusions
bull Entendre com funcionen els gragravefics de control sofisticats i fer-los servir
bull Implantar un control estadiacutestic de processos en un proceacutes real tenint en compte la naturalesadel proceacutes i els costos associats
bull Fer estudis de repetibilitat i reproductibilitat per garantir que el sistema de mesura que es faservir en un proceacutes eacutes adequat
Referits a habilitats destreses
bull Treure informacioacute drsquointeregraves i aprendre a partir de llibres i articles
bull Treballar en grups per consensuar decisions i solucionar problemes de manera conjunta
bull Treballar en equip per consensuar decisions i solucionar problemes de manera conjunta
bull Comunicar idees i resultats de manera eficaccedil tant per escrit com oralment
Blocs temagravetics
1 Metodologia de millora sis sigma
Necessitat de la millora Aspectes organitzatius rols i responsabilitats Metodologia de milloraetapes Objectius i tasques de cadascuna de les cinc etapes definir mesurar analitzarmillorar i controlar Estudis de repetibilitat i reproductibilitat (RampR) Casos i exercicis
2 Disseny drsquoexperiments a la induacutestria i metodologia de superfiacutecie de resposta
Importagravencia de lrsquoexperimentacioacute en un entorn industrial Repagraves de dissenys factorials a dosnivells Bloqueig en dissenys factorials Punts centrals Superfiacutecie de resposta fent servirpolinomis de primer grau Uacutes de lrsquolaquosteepest ascentraquo per a lrsquoaproximacioacute a la regioacute drsquointeregravesSuperfiacutecie de resposta fent servir polinomis de segon grau Dissenys central compost i deBox-Bhenken Adequacioacute del model
3 Control estadiacutestic de processos monitoratge i ajust
Seleccioacute dels gragravefics de control adequats segons la variable que srsquoha de monitorar Conceptede subgrup racional i ARL Limitacions dels gragravefics de control de Shwart Dadesautocorrelacionades i processos no estacionaris Prediccions fent servir un model EWMA Ajustcontinu i ajust periogravedic de processos no estacionaris
4 Casos pragravectics drsquoaplicacioacute de lrsquoestadiacutestica en la induacutestria i en els serveis
Cas dels tubs de silicona Cas de la caixa cooperativa professional
Metodologia i activitats formatives
Teoria Exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Pragravectiques Resolucioacute de problemes i casos pragravectics Es proposen activitats per fer fora de les hores declasse
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Exercicis de seguiment de lrsquoassignatura 15
Casos pragravectics 35
Examen final 50
Avaluacioacute uacutenica
Examen final
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Statistics for experimenters design innovation and discovery 2nd ed HobokenWiley Interscience 2005
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2002
MYERS Raymond H et al Response surface methodology process and product optimization HobokenWiley Interscience 2009
HAHN Gerald J et al The role of statistics in business and industry Hoboken New Jersey Wiley 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Megravedica
Codi de lassignatura 361249
Curs acadegravemic 2019-2020
Coordinacioacute Erik Cobo Valeri
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 48
- Pragravectiques de problemes 8
- Pragravectiques dordinadors 4
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha drsquoestar disposat a adquirir progressivament competegravencies i habilitats especificades alrsquoentrada statistical consulting de lrsquoEnciclopegravedia en Ciegravencies Estadiacutestiques
Requisits
361231 - Models Lineals (Recomanada)
361237 - Estadiacutestica per a les Biociegravencies (Recomanada)
361232 - Anagravelisi Multivariant (Recomanada)
361234 - Models Lineals Generalitzats (Recomanada)
361214 - Software Estadiacutestic (Recomanada)
361221 - Inferegravencia Estadiacutestica (Recomanada)
361230 - Disseny dExperiments (Recomanada)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
bull Identificar i utilitzar correctament la terminologia bagravesica dels estudis empiacuterics en ciegravencies de lasalut
bull Distingir entre associacioacute i causalitat i entre estimacioacute drsquoefectes drsquointervencions definides icerca de causes
bull Interpretar i utilitzar correctament les principals guies de publicacioacute de recerca en salut(CONSORT SPIRIT PRISMA STROBE STARD TRIPOD)
bull Valorar criacuteticament els resultats de recerca en ciegravencies de la salut
bull Conegraveixer els entorns laborals en ciegravencies de la salut que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Referits a habilitats destreses
bull Aplicar les tegravecniques estadiacutestiques en estudis empiacuterics en ciegravencies de la salut i interpretar-necorrectament els resultats
bull Aplicar les tegravecniques estadiacutestiques a estudis observacionals i experimentals en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques de model lineal generalitzat a estudis en ciegravencies de la salut iinterpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques aplicades a la revisioacute sistemagravetica drsquoestudis en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis empiacuterics en ciegravencies de la salut
bull Fer una valoracioacute criacutetica drsquoun article cientiacutefic pel que fa als objectius megravetodes resultats ilimitacions trobades
Referits a actituds valors i normes
bull Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis empiacuterics en ciegravencies de la salut
Blocs temagravetics
1 Entorn de treball
11 Objectius de salut i tipus drsquoestudis
12 Aspectes egravetics Interaccioacute amb els investigadors
13 Regressioacute a la mitjana evolucioacute natural i efecte placebo
2 Dissenys experimentals per avaluar intervencions Revisions sistemagravetiques
21 Assajos cliacutenics Determinacioacute de la mida mostral Desviacions i dades no disponibles
Riscos de biaix
22 Dissenys amb intercanvi (cross-over)
23 Genegraverics Plantejament drsquoequivalegravencia
24 Revisions sistemagravetiques Metanagravelisi
3 Causalitat
31 Prediccioacute en front drsquointervencioacute
32 Estimacioacute drsquoefectes enfront de cerca de causes
33 Diadrames aciacuteclics Bloqueig Aplicacioacute a la confusioacute drsquoefectes i al biaix de seleccioacute
34 Ponderacioacute per la inversa de la probabilitat (IPW)
4 Dissenys observacionals
41 Tipus drsquoestudis epidemiologravegics estudis de cohort estudis cas-control i estudis
transversals
42 Mesures de frequumlegravencia de malalties i epidegravemies prevalenccedila incidegravencia acumulada i
taxa drsquoincidegravencia
43 Mesures drsquoassociacioacute diferegravencia de riscos (absolut atribuiumlble) quocient de riscos
(relatiu) quocient drsquooportunitats (odds ratio) i quocient de taxes (hazard ratio)
44 Diagnogravestic Probabilitats diagnogravestiques Corba del receptor (ROC)
45 Models pronogravestics Logiacutestic i de Cox Capacitat de discriminacioacute Calibracioacute
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions
Al comenccedilament de cada tema el professor fa una presentacioacute inicial i ofereix documentacioacute perquegrave elsalumnes elaborin alguns conceptes
En paralmiddotlel lrsquoestudiant prepara mdashindividualment o en grupsmdash aspectes complementaris dels temesexposats i es discuteixen passat un temps a classe
El professor tambeacute proposa dades i eines per treballar-les
Lrsquoalumnat hi treballa de forma guiada i nrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es duu a terme a traveacutes de tres elements
mdash Problemes per a cada bloc (410 )
mdash Informe escrit i presentacioacute oral drsquoun treball pragravectic (20 )
mdash Dues proves de siacutentesi en acabar els blocs 2 i 4 (220 )
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi Aquesta data es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Examen final que inclou exercicis de tots els tipus
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
SENN Stephen Statistical issues in drug development 2nd ed Chichestr Wiley-Blackwell 2007
PIANTADOSI Steven Clinical Trials a methodologic perspective Hoboken NJ Wiley-Interscience 2005
JEWELL Nicholas Statistics for Epidemiology Boca Raton [Fla] [etc] Chapman amp HallCRC 2004
Pagravegina web
Causality book Miquel Hernaacuten amp Jamie Robbins
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a la Gestioacute de la Qualitat
Codi de lassignatura 361235
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques dordinadors 225
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica DescriptivaIntroduccioacute a la Probabilitat i Introduccioacute a la Inferegravencia Estadiacutestica
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Prendre consciegravencia de la importagravencia i de les possibilitats de lrsquoestadiacutestica en el context de lagestioacute de la qualitat mdash Conegraveixer i saber aplicar les tegravecniques fonamentals
Capacitats a adquirir mdash Entendre i prendre consciegravencia de per quegrave lrsquoestadiacutestica eacutes una eina important en la gestioacute de laqualitatmdash Identificar en quines situacions poden ser uacutetils les eines per a la millora de la qualitat i saber-les utilitzar adequadamentmdash Plantejar i realitzar estudis de capacitat Conegraveixer quegrave soacuten i com es calculen els iacutendexs decapacitatmdash Conegraveixer el paper dels gragravefics de control en la lluita contra la variabilitat Saber com esconstrueixen i com srsquointerpreten els gragravefics drsquouacutes meacutes habitualmdash Entendre i saber calcular els riscos inherents a qualsevol pla de mostreig Construir iinterpretar la corba caracteriacutestica drsquoun pla de mostreigmdash Conegraveixer les tegravecniques meacutes habituals per a la planificacioacute de la qualitat
Blocs temagravetics
1 Introduccioacute a la gestioacute de la qualitat
Quegrave eacutes la qualitat El control de la qualitat evolucioacute histograverica Gestioacute de la qualitat Latrilogia de Juran El paper de lrsquoestadiacutestica en la gestioacute de la qualitat Lrsquoassignatura en elcontext de la carrera
2 Millora de la qualitat
Quegrave eacutes la millora La definicioacute del projecte i dels objectius Metodologia per a la millora Lesset eines bagravesiques drsquoIshikawa plantilles histogrames diagrames de Pareto diagramescausa-efecte diagrames bivariants estratificacioacute gragravefics de control Habilitats el treball enequip Introduccioacute a la metodologia de millora sis sigma
3 Variabilitat causes i mesura
Concepte de variabilitat Causes comunes i causes assignables Tractament probabiliacutestic deles causes comunes la llei normal Estudis de capacitat a curt i llarg termini Iacutendexs decapacitat Llenguatge sis sigma
4 Control estadiacutestic de processos
Estrategravegies en la lluita contra la variabilitat Control estadiacutestic de processos com i per quegraveGragravefics de control per variables gragravefics Xbarra-R Altres gragravefics de control per variablesGragravefics de control per atributs P NP Altres gragravefics de control per atributs
5 Inspeccioacute per mostreig
Quegrave eacutes la inspeccioacute per mostreig Quegrave eacutes un pla de mostreig Risc del comprador i risc delvenedor Cagravelcul dels riscos Corba caracteriacutestica drsquoun pla de mostreig Disseny de plans demostreig Normes MIL-STD 105 D
6 Eines per a la planificacioacute
La veu del client El model de Kano QFD la casa de la qualitat Anticipar-se a lrsquoaparicioacute dedefectes lrsquoAMFE Sistemes antierror Poka-Yoke Quegrave eacutes un producte robust Introduccioacute almodel EFQM i ISO
Metodologia i activitats formatives
Teoria exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Problemes i pragravectiques resolucioacute de problemes i casos pragravectics Es proposen problemes per fer foradrsquohores de classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
NF = 025NAC + 035NEP + 040NEF (cal una nota miacutenima de 4 a la NEF per fer la ponderacioacute encas contrari NF = NEF)
NF nota finalNAC nota drsquoavaluacioacute continuada (exercicis que els estudiants han de lliurar al llarg del curs)NEP nota de lrsquoexamen parcialNEF nota de lrsquoexamen final
En lrsquoexamen final entra tota la mategraveria del curs
Avaluacioacute uacutenica
Un uacutenic examen en quegrave entra tota la mategraveria La nota obtinguda en aquest examen eacutes la nota delrsquoassignatura Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacuteuacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MONTGOMERY Douglas C Introduction to Statistical Quality Control 5th ed Chichester John Wiley 2005
Estadiacutestica con MINITAB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a les Biociegravencies
Codi de lassignatura 361237
Curs acadegravemic 2019-2020
Coordinacioacute Esteban Vegas Lozano
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 36
- Pragravectiques de problemes 16
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes convenient que lrsquoestudiant disposi de les competegravencies i habilitats que srsquoespera que tingui al final delsegon curs del grau drsquoEstadiacutestica
Requisits
mdash Probabilitat i Inferegravenciamdash Estadiacutesticamdash Anagravelisi Multivariant
mdash Model Linealmdash Coneixement del llenguatge de R
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
[A] Identificar i utilitzar correctament la terminologia bagravesica dels estudis de biociegravencies biologiabiomedicina i bioinformagravetica ecologia genegravetica i biodiversitat
[B] Enunciar les tegravecniques estadiacutestiques meacutes rellevants en estudis de biociegravencies
[C] Aplicar les tegravecniques estadiacutestiques en estudis de biociegravencies i interpretar-ne correctament elsresultats
[D] Conegraveixer les especialitats megravediques meacutes rellevants i els seus tipus drsquoestudis i variables meacutesusuals
[E] Conegraveixer alguns termes i conceptes de biologia molecular aixiacute com algunes de les tecnologiesemprades en experiments de biologia i biomedicina
[F] Aprendre els processos usuals per a lrsquoanagravelisi de dades drsquoalt rendiment
[G] Conegraveixer i interpretar les mesures estadiacutestiques generals de diversitat i la seva relacioacute amb labiodiversitat en ecologia i en genegravetica
[H] Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis de biociegravencies
[I] Potenciar la capacitat de reflexioacute i criacutetica mitjanccedilant el treball amb conjunts de dades drsquoestudisde biociegravencies
[J] Aprendre a redactar un informe que contingui els objectius megravetodes i resultats aixiacute com unavaloracioacute criacutetica de les limitacions trobades
[K] Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis en les biociegravencies
[L] Conegraveixer els entorns laborals en biociegravencies que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Blocs temagravetics
1 Estadiacutestica i bioinformagravetica
11 Biomolegravecules biomedicina i malalties
mdash Les molegravecules de la vida ADN i proteiumlnes dogma central expressioacute gegravenica
mdash Biomedicina i bases moleculars drsquoalgunes malalties (el cagravencer o malalties
immunes)
mdash Exemples i estudi drsquoun cas medicina personalitzada
12 Introduccioacute a algunes eines de la biotecnologia
mdash La bioinformagravetica
mdash Anagravelisi de lrsquoexpressioacute gegravenica microarrays (matrius)
mdash Altres tegravecniques drsquoobtencioacute de dades drsquoalt rendiment sequumlenciacioacute i proteogravemica
mdash Exemples i estudi de casos eines bioinformagravetiques per a lrsquoexplotacioacute de bases de
dades biologravegiques
13 Anagravelisi de dades drsquoalt rendiment anagravelisi de matrius drsquoexpressioacute gegravenica
mdash Preprocessament i control de qualitat
mdash Normalitzacioacute
mdash Seleccioacute de gens diferencialment expressats
mdash Classificacioacute i prediccioacute amb dades drsquoalt rendiment
mdash Exemples i estudi drsquoun cas seleccioacute de gens associats amb cagravencer de mama
2 Estadiacutestica i biodiversitat
21 Introduccioacute a la diversitat
mdash Mesures estadiacutestiques de diversitat Lrsquoiacutendex de Simpson i lrsquoiacutendex de Shannon
22 Biodiversitat en ecologia
mdash Conceptes bagravesics drsquoecologia espegravecie ecosistema niacutenxol hagravebitat riquesa
drsquoespegravecies iacutendex de diversitat abundagravencia etc
mdash Gragravefics per a la representacioacute de dades de diversitat la distribucioacute de les
frequumlegravencies i el diagrama de rang-abundagravencia
mdash Models estadiacutestics per a la diversitat drsquoespegravecies log-segraverie de Fisher el model log-
normal la segraverie geomegravetrica el model del bastoacute trencat de McArthur
mdash Les mesures de diversitat drsquoespegravecies la riquesa drsquoespegravecies lrsquoiacutendex de Simpson
lrsquoiacutendex de Shannon
mdash Estimacioacute de la riquesa drsquoespegravecies la corba drsquoacumulacioacute drsquoespegravecies estimadors
paramegravetrics i no paramegravetrics de la riquesa
mdash Incertesa en lrsquoestimacioacute de la diversitat El jackknife
mdash Exemples
23 Biodiversitat en genegravetica
mdash Conceptes bagravesics de genegravetica cromosomes locus gens i almiddotlels genotips
haplotips marcadors dominants codominants i recessius microsategravelmiddotlits i SNP
polimorfismes frequumlegravencies almiddotlegraveliques i genotiacutepiques heterozigositat observada i
esperada equilibri genegravetic (Hardy-Weinberg i desequilibri de lligament) Estadiacutestics
per mesurar desequilibri
mdash Les mesures de la diversitat gegravenica Percentatge de locus polimograverfics nombre
efectiu drsquoalmiddotlels riquesa drsquoalmiddotlels heterozigositat esperada Lrsquoiacutendex de Simpson i
lrsquoiacutendex de Shannon
mdash Anagravelisi de la diversitat gegravenica entre i dins de poblacions els iacutendexs de Nei i els
estadiacutestics F de Wright
mdash Exemples
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions Alcomenccedilament de cada tema el professorat fa una presentacioacute inicial i ofereix documentacioacute perquegravelrsquoalumnat elabori alguns conceptes
Paralmiddotlelament els alumnes preparen individualment o en grups aspectes complementaris dels temesexposats que es discuteixen passat un temps a classe
Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Eacutes elprofessorat qui assigna els estudiants als grups
El professorat tambeacute proposa dades i eines per treballar-les I lrsquoalumnat hi treballa de forma guiada inrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi en acabar cada bloc (45 )mdash Pragravectiques de laboratori i exercicis per lliurar per a cada bloc (30 )mdash Un treball pragravectic (25 )
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir‐se a lrsquoavaluacioacute uacutenica han de fer‐hoabans de la data que srsquoestableix i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi i treball que engloben els continguts dels blocs (70 )mdash Prova de laboratori sobre els continguts dels blocs (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
COHEN William W A computer Scientistrsquos guide to cell biology a travelogue from a stranger in a strangeland Pittsburgh Springer 2007
Recomanat per al bloc 1
GASTON Kevin J et al Biodiversity an introduction 2nd ed Oxford Blackwell Science 2004
Recomanat per al bloc 2
GIBSON Greg et al A primer of genome science 3rd ed Sunderland Mass Sinauer Associates 2009
Recomanat per al bloc 1
KJRIJNEN H Applied Statistics for Bioinformatics (pdf)
Recomanat per al bloc 1
LOWE Andrew et al Ecological genetics design analysis and application Malden (Mass) Blackwell2004
Recomanat per al bloc 2
PEVSNER Jonathan Bioinformatics and Functional Genomics Hoboken NJ Wiley-Blackwell 2009
Recomanat per al bloc 1
MAGURRAN Anne E Measuring biological diversity Malden Blackwell 2004
Recomanat per al bloc 2
Rafael A Irizarry and Michael I Love Data Analysis for the Life Sciences with R Chapman and HallCRC2016
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Puacuteblica
Codi de lassignatura 361236
Curs acadegravemic 2019-2020
Coordinacioacute ROGER ROCA SAQUERO
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Materials de referegravencia complementaris
A mesura que avanccedila el temari srsquoindiquen els recursos en liacutenia corresponents
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Aula convencional) 30
- Pragravectiques dordinadors
(Aula drsquoinformagravetica) 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Consulta permanent durant el periacuteode de docegravencia dels materials i continguts que es publiquen en elCampus Virtual Tambeacute es recomana fer seguiment de lrsquoactualitat econogravemicamdash Coneixement drsquoanglegraves (a nivell de lectura com a miacutenim)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes conegraveixer les fonts estadiacutestiques oficials aixiacute com lesprincipals operacions estadiacutestiques que elaboren
Pel que fa a les fonts estadiacutestiquesmdash Conegraveixer els objectius la metodologia el tipus de dades la problemagravetica i les principals einesassociades a les diferents fonts estadiacutestiquesmdash Conegraveixer fonts estadiacutestiques oficials drsquoagravembit autonogravemic estatal i internacionalmdash Conegraveixer la legislacioacute estadiacutestica bagravesica
Pel que fa a les operacions estadiacutestiquesmdash Conegraveixer les principals caracteriacutestiques i la metodologia de les operacions estadiacutestiquesmdash Conegraveixer les dades i el tipus drsquoinformacioacute que generen les operacions estadiacutestiques oficials
Referits a habilitats destreses
mdash Identificar i saber seleccionar les fonts estadiacutestiques meacutes adequades en funcioacute de lrsquoobjectiu delrsquoanagravelisi proposadamdash Analitzar interpretar i sintetitzar dades i discernir quina eacutes la informacioacute rellevant en funcioacutedels objectius de lrsquoanagravelisimdash Desenvolupar les capacitats comunicatives (expressioacute escrita i oral)
Referits a actituds valors i normes
mdash Desenvolupar la capacitat de relacionar lrsquoestadiacutestica amb altres disciplinesmdash Desenvolupar les capacitats drsquoaprenentatge i responsabilitatmdash Desenvolupar la capacitat de treballar en equip
Blocs temagravetics
1 (Bloc 1) Introduccioacute
11 Estadiacutestica oficial
12 Instituts drsquoestadiacutestica oficial Idescat INE i Eurostat
13 Lleis i reglaments de lrsquoestadiacutestica oficial
2 (Bloc 1) Metodologia de les fonts estadiacutestiques oficials
21 Fases de la produccioacute estadiacutestica
22 Recollida drsquoinformacioacute quumlestionaris i altres instruments
23 Disseny de mostres a les fonts estadiacutestiques oficials
24 Resultats obtencioacute i formes de publicacioacute
25 Qualitat de les operacions estadiacutestiques
3 (Bloc 1) Dades massives (big data) i ciutats intelmiddotligents (smart cities)
31 Dades massives (big data) per al desenvolupament
32 Ciutats intelmiddotligents
4 (Bloc 2) Estadiacutestiques demogragravefiques
41 Introduccioacute
42 Canvis demogragravefics
43 Estructura de les llars i famiacutelies
44 Caracteriacutestiques i condicions dels habitatges
45 Poblacioacute estrangera
46 Mobilitat geogragravefica
47 Envelliment
48 Projeccions de poblacioacute
5 (Bloc 2) Estadiacutestiques del mercat laboral
51 Poblacioacute activa
52 Poblacioacute ocupada
53 Poblacioacute aturada
54 Mograveduls de lrsquoEPA
55 Estadiacutestiques drsquoofertes de feina
56 Retribucions i costos laborals
6 (Bloc 2) Estadiacutestiques de consum i de preus
61 Nombres iacutendex (teoria i pragravectica)
62 Estadiacutestiques de preus europees
63 Inflacioacute i deflacioacute
Metodologia i activitats formatives
Internet eacutes una eina central per al desenvolupament de lrsquoassignatura per aquesta raoacute la major part deles sessions presencials es desenvolupen a lrsquoaula drsquoinformagravetica Es potencia el treball en xarxa mitjanccedilant lrsquouacutes drsquoeines en liacutenia (Campus Virtual etc)
Es treballa amb materials en catalagrave castellagrave i anglegraves Srsquoatorga molta importagravencia a les lectures i alrsquoexpressioacute escrita
Es combinen diverses metodologies drsquoaprenentatge com ara classes magistrals classes expositivestreball en grup (escrit i oral) cerca drsquoinformacioacute i exercicis pragravectics
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per a lrsquoalumnat que assisteix regularment a classe Esrecomana una assistegravencia miacutenima del 80 de les sessions
Activitats drsquoavaluacioacute
mdash Prova escrita 1 temes 1 2 i 3 (25 punts)
mdash Prova escrita 2 temes 4 5 i 6 (25 punts)
mdash Pragravectica colmiddotleccioacute drsquoexercicis treballats a classe (2 punts)
mdash Treball article drsquoanagravelisi siacutentesi i interpretacioacute de dades procedents de diferents fonts estadiacutestiquesoficials Grups de tres a cinc persones Article i presentacioacute oral (3 punts)
Qualificacioacute global
Lrsquoassignatura se supera si la suma de les quatre evidegravencies (proves o activitats) eacutes igual o superior a 5En cas contrari lrsquoestudiant ha de fer la prova drsquoavaluacioacute uacutenica No es guarda cap nota
Nombre miacutenim drsquoevidegravencies (proves o activitats) que calen per tenir qualificacioacute 3 Si no srsquoarriba aaquest miacutenim llavors la qualificacioacute final eacutes laquono presentatraquo
Calendari
mdash Prova escrita 1 en finalitzar el tema 3
mdash Prova escrita 2 en finalitzar el tema 6
mdash Pragravectica es treballaragrave com a miacutenim una pragravectica per cada tema treballat
mdash Treball lrsquoenunciat es comunica un cop iniciades les classes El treball srsquoha de lliurar a final del mes demaig
La data de les activitats drsquoavaluacioacute continuada es comunica amb un miacutenim de dues setmanesdrsquoantelacioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que estableixi el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Avaluacioacute uacutenica
Tot i que no eacutes lrsquoopcioacute meacutes recomanable srsquohi pot acollir lrsquoalumnat que no segueixi lrsquoavaluacioacutecontinuada Eacutes lrsquoopcioacute meacutes recomanable quan no es pot assistir de forma regular a classe
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica poden fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts)
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova drsquoavaluacioacute uacutenica es duu a terme en la data fixada pel Consell Docent
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Pagravegina web
INE
Institut Nacional drsquoEstadiacutestica Els materials concrets srsquoindiquen a mesura queavanccedila el temari
IDESCAT
Institut drsquoEstadiacutestica de Catalunya Els materials concrets srsquoindiquen a mesuraque avanccedila el temari
EUROSTAT
Oficina estadiacutestica de la Unioacute Europea Els materials concrets srsquoindiquen amesura que avanccedila el temari
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fitxers i Bases de Dades
Codi de lassignatura 361215
Curs acadegravemic 2019-2020
Coordinacioacute Montserrat Guillen Estany
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Pragravectiques dordinadors 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Sofware Estadiacutestic
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els fonaments de les estructures de dades en memograveria i els conceptes bagravesicsdrsquoorganitzacioacute de les dades mdash Comprendre els conceptes fonamentals en el disseny de les bases de dades
mdash Entendre els conceptes bagravesics de sistemes de bases de dades i els seus avantatges iinconvenients
Referits a habilitats destreses
mdash Saber dissenyar i manipular una base de dades
mdash Ser capaccedil drsquoaccedir a una base de dades mitjanccedilant la utilitzacioacute del llenguatge SQL
mdash Poder aplicar els coneixements teograverics mitjanccedilant la utilitzacioacute de programari de gestioacute debases de dades mdash Saber resoldre problemes de complexitat baixa i mitjana a partir de la construccioacute drsquouna basede dades en lrsquoagravembit estadiacutestic
Blocs temagravetics
1 Arxius i bases de dades
11 Conceptes bagravesics
12 Bases de dades Objectes de bases de dades
13 Sistema gestor de bases de dades
14 Dades massives (big data) i dades en temps real
2 Llenguatge SQL
21 Introduccioacute
22 Tipus de camps
23 Tipus de dades SQL
24 Consultes
25 Estructures de les taules
3 Utilitzacioacute del llenguatge SQL (Access SAS R PosgreSQL)
31 Consultes bagravesiques
32 Combinacioacute de taules
33 Actualitzacioacute de dades
4 Temes avanccedilats
41 Seguretat i privacitat
42 Transaccions
43 NoSQL
44 Entorn web i tecnologies emergents
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials realitzades en aules amb ordinadors
a) Classes de teoria en quegrave srsquoexposen els conceptes bagravesics de cadascuna de les unitats
b) Classes pragravectiques amb lrsquoobjectiu que cada estudiant sigui capaccedil drsquoanalitzar i solucionar els exercicisplantejats drsquoacord amb els coneixements adquirits a les classes teograveriques Aquestes pragravectiques tot i noser guiades tenen el suport del professorat i serveixen per aclarir algunes quumlestions no necessagraveriamentexplicades a les classes de teoria
Aixiacute mateix es proposa que els estudiants facin pragravectiques addicionals fora de les hores de classe amb lafinalitat que adquireixin la seguretat suficient per poder treballar autogravenomament Aquestes pragravectiquestambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de les activitatsseguumlents
mdash Exercicis resolts a classe (pragravectiques) i participacioacute en els fograverums del Campus Virtual o a lrsquoaula Valordel 15 de la nota final
mdash Tasques presencials i tasques semipresencials individuals Valor del 20 de la nota final
mdash Treball no presencial consistent en el disseny drsquouna base de dades incorporacioacute de dades i consultesrelacionades amb la base de dades Lliurament al desembre Valor del 25 de la nota final
mdash Una prova de valoracioacute global que consta drsquoun enunciat amb un seguit de quumlestions pragravectiques iteograveriques relatives als quatre blocs temagravetics o unitats En aquesta prova lrsquoestudiant disposa drsquoun magraveximdrsquohora i mitja per resoldre individualment les quumlestions plantejades utilitzant nomeacutes lrsquoordinador Data lafixada pel Consell Docent Aquesta prova no requereix una puntuacioacute miacutenima per poder fer lamitjana Valor del 40 de la nota final
Per poder superar lrsquoassignatura srsquohan de fer totes les proves drsquoavaluacioacute tant les presencials com lesno presencials
Avaluacioacute uacutenica
Els estudiants que ho vulguin poden optar a una avaluacioacute amb una prova final i uacutenica que suposa el100 de la nota Aquesta prova eacutes diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
LEMAHIEU W VAN DER BROUCKE S BAESENS B Principles of Database Management The PracticalGuide to Storing Managing and Analyzing Big and Small Data (o be published by Cambridge UniversityPress in July 2018)
wwwpdbmbookcom
ALLISON Cecelia L et al SQL for Microsoftreg Access 2nd ed Plano Texas Wordware 2008
CONNOLLY Thomas Met al Sistemas de bases de datos 4a ed Madrid Pearson Educacioacuten 2005
DATE CJ Introduccioacuten a los sistemas de bases de datos Madrid Pearson Educacioacuten 2001
GENNIK Jonathan SQL Pocket GuideSebastopol CA OrsquoReilly 2011
KRIEGEL Alex Discovering SQL A Hands-On Guide for Beginners Indianapolis Wiley 2011
PRAIRIE Katherine The essential PROC SQL handbook fo SAS USERS Cary (NC) SAS Institute 2005
SILBERSCHATZ Abraham et al Database System Concepts New York McGraw-Hill 2011
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fonaments dAdministracioacute dEmpreses
Codi de lassignatura 361211
Curs acadegravemic 2019-2020
Coordinacioacute JOAN CARLES GIL MARTIN
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Ser capaccedil de demostrar coneixements generals del concepte drsquoempresa i drsquoorganitzacioacute i delrol de lrsquoempresari i saber classificar una organitzacioacute empresarial segons els diferents criteris enespecial saber-ne identificar les formes juriacutediques meacutes adients
mdash Conegraveixer el funcionament de lrsquoempresa com a sistema els diferents subsistemes o agravereesfuncionals i els seus objectius aixiacute com saber identificar els models drsquoorganitzacioacute aplicables
mdash Demostrar que es coneixen les dimensions del proceacutes de direccioacute influegravencia estrategravegiaplanificacioacute organitzacioacute direccioacute de persones control i decisioacute
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute dels recursos humans per a lesempreses i demostrar coneixements bagravesics dels principals processos en aquesta agraverea
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute financera a les empreses idemostrar coneixements bagravesics dels principals processos en aquesta agraverea en especial lacomptabilitat lrsquoanagravelisi del cicle curt mdashexplotacioacutemdash del cicle llarg mdashinversioacutemdash i les fonts definanccedilament adients
mdash Ser capaccedil drsquoaplicar els conceptes financers bagravesics per analitzar la viabilitat econogravemica drsquounprojecte analitzar econogravemicament les diferents alternatives drsquouna decisioacute i fer el seguimenteconogravemic drsquoun pressupost
mdash Ser capaccedil drsquoentendre els principals conceptes comercials com ara mercats demandacompetegravencia comportament del client i els principals megravetodes per al seu estudi com ara lainvestigacioacute de mercats
mdash Ser capaccedil de demostrar coneixements bagravesics dels instruments de magraverqueting i la sevautilitzacioacute
mdash Ser capaccedil de demostrar coneixements bagravesics dels principals objectius de la direccioacutedrsquooperacions i dels principals processos en aquesta agraverea
Referits a habilitats destreses
mdash Capacitat comunicativa (capacitat de comprendre i drsquoexpressar-se oralment i per escrit encatalagrave castellagrave i en una tercera llengua i dominar el llenguatge especialitzat)
mdash Capacitat de buscar utilitzar i integrar la informacioacute
mdash Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees drsquoaplicacioacute
Blocs temagravetics
1 Introduccioacute a lrsquoempresa
Introduccioacute al concepte drsquoempresa i al rol de lrsquoempresari Criteris de classificacioacute de lesdiferents tipologies drsquoempreses formes juriacutediques i empresa familiar Descripcioacute de lrsquoempresa
com a sistema dels seus subsistemes i dels models i els criteris bagravesics drsquoorganitzacioacute
2 Direccioacute
Presentacioacute de les dimensions del proceacutes de direccioacute influegravencia estrategravegia planificacioacuteorganitzacioacute direccioacute de persones control i decisioacute
3 Recursos humans
Descripcioacute de la importagravencia i objectius de lrsquoagraverea de recursos humans aixiacute com delsprincipals processos drsquoaquesta agraverea funcional
4 Finances
Descripcioacute dels objectius de lrsquoagraverea de finances aixiacute com dels principals processos drsquoaquestaagraverea funcional a curt i llarg termini i de les fonts de financcedilament Descripcioacute de lacomptabilitat com a sistema drsquoinformacioacute i com a proceacutes i dels conceptes comptables bagravesicsper analitzar lrsquoequilibri financer Utilitzacioacute dels costos per a la presa de decisions Anagravelisidrsquoinversions Control pressupostari
5 Comercial i magraverqueting
Descripcioacute dels objectius de lrsquoagraverea comercial i magraverqueting aixiacute com dels principalsconceptes com ara mercats demanda competegravencia comportament del client i dels principalsmegravetodes per al seu estudi com ara la investigacioacute de mercats Descripcioacute dels instruments demagraverqueting i la seva utilitzacioacute
6 Operacions
Descripcioacute dels objectius de lrsquoagraverea drsquooperacions aixiacute com dels principals processosdrsquoaquesta agraverea funcional
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes pragravectiques en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de casos pragravectics
A meacutes es demana als estudiants lrsquoexecucioacute drsquoun treball de camp relacionat amb lrsquoassignatura
Aquesta assignatura no requereix el desdoblament del grup en subgrups en cap activitat
Avaluacioacute acreditativa dels aprenentatges
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenicaLrsquoavaluacioacute continuada eacutes la forma recomanada i desitjable de cursar aquesta assignatura per treurersquon elmagravexim profit Lrsquoalumnat que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica hade fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb lrsquoantelacioacute suficient
Els elements drsquoavaluacioacute continuada soacuten els seguumlents
mdash Participacioacute a classe 10 de la nota
mdash Lliurament de la pragravectica 1 i lliuraments parcials (en acabar el tema 3 laquoRecursos humansraquo) 10 dela nota
mdash Lliurament de la pragravectica 2 i lliuraments parcials (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Lliurament de la pragravectica 3 i lliuraments parcials (en acabar el tema 6 laquoOperacionsraquo) 20 de lanota
mdash Prova drsquoestudi continuat 1 (en acabar el tema 3 laquoRecursos humansraquo) 15 de la nota
mdash Prova drsquoestudi continuat 2 (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Prova drsquoestudi continuat 3 (en acabar el tema 6 laquoOperacionsraquo) 15 de la nota
La pragravectica 1 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb aspectes genegraverics de lrsquoempresa la seva direccioacute i la gestioacute dels seusrecursos humans Eacutes requisit indispensable lliurar aquesta pragravectica per fer la prova drsquoestudi continuat 1(PEC 1)
La pragravectica 2 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb la gestioacute econogravemica i financera Eacutes requisit indispensable lliuraraquesta pragravectica per fer la prova drsquoestudi continuat 2 (PEC 2)
La pragravectica 3 es basa en un petit treball de camp que ha de permetre respondre una segraverie de quumlestionsrelacionades amb les agraverees funcionals de comercial i magraverqueting i operacions Eacutes requisit indispensablelliurar aquesta pragravectica per fer la prova drsquoestudi continuat 3 (PEC 3)
La prova drsquoestudi continuat 1 (PEC 1) consisteix en una segraverie de preguntes curtes relacionades amb lapragravectica 1 i amb el tema 1 laquoIntroduccioacute a lrsquoempresaraquo el tema 2 laquoDireccioacuteraquo i el tema 3 laquoRecursoshumansraquo
La prova drsquoestudi continuat 2 (PEC 2) consisteix en una segraverie drsquoexercicis numegraverics i preguntes curtesrelacionades amb la pragravectica 2 i amb el tema 4 laquoFinancesraquo
La prova drsquoestudi continuat 3 (PEC 3) consisteix en una segraverie de preguntes curtes relacionades amb eltema 5 laquoComercial i magraverquetingraquo i el tema 6 laquoOperacionsraquo
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableix i que es fa puacuteblica amb lrsquoantelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute) Aquesta prova permet obtenir la qualificacioacute magravexima a lrsquoassignatura
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicasrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MAYNAR Pilar et al(coord) La economiacutea de la empresa en el espacio de educacioacuten superior MadridMcGraw-Hill 2013
FUENTES Mariacutea del Mar et al Fundamentos de direccioacuten y administracioacuten de empresas MadridPiraacutemide 2014
OCHOA Carlos Economiacutea y Organizacioacuten de Empresas San Sebastiaacuten Editorial Donostiarra 1996
Pagravegina web
Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Eurostat
Foment del Treball Nacional
PIMEC Patronal de la Petita i Mitjana Empresa de Catalunya
Barcelona Activa
El canal de televisioacuten de los emprendedores - Fundacioacuten Banesto Sociedad y Tecnologiacutea
Emprende aprendiendo - Canal de YouTube para emprendedores
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Inferegravencia Estadiacutestica
Codi de lassignatura 361221
Curs acadegravemic 2019-2020
Coordinacioacute PEDRO DELICADO USEROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de model estadiacutestic paramegravetric de mostra aleatograveria simple de mida n idrsquoestadiacutestic fonaments de bona part dels megravetodes estadiacutestics que es desenvoluparanposteriorment
Conegraveixer el concepte drsquoestimador Conegraveixer els conceptes de biaix dispersioacute risc i consistegravenciadrsquoun estimador Fita de Cramer-Rao Estimacioacute UMVU (uniformly minimum variance unbiased)
Conegraveixer els principals megravetodes drsquoestimacioacute en especial lrsquoestimacioacute de magravexima versemblanccedila
Conegraveixer el concepte drsquoestimador per intervals aixiacute com alguns megravetodes de construccioacutedrsquointervals de confianccedila
Conegraveixer el concepte de prova drsquohipogravetesi nivell de significacioacute potegravencia funcioacute depotegravencia Teorema de Neyman-Pearson Proves UMP (uniformly most powerful)
Conegraveixer la prova de la raoacute de versemblanccedila aixiacute com les seves propietats asimptogravetiquesConegraveixer la relacioacute drsquoaquesta prova amb moltes proves drsquohipogravetesi clagravessiques
Referits a habilitats destreses
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors ograveptims de lesfamiacutelies paramegravetriques meacutes bagravesiques
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors perintervals dels paragravemetres estadiacutestics meacutes corrents
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament proves UMP quan nrsquohi hagiaixiacute com desenvolupaments bagravesics de la prova de la raoacute de versemblanccedila
Blocs temagravetics
1 Model estadiacutestic
Models paramegravetrics i no paramegravetrics Dades i mostres Estadiacutestics i estimadors Visioacutepanoragravemica de la inferegravencia estadiacutestica estimacioacute puntual per intervals i proves drsquohipogravetesi
11 Dades i models
Models paramegravetrics i no paramegravetrics Dades i mostres El teorema de Glivenko-
Cantelli Estadiacutestics i estimadors El teorema de Fisher
12 Principals blocs temagravetics de la inferegravencia estadiacutestica
Estimacioacute puntual per intervals i proves drsquohipogravetesi
2 Criteris drsquoavaluacioacute drsquoestimadors
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao Resultatsper a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU Criteris asimptogravetics consistegravencianormalitat asimptogravetica eficiegravencia asimptogravetica
21 Error sistemagravetic i precisioacute drsquoun estimador
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao
Resultats per a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU
22 Criteris asimptogravetics
Consistegravencia normalitat asimptogravetica eficiegravencia asimptogravetica
3 Megravetodes de construccioacute drsquoestimadors
Megravetode dels moments Magravexima versemblanccedila Estimadors de Bayes Altres megravetodessubstitucioacute (laquoplug-inraquo) versemblances modificades (condicional laquoprofileraquo etc)
31 Megravetodes clagravessics drsquoestimacioacute
Megravetode dels moments Magravexima versemblanccedila
32 Altres megravetodes drsquoestimacioacute
Estimadors de Bayes
4 Megravetodes de construccioacute i avaluacioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics Nocions drsquointervals deconfianccedila simultanis
41 Megravetodes bagravesics de construccioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics
5 Megravetodes de construccioacute i avaluacioacute de proves drsquohipogravetesi
Hipogravetesis simples i compostes Lema de Neyman-Person Proves uniformement meacutes potentsi proves no esbiaixades i localment meacutes potents Raoacute de versemblanccedila Comportamentasimptogravetic de la prova de la raoacute de versemblanccedila Obtencioacute de proves clagravessiques a partir de laraoacute de versemblanccedila Proves de Wald i dels laquoscoresraquo
51 Conceptes bagravesics
Hipogravetesis simples i compostes Nivell de significacioacute i potegravencia
52 Proves de potegravencia magravexima i relacionades
Teorema de Neyman-Person Proves uniformement meacutes potents i proves no
esbiaixades i localment meacutes potents
53 Prova de la raoacute de versemblanccedila
Raoacute de versemblanccedila Comportament asimptogravetic de la prova de la raoacute de
versemblanccedila Obtencioacute de proves clagravessiques a partir de la raoacute de versemblanccedila
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent mdash Classes de teoria (30 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratiusmdash Classes de problemes (30 hores) amb la resolucioacute de problemes drsquouna llistamdash Treball tutelat (40 hores) amb entrevistes i treball a casa per anar seguint els aprenentatgesmdash Treball autogravenom (50 hores) drsquoestudi miacutenim imprescindible per memoritzar i entendre la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
TS tasques setmanals de correccioacute automagravetica (quumlestionaris Moodle)EP examen parcialEF examen finalNota global 06EF + 025 MagravexEFEP + 015 MagravexEFTS
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Examen final de tota la mategraveria amb un valor del 100
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CUADRAS Carlos Mordf Problemas de Probabilidades y Estadiacutestica Vol 2 Barcelona Edicions de laUniversitat de Barcelona 2016
Molt recomanable
DeGROOT M H SCHERVISH M J Probability and Statistics Boston Pearson Education 2012
PENtildeA D Fundamentos de Estadiacutestica Madrid Alianza 2008
EVANS M J ROSENTHAL J Probabilidad y Estadiacutestica Barcelona Reverte 2013
Evans MJ amp Rosenthal JS Probability and Statistics The Science of Uncertainty Second EditionFreeman 2010
Casella G amp Berger RL Statistical inference 2nd ed Pacific Grove Duxbury Pacific Groove CA USA2002 ISBN 0534243126
Text electrogravenic
Goacutemez G amp Delicado P Curso de Inferencia y Decisioacuten Autoedicioacuten 2006
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Inferegravencia Estadiacutestica
Codi de lassignatura 361205
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes setmanals de 2 hores esdesdoblen en 2 grups simultanis amb dosprofessors per resoldre problemes ipragravectiques drsquoordinador)
60
- Teoricopragravectica 40
- Pragravectiques de problemes
(2 grups de pragravectiques de problemessimultanis amb dos professors)
8
- Pragravectiques dordinadors
(2 grups de pragravectiques amb ordinadorssimultanis amb dos professors)
12
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
bull Conegraveixer els tipus de mostreig bagravesics i les distribucions en el mostreig en les situacions meacuteshabitualsbull Conegraveixer les propietats desitjables dels estimadors i saber verificar si un estimador lescompleixbull Conegraveixer la metodologia general de les proves drsquohipogravetesi Calcular els errors de tipus I i II drsquounaprovabull Conegraveixer la relacioacute entre els resultats de les proves drsquohipogravetesi i dels intervals de confianccedilabull Saber fer servir les proves drsquohipogravetesi i els intervals de confianccedila com a eines per a la presa dedecisionsbull Saber traduir les preguntes que apareixen en contextos aplicats a la formulacioacute adequada entermes paramegravetrics
Referits a habilitats destreses
bull Calcular intervals de confianccedila en les situacions meacutes habitualsbull Calcular la mida mostral necessagraveria per garantir un nivell de confianccedila i una precisioacute donadesbull Calcular i interpretar les proves sobre mitjanes i variagravencies suposant normalitat sobrepercentatges en una binomial sobre paragravemetres drsquouna distribucioacute Poissonbull Calcular la mida mostral necessagraveria per garantir la potegravencia drsquouna prova drsquohipogravetesibull Utilitzar megravetodes no paramegravetrics
Blocs temagravetics
1 Inferegravencia estadiacutestica introduccioacute i conceptes bagravesics
11 Introduccioacute objectius i programa de lrsquoassignatura
12 Estudi drsquoun cas real
13 Context i objectius de la inferegravencia estadiacutestica
14 Poblacioacute i mostra Mostreig aleatori simple
15 Estadiacutestics i distribucioacute en el mostreig
16 Distribucions en el mostreig de la proporcioacute la mitjana i la variagravencia mostrals
2 Estimacioacute puntual
21 El problema de lrsquoestimacioacute puntual Paragravemetre i estimador
22 Lrsquoestimador usual drsquouna proporcioacute
23 Els estimadors usuals de lrsquoesperanccedila i de la variagravencia poblacionals Cas llei normal
24 El megravetode dels moments
25 Propietats dels estimadors
26 Calcular estimadors amb R
3 Estimacioacute per intervals
31 Concepte drsquointerval de confianccedila
32 Interval de confianccedila per a una proporcioacute
33 Intervals de confianccedila per a la mitjana Cas normal i cas general
34 Interval de confianccedila per a la variagravencia Cas normal
35 Interval per a la diferegravencia de mitjanes (dades aparellades o mostres independents)
Cas normal i cas general
36 Intervals calculats amb R
4 Proves drsquohipogravetesi per a una poblacioacute Conceptes fonamentals
41 Plantejament del problema drsquouna prova drsquohipogravetesi Tipus drsquohipogravetesis Errors de tipus I
i II
42 Metodologia general drsquouna prova lrsquoestadiacutestic de la prova com a mesura de
discrepagravencia entre les dades i la hipogravetesi nulmiddotla Aquests conceptes es plantegen en
termes de la prova per a una proporcioacute
43 Nivell de significacioacute i regioacute criacutetica El valor p La funcioacute de potegravencia
44 Prova per a la mitjana poblacional La prova Z i la prova t de Student
45 Determinacioacute de la grandagraveria mostral per garantir un nivell de confianccedila i una
precisioacute donades
46 Prova per a la variagravencia drsquouna llei normal
47 Fent proves drsquohipogravetesi amb R
5 Comparacioacute de dues poblacions
51 Comparacioacute de les mitjanes de dues poblacions a partir de dades aparellades
52 Comparacioacute de les mitjanes de dues poblacions independents
53 Comparacioacute de les proporcions de dues poblacions independents
54 Comparacioacute de les variagravencies de dues poblacions normals independents La prova F
55 Interval de confianccedila per a la diferegravencia de mitjanes (dades aparellades o mostres
independents)
56 Interval de confianccedila pel quocient de variagravencies
57 Relacioacute entre la regioacute drsquoacceptacioacute drsquouna prova drsquohipogravetesi i lrsquointerval de confianccedila
58 Comparant mostres de dues poblacions amb R
6 Proves no paramegravetriques basades en la llei de khi al quadrat
61 La prova de khi al quadrat de Pearson per lrsquoajust de la mostra a una distribucioacute
62 Proves de normalitat
63 La prova de khi al quadrat drsquoindependegravencia per a dades categograveriques
64 La prova de khi al quadrat drsquohomogeneiumltat per a dades categograveriques
7 Proves no paramegravetriques basades en rangs
71 Comparacioacute de dues mostres aparellades la prova dels signes i la prova de Wilcoxon
dels rangs signats
72 Comparacioacute de dues mostres independents prova de Mann-Whitney-Wilcoxon
Metodologia i activitats formatives
El pla docent es desglossa en tres tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara la resolucioacute de problemes i lrsquoestudi de casos pragravectics Lescategories desglossades soacuten 1 Classes en quegrave srsquoexposen els principals conceptes teograverics srsquoilmiddotlustren amb exercicis i es resolenproblemes
2 Classes de resolucioacute de problemes Classes especiacutefiques per treballar i resoldre problemes i queserveixen per aprofundir els conceptes teograverics
3 Classes de laboratori en quegrave srsquousa el programari R i que serveixen per treballar els conceptes teogravericsper analitzar conjunts de dades i per resoldre problemes
4 Activitats no presencials dirigides Lrsquoestudiant ha de fer servir lrsquoe-status per resoldre exercicis i casosEn grup ha de dur a terme un treball de camp (en total 47 hores drsquoactivitats dirigides no presencials)
Les classes de resolucioacute de problemes i de laboratori es fan amb el grup desdoblat en dos subgrups i dosprofessors diferents El professorat assigna els estudiants als grups
En el Campus Virtual es deixen altres eines complementagraveries com aramdash Llistes de problemes solucionats amb laquoclauraquo pedagogravegica per complementar els laboratorismdash Viacutedeos que expliquen com es resol un problema per complementar els laboratorismdash Articles amb casos reals en quegrave lrsquoestadiacutestica teacute un paper importantmdash Enllaccedilos a pagravegines web amb continguts drsquoestadiacutestica io amb dades
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
El procediment drsquoavaluacioacute consisteix en
1 La realitzacioacute durant el periacuteode lectiu drsquouna prova parcial [PP] que val el 15 de la qualificacioacutetotal composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 50 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
3 El lliurament de 4 exercicis amb lrsquoajut de lrsquoe-status [ES] (activitat no presencial associada als tipus 2 i4 de lrsquoapartat laquoMetodologiaraquo) Es puntuen per separat i a la mitjana aritmegravetica de les puntuacions licorrespon el 75 de la nota total Els lliuraments srsquohan de fer gradualment al llarg de tot el periacuteodeque duri el curs i srsquoanuncien en el Campus Virtual
4 La resposta de quumlestionaris a Kahoot plantejats durant algunes sessions de teoria [K] (activitatpresencial associada al tipus 1 i al tipus 2 de lrsquoapartat laquoMetodologiaraquo) La qualificacioacute drsquoaquest apartateacutes la mitjana aritmegravetica de les 5 millors qualificacions (entre 6) dels diferents quumlestionaris a Kahootplantejats durant el curs que srsquoanuncien en el Campus Virtual
5 El lliurament de resultats i conclusions drsquoun treball de camp [TC] que val el 20 de la qualificacioacutetotal (activitat no presencial) El treball es divideix en tres parts laquoQuumlestionariraquo (pes del 3 )laquoPresentacioacute de dadesraquo (pes del 5 ) i laquoAnagravelisi i conclusionsraquo (pes del 12 ) Les tres parts espuntuen per separat Es fan tres lliuraments el primer a lrsquoinici de marccedil el segon a lrsquoinici drsquoabril i eldarrer a final de maig Srsquoinforma lrsquoalumnat dels resultats Aquest treball requereix que lrsquoestudiantordeni representi resumeixi i tregui conclusions del conjunt de dades que ha recollit
Cagravelcul de la qualificacioacute total
[QT] = 015[PP] + 05[PS] + 0075[ES] +0075 [K]+ 020[TC] si PSgt 35
[QT] = [PS] si PS lt35
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova final i uacutenica que suposa el 100 de la qualificacioacute final es duu a terme en la data fixada pelConsell Docent i consta de les dues parts seguumlents
1 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 75 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)
mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquoun exercici global drsquoanagravelisi de dades amb R fet a lrsquoaulainformagravetica [PR] que val el 25 de la qualificacioacute total
Cagravelcul de la qualificacioacute total
[QT] = 075[PS] + 025 [PR] si PSgt 35
[QT] = [PS] si PS lt35
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2008
PENtildeA Daniel et al Introduccioacuten a la estadiacutestica para las ciencias sociales Madrid McGraw-HillInteramericana de Espantildea 1997
EVANS Michael et al Probabilidad y estadiacutestica Barcelona Reverte 2005
DeGROOT Morris H et al Probability and statistics Boston Pearson Education 2012
QUINTELA Alejandro Problemas estimulantes de Probabilidad y Estadiacutestica Lulucom 2013
MARTIacuteN-PLIEGO Francisco Javier Problemas de inferencia estadiacutestica Madrid Editorial AC 2005
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol 2 Inferencia estadiacutesticaBarcelona EUB 2000
UGARTE Mariacutea Dolores Probability and Statistics with R Boca Raton (Fla) [etc] Chapman amp Hall CRC2008
Pagravegina web
ARRIAZA A J et al Estadiacutestica Baacutesica con R y R-Commander Caacutediz Universidad de Caacutediz Servicio dePublicaciones 2008
Versioacute en liacutenia httpknuthucaesmoodlecourseviewphpid=51
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Informagravetica
Codi de lassignatura 361180
Curs acadegravemic 2019-2020
Coordinacioacute JAUME BAIXERIES JUVILLA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
La participacioacute a classe especialment a les sessions de problemes i la presentacioacute dels problemesproposats soacuten drsquoespecial interegraves per aprovar lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica i
la gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Assolir els coneixements bagravesics sobre els computadors i sobre la informagravetica per podervalorar-ne els avantatges i les limitacionsmdash Entendre lrsquoarquitectura clagravessica drsquoun computador el seu funcionament i els paragravemetres del seurendimentmdash Entendre les nocions elementals i els principis bagravesics de lrsquoalgoriacutesmicamdash Identificar les estructures algoriacutesmiques bagravesiques i els tipus de dades simplesmdash Conegraveixer i identificar els algorismes sequumlencials de recorregut i de cercamdash Conegraveixer els principis de la programacioacute procedimental i del disseny descendent drsquoalgorismes(tegravecnica top-down)mdash Reconegraveixer les accions i funcions com a elements funcionals bagravesics del disseny algoriacutesmicmdash Entendre i identificar els tipus estructurats de dades com ara els vectors les taules lescadenes i les tuplesmdash Identificar els algorismes bagravesics associats a alguns tipus estructurats de dades algorismes decerca i algorismes drsquoordenacioacutemdash Identificar els conceptes fonamentals i una bona part de lrsquoestructura sintagravectica i semagraventica drsquounllenguatge de programacioacute com ara R
Referits a habilitats destreses
mdash Usar un computador de manera eficient aixiacute com saber mourersquos cogravemodament per Internetmdash Utilitzar les estructures algoriacutesmiques bagravesiques i els tipus de dades simples per dissenyaralgorismes senzillsmdash Aplicar quan srsquoescaigui els algorismes sequumlencials de recorregut i de cerca per dissenyaralgorismesmdash Aplicar els principis del disseny descendent drsquoalgorismes (tegravecnica top-down)mdash Utilitzar les nocions drsquoaccions i funcions com a elements funcionals bagravesics del dissenyalgoriacutesmicmdash Analitzar i utilitzar quan srsquoescaigui els tipus estructurats de dades com ara els vectors lestaules les cadenes i les tuplesmdash Utilitzar quan srsquoescaigui els algorismes bagravesics associats a alguns tipus estructurats de dadesalgorismes de cerca i algorismes drsquoordenacioacutemdash Traduir els dissenys algoriacutesmics a un llenguatge de programacioacute com ara R
Blocs temagravetics
1 Introduccioacute a lrsquoalgoriacutesmica
11 Nocions elementals objectes entorn estats accions algorismes assercions i
programes
12 Estructures algoriacutesmiques bagravesiques
13 Tipus de dades simples
14 Instruccions drsquoentrada i sortida
2 Algorismes sequumlencials i anagravelisi descendent
21 Algorismes sequumlencials de cerca
22 Algorismes sequumlencials de recorregut
23 Anagravelisi descendent subproblemes procediments i funcions paragravemetres tipus de
paragravemetres
3 Constructors de tipus i algorismes
31 Algorismes bagravesics de cerca i recorregut en vectors
Metodologia i activitats formatives
El megravetode docent es basa en activitats presencials activitats de treball dirigit i activitats drsquoaprenentatgeautogravenom
Activitats presencials
Activitats teoricopragravectiques activitats que es duen a terme a les aules docents en quegrave lrsquoobjectiu eacutespresentar les eines i tegravecniques incloses com a continguts de lrsquoassignatura i alhora resoldre i analitzarels problemes relacionats amb la teoria presentada de forma intercalada
Activitats de laboratori activitats que es fan a les aules drsquoinformagravetica de la Facultat en quegrave lrsquoobjectiu eacuteslrsquoaprenentatge pragravectic de la programacioacute aixiacute com lrsquoaplicacioacute pragravectica del que srsquoha vist a les activitatsteoricopragravectiques en els ordinadors
Activitats de treball dirigit
Treball pragravectic (PRAC) activitat semipresencial en equip que consisteix en el disseny i la implementacioacutedrsquoun programa informagravetic El seu propogravesit eacutes lrsquoaplicacioacute pragravectica dels coneixements i les tegravecniques vistesa classe de laboratori aixiacute com fomentar el treball en equip per tal drsquoaconseguir el grau previstdrsquoaprenentatge de la mategraveria
Activitats complementagraveries (ACT) activitats tant en grup com individuals per fomentar lrsquoaprenentatgeactiu dels fonaments de la informagravetica i del disseny algoriacutesmic
Activitats drsquoaprenentatge autogravenom
Corresponen a les activitats seguumlents
mdash Estudi dels temes teograverics despreacutes de la seva exposicioacute a classemdash Resolucioacute de problemesmdash Preparacioacute i realitzacioacute de les proves escrites
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
1 Dues proves escrites que consisteixen en la resolucioacute per escrit drsquoun conjunt drsquoexercicis oproblemes
a) Un examen de seguiment del curs que no elimina temari es duu a terme a la meitat del curs(PARCIAL)
b) Un examen final (FINAL)
2 Una pragravectica (PRAgraveCTICA)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
El cagravelcul de la nota es fa segons el procediment seguumlent
(a) Si la nota de lrsquoexamen final (FINAL) eacutes meacutes gran o igual a 4
NOTAFINAL = 03 PRAgraveCTICA + MAgraveX (05 FINAL + 02 PARCIAL 07 FINAL)
(b) Si la nota de lrsquoexamen final (FINAL) eacutes estrictament menor a 4
FINAL
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen que avalua els coneixements de tota lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BAIXERIES Jaume (coord) et al Introduccioacute a la Informagravetica Exercicis Barcelona Edicions de laUniversitat de Barcelona 2016
BOTELLA Pere (coord) Fonaments de Programacioacute Colmiddotleccioacute Manuals Nuacutem 39 Barcelona EDIUOC2001
MATLOFF Norman S The Art of R programming a tour of statistical software design San Francisco NoStarch Press 2011
Pagravegina web
Espai virtual de lrsquoassignatura en el Campus Virtual de la UB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Investigacioacute Operativa
Codi de lassignatura 361225
Curs acadegravemic 2019-2020
Coordinacioacute Luis Ortiz Gracia
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 52
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Afavorir la capacitacioacute per detectar formular i resoldre mitjanccedilant models drsquoinvestigacioacute operativaproblemes de presa de decisions
Introduir lrsquouacutes de determinades estructures bagravesiques de modelitzacioacute i especiacuteficament aquellesque soacuten objecte de desenvolupament en altres assignatures de la mategraveria impartides en el grau
Referits a habilitats destreses
Mostrar els elements genegraverics en el necessari proceacutes drsquoabstraccioacute
Interpretar de forma agravemplia i rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignatura
Referits a actituds valors i normes
Comprendre els avantatges i els inconvenients de la modelitzacioacute com a pas previ en el proceacutesde resolucioacute de problemes reals
Evidenciar la utilitat potencial i les limitacions de lrsquoinstrumental matemagravetic en la resolucioacute deproblemes sistematitzats
Blocs temagravetics
1 El proceacutes de modelitzacioacute
Introduccioacute a la identificacioacute dels elements que componen el sistema drsquoestudi i la sevarepresentacioacute formal en termes matemagravetics
11 Definicioacute drsquoinvestigacioacute operativa i primers exemples
12 Formalitzacioacute matemagravetica del model de programacioacute lineal
13 Solucioacute gragravefica del model de programacioacute lineal
14 Fonaments geomegravetrics de la programacioacute lineal
2 Resolucioacute dels models lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute per donar resposta alsproblemes plantejats sobre el sistema drsquoestudi A fi de concentrar lrsquoatencioacute en els aspectesmeacutes conceptuals la discussioacute es limita al cas lineal
21 Megravetode del siacutemplex
22 Anagravelisi de sensibilitat
23 Solucioacute del model amb Excel
3 Formulacioacute i resolucioacute dels models no lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute en el cas dels models nolineals
31 Introduccioacute a la programacioacute no lineal
32 Algoritmes drsquooptimitzacioacute no lineal en una variable
33 Exemples drsquoaplicacioacute en finances
34 Solucioacute del model amb Excel
Metodologia i activitats formatives
Despreacutes de definir el contingut de la mategraveria i presentar-ne els oriacutegens mitjanccedilant diferents exempleses discuteixen els passos en el proceacutes de modelitzacioacute i es posen de manifest els avantatges de laformalitzacioacute matemagravetica en lrsquoestudi de problemes reals Els principis genegraverics srsquoubiquen en el marc de laprogramacioacute lineal i no lineal i la presa de decisions en situacions deterministes Ategraves que lesexplicacions intenten evidenciar la logravegica que hi ha darrere dels diferents plantejaments la metodologiaaplicada a les classes intenta propiciar la participacioacute de lrsquoalumnat a lrsquohora de jutjar la validesa delsmodels proposats en cada cas
Srsquoimparteixen sessions a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha de posar en pragravectica la resolucioacute deproblemes drsquooptimitzacioacute amb el programari recomanat
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Es fan tres proves escrites al llarg del curs La primera correspon al bloc 1 i teacute un pes drsquoun 30 lasegona correspon al bloc 2 i teacute un pes drsquoun 40 i la tercera correspon al bloc 3 i teacute un pes drsquoun 30 La nota drsquoavaluacioacute continuada eacutes la mitjana de les tres notes
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota Lrsquoestudiant que vulgui renunciar alrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableix i quees fa puacuteblica amb lrsquoantelacioacute suficient
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicaSrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
RAGSDALE Cliff T Spreadsheet Modeling amp Decision Analysis 6th ed Mason Ohio South-WesternCengage Learning 2008
HILLIER Frederick S et al Investigacioacuten de operaciones Meacutexico DF McGraw-Hill 2002
TAHA Hamdy A Investigacioacuten de operaciones Meacutexico Pearson Educacioacuten 2004
BARTHOLOMEW-BIGGS M Nonlinear optimization with financial applications Kluwer academic publishers2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Probabilitat
Codi de lassignatura 361201
Curs acadegravemic 2019-2020
Coordinacioacute Marta Cubedo Cullere
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de probabilitat probabilitat condicionada i independegravencia estocagravestica
Conegraveixer els models bagravesics univariants i les seves propietats Identificar si srsquoadequumlen a undeterminat context aplicat
Conegraveixer el concepte de distribucioacute bivariant
Conegraveixer i saber interpretar intuiumltivament les lleis dels grans nombres i el teorema central delliacutemit
Referits a habilitats destreses
Calcular probabilitats a partir de lrsquoespecificacioacute del model proporcionada per la funcioacute de densitato la de distribucioacute de variables discretes i contiacutenues
Calcular moments de variables discretes i contiacutenues
Blocs temagravetics
1 Introduccioacute
11 Perspectiva histograverica
12 Algunes paradoxes clagravessiques de la probabilitat i lrsquoestadiacutestica
13 Introduccioacute als espais de probabilitat
14 Cagravelcul combinatori
2 Probabilitat condicionada i independegravencia estocagravestica
21 Probabilitat condicionada
22 Foacutermula de les probabilitats compostes
23 Independegravencia estocagravestica
24 Foacutermula de les probabilitats totals i foacutermula de Bayes
3 Variables aleatograveries i funcions de distribucioacute
31 Variables aleatograveries discretes
32 Variables aleatograveries contiacutenues
33 Funcions de probabilitat i de densitat
34 Funcions de distribucioacute
35 Introduccioacute al canvi de variable
4 Esperanccedila matemagravetica i variagravencia
41 Esperanccedila matemagravetica Propietats
42 Variagravencia Propietats
43 Moments drsquouna variable aleatograveria
5 Models de probabilitat univariants meacutes frequumlents
51 Models discrets univariants bagravesics
52 Models continus univariants bagravesics
6 La distribucioacute normal univariant
61 Definicioacute i propietats La llei normal tipificada o estagravendard
62 Cagravelcul de probabilitats i percentils amb la llei normal
63 Introduccioacute a les lleis dels grans nombres i al teorema central del liacutemit
64 Aproximacioacute de les lleis binomial i Poisson per la llei normal
7 Vectors aleatoris bivariants
71 Concepte general funcioacute de distribucioacute conjunta
72 Cas discret funcioacute de probabilitat conjunta funcions de probabilitat marginals i
condicionades Independegravencia estocagravestica
73 Cas absolutament continu densitat conjunta densitats marginals i condicionades
Independegravencia estocagravestica
Metodologia i activitats formatives
El pla docent es desglossa en dos tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara el lliurament de problemes o lrsquoestudi de casos pragravectics deseguiment automatitzat Les categories desglossades soacuten
1 Classes magistrals combinades dins la mateixa sessioacute amb la resolucioacute de problemes pregraveviamentplantejats Es programa durant 15 setmanes del semestre una sessioacute setmanal de 2 hores (30 horespresencials en total)
2 Intensificacioacute de resolucioacute de problemes Es programa durant 15 setmanes del semestre una sessioacutesetmanal de 2 hores Cal dividir el grup en dos subgrups (30 hores presencials en total)
3 Activitats no presencials dirigides Amb el suport drsquoeines informagravetiques amb correccioacute automatitzadaquumlestionaris Moodle que es duen a terme des del Campus Virtual es fa un seguiment del treballautogravenom de lrsquoestudiant (40 hores drsquoactivitats dirigides no presencials en total)
Avaluacioacute acreditativa dels aprenentatges
El procediment drsquoavaluacioacute continuada consisteix en
mdash La realitzacioacute durant el periacuteode drsquoexagravemens i en la data marcada pel Consell Docent drsquouna prova desiacutentesi que compta un 60 de la qualificacioacute final i consta drsquouna segraverie de problemes de caragravecter aplicati drsquoalguna pregunta de caire conceptual Cal treure una nota miacutenima de 45 sobre 10 en aquesta provade siacutentesi perquegrave es pugui ponderar en el cagravelcul de la qualificacioacute final de lrsquoavaluacioacute continuada
mdash La realitzacioacute drsquouna prova parcial (no eliminatograveria de mategraveria) cap a la meitat del semestre i quecompta un 30 de la qualificacioacute final La data concreta drsquoaquesta prova parcial es publica en elCampus Virtual durant les primeres setmanes del curs
mdash El lliurament de problemes proposats en els quumlestionaris Moodle que es fan al llarg del curs i usantel Campus Virtual tambeacute es puntuen separadament i la mitjana de les puntuacions compta el 10 dela qualificacioacute final Les dates de lliurament drsquoaquests quumlestionaris es publiquen en el CampusVirtual durant el curs
Avaluacioacute uacutenica
Lrsquoalumnat que renunciiuml a lrsquoavaluacioacute continuada ho ha de fer per escrit Srsquoavalua amb una prova uacutenicaen la mateixa data de la prova de siacutentesi de lrsquoavaluacioacute continuada
Lrsquoavaluacioacute uacutenica consisteix en una prova objectiva en la qual es reflecteix el coneixement delrsquoassignatura que compregraven la totalitat del temari i que compta el 100 de la qualificacioacute final
Reavaluacioacute
La prova de reavaluacioacute que es duu a terme en la data marcada pel Consell Docent eacutes la mateixa tantper a qui hagi fet lrsquoavaluacioacute continuada com per a qui hagi fet lrsquoavaluacioacute uacutenica La reavaluacioacuteconsisteix en una prova global de tota lrsquoassignatura i la qualificacioacute final es correspon al 100 de laqualificacioacute obtinguda en aquesta prova de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MARTIN-PLIEGO Francisco Javier et al Problemas de Probabilidad Madrid Paraninfo 2006
MARTIN-PLIEGO Francisco Javier Estadiacutestica I Probabilidad Madrid Paraninfo 2004
ALEA M Victograveria et al Estadiacutestica aplicada a les ciegravencies econogravemiques i socials Barcelona [etc]Universitat de Barcelona McGraw Hill 1999
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2001
PENtildeA Daniel Estadiacutestica Modelos y meacutetodos 1 Fundamentos Madrid Alianza 1991
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol1 y Vol2 Barcelona Edicions dela Universitat de Barcelona 2000
DeGROOT Morris H et al Probability and Statistics 4th ed Boston Pearson Education 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute al Cagravelcul
Codi de lassignatura 361174
Curs acadegravemic 2019-2020
Coordinacioacute JOSE ANTONIO LUBARY MARTIacuteNEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Manipular les desigualtats
Conegraveixer les funcions elementals i les seves propietats
Identificar dominis i recorreguts de funcions definides a partir de les funcions elementals
Conegraveixer i aplicar criteris per calcular liacutemits
Calcular derivades i determinar rectes tangents a gragravefiques de funcions
Trobar els polinomis de Taylor de funcions drsquouna variable
Trobar extrems locals de funcions drsquouna variable
Aproximar funcions elementals per polinomis de Taylor
Conegraveixer les tegravecniques bagravesiques drsquointegracioacute i calcular agraverees planes
Utilitzar criteris de convergegravencia drsquointegrals improgravepies
Verificar la convergegravencia de successions i segraveries
Blocs temagravetics
1 Els nombres reals
Propietats bagravesiques dels nombres reals Valor absolut Intervals
2 Funcions Liacutemits i continuiumltat
Conceptes generals Liacutemits de funcions Cagravelcul de liacutemits Continuiumltat Estudi de les funcionselementals Continuiumltat en intervals teoremes de Weierstrass i de Bolzano Resolucioacuteaproximada drsquoequacions megravetode de la biseccioacute
3 Derivacioacute Polinomis de Taylor
Concepte de derivada Sentit geomegravetric de la derivada Cagravelcul de derivades Derivabilitat enintervals teorema del valor mitjagrave Regla de LrsquoHocircpital Polinomi de Taylor Aproximacioacutepolinogravemica Foacutermula de Taylor i residu de Lagrange Aplicacioacute a lrsquoestudi local de funcionsRepresentacioacute gragravefica de funcions Extrems absoluts en intervals tancats
4 Integracioacute
El problema de lrsquoagraverea Integral de Riemann Propietats de la integral El teoremafonamental del cagravelcul Cagravelcul de primitives Integracioacute aproximada Integrals improgravepies
5 Successions i segraveries
Convergegravencia de successions Teorema de la convergegravencia monogravetona Cagravelcul de liacutemitsConvergegravencia de segraveries Criteris per a segraveries de termes positius Segraveries alternades Sumacioacutede segraveries Sumacioacute aproximada
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe) 1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute de lrsquoassignatura es basa en dos tipus drsquoactivitatsmdash Dues proves de seguiment del curs Valor 20 de la nota final cadascuna La primera a lacinquena setmana de classe la segona a la desena setmanamdash Una prova final Valor 60 de la nota final
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per unaprova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BARTLE Robert Gardner et al Introduccioacuten al anaacutelisis matemaacutetico de una variable Meacutexico Limusa 1996
BURGOS Juan Caacutelculo infinitesimal de una variable Madrid Mc Graw Hill 2007
BRADLEY Gerald L Caacutelculo Vol 1 Caacutelculo de una variable Madrid Prentice Hall Iberia1998
DEMIDOVICH B et al Problemas y ejercicios de anaacutelisis matemaacutetico Madrid Paraninfo 1993
LUBARY Joseacute Antonio et al Caacutelculo para Ingenieriacutea Informaacutetica Barcelona Edicions UPC 2008
TOMEO Venancio et al Problemas resueltos de caacutelculo en una variable Madrid Thomson 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Bayesians
Codi de lassignatura 361222
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER PUIG ORIOL
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Tenir nocions bagravesiques de probabilitat inferegravencia i de R
Altres recomanacions
Tenir inquietuds per aprendre a traveacutes de la informacioacute que ens donen les dades
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu principal drsquoaquesta assignatura eacutes que lrsquoestudiant acabi amb un bon coneixement idomini de la modelitzacioacute bayesiana tant pel que respecta a coneixement teograveric com pragravecticAquest coneixement li ha de permetre davant drsquoun objectiu o pregunta drsquouna banda interveniren el disseny de lrsquoexperiment o experiments necessaris per tal drsquoobtenir les dades objectedrsquoestudi i de lrsquoaltra analitzar-les satisfactograveriament i treurersquon conclusions per aconseguir lrsquoobjectiuo respondre la pregunta
I com a objectius especiacutefics
mdash Conegraveixer el paper de la distribucioacute a priori el paper de les distribucions a priori de referegravencia icom passar de la distribucioacute a priori a la distribucioacute a posteriori
mdash Resoldre problemes drsquoinferegravencia bayesiana de forma analiacutetica quan srsquoutilitzen models de lafamiacutelia exponencial i distribucions a priori conjugades
mdash Utilitzar els megravetodes de Montecarlo mitjanccedilant programari especiacutefic que permeten simular ladistribucioacute a posteriori i com fer inferegravencia utilitzant aquestes simulacions
mdash Conegraveixer la diferegravencia entre model bayesiagrave jeragraverquic i no jeragraverquic
mdash Conegraveixer com validar i comparar models bayesians i com fer prediccions
Blocs temagravetics
1 Model bayesiagrave
11 Model estadiacutestic
12 Els quatre problemes de lrsquoestadiacutestica
13 La versemblanccedila
14 Model bayesiagrave
15 Distribucioacute a posteriori
16 Distribucioacute predictiva a priori i a posteriori
17 Eleccioacute de la distribucioacute a priori
2 Inferegravencia bayesiana
21 Distribucioacute a posteriori com a estimador
22 Estimacioacute puntual
23 Estimacioacute per interval
24 Proves de dues hipogravetesis
25 Generalitzacioacute de les proves drsquohipogravetesi
3 Computacioacute bayesiana
31 Necessitat drsquointegrar
32 Simulacioacute de Montecarlo basada en cadenes de Markov (MCMC)
33 Convergegravencia de les cadenes
4 Models jeragraverquics5 Validacioacute i construccioacute de models
Metodologia i activitats formatives
Pretenem centrar els objectius drsquoaprenentatge en lrsquoestudiant i adequar la docegravencia a lrsquoassolimentdrsquoaquests objectius Per aixograve volem que les classes presencials siguin valuoses per aprendre i que lestasques que cal fer fora de lrsquoaula estiguin ben pensades i definides
Hi ha dos tipus de sessions presencials classes de teoria i classes de pragravectiques les quals com amiacutenim soacuten la meitat de les sessions
A les classes de teoria (2 hores setmanals) srsquoexposen els conceptes teograverics i en general soacuten classesexpositives en quegrave srsquointercala sovint la realitzacioacute drsquoexercicis o o de discussions entre els estudiants Enaquestes classes tambeacute es treballa lrsquoaprenentatge a traveacutes de casos pragravectics mitjanccedilant tegravecniquesdrsquoaprenentatge cooperatiu
A les classes de pragravectiques es resolen casos pragravectics amb lrsquoajuda del programari estadiacutestic R WinBugsJAGS o STAN (a lrsquoaula drsquoinformagravetica) Les classes de pragravectiques es desdoblen en dos grups i eacutes elprofessorat qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura teacute una doble finalitat drsquouna banda verificar el grau en quegrave cada estudiantha assolit els objectius qualificant-lo amb una nota drsquoaltra banda donar realimentacioacute als estudiants alllarg del curs de com treballen per tal de poder redreccedilar a temps situacions no adequades
La nota de lrsquoassignatura es calcula de la manera seguumlent
Nota = 030Npract + 02NExParc + 005NExPrac + 05NExFinal
en quegrave Npract eacutes la nota dels treballs lliurats a les classes pragravectiques juntament amb altres activitatsdrsquoavaluacioacute continuada NExParc eacutes la nota de lrsquoexamen parcial (que es fa a meitat de curs) i NExFinaleacutes la nota de lrsquoexamen final
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar a ser avaluats amb una prova final i uacutenica La nota es calculade la manera seguumlent
Nota = NExFinal
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOLSTAD William M Introduction to Bayesian Statistics 2nd ed Hoboken NJ John Wiley 2007
GELMAN Andrew Bayesian data analysis 3rd ed London Chapman amp Hall 2014
CONGDON Peter Applied Bayesian Modelling Wiley 2014
KRUSCHKE John K Doing Bayesian Data Analysis A Tutorial with R JAGS and Stan AmsterdamAcademic Press 2015
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes de Mostratge
Codi de lassignatura 361209
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Ramirez Mitjans
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 225
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 15
Treball tutelatdirigit 60
Aprenentatge autogravenom 30
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Diferenciar clarament poblacions finites i infinites
Conegraveixer els megravetodes usuals drsquoextraccioacute drsquouna mostra
Saber escollir lrsquoestimador pertinent en funcioacute del megravetode drsquoextraccioacute
Entendre la fitxa tegravecnica drsquouna enquesta
Saber programar en R lrsquoextraccioacute drsquouna mostra
Saber programar en R lrsquoestimacioacute de les funcions de la mostra com a mitjana total i proporcioacute
Saber calcular la mida de la mostra
Referits a habilitats destreses
Aprendre a treballar en grup
Aprendre que en lrsquoaplicacioacute dels megravetodes de mostreig srsquoha de tenir un alt grau de pragmatisme
Aprendre que hi ha sempre una distagravencia entre la realitat (marcs mostrals imperfecteslimitacions de cost errors no mesurables etc) i la teoria
Aprendre que aquesta distagravencia entre realitat i teoria exigeix un gran rigor
Blocs temagravetics
1 Introduccioacute Etapes drsquouna enquesta Teoria de mostreig = disseny de mostra + estimacioacute2 Teoremes liacutemit com a fonament del mostreig3 Estadiacutestics i estimadors Propietats dels estimadors Error en lrsquoestimacioacute Error mostral
Mesura de lrsquoerror mostral4 Records drsquoestimacioacute de la mitjana en una poblacioacute infinita Comparacioacute de les propietats
drsquoestimadors competitius (per exemple mitjana mostral i mitjana truncada) Mostreig enpoblacioacute finita Mostreig basat en el disseny Especificitat de mostreig en poblacioacute finitanecessitat de marc mostral identificacioacute de les unitats informacioacute auxiliar no-respostes
5 Extraccioacute aleatograveria simple Amb reposicioacute i sense Disseny de la mostra La mitjana mostralcom a estimador Propietats de mitjana mostral en cas de reposicioacute i de no-reposicioacute El casparticular de lrsquoestimacioacute drsquouna proporcioacute Algorismes per lrsquoextraccioacute simple La sevaimplementacioacute en el programa Sampling
6 Extraccioacute estratificada Informacioacute auxiliar i extraccioacute estratificada Poblacioacute i estratsRepartiment de la mostra proporcional i ograveptim Funcions del Sampling per al disseny
estratificat7 Introduccioacute a lrsquoextraccioacute amb probabilitats desiguals Informacioacute auxiliar i extraccioacute amb
probabilitats desiguals Mostreig sistemagravetic amb probabilitats desiguals Breu presentacioacute delsalgorismes per escissioacute Funcions del Sampling per al disseny amb probabilitats desiguals
8 Extraccioacute en conglomerats Nocioacute drsquoextraccioacute bietapa Funcions del Sampling per alrsquoextraccioacute en conglomerats
9 Nocions bagravesiques de recomposicioacute de no-respostes10 Megravetodes no probabiliacutestics drsquoextraccioacute de la mostra
Metodologia i activitats formatives
Lrsquoensenyament drsquoaquesta assignatura teacute a la vegada un fort component teograveric i un fort componentaplicat Es dona molta importagravencia a un extens coneixement del programari Sampling paquet de R
Es presenten els conceptes formalment i srsquoutilitzen les pragravectiques per posar en relleu les propietats delsdiferents megravetodes drsquoextraccioacute de la mostra De fet primer es fa una aproximacioacute empiacuterica a lespropietats i despreacutes srsquoenuncien A meacutes a meacutes la resolucioacute de problemes a classe eacutes fonamental peraprofundir i consolidar els coneixements
Meacutes concretament les classes es divideixen en
mdash Sessions de teoria drsquoacord amb la temporalitzacioacute lliurada a comenccedilament del curs Es fa unapresentacioacute senzilla dels conceptes teograverics i srsquoinsisteix en les nocions que hi ha darrere les foacutermules Esfan poques demostracions perograve srsquoinsisteix en les nocions presents en les foacutermules Es demana unaparticipacioacute activa als estudiants
mdash Sessions de problemes Srsquoutilitzen per fixar els conceptes teograverics presentats a la classe de teoriaAquestes sessions tambeacute permeten consolidar els conceptes drsquoestimacioacute presentats a les classes deteoria
mdash Sessions de laboratori Soacuten molt importants Srsquoutilitzen per tenir una aproximacioacute empiacuterica alsconceptes teograverics que srsquoestudien a la classe de teoria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Tres exagravemens parcials amb preguntes de teoria i problemes La part pragravectica srsquoavalua lliurant lespragravectiques fetes a classe segons les entregues
El primer parcial es fa en acabar el disseny estratificat El segon parcial es fa en acabar el dissenymultietapa I el tercer parcial es fa lrsquouacuteltima setmana de curs
Per tenir nota drsquoavaluacioacute continuada cal presentar-se a tots els parcials i haver lliurat totes lespragravectiques fetes a classe i els scripts utilitzats
Es poden proposar activitats a classe que substitueixin part de la nota o completin la nota dels exagravemensparcials
Avaluacioacute uacutenica
Examen uacutenic amb teoria problemes i pragravectica A la part de pragravectica es demana a lrsquoestudiant que utilitziel programari Sampling (paquet de R) per fer en el moment de lrsquoexamen una o dues pragravectiques de lesfetes a classe i lliurar els resultats en el format previst a lrsquoenunciat de la pragravectica corresponent Per feraquestes pragravectiques lrsquoestudiant disposa del formulari i de lrsquoajuda del paquet
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ARDILLY Pascal et al Sampling Methods Exercices and Solutions New York Springer 2006
CLAIRIN Reacutemy et al Manual de muestreo Madrid La Muralla Salamanca Hespeacuterides 2001
COCHRAN William Gemmell Teacutecnicas de muestreo Meacutexico Compantildeiacutea Editorial Continental 1984
DESROSIEgraveRES Alain La poliacutetica de los grandes nuacutemeros Historia de la razoacuten estadiacutestica BarcelonaMelusina 2004
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
PEacuteREZ Ceacutesar Muestreo estadiacutestico Conceptos y problemas resueltos Madrid Prentice Hall 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics en Mineria de Dades
Codi de lassignatura 361253
Curs acadegravemic 2019-2020
Coordinacioacute TOMAS ALUJA BANET
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha de tenir un esperit per a la resolucioacute de problemes mitjanccedilant la programacioacute drsquoalgorismessenzills
Cal tenir una bona base sobretot de les assignatures Anagravelisi Multivariant i Models Lineals
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer la tipologia dels principals problemes de la mineria de dades
Referits a habilitats destreses
Avaluar la qualitat de les dades i la necessitat de preprocessar-les
Identificar les tegravecniques estadiacutestiques io drsquoaprenentatge automagravetic meacutes apropiades al problemaque srsquoha de resoldre
Implementar algorismes senzills drsquoaprenentatge
Avaluar els resultats obtinguts
Presentar els resultats en un entorn professional per a la presa de decisions
Blocs temagravetics
1 Introduccioacute a la mineria de dades
Tipus de problemes problemes de modelitzacioacute problemes de ciegravencia problemes detransaccions i problemes de magraverqueting
2 Visualitzacioacute de les dades
Visualitzacioacute de dades multivariants Reduccioacute de la dimensionalitat Megravetodes de seleccioacute iextraccioacute de variables
3 Clusteritzacioacute (o clustering)
Megravetodes de particioacute directa jeragraverquics i estadiacutestica matemagravetica
4 Arbres de decisioacute
Arbres de classificacioacute i regressioacute (CART)
5 Regles drsquoassociacioacute
Algorisme a priori
6 Metodologia de validacioacute
laquoHoldoutraquo validacioacute creuada i laquobootstrapraquo
7 Regles de classificacioacute Anagravelisi discriminada paramegravetrica
LDA QDA i Naive Bayes
8 Discriminacioacute no paramegravetrica
Veiumlns meacutes propers
9 Megravetodes flexibles de discriminacioacute
Magravequines de vectors suport
10 Xarxes neuronals
Discriminacioacute pel perceptroacute multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversioacute de dades en coneixement per a la presa dedecisions i com a tal constitueix la fase central del proceacutes drsquoextraccioacute de coneixement a partir de basesde dades La mineria de dades eacutes un punt de trobada de diferents disciplines lrsquoestadiacutesticalrsquoaprenentatge automagravetic (machine learning) les tegravecniques de bases de dades i els sistemes per a lapresa de decisions Juntes permeten afrontar molts problemes actuals pel que fa al tractament de lainformacioacute
Lrsquoassignatura introdueix les tegravecniques meacutes usuals per a la resolucioacute de tres tipus de problemesfonamentals lrsquoanagravelisi de dades binagraveries (laquotransaccionsraquo) lrsquoanagravelisi de dades cientiacutefiques (per exemple degenogravemica) i lrsquoanagravelisi de dades drsquoempreses els quals configuren bona part dels problemes actuals quetracta la mineria de dades Com a objectiu paralmiddotlel hi ha utilitzar el R un potent entorn de programacioacutelliure
Les classes es divideixen per tant en la presentacioacute de les eines estadiacutestiques i drsquoaprenentatge semprea partir de lrsquoexposicioacute de casos reals i fent egravemfasi en els conceptes implicats les seves propietats lainterpretabilitat i lrsquoaplicacioacute de resultats i en classes de laboratori en quegrave els alumnes han de posar enpragravectica les experteses adquirides en la resolucioacute de problemes
Finalment i ategraves que la finalitat de lrsquoassignatura eacutes la resolucioacute de problemes reals cada estudiant ha deresoldre un cas pragravectic entre els casos posats a disposicioacute lliurement o entre el problema cercat perlrsquoestudiant amb el vistiplau del professor
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute eacutes comprensiva en el sentit que avalua totes les competegravencies especiacutefiques del curs lesdestreses algoriacutesmiques i la capacitat per enfrontar-se a problemes reals
Hi ha dues qualificacions de notes una nota obtinguda per examen sobre els coneixements adquirits(nota T) i la nota obtinguda en un treball pragravectic (P) que srsquoha de presentar a final de curs
La nota final srsquoobteacute de la ponderacioacute seguumlent Nota final = 05T + 05P
A meacutes es valoren les intervencions a classe que permeten pujar la nota fins a un 10
En cas que lrsquoestudiant no superi lrsquoavaluacioacute continuada sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Lrsquoestudiant teacute dret en qualsevol cas a presentar-se a lrsquoexamen final de lrsquoassignatura per obtenir unaavaluacioacute uacutenica i final Aquesta avaluacioacute consta drsquoun examen final meacutes el lliurament drsquoun treballpragravectic equivalent al dut a terme en lrsquoavaluacioacute continuada
En cas que lrsquoestudiant no superi la prova drsquoavaluacioacute uacutenica sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
HAND D J Construction and assessment of classification rules Chichester [etc] Wiley 1997
HASTIE Trevor et al The Elements of statistical learning New York Springer 2001
HERNAacuteNDEZ Joseacute et al Introduccioacuten a la mineriacutea de datos Madrid Pearson 2004
WITTEN I H et al Data mining practical machine learning tools and techniques with javaimplementations San Francisco [Calif] [etc] Morgan Kaufmann 2002
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics per a Finances i Assegurances
Codi de lassignatura 361242
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs en cagravelcul de probabilitats variables aleatograveries distribucionsde probabilitat caracteriacutestiques de les distribucions de probabilitat (esperances variagravencies etc) iinferegravencia estadiacutestica Tambeacute es recomana que tingui coneixements previs en agravelgebra de successos Ategravesque les classes pragravectiques es fan en anglegraves cal que lrsquoestudiant tingui un nivell adequat drsquoaquestallengua
Altres recomanacions
Com que es tracta drsquouna assignatura amb un elevat contingut teograveric de demostracioacute es recomanaque lrsquoalumnat tingui una bona base matemagravetica (integracioacute derivacioacute etc)
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Especificar correctament les mesures de risc i rendibilitat drsquoactius i carteres aixiacute com elsmodels bagravesics de risc colmiddotlectiu i individual mdash Interpretar adientment el binomi diversificacioacute i correlacioacute mdash Conegraveixer i utilitzar els models de probabilitat meacutes habituals en les finances i assegurances aixiacutecom la forma drsquoobtenir-los a traveacutes drsquouna mostra de dades i amb suport informagraveticmdash Saber quins processos estocagravestics srsquoutilitzen per modelar preus en finances i la seva aplicacioacutebasada en la simulacioacute estadiacutestica (mitjanccedilant suport informagravetic)mdash Saber quins soacuten els models drsquoeleccioacute ograveptima de carteres drsquoactius que srsquoutilitzen i la sevaimplementacioacute amb suport informagraveticmdash Saber les especificitats de les segraveries temporals aplicades en finances especialment els modelsde volatilitat canviant en el tempsmdash Saber construir una taula de mortalitat per a assegurances de vidamdash Modelitzar el nombre de sinistres i els danys totals en assegurances no de vidamdash Aprendre a tarifar assegurances de vida i assegurances no de vidamdash Conegraveixer els elements bagravesics sobre reserves i solvegravencia
Referits a habilitats destreses
mdash Saber analitzar gragraveficament lrsquoevolucioacute temporal dels preus i analitzar-ne la situacioacutemdash Dissenyar i implementar amb suport informagravetic els models drsquooptimitzacioacute i gestioacute de carteresdrsquoactiusmdash Dissenyar i implementar amb suport informagravetic les mesures de risc (VaR)mdash Desenvolupar i debatre activitats mdashamb suport informagraveticmdash que utilitzin tot el proceacutes drsquoanagravelisiestadiacutestica necessari en la inversioacute financera lrsquoanagravelisi del risc i en assegurances
Referits a actituds valors i normes
Srsquoespera una actitud molt dinagravemica de lrsquoalumnat en el seguiment de lrsquoassignatura Aixiacute sovintsrsquointerrompen les classes teograveriques amb la finalitat que lrsquoestudiant pugui desenvolupar algun delsplantejaments exposats pel professorat i que es resol en la mateixa sessioacute
Blocs temagravetics
1 Introduccioacute a les assegurances
11 Conceptes de teoria general de les assegurances (cobertura prima sinistralitat
compensacioacute reserves solvegravencia)
2 Estadiacutestica per a les assegurances de vida
21 Cagravelcul de probabilitats de supervivegravencia i mortalitat
22 Taules de mortalitat
23 Models de projeccioacute de la mortalitat
24 Assegurances de vida i rendes vitaliacutecies
25 Valoracioacute dels productes drsquoinvalidesa
3 Estadiacutestica per a les assegurances generals
31 Distribucions estadiacutestiques contiacutenues (lognormal de Pareto i de valors extrems)
32 Distribucions estadiacutestiques discretes (de Poisson binomial negativa)
33 Model de risc colmiddotlectiu
34 Tarifacioacute reserves i solvegravencia
4 Introduccioacute als mercats financers preus i riscos
41 Nocions bagravesiques dels mercats financers (mercat monetari renda fixa renda
variable divises i derivats)
42 Preus i rendibilitats
43 Mesures de risc clagravessiques i alternatives Volatilitat dinagravemica i condicional
5 Estadiacutestica aplicada als mercats borsaris
51 Patrons de comportament
52 Filtres i oscilmiddotladors tegravecnics
53 Trading algoriacutetmic
6 Estadiacutestica aplicada a la gestioacute de carteres
61 Correlacioacute i gestioacute de carteres
62 Cogravepules i dependegravencia entre actius
63 Models drsquooptimizacioacute i frontera eficient
64 Sistemes automagravetics de gestioacute Robo-Advisor
65 Indicadors de performance i estils de gestioacute
7 Estadiacutestica aplicada a la gestioacute del risc
71 Tipologia de riscos financers
72 Mesura del risc de mercat VaR
73 Alternatives en presegravencia de Fat Tails CVaR
74 Teoria del valor extrem
Metodologia i activitats formatives
Es fan classes presencials de teoria i classes pragravectiques Les classes pragravectiques es fan en anglegraves i soacuten dedos tipusmdash plantejament de casos aplicats i exercicismdash resolucioacute de situacions pragravectiques amb lrsquouacutes de lrsquoordinador
Avaluacioacute acreditativa dels aprenentatges
Es proposen exercicis per avaluar lrsquohabilitat de lrsquoestudiant en lrsquoaplicacioacute i desenvolupament delsconceptes explicats durant les classes En concret es proposen quatre exercicis en les dates(orientatives) seguumlents
mdash Prova 1 (estadiacutestica per a les assegurances) primera quinzena drsquooctubremdash Prova 2 (estadiacutestica per a les assegurances) primera quinzena de novembremdash Prova 3 (estadiacutestica per a les finances) primera quinzena de desembremdash Prova 4 (estadiacutestica per a les finances) primera quinzena de gener
Dins la modalitat drsquoavaluacioacute continuada eacutes obligatori lliurar de manera correcta les quatre pragravectiquesAquestes pragravectiques tenen un pes en la nota final del 50 (cadascuna un 125 de la nota final) Enlrsquoavaluacioacute drsquoaquestes pragravectiques es valora la capacitat drsquoaprenentatge i responsabilitat
Hi ha una prova final de tancament en la data oficial que teacute un pes del 50 en la nota final Aquestaprova consta de vuit exercicis (quatre per a la part drsquoestadiacutestica per a les assegurances i quatre per a lapart drsquoestadiacutestica per a les finances) i els alumnes en la modalitat drsquoavaluacioacute continuada han de fernomes dos exercicis de la part drsquoestadiacutestica per a les assegurances (escollits entre els quatre proposats)i dos de la part drsquoestadiacutestica per a les finances (escollits entre els quatre proposats) Els dos exercicis dela part drsquoestadiacutestica per a les assegurances tenen un pes del 50 de la nota de lrsquoexamen i els altresdos exercicis de la part de finances tambeacute tenen un pes del 50 de la nota de lrsquoexamen Per fermitjana amb la nota dels exercicis pragravectics lliurats es demana de treure a lrsquoexamen un miacutenim drsquo15punts a la part drsquoestadiacutestica per a les assegurances (dels 5 punts que teacute aquesta part de lrsquoexamen) idrsquo15 punts a la part drsquoestadiacutestica per a les finances (dels 5 punts drsquoaquesta part)
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen escrit en la data oficial Consta de vuit exercicis quatre per ala part drsquoestadiacutestica per a les assegurances i quatre per a la part drsquoestadiacutestica per a les finances Elsquatre exercicis de la part drsquoestadiacutestica per a les finances tenen un pes del 50 de la nota final i elsaltres quatre un 50 Per aprovar es demana un miacutenim de 2 punts a la part drsquoestadiacutestica per a lesassegurances i de 2 punts a la part drsquoestadiacutestica per a les finances
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYUSO M et al Estadiacutestica actuarial vida Barcelona Publicacions i Edicions de la Universitat deBarcelona 2007
SARABIA Joseacute Mariacutea et al Estadiacutestica actuarial teoriacutea y aplicaciones Madrid Pearson Prentice Hall2007
PEacuteREZ-TORRES Joseacute Luis Conociendo el seguro Barcelona Umeser 2001
HERNAacuteNDEZ Benjamiacuten Bolsa y Estadiacutestica Bursaacutetil Madrid Diacuteaz de Santos 2000
DANIELSSON Joacuten Financial Risk Forecasting Chichester John Wiley 2012
BORRELL Maacuteximo et al Estadiacutestica Financiera aplicacioacuten a la formacioacuten y gestioacuten de carteras de rentavarible Madrid Centro de Estudios Ramoacuten Areces 1997
TORRA Salvador MONTE Enric Modelos Neuronales aplicados en Economiacutea Casos praacutecticos medianteMathematica Neural Networks Barcelona Addlink Media 2013
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes No Paramegravetrics i de Remostreig
Codi de lassignatura 361224
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Civit Vives
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Srsquointrodueixen els principals conceptes ies consoliden amb la resolucioacute deproblemes ilmiddotlustratius)
375
- Pragravectiques dordinadors
(Pragravectiques) 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de model estadiacutestic no paramegravetric o lliure de la distribucioacute
mdash Conegraveixer els fonaments de les proves de significacioacute basades en rangs i les principalsalternatives no paramegravetriques basades en aquest enfocament a les proves drsquohipogravetesiparamegravetriques meacutes comunes
mdash Conegraveixer els fonaments de les proves de significacioacute basades en permutacions i les principalsalternatives de permutacions a les proves drsquohipogravetesi paramegravetriques meacutes comunes
mdash Conegraveixer el megravetode jackknife Conegraveixer els fonaments del megravetode bootstrap Assimilar la ideadel remostreig bootstrap Conegraveixer els principals tipus drsquointervals de confianccedila bootstrapAssimilar la idea de la suavitzacioacute de corbes i la seva aplicacioacute a la regressioacute no paramegravetrica i alrsquoestimacioacute no paramegravetrica de la funcioacute de densitat
Referits a habilitats destreses
mdash Davant drsquoun problema concret saber determinar quin enfocament no paramegravetric o deremostreig eacutes el meacutes adient Aquesta habilitat inclou saber utilitzar meacutes drsquoun megravetode alhora comara bootstrap i estimacioacute no paramegravetrica de la densitat en un mateix problema de classificacioacute
mdash Assolir un nivell drsquoexpertesa suficient per portar a la pragravectica els megravetodes no paramegravetrics i deremostreig Per exemple saber implementar correctament la simulacioacute bootstrap adient a unasituacioacute donada
Blocs temagravetics
1 Proves de permutacions i drsquoaleatoritzacioacute
Suficiegravencia i completesa de lrsquoestadiacutestic ordinal inferegravencia condicionada a la mostra Mostresno aleatograveries i proves drsquoaleatoritzacioacute Tests de permutacions exactes i de Montecarlo Algunstests de permutacions dades aparellades significacioacute del coeficient de correlacioacute ANOVA drsquounfactor Intervals de confianccedila i tests de permutacions
11 Enfocament de Fisher i de Pitman Suficiegravencia i completesa de lrsquoestadiacutestic ordinal
Inferegravencia condicionada a la mostra Mostres no aleatograveries i proves drsquoaleatoritzacioacute Tests
de permutacions exactes i de Montecarlo
12 Alguns tests de permutacions bagravesics dues mostres independents dades aparellades
significacioacute de la correlacioacute ANOVA drsquoun factor
13 Intervals de confianccedila i tests de permutacions
2 Megravetodes basats en lrsquoestimacioacute de la funcioacute de distribucioacute i en el remostreig
Simulacioacute o remostreig bootstrap El principi laquoplug-inraquo i el bootstrap Estimacioacute bootstrapdel biaix i de lrsquoerror estagravendard Megravetode jackknife estimacioacute del biaix i de lrsquoerror estagravendarddrsquoun estimador Intervals de confianccedila percentil i bootstrap-t Relacioacute amb el contrastdrsquohipogravetesi
21 Simulacioacute i bootstrap El principi plug-in Bootstrap exacteTipus drsquoerror Aplicacions
bagravesiques del bootstrap
22 Jackknife Justificacioacute heuriacutestica Correccioacute del biaix i estimacioacute de lrsquoerror estagravendard
23 Intervals de confianccedila bootstrap bootstrap-t percentil i BCa
24 Bootstrap i contrast drsquohipogravetesi
3 Estadiacutestica no paramegravetrica basada en rangs
Fonamentacioacute de la inferegravencia basada en rangs Principals proves drsquohipogravetesi test deWilcoxon dels rangs amb signe test de Kruskal-Wallis test de Friedman Correlacioacute deKendall i de Spearman
31 Rangs Fonamentacioacute de la inferegravencia basada en rangs Pegraverdua drsquoinformacioacute
32 Prova de Mann-Whitney-Wilcoxon
33 Prova de Wilcoxon dels rangs amb signe
34 Prova de Kruskal-Wallis
35 Prova de Friedman
36 Correlacioacute de Kendall i de Spearman Proves de significacioacute
4 Megravetodes de suavitzacioacute i estadiacutestica no paramegravetrica
Suavitzacioacute Kernel concepte Nocions de regressioacute no paramegravetrica Nocions drsquoestimacioacute noparamegravetrica de la funcioacute de densitat Aplicacions a problemes de discriminacioacute classificacioacutedeterminacioacute de modes etc
41 Introduccioacute a la suavitzacioacute Kernel
42 Nocions de regressioacute no paramegravetrica
43 Nocions drsquoestimacioacute no paramegravetrica de la funcioacute de densitat
44 Aplicacions a problemes de discriminacioacute classificacioacute determinacioacute de modes
45 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica
5 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica i remostreig
Sobre diversos conjunts de dades es valoraran els megravetodes meacutes adients per acomplirdeterminats objectius i srsquoaplicaran procurant fer egravemfasi en les conclusions
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent
mdash Classes de teoria (225 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratius
mdash Classes de problemes (15 hores) amb la resolucioacute de problemes drsquoaplicacioacute plantejats a classe deteoria i dels petits treballs plantejats en la seccioacute de treball tutelat
mdash Classes pragravectiques (225 hores) classes en quegrave es fa servir lrsquoordinador orientades a la consolidacioacutedels conceptes estudiats Es resolen casos pragravectics utilitzant eines apropiades i es fan simulacions i altresexercicis ilmiddotlustratius dels conceptes teograverics
mdash Treball tutelat (40 hores) petits treballs de simulacioacute per dur a terme fora de classe amb la finalitatde consolidar conceptes a partir de lrsquoautoaprenentatge
mdash Treball autogravenom (50 hores) estudi miacutenim imprescindible per assimilar la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
mdash Una avaluacioacute parcial (obligatograveria) transcorreguts uns dos mesos de curs (aproximadament ameitat del semestre) del temari tractat del curs Consisteix en un examen parcial que srsquoanuncia ambantelacioacute Indiquem com a laquoxraquo la puntuacioacute obtinguda
mdash Valoracioacute del seguiment fet a lrsquoestudiant Es basa en la realitzacioacute drsquoexercicis o treballs proposatsdurant el curs (anomenades tasques miacutenim 2) i la participacioacute a classe Indiquem com a laquoyraquoaquesta nota
mdash Una prova final de siacutentesi de tota la mategraveria En diem laquozraquo de la nota corresponent
Per tenir nota drsquoavaluacioacute continuada cal haver-se presentat a la prova parcial i a la prova final desiacutentesi i haver fet els treballs que srsquohagin proposat (tasques) No fer alguna drsquoaquestes activitatscomporta la qualificacioacute de laquono presentatraquo
La nota drsquoavaluacioacute continuada es calcula de la manera seguumlent 030 x + 02 y + 05 z La ponderacioacute
parcialsiacutentesi pot variar en el sentit que es valora positivament una evolucioacute a millor del parcial al finalsempre que en el parcial srsquohagi obtingut una puntuacioacute miacutenima de 4 sobre 10
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute dels estudiants) i per tant sense possibilitat de canvis
Examen final de tota la mategraveria amb un valor del 100 i on srsquoinclou un exercici global drsquoanagraveliside dades amb R fet a lrsquoaula informagravetica
La prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica (eacutes a dir unvalor del 100 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
HOLLANDER Myles et al Nonparametric Statistical Methods 2nd ed New York [etc] Wiley 1999
SIEGEL Sidney et al Estadiacutestica no parameacutetrica aplicada a las ciencias de la conducta Meacutexico Trillas2009
GOOD Phillip I Permutation Parametric and Bootstrap Tests of Hypotheses New York Springer 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Numegraverics
Codi de lassignatura 361213
Curs acadegravemic 2019-2020
Coordinacioacute MARIA ANGELA GRAU GOTES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Programari
httpsmatlabmathworkscom
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Estudi dels megravetodes presentatsExagravemens sobre conceptes bagravesics delrsquoassignatura un miacutenim de 2 repartits enel calendari)
30
- Pragravectiques dordinadors
(Resolucioacute drsquoexercicis amb els algorismesi megravetodes del curs Srsquoavalua)
30
Treball tutelatdirigit
(Resolucioacute drsquoexercicis amb els algorismes imegravetodes del curs pragravectiques drsquoordinador acasa i a lrsquoaula)
40
Aprenentatge autogravenom
(Preparacioacute de la documentacioacute dels treballspragravectics que srsquohan de presentar peravaluar)
50
Recomanacions
Es recomana haver cursat les assignatures Introduccioacute al Cagravelcul Introduccioacute a la Informagravetica AgravelgebraLineal
Altres recomanacions
Es recomana haver cursat o estar cursant les assignatures Programacioacute i Cagravelcul de DiversesVariables
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Aprendre les tegravecniques numegraveriques meacutes bagravesiques i usar-les com a eina per trobar solucions aproblemes en quegrave per diverses raons els megravetodes analiacutetics queden descartats
Referits a habilitats destreses
Lrsquoaplicacioacute pragravectica dels megravetodes que es presenten requereix lrsquouacutes drsquoordinadors i lrsquouacutes i elconeixement del programari adequat Matlab per implementar els megravetodes presentats en lesexplicacions de classe
Blocs temagravetics
1 Preliminars
Aritmegravetica en coma flotant Anagravelisi de lrsquoerror Sumacioacute de segraveries
11 Representacioacute aritmegravetica en coma flotant
111 Conceptes bagravesics fonts drsquoerror xifres significatives problemes inestables
112 Error numegraveric definicions errors drsquoarrodoniment errors de truncament
113 Lrsquoaritmegravetica a lrsquoordinador punt fix punt flotant
12 Anagravelisi de lrsquoerror
121 Errors en les operacions en punt flotant
122 Propagacioacute de lrsquoerror nombres de condicioacute algorismes amb cancelmiddotlacioacute
13 Sumacioacute de segraveries
131 Cagravelcul de la suma drsquouna segraverie megravetodes de comparacioacute
132 Acceleracioacute de la convergegravencia
2 Agravelgebra lineal numegraverica
Resolucioacute de sistemes lineals compatibles determinats megravetodes directes i megravetodesiteratius Nombre de condicioacute drsquouna matriu Sistemes lineals sobredeterminats descomposicioacuteen valors singulars Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
21 Resolucioacute de sistemes lineals compatibles determinats
211 Megravetodes directes megravetodes de Gauss megravetodes de factoritzacioacute LU Txoleski
QR Cagravelcul de matrius inverses Fites de lrsquoerror
212 Megravetodes iteratius megravetodes de Jacobi Gauss-Seidel de sobrerelaxacioacute Raoacute de
convergegravencia i estimacioacute de lrsquoerror
22 Sistemes lineals sobredeterminats
221 Descomposicioacute en valors singulars
23 Vectors i valors propis
231 Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
3 Resolucioacute drsquoequacions no lineals
Megravetodes per a la resolucioacute drsquoequacions en una variable biseccioacute secant Newton punt fixOrdre de convergegravencia Megravetodes de Newton i del punt fix per a la resolucioacute drsquoequacions demeacutes drsquouna variable
31 Megravetodes per a la resolucioacute drsquoequacions en una variable
311 Megravetodes de la biseccioacute Megravetode de la secant Megravetode de Newton Megravetodes del
punt fix
312 Ordre de convergegravencia drsquoun megravetode iteratiu
32 Megravetodes per a la resolucioacute drsquoequacions en meacutes drsquouna variable
321 Megravetode de Newton Megravetodes del punt fix
4 Funcions aproximacioacute derivacioacute i integracioacute
Aproximacioacute de funcions interpolacioacute polinogravemica i foacutermula de Taylor Error en lainterpolacioacute polinomial Diferenciacioacute numegraverica algunes foacutermules drsquoaproximacioacute per al cagravelculde derivades Error Extrapolacioacute de Richardson Integracioacute numegraverica foacutermules de Newton-Cotes Megravetode de Romberg Megravetodes de Montecarlo
41 Aproximacioacute de funcions
411 Interpolacioacute polinogravemica i foacutermula de Taylor
412 Error en la interpolacioacute polinogravemica
42 Diferenciacioacute numegraverica
421 Foacutermules per al cagravelcul aproximat de derivades
43 Integracioacute numegraverica
431 Foacutermules de Newton-Cotes megravetode dels trapezis regla de Simpson etc
432 Megravetode de Romberg
44 Megravetodes de Montecarlo
Metodologia i activitats formatives
Classes expositives i magistrals per a les sessions teoricopragravectiques Les classes de problemes a lrsquoaulainformagravetica es desdoblen en dos o meacutes grups El professorat assigna els estudiants als grups En lessessions de problemes a lrsquoaula informagravetica es treballa amb el programari Matlab en els ordinadors delrsquoaula
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final eacutes la suma ponderada de quatre notes NF = 03NP + 03NT + 04NE
mdash Nota NP (30 ) bull Treball a lrsquoaula drsquoinformagravetica dels algorismes estudiats amb sessions puntuables bull Treball de desenvolupament de programes pragravectics fora de lrsquohorari lectiu magravexim un per tema
mdash Nota NT (30 ) Exagravemens parcials sobre conceptes bagravesics de lrsquoassignatura magravexim un per temamdash Nota NE (40 ) Exagravemens parcials de resolucioacute de problemes amb el programari emprat en el curs
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Es recomana seguirlrsquoavaluacioacute continuada de treballs amb el programari Matlab
La nota final eacutes la suma ponderada de tres notes NF = 03NPC + 03NET + 04NEF
mdash Examen final de pragravectiques amb el programari emprat en el curs (30 ) Nota NPCmdash Examen final sobre conceptes bagravesics de lrsquoassignatura (30 ) Nota NETmdash Examen final de resolucioacute de problemes amb el programari emprat en el curs (40 ) Nota NEF
Reavaluacioacute
La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GRAUMiquel et al Cagravelcul numegraveric Barcelona UPC 1993
Referegravencia bagravesica
KENNEDY William Jo et al Statistical Computing Statistics textbooks and monographs 33 New York[etc] Marcel Dekker 1980
Referegravencia bagravesica
KINCAID David et al Anaacutelisis numeacuterico las matemaacuteticas del caacutelculo cientiacutefico Buenos Aires [etc]Addison-Wesley Iberoamericana 1994
Referegravencia complementagraveria
STOER Josef et al Introduction to Numerical Analysis Texts in Applied Mathematics 12 3rd ed NewYork Springer Verlag 2002
Referegravencia bagravesica
THISTED Ronald A Elements of Statistical Computing Numerical computation New York [etc]Chapman and Hall 1988
Referegravencia complementagraveria
VANDERGRAFT James S Introduction to numerical Computations New York Academic Press 1983
Referegravencia bagravesica
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals
Codi de lassignatura 361231
Curs acadegravemic 2019-2020
Coordinacioacute Francisco De Asis Carmona Pontaque
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoestadiacutestica matemagravetica i sobretot drsquoinferegravencia estadiacutestica
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures que contenen aquestes mategraveries comara Agravelgebra Lineal i Inferegravencia Estadiacutestica ja que contenen tots els conceptes bagravesics que srsquoutilitzaran
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
(Lrsquoalumnat ha de poder identificar un model lineal estimar-ne els paragravemetres i avaluar les hipogravetesisque es plantegin sobre aquest model I tambeacute ha de ser capaccedil de validar-lo)
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes conegraveixer els models lineals i la seva aplicacioacute a les situacionsmeacutes usualsmdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model linealmdash Conegraveixer els mecanismes de decisioacute associats a les principals proves drsquohipogravetesi en modelslinealsmdash Saber caracteritzar un model de regressioacute lineal simple i muacuteltiplemdash Saber com es validen els models de regressioacute linealmdash Saber caracteritzar alguns models drsquoanagravelisi de la variagravencia senzills
Referits a habilitats destreses
mdash Saber resoldre lrsquoestimacioacute dels paragravemetres drsquoun model lineal mdash Saber analitzar les principals proves drsquohipogravetesi en models lineals mdash Saber calcular un model de regressioacute lineal mdash Saber validar els models de regressioacute lineal mdash Saber resoldre alguns models drsquoanagravelisi de la variagravencia senzills mdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtinguts
Blocs temagravetics
1 Regressioacute lineal simple
11 Estimacioacute dels coeficients de regressioacute per miacutenims quadrats
12 Descomposicioacute de la variabilitat
13 Coeficient de correlacioacute i coeficient de determinacioacute
14 Inferegravencia sobre els paragravemetres de regressioacute
15 Prediccioacute
16 Plantejament matricial
2 Models de regressioacute
21 Regressioacute lineal muacuteltiple
22 Mesures drsquoajust
23 Inferegravencia sobre els coeficients de regressioacute
24 Coeficients de regressioacute estandarditzats
25 Regressioacute polinogravemica
26 Introduccioacute a la diagnosi del model
3 El model lineal
31 Estimacioacute de paragravemetres per miacutenims quadrats
32 Propietats dels estimadors
33 Contrast drsquohipogravetesi lineal
34 Contrast de models
35 Funcions paramegravetriques estimables
4 El model lineal de lrsquoanagravelisi de la variagravencia
41 Model drsquoun factor
42 Comparacioacute de mitjanes
43 Altres models
44 Introduccioacute a lrsquoanagravelisi de la covariagravencia
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
A les classes de problemes es resolen exercicis Es donen indicacions de quins exercicis cal treballar cadasetmana de manera que lrsquoalumnat pugui resoldrersquols abans drsquoassistir a classe i si escau dedicar la sessioacutea resoldre dubtes Els problemes consisteixen en la resolucioacute drsquoexercicis de caragravecter teograveric o aplicatencaminats a la comprensioacute dels conceptes bagravesics de cada tema
Un component important de lrsquoassignatura eacutes el treball amb ordinador Al llarg del curs es donenindicacions de com treballar amb el llenguatge estadiacutestic R de manera que els estudiants puguin fer-loservir tant per dur a terme els programes o les simulacions que srsquoencarreguin com els cagravelculs i lesanagravelisis de dades que es plantegin Les pragravectiques drsquoordinador es destinen a fer problemes numegraverics perveure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de les dades mitjanccedilant models lineals
Opcionalment es pot fer un treball Per tal que el professorat el revisi cal discutir-lo conjuntament abansde presentar-lo
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada En aquest sentit a mig curs es fa una provacurta (de dues hores) que no eacutes eliminatograveria de mategraveria Si srsquoaprova aquesta curta sersquon fa una altra afinal de curs Per a lrsquoalumnat que no superi la primera prova hi ha una prova final de siacutentesi
Les dates de les proves es fan puacutebliques el primer dia de classe perquegrave els alumnes es puguinprogramar les activitats i no hi faltin
Opcionalment es pot demanar de presentar treballs o problemes solucionats si aixiacute ho especifica elprofessorat a principi de curs
Lrsquoestudiant que falti a alguna prova per causes justificades pot recuperar com a magravexim una prova eldia de la prova de siacutentesi Si no es fa cap prova curta o no lliura els treballs o problemes demanats srsquohadrsquoavaluar de forma uacutenica el dia que marqui el Consell Docent
La nota final de lrsquoavaluacioacute continuada eacutes
04xP1+04xP2+02xO o 04xP1+ 06xP2 o PS
en quegrave P1 eacutes la prova curta 1 P2 eacutes la prova curta 2 O eacutes el treball o exercicis opcionals i PS eacutes laprova de siacutentesi
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CARMONA Francesc Modelos lineales Barcelona Publicacions i Edicions de la Universitat de Barcelona2005
Eacutes un bon llibre de models lineals tot i que teacute un nivell massa elevat pelscontinguts que es donen a lrsquoensenyament
FARAWAY Julian James Linear Models with R Chapman amp HallCRC Press 2014
PENtildeA Daniel Estadiacutestica Modelos y Meacutetodos Vol 2 Madrid Alianza 1991
Eacutes un llibre que recull part de lrsquoassignatura
RAWLINGS John O Applied Regression Analysis a research tool New York [etc] Springer 1998
Tot i ser en anglegraves eacutes un llibre molt bo amb molts exemples comentats
MONTGOMERY Douglas C et al Introduction to Linear Regression Analysis 2nd ed New York [etc]Wiley 1992
OLIVA Francesc et al Propietats i eines drsquoagravelgebra matricial per a estadiacutestica Barcelona Universitat deBarcelona 1995
Pagravegina web
The R Project for Statistical Computing
LyX - El procesador de documentos
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals Generalitzats
Codi de lassignatura 361234
Curs acadegravemic 2019-2020
Coordinacioacute JORDI CORTES MARTINEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoinferegravencia estadiacutestica i habilitats en el tractament de dades en diferents formats
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures relacionades amb la modelitzacioacute i lainferegravencia estadiacutestica com ara Models Lineals Inferegravencia Estadiacutestica i Econometria aixiacute com SoftwareEstadiacutestic ja que contenen conceptes i eines que srsquoutilitzaran extensament
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model lineal generalitzatmdash Saber caracteritzar un model de regressioacute lineal amb resposta normal binagraveria (regressioacutelogiacutestica) i entera o de Poisson (models log-lineals)mdash Conegraveixer els indicadors estadiacutestics de bondat de lrsquoajust i de la seva validesa per a la diagnosi ivalidacioacute dels models lineals proposats a nivell predictiu mdash Saber com es fa el proceacutes de validacioacute drsquoun model lineal generalitzatmdash Saber interpretar els resultats inferencials que es deriven de lrsquoajust drsquoun model linealgeneralitzatmdash Conegraveixer lrsquoextensioacute a models lineals generalitzats drsquoefectes aleatoris o models mixtos quan lesdades no soacuten independents
Referits a habilitats destreses
mdash Saber estimar els paragravemetres drsquoun model lineal generalitzatmdash Saber analitzar les principals proves drsquohipogravetesi associades als models lineals generalitzatsmdash Saber validar els models lineals generalitzats ajustatsmdash Saber resoldre alguns models lineals generalitzats drsquouacutes frequumlent model lineal generalregressioacute logiacutestica i models log-linealsmdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtingutsmdash Ser capaccedil de triar entre les diverses possibilitats proporcionades per un paquet estadiacutestic tanta nivell de capacitats modeliacutestiques com de sortida de la informacioacute per tal de poder extreureconclusions drsquoutilitat en el proceacutes de modelitzacioacute concret que desenvolupa
Blocs temagravetics
1 Introduccioacute als models lineals generalitzats
11 Hipogravetesi del model Forma canogravenica paragravemetres
12 Propietat dels scores matriu drsquoinformacioacute esperada
13 Funcioacute drsquoenllaccedil rol
14 Mesures de bondat (desviagravencia (D i Drsquo) i R2)
15 Inferegravencia raoacute de versemblances i estadiacutestics de Wald
2 Models per resposta normal
21 Regressioacute lineal muacuteltiple cas particular drsquoMLGz
22 Matrius de disseny efectes principals i interaccions
23 Model lineal general
24 Diagnosi i validacioacute seleccioacute del model anagravelisi de residus valors influents
Diagrames de residus parcials
3 Models per resposta binagraveria
31 Regressioacute logiacutestica resposta binomial
32 Interpretacioacute dels enllaccedilos habituals (logravegit progravebit i cloglog)
33 Estimacioacute inferegravencia i validacioacute
34 Presentacioacute de casos drsquoestudi
4 Models per comptatges
41 Models log-lineals resposta de Poisson
42 Modelitzacioacute de taules de contingegravencia
43 Estimacioacute inferegravencia i validacioacute
44 Diagnosi i tractament de la sobredispersioacute
45 Presentacioacute de casos drsquoestudi
5 Models lineals generalitzats amb efectes aleatoris
51 Models lineals generalitzats per a mesures repetides i dades longitudinals
52 Predictor lineal amb efectes aleatoris
53 Models lineals mixtos resposta gaussiana
54 Models lineals mixtos generalitzats resposta binomial i de Poisson
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
Un component important de lrsquoassignatura eacutes el treball amb ordinador i conjunts de dades reals Al llargdel curs es donen indicacions de com treballar amb lrsquoentorn estadiacutestic R de manera que els estudiantspuguin fer-lo servir tant per dur a terme els exercicis pragravectics que srsquoencarreguin com les anagravelisis dedades que es plantegin
Les pragravectiques soacuten totes drsquoordinador per veure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de lesdades mitjanccedilant models lineals generalitzats Les sessions de laboratori es desdoblen cada setmana eacutesa dir cadascun dels dos subgrups drsquoun grup complet teacute dues hores de laboratori setmanal El professorateacutes qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada en quegrave srsquoavalua
1 Conegraveixer i entendre alguns dels models meacutes importants de relacioacute lineal entre variables de la famiacuteliaexponencial
2 Davant de la descripcioacute drsquoun joc de dades ser capaccedil de formular correctament el model estadiacutesticassociat adient
3 Davant de la formulacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquoun paragravemetreestimar els paragravemetres del model mitjanccedilant lrsquouacutes del paquet estadiacutestic adequat
4 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar la bondat del model tot interpretant lainformacioacute facilitada pel programa estadiacutestic
5 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat saber interpretar-ne els estimadors en termes de lafuncioacute drsquoenllaccedil emprada
6 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar gragraveficament la bondat del model sempreque el nombre de paragravemetres sigui reduiumlt
7 Davant de diversos models lineals generalitzats per un conjunt de dades fixat apuntar cap a laseleccioacute del millor model uacutes de variables com a factor o com a covariant introduccioacute de termes drsquoordresuperior al lineal en les covariables
8 Conegraveixer i entendre les limitacions de les propietats asimptogravetiques dels estadiacutestics implicats enlrsquoestimacioacute i validacioacute dels models lineals generalitzats
9 Conegraveixer els indicadors estadiacutestics de bondat del model desviagravencia estadiacutestic de Pearson AIC BIC
En aquest sentit al llarg del curs es fa una prova parcial que no eacutes eliminatograveria de mategraveria La data dela prova es fa puacuteblica el primer dia de classe perquegrave els alumnes es puguin programar les activitats i nohi faltin Tambeacute hi ha un examen final
Al llarg del curs srsquoha de presentar una segraverie de casos drsquoestudi solucionats que juntament amb elsexagravemens donen lloc a la nota final de curs
La nota final es basa en la foacutermula seguumlent
Magravexim02 x P1 + 03 x T + 05 x PF 03 x T + 07 x PF
P1 nota de lrsquoexamen parcialT nota mitjana de lliuraments de casos drsquoestudiPF nota de lrsquoexamen final
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes i el lliurament dels treballs fets com a casos drsquoestudi
03 x T + 07 x PF
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
McCULLAGH Peter et al Generalized linear models London [etc] Chapman amp Hall 1989
FOX John Applied Regression Analysis and Generalized Linear Models Los Angeles [etc] SAGE 2008
FOX John et al An R Companion to Applied Regression Thousand Oaks Calif SAGE 2011
DOBSON Annette J An Introduction to generalized linear models Boca Raton CRC Press Chapman ampHall 2008
FARAWAY Julian James Extending the Linear Model with R Generalized Linear Mixed Effects andNonparametric Regression Models Boca Raton (Mass) Chapman amp HallCRC 2006
PINHEIRO Joseacute C et al Mixed-Effects Models in S and S-PLUS New York (NY) [eTc] Springer 2000
Pagravegina web
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute en Enginyeria
Codi de lassignatura 361258
Curs acadegravemic 2019-2020
Coordinacioacute M PAZ LINARES HERREROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Requisits
361227 - Programacioacute No Lineal i Fluxos en Xarxes (Recomanada)
361226 - Programacioacute Lineal i Entera (Recomanada)
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de la investigacioacute operativa habituals en optimitzacioacute en enginyeria i usarcorrectament la terminologia progravepia de lrsquoagraverea
Formular matemagraveticament i resoldre computacionalment mitjanccedilant lrsquouacutes de llenguatges demodelitzacioacute per a programacioacute matemagravetica problemes drsquooptimitzacioacute en enginyeria de diversesagraverees
Interpretar els resultats dels models drsquooptimitzacioacute en enginyeria i ser capaccedil drsquoelaborar informes ipresentacions on srsquoexposin els resultats
Blocs temagravetics
1 Optimitzacioacute en enginyeria del transport
Introduccioacute als models de localitzacioacute Heuriacutestiques de resolucioacute Problema del viatjant decomerccedil (TSP) Problema de rutes de vehicles (VRP) Models de rutes per a aplicacions de lalogiacutestica urbana laquostreet routingraquo Heuriacutestiques de resolucioacute Anagravelisi de problemes especiacuteficsde la logiacutestica a ciutats localitzacioacute de sensors per a la captura drsquoinformacioacute de tragravensit gestioacutedinagravemica de flotes de vehicles serveis de missatgeria recollida de residus
2 Optimitzacioacute en enginyeria de lrsquoenergia
Introduccioacute a lrsquooperacioacute de sistemes de potegravencia el sistema de produccioacute i transportdrsquoenergia nacional generacioacute regulada vs liberalitzada el mercat elegravectric majorista
Optimitzacioacute de lrsquooperacioacute regulada dels sistemes de potegravencia modelitzacioacute dels generadorsde turbina laquoeconomic dispatchraquo (ED) laquooptimal power flowraquo (OPF) laquounit commitmentraquo (UC)Optimitzacioacute de lrsquooperacioacute de mercats elegravectrics models de cassacioacute del mercat modelsdrsquooferta ograveptima de compra i venda drsquoenergia Modelitzacioacute i resolucioacute computacional delrsquooperacioacute de sistemes de potegravencia
Metodologia i activitats formatives
Les classes srsquoorganitzen al voltant drsquoestudis de cas drsquoaplicacioacute dels models i algorismes drsquooptimitzacioacute ala resolucioacute de problemes reals de lrsquoenginyeria de transport enginyeria de dades i enginyeria de lageneracioacute elegravectrica Dins de cada part del curs es fa una introduccioacute a lrsquoagraverea drsquoaplicacioacute es descriuen lescaracteriacutestiques dels models i algorismes drsquooptimitzacioacute i es resolen computacionalment casos pragravecticsreals Lrsquoalumnat ha de preparar un conjunt de projectes en quegrave ha de resoldre exemples de casos realsde les diferents agraverees drsquoaplicacioacute
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada consisteix en quatre pragravectiques dos per cada bloc de lrsquoassignatura Cada pragravecticaes fa en acabar el tema corresponent Els dos blocs tenen el mateix pes en la nota drsquoavaluacioacutecontinuada que es calcula fent la mitjana aritmegravetica de les notes obtingudes a les diferents pragravectiques
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova pragravectica a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha deresoldre algun cas pragravectic relacionat amb els problemes estudiats a classe
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
DASKIN MS et al Location Models in Transportation En HALL Randolph W (ed) Handbook ofTransportation Science Boston [etc] Kluwer Academic 2003
TOTH Paolo et al (eds) The Vehicle Routing Problem Philadelphia Society for Industrial and AppliedMathematics 2002
ZHU Jizhong Optimization of Power System Operation Piscataway NJ Wiley-IEEE 2009
GOacuteMEZ EXPOacuteSITOAntonio et al (eds) Electric energy systems analysis and operation Boca RatonFla CRC Press 2009
WILLENBORG Leon et al Elements of statistical disclosure control New York Barcelona [etc] Springer2000
CRISTIANINI Nello et al An Introduction to Support Vector Machines And Other Kernel-Based LearningCambridge [etc] Cambridge University Press 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute Financera
Codi de lassignatura 361257
Curs acadegravemic 2019-2020
Coordinacioacute Jose Bonifacio Saez Madrid
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Exposicioacute de continguts teograverics irealitzacioacute drsquoexemples drsquoaplicacioacute)
44
- Pragravectiques de problemes
(Plantejament i resolucioacute de problemes) 10
- Pragravectiques dordinadors
(Plantejament i resolucioacute amb ordinadorde problemes reals del moacuten financer)
6
Treball tutelatdirigit
(Realitzacioacute de les tasques encarregades pelprofessor)
40
Aprenentatge autogravenom
(Estudi personal per entendre lrsquoassignatura ipreparar les proves drsquoavaluacioacute)
50
Recomanacions
No hi ha requisits obligatoris per cursar aquesta assignatura De totes maneres per aprofitar millor elcurs es recomana
mdash Tenir coneixements previs drsquoestadiacutestica descriptiva
mdash Tenir coneixements bagravesics de cagravelcul diferencial i drsquoagravelgebra lineal
mdash Conegraveixer el funcionament drsquoExcelreg
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer les eines financeres per valorar actius de renda fixa i de renda variable
Conegraveixer les diferents formes de mesurar i quantificar la rendibilitat i el risc drsquoun actiu financer
Conegraveixer els megravetodes drsquoanagravelisi i descomposicioacute del risc drsquouna cartera de valors
Conegraveixer el proceacutes complet de les diferents etapes que hi ha a lrsquohora de gestionar de formaograveptima una cartera de valors mobiliaris
Conegraveixer els models clagravessics drsquooptimitzacioacute financera aplicats a la gestioacute activa i passiva decarteres amb lrsquoobjectiu de trobar carteres diversificades
Conegraveixer els megravetodes de performance existents en el mercat per avaluar lrsquoeficiegravencia de lesdecisions preses pels gestors de carteres
Referits a habilitats destreses
Desenvolupar megravetodes que pugin avaluar quan un actiu financer esta infravalorat o sobrevalorat
Desenvolupar megravetodes que permetin determinar els moments idonis per comprar o vendre unactiu de renda variable aplicant les eines estadiacutestiques de lrsquoanagravelisi tegravecnica borsagraveria
Analitzar amb diferents criteris financers la viabilitat o no drsquoun projecte drsquoinversioacute
Aprendre a resoldre amb ordinador els problemes drsquooptimitzacioacute financera aplicats a laconstruccioacute de carteres eficients i ser capaccedilos de presentar els resultats
Referits a actituds valors i normes
Entendre al llarg del curs que el funcionament dels mercats financers teacute un fort componentsubjectiu i que de vegades influeixen en els resultats finals la sort i lrsquoatzar i en drsquoaltres elcomportament agregat dels inversors enfront del coneixement de determinades variablesmacroeconogravemiques no esperades
Aprendre a treballar en equip per obtenir resultats ograveptims atesa la gran quantitat drsquoinformacioacuteque apareix diagraveriament en els mercats financers
Blocs temagravetics
1 El mercat financer espanyol
La borsa a Espanya
Identificacioacute dels actius financers
Formes de valoracioacute drsquouna accioacute
Ordres de compravenda drsquoaccions
Drets econogravemics de les accions
Iacutendexs borsaris
2 Fonaments financers
Operacioacute financera
Interegraves simple venccedilut
Descompte comercial
Interegraves compost
Rendes financeres
Funcions financeres drsquoExcel
3 Rendibilitat de productes financers
Rendibilitat efectiva nominal i contiacutenua
Cagravelcul i interpretacioacute de la TAE TIR TRE RS TGR i TAR
Valoracioacute de lletres del tresor imposicions a termini fix efectes comercials
Valoracioacute de fons drsquoinversioacute plans de previsioacute bons de lrsquoestat preacutestecs liacutesing
Rendibilitat esperada drsquoun actiu
Rendibilitat histograverica drsquouna cartera drsquoactius
Rendibilitat esperada drsquouna cartera drsquoactius
4 Risc financer
Definicioacute de risc
Mesures de risc drsquoun actiu financer
Mesures de risc drsquouna cartera drsquoactius financers
Relacioacute entre diversificacioacute i risc
Control del risc drsquouna cartera drsquoactius
Funcions drsquoExcel relacionades amb el risc
5 Gestioacute de carteres
Poliacutetica drsquoinversioacute drsquouna cartera
Megravetodes de seleccioacute drsquoactius per construir una cartera
Megravetodes de seleccioacute dels moments ograveptims per comprar i vendre
Megravetodes per valorar la gestioacute realitzada drsquouna cartera
6 Optimitzacioacute de carteres
Construccioacute de carteres de renda variable
Elements fonamentals de les carteres de renda fixa
Obtencioacute de carteres ograveptimes amb ordinador
Construccioacute de carteres mixtes de renda fixa i variable
Metodologia i activitats formatives
Les 150 hores estimades que lrsquoestudiant ha de dedicar a aquesta assignatura es divideixen de la maneraseguumlent
mdash 46 hores presencials en quegrave el professor treballa els conceptes teograverics del programa i presentaexemples drsquoaplicacioacute dels conceptes teograverics explicats per a una millor comprensioacute i obtencioacute delsobjectius de coneixements i habilitats especiacutefics Es fomenta lrsquoesperit criacutetic a lrsquohora drsquoobtenir conegraveixer icalcular les diferents mesures de rendibilitat i risc necessagraveries per construir formalment les carteresograveptimes diversificades de renda fixa i variable
mdash 14 hores presencials en quegrave es plantegen resolen i interpreten problemes del moacuten financer Enprincipi drsquoaquestes hores estagrave previst fer 2 sessions de 2 hores a les aules drsquoinformagravetica drsquouna bandaper aprofitar les aplicacions informagravetiques existents en els mercats financers i poder aprofundir enlrsquoaplicacioacute i interpretacioacute dels conceptes teograverics i drsquoaltra banda per resoldre problemes reals del mercatque requereixen un nombre elevat de variables sobretot si es volen construir carteres ograveptimes eficients idiversificades
mdash 40 hores no presencials de treball tutelat i dirigit en quegrave lrsquoalumnat pot resoldre els dubtes que se lihan plantejat en el desenvolupament i execucioacute dels treballs (individuals i en grup) que proposa elprofessor a cada estudiant o grup de manera diferenciada i personalitzada
mdash 50 hores drsquoaprenentatge autogravenom en quegrave lrsquoestudiant ha drsquoestudiar i treballar pel seu compte perpoder assolir amb garanties els objectius de lrsquoaprenentatge Tambeacute eacutes recomanable que mitjanccedilant lapremsa diagraveria i Internet estigui informat de lrsquoevolucioacute dels mercats financers
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada es fa al llarg del curs i teacute principalment tres parts associades a les competegravenciesque srsquohan descrit per a aquesta assignatura
1 Avaluacioacute del joc de simulacioacute a la borsa espanyola
Al llarg del curs lrsquoestudiant duu a terme operacions de compravenda drsquoaccions del mercat espanyol amblrsquoobjectiu de construir una cartera que maximitzi la rendibilitat En funcioacute de la rendibilitat assolida per
la cartera a final de curs cada estudiant obteacute una nota que teacute una ponderacioacute del 10 respecte de lanota final Amb aquesta simulacioacute es desenvolupen les capacitats de prendre decisions drsquoadaptacioacute anoves situacions del mercat financer drsquoentendre el comportament dels seus companys enfront lesinversions realitzades i drsquointerpretar situacions i problemes reals
2 Avaluacioacute de treballs presentats al llarg del curs
Al llarg del curs es demanen tres treballs
El primer treball associat als continguts del tercer bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballen els conceptes de valoracioacute drsquoun producte financer o projecte drsquoinversioacute i larendibilitat drsquouna accioacute de lrsquoIBEX 35 Aquest primer treball teacute una ponderacioacute del 25 respecte de lanota final i permet desenvolupar les capacitats de formular dissenyar proposar modelitzar analitzarvalidar interpretar i resoldre problemes reals dels mercats financers
El segon treball associat als continguts del quart bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballa entre drsquoaltres el concepte de risc de la mateixa accioacute de lrsquoIBEX 35 seleccionadaper al primer treball Desenvolupa les capacitats drsquoanagravelisi i drsquointerpretacioacute dels coneixements estadiacutesticsassolits en cursos anteriors a la pragravectica dels mercats financers Aquest segon treball pondera un 15 de la nota final
El tercer treball associat als continguts del sisegrave bloc temagravetic eacutes en grup cada estudiant aporta lainformacioacute obtinguda per la seva accioacute en els dos treballs anteriors i conjuntament han de construir unacartera ograveptima segons algun dels models de gestioacute de carteres explicats a classe Aquest treball teacute unaponderacioacute del 10 respecte de la nota final i desenvolupa la capacitat de formular i gestionarprojectes perograve sobretot la capacitat de treballar en equip ja que cada membre ha de colmiddotlaborar ambels altres i contribuir a un projecte comuacute
Els treballs han de presentar-se dintre dels terminis marcats pel professor i es valora si lrsquoestudiant haassolit totes les competegravencies que es demanen en cadascun
3 Avaluacioacute dels coneixements
Al final del segon bloc temagravetic en la data fixada pel professor es duu a terme una prova escritaassociada al primer i segon bloc temagravetic La prova eacutes eminentment pragravectica perograve tambeacute incloupreguntes de reflexioacute i raonament respecte del funcionament del mercat financer espanyol i els seusfonaments Aquesta prova teacute una ponderacioacute del 10 respecte de la nota final
Al final de curs i en la data i lloc que fixi el Consell Docent lrsquoestudiant pot presentar-se a una provaescrita en la qual ha de posar de manifest la seva capacitat drsquoaprenentatge dels coneixements teograverics ipragravectics adquirits al llarg del curs amb la formulacioacute resolucioacute i presa de decisions de problemesfinancers No eacutes obligatori presentar-se a aquesta prova ja que amb la suma de la nota del joc desimulacioacute en borsa la prova escrita i les notes dels treballs pot haver superat els 5 punts quesrsquoexigeixen per aprovar lrsquoassignatura En cas contrari lrsquoestudiant ha de presentar-se i treure la nota queli falta per superar els 5 punts Aquesta prova teacute una ponderacioacute del 30 respecte de la nota final Enaquesta prova tambeacute es valora la capacitat de lrsquoestudiant per memoritzar i comprendre les foacutermules quehan aparegut al llarg del curs i la capacitat psicologravegica drsquoentendre el comportament dels seuscompanys enfront drsquouna determinada situacioacute que proposa el professor el dia de la prova
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data que
fixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignaturala nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Qui opti per ferlrsquoavaluacioacute uacutenica de lrsquoassignatura ha de fer la mateixa prova escrita que fan els alumnes drsquoavaluacioacutecontinuada en la data i el lloc que determini el Consell Docent perograve en aquest cas aquesta provaescrita teacute una ponderacioacute del 100 de la nota final La nota miacutenima per aprovar eacutes de 5 punts
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data quefixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignatura ila nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALEXANDER Gordon J et al Fundamentos de inversiones Teoriacutea y praacutectica Meacutexico DF [etc] PearsonEducacioacuten 2003
BODIE Zvi et al Principios de inversiones Madrid [etc] McGraw-HillInteramericana de Espantildea 2004
BODIE Zvi et al Finanzas Meacutexico [etc] Pearson Educacioacuten 2003
CORDOBA Miguel Anaacutelisis financiero Renta fija fundamentos y operaciones Madrid Thomson 2003
ELTON Edwin J et al Modern portfolio theory and investment analysis New York [etc] Wiley 1995
GOacuteMEZ-BEZARES Fernando Gestioacuten de carteras eficiencia teoriacutea de cartera CAPM APT BilbaoDescleacutee de Brouwer 2016
MARIN Joseacute Mariacutea et al Economiacutea Financiera Barcelona Antoni Bosch 2001
MARKOWITZ Harry M Portfolio selection efficient diversification of investments Oxford Basil Blackwell1991
MURPHY John J Anaacutelisis teacutecnico de los mercados financieros Barcelona Gestioacuten 2000
SANCHEZ Joseacute L (dir) Curso de Bolsa y Mercados Financieros Barcelona Ariel 2007
SHARPE William F Portfolio Theory and Capital Markets New York [etc] McGraw-Hill 2000
SUAacuteREZ Andreacutes-Santiago Decisiones oacuteptimas de inversioacuten y financiacioacuten en la empresa MadridPiraacutemide 2014
TERCENtildeO Antonio Matemaacutetica financiera Madrid Piraacutemide 1997
VILLALBA Daniel Teoriacutea y praacutectica de la gestioacuten de carteras Madrid BME 2016
Pagravegina web
wwwaiafcom
wwwinvertiacom
wwweleconomistaes
wwwbolsamaniacom
wwwcnmves
wwwbolsamadrides
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Principis dEconomia
Codi de lassignatura 361210
Curs acadegravemic 2019-2020
Coordinacioacute Antonio Manresa Sanchez
Departament Departament dEconomia
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Per millorar la productivitat es recomana que lrsquoestudiant vingui a classe havent fet la lectura del temacorresponent del manual de lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar i
integrar la informacioacute)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu fonamental de lrsquoassignatura eacutes que lrsquoestudiant conegui els principis bagravesics delrsquoeconomia tant en la seva vessant microeconogravemica com en la macroeconogravemica Tambeacute eacutesimportant que sigui capaccedil drsquoaplicar els coneixements teograverics a la realitat econogravemica mitjanccedilantexemples exercicis i problemes pragravectics Aixiacute mateix eacutes essencial que aprengui la terminologiaeconogravemica els instruments i models emprats per arribar a comprendre i analitzar el moacuten real atraveacutes de lrsquoanagravelisi econogravemica com a instrument bagravesic per assolir-ho
En concret es busca assolir les competegravencies seguumlents capacitat per interpretar dadeseconogravemiques i resoldre problemes econogravemics capacitat drsquoanagravelisi i siacutentesi capacitat drsquoorganitzacioacutei planificacioacute habilitat per analitzar i buscar informacioacute que proveacute de diferents fonts
Blocs temagravetics
1 Introduccioacute a lrsquoeconomia
11 Conceptes bagravesics
12 La frontera de possibilitats de produccioacute
2 Anagravelisi microeconogravemica
21 Activitat econogravemica
22 Produccioacute
23 Demanda
24 Mercat
25 Estructures de mercat
26 Fallades del mercat
3 Anagravelisi macroeconogravemica
31 Magnituds macroeconogravemiques
32 Renda consum estalvi inversioacute
33 Diner i mercats financers
34 Oferta i demanda agregades Inflacioacute
35 Desocupacioacute El mercat de treball
36 Intervencioacute puacuteblica
4 Economia internacional
41 Comerccedil internacional
42 Balanccedila de pagaments
43 Tipus de canvi
Metodologia i activitats formatives
El seguiment de lrsquoassignatura es fa mitjanccedilant
1 Assistegravencia a classe on srsquoexpliquen i es treballen els continguts meacutes complicats de la bibliografiabagravesica Setmanalment es planteja lrsquoanagravelisi de casos extrets de la premsa o drsquoinformes econogravemics sobreconceptes teories i models del contingut del programa
2 Autoaprenentatge Lrsquoestudiant desenvolupa activitats de manera autogravenoma per consolidar conceptesaixiacute com per resoldre exercicis plantejats pel professorat
3 Srsquoutilitza el Campus Virtual com a canal de comunicacioacute per tal de facilitar els materials o avisos quecorresponguin
4 Sessions pragravectiques amb el grup desdoblat en quegrave es duen a terme diferents tipus drsquoactivitatsactivitats drsquoavaluacioacute continuada resolucioacute drsquoexercicis presentacions tutories per grup discussioacute detextos relacionats amb el temari explicat a lrsquoaula pregraveviament proposats a lrsquoestudiant com a lecturaAquestes sessions consisteixen en un total de 5 hores per a cada subgrup durant el curs La planificacioacutedrsquoaquestes sessions es detalla en el programa de lrsquoassignatura
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Al llarg del curs es fan dues proves escrites drsquoavaluacioacute continuada la suma de les dues suposen el100 de la nota final La primera prova escrita es duu a terme un cop acabat el primer bloc temagravetic (ameitat del semestre) i la segona un cop acabat el segon bloc temagravetic (a final del semestre)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
La prova de lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen de tota la mategraveria
Avaluacioacute uacutenica
Qui opti per lrsquoavaluacioacute uacutenica ha de fer un uacutenic examen drsquoacord amb el programa amb preguntes deraonament teograveric i la resolucioacute de problemes La data de lrsquoexamen estagrave fixada pel Consell Docent(abans del periacuteode de matriculacioacute dels estudiants) La reavaluacioacute teacute les mateixes caracteriacutestiques quela prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MANKIW N Gregory Principios de Economia Madrid Paraninfo 2014
BERNANKE Ben et al Principios de Economia Madrid Mc Graw Hill 2007
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Probabilitat i Processos Estocagravestics
Codi de lassignatura 361218
Curs acadegravemic 2019-2020
Coordinacioacute Jose Maria Oller Sala
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Haver cursat les assignatures de 1r curs Introduccioacute a la Probabilitat Introduccioacute al Cagravelcul Agravelgebra Lineal
Altres recomanacions
Assistir a classe sempre
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacute operativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes reals adaptant els
models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els models multivariants bagravesics i les seves propietatsmdash Conegraveixer el concepte de la funcioacute generatriu de probabilitat i la generadora de momentsmdash Conegraveixer els diferents tipus de convergegravencies de successions de variables aleatograveries i els principalsresultats associats llei dels grans nombres i teorema del liacutemit centralmdash Conegraveixer el concepte de proceacutes estocagravestic i les seves propietats bagravesiquesmdash Conegraveixer els principals tipus de processos estocagravestics i identificar les situacions reals a les quals soacutenaplicables
Referits a habilitats destreses
mdash Calcular probabilitats a partir del model del vector aleatorimdash Calcular densitats marginals i funcions de vectors aleatorismdash Calcular matrius de covariagravencies i coeficients de correlacioacutemdash Calcular funcions generatrius de probabilitat i de moments mdash Comprovar quan una successioacute de variables aleatograveries convergeixmdash Determinar la matriu de transicioacute drsquouna cadena de Markov amb espai drsquoestats finit
Blocs temagravetics
1 Distribucions multivariants
11 Variables aleatograveries multivariants discretes i contiacutenues
12 Marginals i condicionades Independegravencia de variables aleatograveries
13 Matriu de variagravencies i covariagravencies Coeficient de correlacioacute
14 Lrsquoesperanccedila condicionada com a variable aleatograveria
15 Transformacions de variables aleatograveries multivariants
2 Distribucioacute normal multivariant
21 Normal bivariant
22 Normal multivariant
23 Prediccioacute en el cas de la normal bivariant
24 Distribucions relacionades amb la normal
3 Funcions generatrius
31 Segraveries de potegravencies
32 Funcioacute generatriu de probabilitat
33 Funcioacute generadora de moments
4 Convergegravencia de variables aleatograveries
41 Convergegravencia en distribucioacute
42 Teorema del liacutemit central
43 Altres tipus de convergegravencies de variables aleatograveries
44 Lleis dels grans nombres
45 Convergegravencies de sumes de variables aleatograveries i drsquoaltres transformacions
5 Processos estocagravestics
51 Cadenes de Markov
52 Passeigs aleatoris
53 Processos de ramificacioacute
54 Processos de Poisson
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials (a classe)
mdash Classes de teoria Dues sessions setmanals (dues hores + una hora) on es presenta el material delrsquoassignatura Srsquoemfasitzen les idees i els conceptes Es miren amb detall les demostracions que pel seu continguti desenvolupament resulten pedagogravegicament creatives i formatives
mdash Classes de problemes Sessions drsquouna hora setmanal (durant 10 setmanes) Els alumnes disposen al principide cada tema de la colmiddotleccioacute de problemes corresponent En finalitzar cada tema es deixen les solucions en elCampus Virtual El professorat indica amb antelacioacute quins soacuten els problemes que cal treballar per a la classeseguumlent Tambeacute comenta les diferents formes drsquoabordar-los i els resol a la pissarra En ocasions es deixa temps ala mateixa classe perquegrave els alumnes resolguin algun problema
mdash Pragravectiques drsquoordinador Sessions drsquouna hora setmanal (durant 5 setmanes) Es treballa amb el programa RTots els alumnes que puguin han de portar a classe els seus portagravetils i compartir-los amb els que no en tinguinEls alumnes disposen al principi de cada tema drsquoun guioacute de la pragravectica En finalitzar cada tema es deixa unapossible solucioacute en el Campus Virtual
A meacutes a meacutes es proposen setmanalment activitats (problemes per resoldre pragravectiques amb lrsquoordinador) que elsestudiants han de fer no presencialment i lliurar la setmana seguumlent Aquestes activitats srsquoavaluen
Es fa servir el Campus Virtual com a repositori del material del curs i tambeacute per concretar les activitatsproposades setmanalment Alguns dels lliuraments de feines es fan directament en el Campus Virtual
Srsquoespera que els alumnes assisteixin a classe sempre ja que una assistegravencia irregular no permet assolir lescompetegravencies que lrsquoassignatura es marca com a objectius
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als estudiants que assisteixen regularment a classe (que haurien de ser tots) Constade tres parts
1 Lliurament setmanal de problemes (LliuSetm)
2 Examen parcial en finalitzar el tema 1 (ExParcial)3 Examen final que coincideix amb la data de lrsquoavaluacioacute uacutenica (ExFinal)
Aquestes tres parts avaluen les competegravencies de lrsquoassignatura
Els exagravemens parcial i final tenen la mateixa estructura amb una part de preguntes de teoria i entre dos i quatreproblemes El pes de les preguntes de teoria eacutes entre un 20 i un 30 del total
La qualificacioacute global de lrsquoassignatura eacutesGlobal = 020 Max(LliuSetm ExFinal) + 025 Max(ExParcial ExFinal) + 055 ExFinalPer tant la nota dels lliuraments setmanals i del parcial es tenen en compte (amb pesos respectius del 20 idel 25 del global) nomeacutes si soacuten superiors a la nota de lrsquoexamen final
Els estudiants que no es presentin a lrsquoexamen final tenen un laquoNo presentatraquo com a qualificacioacute global delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica Qui vulguirenunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableixi ique es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica consta de dues parts teoria (amb un pes entre el 20 i el 30 ) i problemes (ambun pes entre el 70 i el 80 ) Els continguts drsquoaquestes proves soacuten semblants (en temagravetica i dificultat) als deles classes presencials Aquestes proves avaluen les competegravencies de lrsquoassignatura
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode de matriculacioacute delsestudiants)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CHUNG Kai Lai Elementary probability theory with stochastic processes and an introduction to mathematicalfinance New 4th ed York [etc] Springer 2003
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior Chung 1983)
DeGROOT Morris H et al Probability and statistics 2nd ed Reading (Mass) [etc] Addison-Wesley 2012
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior DeGroot 1988)
GRIMMETT Geoffrey et al Probability and random processes Oxford [etc] Oxford University Press 2001
GRIMMETT Geoffrey et al Probability An Introduction Oxford Clarendon Press1986
JULIAgrave DE FERRAN Olga et al Probabilitats problemes i meacutes problemes Barcelona Publicacions i Edicions de laUniversitat de Barcelona 2005
GUT Allan An Intermediate Course in Probability New York [etc] Springer 2009
PITMAN Jim Probability New York Springer 1993
SANZ Marta Probabilitats Barcelona Edicions Universitat de Barcelona 1999
GRINSTEAD Charles M et al Introduction to probability Providence (RI) American Mathematical Society 2006
(Accessible via webhttpwwwdartmouthedu~chanceteaching_aidsbooks_articlesprobability_bookbookhtml)
EVANS Michael John et al Probability and Statistics The Science of Uncertainty New York WH Freeman andCompany 2010
EVANS Michael John et al Probabilidad y estadiacutestica La ciencia de la incertidumbre Barcelona Reverte 2005(Trad de Probability and Statistics The science of uncertainty First Edition 2003)
PENtildeA Daniel Fundamentos de estadiacutestica Madrid Alianza 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute
Codi de lassignatura 361192
Curs acadegravemic 2019-2020
Coordinacioacute MARTA FAIREacuteN GONZALEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer i entendre les diferents estructures de dades en lrsquoentorn de programacioacute estadiacutesticaR i les seves diferegravenciesmdash Entendre la necessitat drsquoestructurar les dades en un algorisme i les diferents possibilitatsdepenent de les necessitats del problemamdash Entendre per quegrave de vegades cal usar una estructura de dades o una altra per resoldre unproblemamdash Conegraveixer les tegravecniques bagravesiques de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Referits a habilitats destreses
mdash Aplicar els coneixements sobre estructures de dades per resoldre problemes de mitjanaenvergaduramdash Aplicar els coneixements bagravesics de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Blocs temagravetics
1 Repagraves drsquoeines fonamentals de la programacioacute
11 Els vectors
12 Esquema de recorregut i esquema de cerca
13 Disseny descendent (accions i funcions)
2 Les matrius (taules)
21 Conceptes
22 Recorreguts i acceacutes
3 Combinacioacute de dades de diferent tipus (List)
31 Introduccioacute i conceptes generals
32 Construccioacute i operacions amb el tipus List
4 Estructures de dades meacutes complexes (Data Frames)
41 Introduccioacute i conceptes bagravesics
42 Construccioacute i operacions amb Data Frames
43 Combinacions drsquoestructures
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria i problemes en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com acontinguts de lrsquoassignatura i alhora resoldre i analitzar els problemes relacionats amb la teoriapresentada de manera intercalada
2 Classes de laboratori (pragravectiques drsquoordinador) que es duen a terme a les aules drsquoinformagravetica de laFacultat en quegrave lrsquoobjectiu eacutes lrsquoaplicacioacute pragravectica del que srsquoha vist a les classes de teoria i problemes enels ordinadors i especialment el desenvolupament de programes
El grup es desdobla en dos per a les classes de teoria tots els estudiants tenen el mateix horari i fan lesclasses dos professors En canvi el grup es desdobla en tres per a les classes de laboratori (pragravectiquesdrsquoordinador) tambeacute tots els estudiants fan el mateix horari i imparteixen les classes tres professors
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura es basa principalment en dos tipus drsquoactivitats
a) Dues proves escrites que no eliminen temari i que consisteixen en la resolucioacute per escrit drsquounconjunt drsquoexercicis o problemesmdash Una prova de seguiment que es duu a terme a la meitat del curs (NEPar) Aquesta prova es fa cap ala meitat del semestremdash Una prova final (NEFin) Es fa el mateix dia que la prova drsquoavaluacioacute uacutenica
b) Una prova pragravectica que es fa en els ordinadors (NPRAC) en lrsquouacuteltima classe de laboratori
El cagravelcul de la nota final es fa segons el procediment seguumlent
NCON = Magravex ((03 NEPar + 07 NEFin) NEFin)
NFINAL = 03 NPRAC + 07 NCON
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una uacutenica prova escrita que dona la nota final (NFINAL)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHO Alfred V et al Estructuras de datos y algoritmos Willmington Del Addison-WesleyIberoamericana 1988
MATLOFF Norman S The Art of R Programming A Tour of Statistical Software Design San Francisco NoStarch Press 2011
BRAUN John et al First Course in Statistical Programming with R Cambridge Cambridge University2007
Text electrogravenic
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute Lineal i Entera
Codi de lassignatura 361226
Curs acadegravemic 2019-2020
Coordinacioacute F JAVIER HEREDIA CERVERA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Classes de teoria i problemes) 375
- Pragravectiques dordinadors
(Laboratoris computacionals ambSASOR)
225
Treball tutelatdirigit
(Realitzacioacute i seguiment dels exercicis deteoria i laboratori proposats a classe)
38
Aprenentatge autogravenom 52
Recomanacions
Tenir els coneixements i habilitats bagravesiques drsquoanagravelisi agravelgebra lineal programacioacute investigacioacute operativa iSAS de les assignatures seguumlentsmdash Introduccioacute al Cagravelcul Agravelgebra Lineal Cagravelcul de Diverses Variables Megravetodes Numegravericsmdash Introduccioacute a la Informagravetica Programacioacute
mdash Software Estadiacutestic (SAS)mdash Introduccioacute a la Investigacioacute Operativa
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de presa de decisioacute meacutes importants de la investigacioacute operativa en diversoscamps drsquoaplicacioacute
Analitzar problemes de presa de decisioacute amb lrsquoobjectiu de formular i resoldre computacionalmentel model drsquooptimitzacioacute meacutes adient
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal i dels seusalgorismes de resolucioacute aixiacute com de les tegravecniques drsquoanagravelisi de sensibilitat
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal entera i dels seusalgorismes de resolucioacute
Referits a habilitats destreses
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal a problemesacadegravemics de dimensioacute reduiumlda
Resoldre problemes pragravectics mitjanccedilant lrsquoaplicacioacute de tegravecniques drsquoanagravelisi de sensibilitat a modelsde programacioacute lineal
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal entera aproblemes acadegravemics de dimensioacute reduiumlda
Resoldre problemes reals de presa de decisioacute mitjanccedilant lrsquouacutes drsquoalgun programari drsquooptimitzacioacute dereferegravencia corresponent als diferents algorismes drsquooptimitzacioacute estudiats al llarg del curs
Blocs temagravetics
1 Introduccioacute a la programacioacute lineal (PL)
11 Formulacioacute de problemes de programacioacute lineal
12 Representacioacute gragravefica i solucioacute de problemes de programacioacute lineal
13 Repagraves de conceptes drsquoagravelgebra lineal Complexitat algoriacutesmica
14 Implementacioacute i resolucioacute computacional de problemes de programacioacute lineal amb el
procediment OPTMODEL de SASOR (laboratori 1)
2 Teoria de programacioacute lineal i algorisme del siacutemplex
21 Geometria en programacioacute lineal poliedres i conjunts convexos punts extrems
vegravertexs i solucions bagravesiques degeneracioacute existegravencia i optimitat dels punts extrems
22 Lrsquoalgorisme del siacutemplex condicions drsquooptimitat desenvolupament de lrsquoalgorisme del
siacutemplex implementacions del megravetode del siacutemplex cagravelcul de solucions inicials factibles
eficiegravencia computacional de lrsquoalgorisme del siacutemplex
23 Estudi computacional de lrsquoalgorisme del siacutemplex procediment OPTLP de SASOR
(laboratori 2)
3 Dualitat en programacioacute lineal i anagravelisi de sensibilitat
31 Teoria de dualitat motivacioacute del problema dual teorema de dualitat i de folga
complementagraveria variables duals i costos marginals lrsquoalgorisme del siacutemplex dual
32 Anagravelisi de sensibilitat anagravelisi de sensibilitat local anagravelisi de sensibilitat global
programacioacute paramegravetrica
33 Anagravelisi de sensibilitat global amb SASOR programacioacute amb el procediment
OPTMODEL (laboratori 3)
4 Models de programacioacute lineal entera (PLE)
41 Definicioacute i formulacioacute de problema de PLE i PLE mixta
42 Formulacions vagravelides fortes i ideals de problemes de programacioacute entera
43 Implementacioacute de problemes PLE amb SASOR (PROC OPTMODEL) i enllaccedil amb bases
de dades SAS (laboratori 4)
5 Algorismes de programacioacute lineal entera
51 Introduccioacute repagraves de lrsquoalgorisme de ramificacioacute i poda (branch-and-bound)
classificacioacute dels megravetodes de programacioacute lineal entera
52 Algorismes de plans de tall algorisme genegraveric talls de Gomory algorisme de plans
de tall de Gomory
53 Algorismes de ramificacioacute i tall (branch-and-cut) algorisme genegraveric de ramificacioacute i
tall (branch-and-cut)
54 Resolucioacute eficient de les relaxacions lineals reoptimitzacioacute amb el siacutemplex dual
55 Implementacioacute i resolucioacute computacional de problemes PLE amb SASOR
procediment OPTMILP (laboratori 5)
Metodologia i activitats formatives
Classes de teoria sessions magistrals en quegrave amb lrsquoajut de les transparegravencies de classe esdesenvolupen els aspectes formals de lrsquoassignatura ilmiddotlustrats amb nombrosos exemples numegravericsdescrits tant a les transparegravencies com a la pissarra
Classes de problemes sessions participatives en quegrave amb lrsquoajut de la Colmiddotleccioacute drsquoExercicis de Teoriade lrsquoassignatura es vol facilitar la comprensioacute dels continguts de les classes de teoria Cada setmana esproposen uns exercicis de la colmiddotleccioacute que es resolen i discuteixen a la pissarra a la sessioacute seguumlentAlgunes drsquoaquestes sessions es destinen a la resolucioacute i discussioacute dels controls de teoria
Sessions de laboratori sessions participatives destinades a la formulacioacute matemagravetica laimplementacioacute computacional i lrsquoanagravelisi de les solucions dels problemes drsquooptimitzacioacute estudiats alrsquoassignatura amb el programari de modelitzacioacute i optimitzacioacute SASOR Cada setmana es proposen unsexercicis de la Colmiddotleccioacute drsquoExercicis de Laboratori de lrsquoassignatura que es resolen i discuteixen a lasessioacute seguumlent Per a les sessions de laboratori es desdobla el grup en dos grups de laboratori queimparteixen simultagraveniament dos professors
Avaluacioacute acreditativa dels aprenentatges
Activitats de lrsquoavaluacioacute continuada
bull Controls de teoria proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb les propietats dels models i algorismes drsquooptimitzacioacute NCT eacutes la mitjana aritmegravetica deles notes sobre 10 dels controls de teoria
bull Controls de laboratori proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb la formulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemesdrsquooptimitzacioacute NCL eacutes la mitjana aritmegravetica de les notes sobre 10 dels controls de laboratori
bull Prova drsquoavaluacioacute final de teoria i de laboratori prova per acreditar lrsquoadquisicioacute de les habilitats
teoricopragravectiques de lrsquoassignatura Consta de dos exagravemens diferents de teoria i laboratori ambnotes NAT i NAL respectivament
Nota drsquoavaluacioacute continuada srsquoobteacute aplicant lrsquoexpressioacute
NAC = 06min 10 FCTNAT + 04min 10 FCLNAL
on FCT i FCL soacuten factors entre 1 i 12 que srsquoobtenen a partir de les notes dels controls de teoriai laboratori respectivament segons les foacutermules
FCT = 1 + (2NCT10)10 i FCL = 1 + (2NCL10)10
Alliberament de mategraveria pel resultat dels controls Els alumnes amb NCT gt= 7 i cap nota decontrol de teoria lt 4 o NCL gt= 7 i cap nota de control de laboratori lt 4 queden alliberats delrsquoobligacioacute de fer la prova drsquoavaluacioacute final corresponent Si un alumne que pot alliberar mategraveria espresenta a la prova drsquoavaluacioacute final per tal de calcular la NAC es pren la millor nota entre els controls ila prova final eacutes a dir
max min 10 FCTNAT NCT i max min 10 FCLNAL NCL
Nota miacutenima per tal drsquoaprovar lrsquoavaluacioacute continuada cal que NAC gt= 5 i que NAT i NAL siguin gt=4
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica eacutes la mateixa prova drsquoavaluacioacute final de teoria i de laboratori de lrsquoavaluacioacutecontinuada Consta de les parts seguumlents
bull Prova drsquoavaluacioacute de teoria examen per avaluar els aprenentatges relacionats amb les propietatsdels models i algorismes drsquooptimitzacioacute Consta drsquoun test (sense apunts) i un conjunt drsquoexercicis teograverics(amb transparegravencies de classe)
bull Prova drsquoavaluacioacute de laboratori examen per avaluar els aprenentatges relacionats amb laformulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemes drsquooptimitzacioacute Constadrsquoun exercici pragravectic a lrsquoaula drsquoinformagravetica amb el programari usat durant el curs i les transparegravencies declasse
La nota drsquoavaluacioacute uacutenica srsquoobteacute aplicant lrsquoexpressioacute NAU = 06NAT + 04NAL on NAT i NAL soacutenrespectivament la nota sobre 10 de la prova drsquoavaluacioacute de teoria i de laboratori Per tal drsquoaprovarlrsquoavaluacioacute uacutenica cal que NAU gt= 5 i que NAT i NAL siguin gt= 4 La data de la prova drsquoavaluacioacuteuacutenica eacutes la fixada pel Consell Docent
La reavaluacioacute consisteix en una prova amb les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BERTSIMAS Dimitris et al Introduction to linear optimization Belmont (Mass) Athena Scientific1997
Text electrogravenic
HEREDIA FJavierTransparegravencies de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Transparegravencies de Laboratori de Programacioacute Lineal i Entera amb SASOR
HEREDIA F Javier Exercicis de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Exercicis de Laboratori de Programacioacute Lineal i Entera amb SASOR
PDF disponible mitjanccedilant el Campus Virtual
SASOR 93 Userrsquos Guide Mathematical Programming
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute No Lineal i Fluxos en Xarxes
Codi de lassignatura 361227
Curs acadegravemic 2019-2020
Coordinacioacute Julia De Frutos Cachorro
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Coneixements i habilitats bagravesiques de les assignatures seguumlents Cagravelcul de Diverses Variables AgravelgebraLineal i Programacioacute Lineal i Entera
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura es basa en lrsquoestudi i resolucioacute de problemes de decisioacute mitjanccedilant tegravecniques quepermeten la identificacioacute i avaluacioacute sistemagravetica de totes les opcions de decisioacute del problema Ameacutes sempre que la naturalesa del problema que srsquoha de resoldre ho permeti eacutes convenientformular aquests problemes en termes matemagravetics
En la modelitzacioacute de problemes mitjanccedilant la programacioacute no lineal (PNL) srsquoafegeix una visioacutemeacutes propera de la realitat estudiada Lrsquoobjectiu del curs en relacioacute amb la PNL eacutes poderdeterminar la decisioacute ograveptima drsquoun problema a meacutes en el cas que el problema estigui subjecte arestriccions eacutes convenient saber si el problema teacute o no teacute solucioacute i en cas de tenir-ne quina eacutesla seva localitzacioacute i naturalesa Respecte a la temagravetica dels fluxos en xarxes com que gran part dels problemes es podenresoldre per programacioacute lineal lrsquoobjectiu del curs eacutes exposar tant les nocions elementals de lateoria com reconegraveixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismesespeciacutefics per resoldrersquols
Referits a habilitats destreses
Respecte a la programacioacute no lineal (PNL) es preteacuten que lrsquoestudiant sigui capaccedil demdash Formalitzar situacions simples mitjanccedilant problemes de programacioacute no linealmdash Aplicar els conceptes de la programacioacute no lineal per trobar resultats i deduir-ne la naturalesamdash Interpretar els resultats obtinguts en el context del modelmdash Analitzar models de lrsquoeconomia des del punt de vista de la PNLmdash Aplicar la PNL a problemes drsquooptimitzacioacute en estadiacutesticamdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiades i lrsquouacutes de programesinformagravetics com ara SAS i Excel
Respecte als fluxos en xarxes es preteacuten que lrsquoestudiant sigui capaccedil demdash Formular els problemes mitjanccedilant programes linealsmdash Distingir les particularitats dels diferents tipus de xarxesmdash Formalitzar situacions simples com a fluxos en xarxes identificant els elements i elsprocediments de resolucioacutemdash Aplicar diferents tipus drsquoalgorismes en un mateix model de xarxa i comparar-ne els resultatsmdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiadesmdash Interpretar els resultats i desenvolupar una capacitat criacuteticamdash Definir i resoldre problemes de fluxos en xarxes mitjanccedilant lrsquouacutes de programes informagravetics comara SAS i Excel
Blocs temagravetics
1 Programacioacute no lineal
11 Introduccioacute a la programacioacute no lineal conceptes preliminars i definicions
12 Resolucioacute de problemes de programacioacute no lineal sense restriccions
13 Megravetodes de programacioacute no lineal basats en lrsquoaproximacioacute
14 Programacioacute no lineal amb restriccions megravetode de multiplicadors de Lagrange i
condicions de Kuhn-Tucker
15 Algorismes de resolucioacute de problemes no lineals restringits
16 Aplicacions
2 Fluxos en xarxes
21 Models de xarxes definicions bagravesiques i exemples
22 Problema de la trajectograveria meacutes curta
23 Problema de flux magravexim
24 Problema de flux amb cost miacutenim en una xarxa
25 Altres aplicacions
Metodologia i activitats formatives
La metodologia amb la qual es volen assolir els objectius de lrsquoassignatura consisteix drsquouna banda enclasses magistrals de caragravecter teoricopragravectic i de lrsquoaltra en activitats pragravectiques a lrsquoordinador Respectede les classes es preteacuten que lrsquoanagravelisi de diferents exemples condueixi a la necessitat de definirconceptes bagravesics i que despreacutes aquests conceptes i procediments srsquoapliquin a exemples meacutes complexosprovinents de la realitat econogravemica Per aixograve les activitats pragravectiques que es proposen tenen un paperimportant en lrsquoassoliment drsquoaquests objectius
Avaluacioacute acreditativa dels aprenentatges
Com a norma general lrsquoavaluacioacute ha de ser continuada En cas que lrsquoestudiant manifesti que no potcomplir els requisits drsquouna avaluacioacute continuada teacute dret a una avaluacioacute uacutenica Aquesta decisioacute ha deconstar per escrit amb una cogravepia per a lrsquoestudiant i una altra per al professor abans de la data quesrsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en dues proves escrites presencials al final de cada bloc temagravetic i dediferents pragravectiques a lrsquoordinador al llarg del curs El calendari de les proves escrites es fa puacuteblic en elCampus Virtual a lrsquoinici de cada curs
La nota de curs (o nota drsquoavaluacioacute continuada) segueix la foacutermula seguumlent
Nota de curs = Nota de proves escrites 07 + Nota de pragravectiques 03
On Nota de proves escrites = (Nota prova 1 + Nota prova 2) 2
Per poder superar el curs mitjanccedilant lrsquoavaluacioacute continuada srsquoexigeix que la nota del curs sigui igual osuperior a 5 (sobre 10) i que a cadascuna de les proves escrites descrites anteriorment srsquoobtingui coma miacutenim un 35 (sobre 10)
Tots els estudiants que no hagin superat lrsquoassignatura amb lrsquoavaluacioacute continuada tenen dret a unaprova de reavaluacioacute La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova de preguntes teograveriques i pragravectiques i que teacute lloc en la dataoficial drsquoexagravemens Per poder superar el curs srsquoexigeix que la nota drsquoaquesta prova sigui igual o superiora 5 (sobre 10)
ReavaluacioacuteTots els estudiants que no hagin superat lrsquoassignatura ja sigui mitjanccedilant avaluacioacute continuada oavaluacioacute uacutenica tenen dret a una prova de reavaluacioacute La prova de reavaluacioacute teacute les mateixescaracteriacutestiques que la prova drsquoavaluacioacute uacutenica descrita anteriorment i teacute lloc en la data oficialdrsquoexagravemens de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHUJA Ravindra K et al Network Flows Theory algorithms and applications Upper Saddle River (NJ)Prentice Hall 1993
WINSTON Wayne L Investigacioacuten de operaciones Aplicaciones y algoritmos Meacutexico Thomson 2005
MARTIacuteN Quintiacuten et al Investigacioacuten Operativa Problemas y ejercicios resueltos Madrid [etc] PearsonEducacioacuten 2005
TAHA Hamdy A Investigacioacuten de operaciones 9a ed Meacutexico [etc] Pearson Educacioacuten 2012
BALBAacuteS Alejandro et al Programacioacuten Matemaacutetica 2a ed Madrid AC 1990
PEacuteREZ Joaquiacuten et al Teoria de juegos Madrid [etc] Prentice Hall 2004
IZQUIERDO Josep Maria et al Jocs cooperatius i aplicacions econogravemiques Barcelona Edicions de laUniversitat de Barcelona 1999
BAZARAA Mokhtar S et al Linear programming and network flows Hoboken NJ John Wiley amp Sons2010
OSBORNE Martin J An introduction to Game Theory New York [etc] Oxford University Press 2004
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Software Estadiacutestic
Codi de lassignatura 361214
Curs acadegravemic 2019-2020
Coordinacioacute KLAUS LANGOHR
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques dordinadors 45
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Es recomana haver cursat les assignatures de primer curs
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
-
Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a habilitats destreses
Desenvolupar aplicacions estadiacutestiques estructurades i eficients amb lrsquouacutes de programari(software) estadiacutestic de referegravencia desplegant les competegravencies adquirides a les assignatures deprogramacioacute
Aplicar models i tegravecniques estudiats en altres assignatures drsquoestadiacutestica i investigacioacute operativaamb lrsquouacutes de programari estadiacutestic de referegravencia tant comercial com de lliure distribucioacute
Distingir els avantatges i inconvenients dels principals paquets de programari estadiacutestic
Blocs temagravetics
1 El llenguatge de programacioacute R
11 Creacioacute i manipulacioacute drsquoobjectes bagravesics de R vectors matrius i data frames
12 Importacioacute de dades a R i exportacioacute de resultats
13 Estadiacutestica descriptiva i procediments gragravefics bagravesics
14 Programacioacute bagravesica i creacioacute de funcions progravepies
2 El llenguatge SAS
21 Edicioacute depuracioacute i combinacioacute de dades Transformacioacute de variables
22 Principals mograveduls drsquoanagravelisi de dades
Metodologia i activitats formatives
Sessions en aules amb ordinadors mdash sessions expositives del professorat seguides drsquoun exemple o pragravectica guiadamdash sessions de pragravectica drsquoun cas proposatmdash sessions de plantejament de casos per resoldre de forma autogravenoma
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada de lrsquoassignatura es basa en la mitjana de les notes de cadascun dels dosllenguatges treballats (amb un miacutenim de 4 sobre 10 en cadascun) Cadascuna de les dues notes es basaen un parell drsquoexagravemens (70 ) i un treball pragravectic (30 ) El treball tant amb R com amb SASconsisteix a buscar un conjunt de dades analitzar-lo amb les eines apreses a classe i en un apartat deprogramacioacute drsquouna funcioacute Es valora positivament el fet de buscar un conjunt de dades original i lacreativitat en la programacioacute de la funcioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica de lrsquoassignatura consisteix en un examen final (70 ) i en el lliurament dels treballspragravectics amb R i SAS (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BRAUN John MURDOCH Duncan A First course in statistical programming with R CambridgeCambridge University 2007
CRAWLEY Michael J Statistics an introduction using R Chichester Wiley amp Sons cop 2005
DALGAARD Peter Introductory statistics with R New York Springer cop 2002
MURRELL Paul R Graphics Boca Raton (Fla) Chapman amp HallCRC 2006
MUENCHEN Robert A R for SAS and SPSS Users New York Springer 2011
DELWICHE Lora D The Little SAS book a primer Cary (NC) SAS Institute 1995
EVERITT BS et al A Handbook of statistical analyses using SAS Boca Raton (Fla) Chapman ampHallCRC 2009
HATCHER Larry Step-by-step basic statistics using SAS student guide Cary (NC) SAS Institute 2003
PEacuteREZ Ceacutesar El Sistema estadiacutestico SAS Madrid Pearson Educacioacuten 2001
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Teoria de Cues i Simulacioacute
Codi de lassignatura 361228
Curs acadegravemic 2019-2020
Coordinacioacute ESTEVE CODINA SANCHO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Meacutes informacioacute
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 75
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs enmdash Cagravelcul de probabilitats variables aleatograveries distribucions de frequumlegravencies i estadiacutestics (mitjanavariagravencia etc)mdash Cagravelcul i anagravelisi realmdash Programacioacute
Es recomana haver cursat les assignatures
mdash Estadiacutestica Descriptivamdash Introduccioacute a la Informagraveticamdash Introduccioacute a la Probabilitatmdash Introduccioacute al Cagravelculmdash Programacioacutemdash Probabilitat i Processos Estocagravesticsmdash Introduccioacute a la Investigacioacute Operativamdash Inferegravencia Estadiacutestica
Altres recomanacions
Per tal drsquoafavorir que lrsquoalumnat assoleixi els objectius drsquoaquesta mategraveria es recomana
mdash Assistir regularment a classe per facilitar la implicacioacute personal en lrsquoaprenentatge i laparticipacioacute en les activitats en grup
mdash Exercitar hagravebits de disciplina continuada i sistemagravetica en el propi treball intelmiddotlectual i lrsquoaplicacioacutemdasho aprenentatge si escaumdash drsquoestrategravegies de treball autogravenom i de recursos drsquoavaluacioacute formativaproposats pel professorat
mdash Utilitzar de manera continuada els recursos de la mategraveria
mdash Seguir les activitats pragravectiques com a mitjagrave drsquoaprofundiment en el domini dels procediments ide les habilitats bagravesiques de lrsquoassignatura i de la seva didagravectica i tambeacute com a sistema peraprofundir en els coneixements teograverics de la mategraveria
mdash Fer com a miacutenim una visita per semestre al professorat de la mategraveria
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de temps de vida residual i aplicar-lo a lrsquoentorn dels sistemes drsquoespera
mdash Conegraveixer i estar en disposicioacute drsquoidentificar els diferents components drsquoun sistema drsquoespera i lesseves interrelacions
mdash Conegraveixer les principals magnituds fonamentals que intervenen en un sistema de cues i comaquestes reflecteixen el funcionament drsquoaquest sistema aixiacute com les interrelacions entreaquestes magnituds
mdash Conegraveixer i aplicar les propietats dels models drsquoespera exponencials
mdash Identificar les distribucions de probabilitat subjacents en els diferents processos queintervenen en un sistema drsquoespera
mdash Conegraveixer els megravetodes vistos a lrsquoassignatura per generacioacute de nombres aleatoris
mdash Conegraveixer el paper de la simulacioacute com a eina metodologravegica per avaluar models de cues isistemes drsquoinventari
Referits a habilitats destreses
mdash Calcular lrsquoesperanccedila del temps de vida residual i condicional
mdash Identificar el model de cues adequat i de les distribucions de probabilitat per arribades iserveis
mdash Calcular i fer estimacions de les magnituds fonamentals dels sistemes drsquoespera
mdash Identificar la influegravencia en el rendiment dels sistemes drsquoespera de diferents tipus de canvis enla seva configuracioacute
mdash Desenvolupar models de simulacioacute de sistemes de cues i inventaris
mdash Saber emprar el megravetode de mitjanes per lots a partir de resultats drsquouna simulacioacute
Blocs temagravetics
1 Introduccioacute als processos de renovacioacute
Propietats importants dels processos estocagravestics de renovacioacute que intervenen en la teoriade cues
11 Definicioacute
12 La propietat drsquoabsegravencia de memograveria
2 Cues exponencials
Principals models derivats dels processos de naixement i mort
21 Conceptes bagravesics sistemes drsquoespera
22 Estimacioacute dels paragravemetres en models de cues
23 Models exponencials de cues
3 Cues no exponencials
En moltes situacions reals les hipogravetesis progravepies de les cues MM no es verifiquen En algunscasos eacutes possible emprar megravetodes analiacutetics o fer aproximacions En aquest bloc es presentenles meacutes comunes
31 Introduccioacute als models no exponencials
4 Simulacioacute
Per a alguns sistemes com ara cues meacutes complexes o sistemes drsquoinventari els modelsanaliacutetics esdevenen molt complexos Una forma alternativa drsquoobtenir solucions dels anteriorssistemes eacutes mitjanccedilant models de simulacioacute En aquest bloc srsquoexaminen les metodologies meacutesrellevants per construir i explotar models de simulacioacute
41 Conceptes bagravesics
42 Megravetodes de Montecarlo
43 Metodologia de la simulacioacute
44 Processos de mostreig en simulacioacute
Metodologia i activitats formatives
La metodologia drsquoensenyament inclou quatre tipus de sessions sessions de teoria sessions deproblemes io exercicis sessions de laboratori i sessions de seguiment del treball de curs
mdash Les sessions de teoria consisteixen en lrsquoexposicioacute dels continguts de lrsquoassignatura generalment amblrsquoajut drsquoun conjunt de transparegravencies que srsquoalternen amb la pissarra en la qual srsquoestenen i tambeacute esdesenvolupen exemples adequats
mdash Les sessions de problemes consisteixen en la resolucioacute ja sigui per part del professor o solmiddotlicitant lacooperacioacute dels estudiants drsquoun conjunt drsquoexercicis cadascun de certa extensioacute i amb enunciatsrecopilats en una colmiddotleccioacute de la qual nomeacutes es disposa de les solucions finals dels exercicis
mdash Les sessions de laboratori consisteixen en la utilitzacioacute de recursos de programari per tal de resoldreaspectes pragravectics com ara lrsquoestimacioacute dels paragravemetres dels models de cues estudiats a classe de teorialrsquoevolucioacute de les longituds de cua la generacioacute i anagravelisi de mostres de nuacutemeros pseudoaleatoris lrsquoanagraveliside mostres de resultats de simulacioacute
mdash En les sessions de seguiment del treball de curs srsquoexposa el contingut dels lliuraments parcials quehan drsquoefectuar-se drsquoaquest treball i es responen les quumlestions particulars de cada treball
mdash Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Elprofessorat assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Aquesta eacutes lrsquoavaluacioacute habitual La comprensioacute de lrsquoassignatura i de les habilitats que es desenvolupenpoden ser avaluades de manera continuada mitjanccedilant dos exagravemens parcials i un de final Cada examenparcial avalua dos blocs de teoria i el seu pes en la nota de teoria eacutes del 50 Els exagravemens parcialstenen caragravecter alliberador dels blocs corresponents sempre que la nota obtinguda sigui superior o iguala 35 (sobre 10) aleshores no cal presentar-se a lrsquoexamen final dels blocs alliberats pels parcials Elprimer examen parcial es fa a meitat del semestre i el segon examen parcial al final de les classesIgualment formen part de lrsquoavaluacioacute continuada les pragravectiques de laboratori lliurades i avaluadesdurant el curs
Lrsquoassignatura inclou el desenvolupament drsquoun treball amb un lliurament parcial al llarg del periacuteodedocent Aquest lliurament parcial passa a formar part de lrsquoavaluacioacute continuada i val el 30 del total dela nota corresponent al treball Aquest treball de curs srsquoha de lliurar en la data marcada per a lrsquoexamenfinal
La nota de lrsquoassignatura es compon drsquoun 60 de la part teograverica un 20 dels exercicis de laboratori iun 20 del treball de curs
Tots els estudiants que no hagin superat lrsquoassignatura tenen dret a una prova de reavaluacioacute durant elmes de juliol amb les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica La reavaluacioacute permet obtenir laqualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que hagin optat perlrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient Srsquoopta llavors per fer unexamen final que decideix el 100 de la nota
Els diferents megravetodes drsquoavaluacioacute (uacutenica i continuada) inclouen lrsquoavaluacioacute de les competegravenciesassociades a lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALLEN Arnold O Probability Statistics and Queueing Theory Boston Academic Press 1990
Font associada al bloc 3
BRATLEY Paul et al A Guide to Simulation New York [etc] Springer 1987
Font associada al bloc 4
HILLIER FS et al Introduction to Operations Research Oakland CA Holden day Inc 1986
Font associada al bloc 2
LAW Averill M et al Simulation modeling and analysis New York [etc] McGraw-Hill 1991
Font associada al bloc 4
TRIVEDI Kishor Shridharbhai et al Probability and Statistics with Reliability Queueing and ComputerScience Applications New York [etc] John Wiley amp Sons 2002
Font associada al bloc 1Pagravegina web
httpwww-eioupcesteachingTCiS
Repositori de material docent Exagravemens material de pragravectiques exercicistransparegravencies de classe i apunts
Text electrogravenic
CODINA E MONTERO L Teoria de Cues Apunts
Font associada als blocs 2 i 3
CODINA E MONTERO L Introduccioacute a la Simulacioacute i a la generacioacute de Nordms aleatoris
Font associada al bloc 4
CODINA E Teoria de Cues Transparegravencies de classe
Font associada als blocs 2 i 3
Revisat pels Serveis Linguumliacutestics de la UB
Grado en Estadiacutestica (interuniversitarioUB-UPC)
Con el grado en Estadiacutestica (acreditado con excelencia por AQU Catalunya) coordinado por la Universitat de Barcelona (UB)y con la participacioacuten de la UPC cursaraacutes materias vinculadas a la estadiacutestica la probabilidad la investigacioacuten operativa lainformaacutetica o la economiacutea que te permitiraacuten disentildear meacutetodos para recoger datos y transformarlos en informacioacuten uacutetil para latoma de decisiones en empresas organizaciones e instituciones dirigir procesos de control y mejora de la calidad y elaborarestudios de opinioacuten puacuteblica informes estadiacutesticos estudios epidemioloacutegicos y ensayos cliacutenicos en el aacutembito de la sanidad Estosestudios se imparten conjuntamente con la Universidad de Barcelona (UB) y esto enriquece la formacioacuten gracias a la unioacuten dela experiencia del profesorado de las dos universidades en los aacutembitos de la ingenieriacutea y la tecnologiacutea la economiacutea las cienciassociales y las ciencias de la salud
El grado se imparte en la Facultad de Matemaacuteticas y Estadiacutestica (FME)
DATOS GENERALES
Duracioacuten4 antildeos
Carga lectiva240 creacuteditos ECTS (incluido el trabajo de fin de grado) Un creacutedito equivale a 25-30 horas de trabajo
Tipos de docenciaPresencial
Nota de corte del curso 2019-20209512
Horariosturnos1ordm y 2ordm (mantildeana) y 3ordm y 4ordm (tarde)
Precios y becasPrecio aproximado por curso 2326 euro (3489 euro para no residentes en la UE) Consulta el porcentaje de minoracioacuten enfuncioacuten de la renta (becas y modalidades de pago)
Tiacutetulo oficialInscrito en el registro del Ministerio de Educacioacuten Cultura y Deporte
ACCESO
Plazas nuevo ingreso50
Nota de corte del curso 2019-20209512 Notas de corte
Ponderaciones PAUTabla de ponderaciones de las materias para la fase especiacutefica
Coacutemo accederTodas las viacuteas de acceso preinscripcioacuten y matriacutecula
Convalidaciones de CFGSConvalidaciones de CFGS
Legalizacioacuten de documentosLos documentos expedidos por estados no miembros de la Unioacuten Europea ni firmantes del Acuerdo sobre el espacio
econoacutemico europeo tienen que estar legalizados por viacutea diplomaacutetica o con correspondiente apostilla
SALIDAS PROFESIONALES
Salidas profesionalesSalud y ciencias naturales servicios de sanidad medicina salud puacuteblica industria farmaceacuteutica ensayos cliacutenicos
sanidad animal medio ambiente ciencias de la vida bioinformaacutetica y agriculturaData Science
Economiacutea y Finanzas ciencias actuariales seguros banca evaluacioacuten de riesgos y concesioacuten de creacuteditos bolsa
gestioacuten de carteras de valores anaacutelisis financiero investigacioacuten de mercados anaacutelisis de la competencia o poliacuteticasde preciosAdministraciones puacuteblicas actividades en institutos oficiales de estadiacutestica proyecciones demograacuteficas tendencias
sociales mercado de trabajo asignacioacuten oacuteptima de recursos etcIndustria y servicios (incluyendo la informaacutetica) disentildeo de experimentos control de calidad mejora de procesos y
productos logiacutestica gestioacuten de inventarios planificacioacuten de la produccioacuten y gestioacuten oacuteptima de recursos y sistemasenergeacuteticosDocencia e investigacioacuten
ORGANIZACIOacuteN
Organizacioacuten del estudio
La duracioacuten de los estudios es de cuatro antildeos organizados en ocho cuatrimestres todas las asignaturas del plan deestudios son de 6 ECTS excepto el trabajo de fin de grado que es de 18 ECTS
Calendario acadeacutemicoCalendario acadeacutemico de los estudios universitarios de la UPC
Normativas acadeacutemicasNormativa acadeacutemica de los estudios de grado de la UPC
Acreditacioacuten y reconocimiento de idiomasLos estudiantes de grado deben acreditar la competencia en una tercera lengua para obtener el tiacutetulo de gradoCertifica tu nivel de idiomas
Facultad de Matemaacuteticas y Estadiacutestica (FME)
PLAN DE ESTUDIOS
Asignaturas creacuteditosECTS
Tipo
PRIMER CURSO
Aacutelgebra Lineal 6 Obligatoria
Estadiacutestica Descriptiva 6 Obligatoria
Fundamentos de Administracioacuten de Empresas 6 Obligatoria
Introduccioacuten a la Inferencia Estadiacutestica 6 Obligatoria
Introduccioacuten a la Informaacutetica 6 Obligatoria
Introduccioacuten a la Investigacioacuten Operativa 6 Obligatoria
Asignaturas creacuteditosECTS
Tipo
Introduccioacuten a la Probabilidad 6 Obligatoria
Introduccioacuten al Caacutelculo 6 Obligatoria
Principios de Economiacutea 6 Obligatoria
Programacioacuten 6 Obligatoria
SEGUNDO CURSO
Caacutelculo de Diversas Variables 6 Obligatoria
Disentildeo de Encuestas 6 Obligatoria
Estadiacutestica para la Gestioacuten de la Calidad 6 Obligatoria
Estadiacutestica Puacuteblica 6 Obligatoria
Inferencia Estadiacutestica 6 Obligatoria
Meacutetodos de Muestreo 6 Obligatoria
Meacutetodos Numeacutericos 6 Obligatoria
Probabilidad y Procesos Estocaacutesticos 6 Obligatoria
Programacioacuten Lineal y Entera 6 Obligatoria
Software Estadiacutestico 6 Obligatoria
TERCER CURSO
Anaacutelisis Multivariante 6 Obligatoria
Disentildeo de Experimentos 6 Obligatoria
Econometriacutea 6 Obligatoria
Estadiacutestica para la Biociencia 6 Obligatoria
Ficheros y Bases de Datos 6 Obligatoria
Meacutetodos Bayesianos 6 Obligatoria
Meacutetodos No Parameacutetricos y de Remuestreo 6 Obligatoria
Modelos Lineales 6 Obligatoria
Programacioacuten No Lineal y Flujos en Redes 6 Obligatoria
Teoriacutea de Colas y Simulacioacuten 6 Obligatoria
CUARTO CURSO
Anaacutelisis de Series Temporales 6 Obligatoria
Anaacutelisis de Supervivencia 6 Optativa
Demografiacutea 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Meacutedica 6 Optativa
Estadiacutestica para la Mejora de la Calidad 6 Optativa
Meacutetodos Estadiacutesticos en Mineriacutea de Datos 6 Optativa
Meacutetodos Estadiacutesticos para el Maacuterqueting 6 Optativa
Meacutetodos Estadiacutesticos para Finanzas y Seguros 6 Optativa
Modelos Lineales Generalizados 6 Obligatoria
Optimizacioacuten en Ingenieriacutea 6 Optativa
Asignaturas creacuteditosECTS
Tipo
Optimizacioacuten Financiera 6 Optativa
Praacutecticas Empresariales I 6 Optativa
Praacutecticas Empresariales II 6 Optativa
Trabajo de Fin de Grado 18 Proyecto
Septiembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Bachelors degree in Statistics(interuniversity UB-UPC degree)
The bachelorrsquos degree in Statistics coordinated by the Universitat de Barcelona (UB) and with the UPC as a participant willprovide you with the training you need in statistics probability operations research computer science and economics Thecourse will give you the necessary grounding to design methods for collecting and transforming data into valuabledecision-making input for companies organisations and institutions to manage quality control and improvement processesand to produce public opinion studies statistical reports epidemiological studies and clinical trials in the field of health careThe course is offered jointly with the University of Barcelona (UB) so students reap the rewards of a richer learning experiencebenefiting from the combined expertise of UPC and UB teaching staff in engineering and technology economics and social andhealth sciences
This bachelors degree is taught at School of Mathematics and Statistics (FME)
GENERAL DETAILS
Duration4 years
Study load240 ECTS credits (including the bachelors thesis) One credit is equivalent to a study load of 25-30 hours
DeliveryFace-to-face
Fees and grantsApproximate fees per academic year euro2326 (euro3489 for non-EU residents) Consult the public fees system based onincome (grants and payment options)
Official degreeRecorded in the Ministry of Educations degree register
ADMISSION
Places50
Registration and enrolmentWhat are the requirements to enrol in a bachelors degree course
Legalisation of foreign documentsAll documents issued in non-EU countries must be legalised and bear the corresponding apostille
PROFESSIONAL OPPORTUNITIES
Professional opportunitiesHealth and natural sciences health services medicine public health pharmaceutical industry clinical trials animal
health environment life sciences bioinformatics and agricultureData Science
Economics and finance actuarial science insurance banking risk assessment and lending stock markets
management of securities portfolios financial analysis market research competitor analysis and pricing policyPublic administration activities at official statistics institutes demographic projections studies of social trends and
the labour market optimal allocation of resources etcIndustry and services (including informatics) experimental design quality control improvement of processes and
products logistics inventory management production planning and optimal management of resources and energysystemsTeaching and research
ORGANISATION
Academic calendarGeneral academic calendar for bachelorrsquos masterrsquos and doctoral degrees courses
Academic regulationsAcademic regulations for bachelorrsquos degree courses at the UPC
Language certification and credit recognitionQueries about language courses and certification
School of Mathematics and Statistics (FME)
CURRICULUM
Subjects ECTScredits
Type
FIRST COURSE
Descriptive Statistics 6 Compulsory
Fundamentals of Business Administration 6 Compulsory
Introduction to Calculus 6 Compulsory
Introduction to Informatics 6 Compulsory
Introduction to Operations Research 6 Compulsory
Introduction to Probability 6 Compulsory
Introduction to Statistical Inference 6 Compulsory
Linear Algebra 6 Compulsory
Principles of Economics 6 Compulsory
Programming 6 Compulsory
SECOND COURSE
Integer and Linear Programming 6 Compulsory
Multivariable Calculus 6 Compulsory
Numerical Methods 6 Compulsory
Official Statistics 6 Compulsory
Probability and Stochastic Processes 6 Compulsory
Sampling Methods 6 Compulsory
Statistical Inference 6 Compulsory
Statistical Software 6 Compulsory
Statistics for Quality Management 6 Compulsory
Subjects ECTScredits
Type
Survey Design 6 Compulsory
THIRD COURSE
Bayesian Methods 6 Compulsory
Econometrics 6 Compulsory
Experimental Design 6 Compulsory
Files and Databases 6 Compulsory
Linear Models 6 Compulsory
Multivariate Analysis 6 Compulsory
Non-Linear Programming and Network Flows 6 Compulsory
Non-Parametric and Resampling Methods 6 Compulsory
Queueing Theory and Simulation 6 Compulsory
Statistics for Biosciences 6 Compulsory
FOURTH COURSE
Demography 6 Optional
Engineering Optimisation 6 Optional
Financial Optimisation 6 Optional
Generalised Linear Models 6 Compulsory
Industrial Statistics 6 Optional
Medical Statistics 6 Optional
Practicum I 6 Optional
Practicum II 6 Optional
Statistical Methods for Data Mining 6 Optional
Statistical Methods for Finance and Insurance 6 Optional
Statistical Methods for Marketing 6 Optional
Statistics for Quality Improvement 6 Optional
Survival Analysis 6 Optional
Time Series Analysis 6 Compulsory
Bachelors Thesis 18 Project
September 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Assignatures cregraveditsECTS
Tipus
Introduccioacute al Cagravelcul 6 Obligatograveria
Principis dEconomia 6 Obligatograveria
Programacioacute 6 Obligatograveria
SEGON CURS
Cagravelcul de Diverses Variables 6 Obligatograveria
Disseny dEnquestes 6 Obligatograveria
Estadiacutestica per a la Gestioacute de la Qualitat 6 Obligatograveria
Estadiacutestica Puacuteblica 6 Obligatograveria
Inferegravencia Estadiacutestica 6 Obligatograveria
Megravetodes de Mostratge 6 Obligatograveria
Megravetodes Numegraverics 6 Obligatograveria
Probabilitat i Processos Estocagravestics 6 Obligatograveria
Programacioacute Lineal i Entera 6 Obligatograveria
Software Estadiacutestic 6 Obligatograveria
TERCER CURS
Anagravelisi Multivariant 6 Obligatograveria
Disseny dExperiments 6 Obligatograveria
Econometria 6 Obligatograveria
Estadiacutestica per a les Biociegravencies 6 Obligatograveria
Fitxers i Bases de Dades 6 Obligatograveria
Megravetodes Bayesians 6 Obligatograveria
Megravetodes No Paramegravetrics i de Remostreig 6 Obligatograveria
Models Lineals 6 Obligatograveria
Programacioacute No Lineal i Fluxos en Xarxes 6 Obligatograveria
Teoria de Cues i Simulacioacute 6 Obligatograveria
QUART CURS
Anagravelisi de Segraveries Temporals 6 Obligatograveria
Anagravelisi de Supervivegravencia 6 Optativa
Demografia 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Megravedica 6 Optativa
Estadiacutestica per a la Millora de la Qualitat 6 Optativa
Megravetodes Estadiacutestics en Mineria de Dades 6 Optativa
Megravetodes Estadiacutestics per a Finances i Assegurances 6 Optativa
Megravetodes Estadiacutestics per al Magraverqueting 6 Optativa
Models Lineals Generalitzats 6 Obligatograveria
Optimitzacioacute en Enginyeria 6 Optativa
Optimitzacioacute Financera 6 Optativa
Assignatures cregraveditsECTS
Tipus
Pragravectiques Empresarials I 6 Optativa
Pragravectiques Empresarials II 6 Optativa
Treball de Fi de Grau 18 Projecte
Setembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Pla docent de lassignatura
Dades generals
Nom de lassignatura Agravelgebra Lineal
Codi de lassignatura 361212
Curs acadegravemic 2019-2020
Coordinacioacute Xavier Guitart Morales
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoria 30
- Teoricopragravectica 15
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura eacutes una introduccioacute a lrsquoagravelgebra lineal sobre els nombres reals adaptada especialmentper a usos estadiacutestics Lrsquoobjectiu principal eacutes familiaritzar-se amb les nocions i megravetodes bagravesics delcagravelcul matricial real
No obstant aixograve no es tracta nomeacutes drsquoadquirir mecanismes de cagravelcul sinoacute tambeacute drsquoarribar a unacomprensioacute adequada del seu significat Per aconseguir-ho srsquointrodueixen els conceptes meacuteselementals del llenguatge drsquoespais vectorials juntament amb una intuiumltiva interpretacioacutegeomegravetrica afiacute i euclidiana que permet visualitzar nocions i teoremes
El problema bagravesic eacutes resoldre i interpretar un sistema drsquoequacions lineals essencial per a lrsquoestudide qualsevol fenomen de caragravecter lineal (o que srsquohi acosti) i que apareix repetidament durant totalrsquoassignatura
Un objectiu complementari drsquoaquesta assignatura eacutes adquirir un cert hagravebit de raonament cientiacuteficproporcionat tant pel contingut teograveric com pels exercicis que es resolen a les classes pragravectiques
Els resultats especiacutefics drsquoaprenentatge que es volen aconseguir amb aquesta assignatura soacutenmdash Adquirir habilitat en el cagravelcul matricialmdash Resoldre sistemes drsquoequacions lineals i saber interpretar-ne els resultatsmdash Adquirir habilitat en el maneig de vectors bases i subespais vectorialsmdash Calcular determinants i conegraveixer-ne les propietats bagravesiquesmdash Calcular productes escalars de vectors i bases ortonormals Saber calcular projeccions ensubespaismdash Factoritzar simbogravelicament una matriu (diagonalitzacioacute)
Blocs temagravetics
1 Espais vectorials
Conceptes clau sistema lineal espai vectorial independegravencia lineal base dimensioacute aplicacioacutelineal nucli i imatge
Objectius especiacuteficsmdash Repassar les maneres de resoldre un sistema lineal i introduir la nocioacute drsquoespai vectorial atraveacutes del conjunt de solucions drsquoun sistemamdash Introduir la nocioacute clau drsquoindependegravencia lineal i despreacutes la nocioacute de dimensioacutemdash Introduir les aplicacions lineals i les operacions que srsquohi poden fer com tambeacute els cagravelculs dedimensions que faciliten
11 Sistemes drsquoequacions lineals Megravetode de Gauss-Jordan
12 Espais vectorials Subespais Suma i interseccioacute
13 Dependegravencia lineal Bases Dimensioacute
14 Aplicacions lineals Construccioacute drsquoaplicacions lineals Suma i producte
15 Nucli imatge i rang drsquouna aplicacioacute lineal
2 Matrius
Conceptes clau matriu drsquouna aplicacioacute lineal operacions amb matrius transposada rang
operacions elementals canvis de base
Objectius especiacuteficsmdash Definir les operacions amb matrius i estudiar-ne les propietatsmdash Introduir les operacions elementals i aplicar-les al cagravelcul del rang i de la inversa drsquounamatriumdash Estudiar un sistema lineal amb els instruments ja introduiumlts de rang nucli etcmdash Estudiar com canvien les coordenades i matrius en canviar una base
21 Matrius i aplicacions lineals
22 Producte de matrius Matrius invertibles
23 Transposada drsquouna matriu Igualtat dels rangs de files i columnes
24 Operacions elementals Cagravelcul del rang i de la matriu inversa
25 Comptabilitat i estructura de les solucions drsquoun sistema drsquoequacions lineals
26 Canvis de base
3 Determinants
Conceptes clau determinant drsquouna matriu quadrada desenvolupament drsquoun determinantmenors
Objectius especiacuteficsmdash Definir els determinants i exposar-ne les propietats bagravesiquesmdash Caracteritzar la independegravencia lineal amb determinants i utilitzar-los per calcular el rang i lainversa drsquouna matriumdash Resoldre un sistema lineal mitjanccedilant determinants
31 Definicioacute i propietats del determinant drsquouna matriu
32 Desenvolupament drsquoun determinant Determinant de les matrius producte
transposada i inversa Determinant drsquouna matriu repartida en blocs
33 Determinants i independegravencia lineal Cagravelcul del rang drsquouna matriu mitjanccedilant
determinants
34 Resolucioacute de sistemes lineals mitjanccedilant determinants Regla de Cramer
4 Producte escalar
Conceptes clau producte escalar norma base ortonormal ortogonal drsquoun subespai projeccioacuteortogonal
Objectius especiacuteficsmdash Construir bases ortonormalsmdash Calcular projeccions ortogonals
41 Producte escalar Espai vectorial euclidiagrave
42 Norma Desigualtat de Schwarz
43 Bases ortonormals Megravetode de Gram-Schmidt
44 Lrsquoortogonal drsquoun subespai Projeccions ortogonals
5 Diagonalitzacioacute de matrius
Conceptes clau valor propi vector propi polinomi caracteriacutestic diagonalitzacioacute
Objectius especiacuteficsmdash Aprendre a diagonalitzar i comprendrersquon el significatmdash Caracteritzar les matrius diagonalitzables
51 Valors i vectors propis Subespais caracteriacutestics
52 Polinomi caracteriacutestic
53 Caracteritzacioacute de matrius diagonalitzables
6 Formes quadragravetiques reals
Conceptes clau forma quadragravetica rang iacutendex i signatura positivitat
Objectius especiacuteficsmdash Classificar una forma quadragravetica mitjanccedilant operacions elementalsmdash Donar el criteri de positivitat drsquouna forma quadragravetica
61 Formes quadragravetiques Representacioacute matricial
62 Canvis de base Congruegravencia de matrius
63 Formes (semi)definides
64 Reduccioacute a forma canogravenica Llei drsquoinegravercia de Sylvester Criteri de Sylvester Criteri de
positivitat
7 Cagravelcul matricial real i aplicacions
Conceptes clau matriu ortogonal matriu simegravetrica
Objectius especiacuteficsmdash Comprendre que tota matriu simegravetrica real eacutes diagonalitzable mitjanccedilant una matriuortogonalmdash Aplicar el resultat al cagravelcul de diverses descomposicions drsquouna matriu
71 Matrius ortogonals
72 Diagonalitzacioacute de matrius reals simegravetriques
73 Matrius (semi)definides positives cagravelcul drsquoarrels i descomposicioacute en producte drsquouna
matriu i la seva transposada
Metodologia i activitats formatives
La docegravencia srsquoorganitza en classes teograveriques classes teoricopragravectiques classes de laboratori i una provaparcial
Una hora de classe de laboratori seminari es desdobla en dos grups en franges horagraveries consecutives
Les classes de laboratori soacuten sessions presencials drsquouna hora de durada sempre dins de lrsquohorariprevist de classes Consisteixen en la resolucioacute per escrit drsquoexercicis que srsquoextreuen de llistes anunciadespregraveviament a traveacutes del Campus Virtual Els estudiants han de fer un nombre miacutenim de lliuramentsdrsquoaquests exercicis resolts per poder optar a la qualificacioacute corresponent El nombre miacutenim delliuraments drsquoexercicis srsquoestableix en comenccedilar el curs
A final drsquoabril en una classe drsquohora i mitja es fa una prova parcial individual amb un format similar alde la prova final drsquoavaluacioacute El temari de la prova parcial abasta la mategraveria impartida fins aleshores
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Les activitats que determinen lrsquoavaluacioacute continuada soacuten les sessions de laboratori la prova parciali la prova de tancament de lrsquoavaluacioacute continuada
La prova de tancament eacutes la mateixa que la prova drsquoavaluacioacute uacutenica i es fan conjuntament en la data dejuny fixada pel Consell Docent Aquestes proves consten de diversos exercicis (75 de la nota) i drsquounapregunta teograverica (25 de la nota)
Per poder ser objecte drsquoavaluacioacute continuada eacutes obligatori haver fet com a miacutenim la prova detancament de lrsquoavaluacioacute continuada i haver obtingut una nota miacutenima de 4 punts en aquesta prova
La qualificacioacute de lrsquoassignatura srsquoobteacute sumant la nota obtinguda en les sessions de laboratori (30 ) lanota de la prova parcial (20 ) i la nota de la prova de tancament (50 )
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui acollir-se a lrsquoavaluacioacute uacutenica ho ha de fer abans de la data liacutemit fixada pel ConsellDocent
La prova drsquoavaluacioacute uacutenica constitueix el 100 de la nota final de lrsquoassignatura i teacute lloc en la data dejuny fixada pel Consell Docent
Reavaluacioacute
Despreacutes de la qualificacioacute en el mes de juny lrsquoestudiant que no hagi superat lrsquoassignatura (sense tenir
en compte la forma drsquoavaluacioacute que hagi escollit) teacute dret a una prova de reavaluacioacute Aquesta provaes fa el mes de juliol en la data que fixi el Consell Docent
La prova de reavaluacioacute teacute el mateix format que la drsquoavaluacioacute uacutenica i es qualifica al 100 independentment de totes les proves anteriors
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AMERRamon et al Agravelgebra lineal Problemes exercicis i quumlestions Terrassa UPC 1998
CASTELLETManuel et al Agravelgebra lineal i Geometria 4a ed Bellaterra UAB 2011
MERINO Luis M et al Aacutelgebra lineal con meacutetodos elementales Madrid Thomson 2006
MORENOJoseacute Miguel Una introduccioacuten al Aacutelgebra lineal elemental 2a ed Bellaterra UAB 1990
NART Enric Notes drsquoagravelgebra lineal Bellaterra UAB 2003
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Segraveries Temporals
Codi de lassignatura 361233
Curs acadegravemic 2019-2020
Coordinacioacute Antoni Meseguer Artola
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques dordinadors 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Conegraveixer i entendre els diferents megravetodes usats dins de lrsquoanomenada anagravelisi determinista desegraveries temporals per tal de calcular prediccions i estimar-ne les components
Conegraveixer els fonaments teograverics i pragravectics relatius a la identificacioacute estimacioacute validacioacute imodelitzacioacute de segraveries temporals a traveacutes de models SARIMA
Referits a habilitats destreses
Identificar si una segraverie temporal segueix un esquema additiu o multiplicatiu
Aplicar els megravetodes de lrsquoanagravelisi determinista de segraveries temporals per tal de calcular prediccions
Donada una segraverie temporal ser capaccedil de decidir quin tipus de model SARIMA eacutes el meacutes adient
Usar els models SARIMA per calcular prediccions
Usar i programar algorismes drsquoestimacioacute i previsioacute usant R
Blocs temagravetics
1 Introduccioacute a les segraveries temporals
11 Definicioacute de segraverie temporal i prediccioacute econogravemica
12 Classificacioacute dels megravetodes de prediccioacute
13 Criteris drsquoavaluacioacute de la capacitat predictiva
2 Anagravelisi determinista de segraveries temporals
21 Components drsquouna segraverie temporal
22 Prediccioacute amb models sense tendegravencia
23 Prediccioacute amb models amb tendegravencia
3 Tractament determinista de lrsquoestacionalitat
31 Anagravelisi del component estacional
32 Prediccioacute amb models sense tendegravencia i amb component estacional
33 Prediccioacute amb models amb tendegravencia i component estacional
4 Anagravelisi estocagravestica de segraveries temporals
41 Processos estocagravestics
42 Conceptes drsquoestacionarietat i ergodicitat
43 Funcions drsquoautocovariagravencia i autocorrelacioacute
44 Funcions drsquoautocovariagravencia i autocorrelacioacute mostral
45 Models elementals soroll blanc i camiacute aleatori
5 Models lineals de segraveries temporals
51 Models de mitjanes mogravebils (MA)
52 Models autoregressius (AR)
53 Models mixtos (ARMA)
54 Processos no estacionaris Models integrats (ARIMA)
55 Models estacionals (SARIMA)
6 Metodologia Box-Jenkins
61 Identificacioacute de models SARIMA
62 Estimacioacute de paragravemetres
63 Validacioacute del model
64 Prediccioacute puntual i per interval
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Tallers a lrsquoaula drsquoinformagravetica en quegrave lrsquoobjectiu eacutes dur a terme problemes i exemples pragravectics quepermetin conegraveixer la vessant meacutes aplicada de lrsquoanagravelisi de segraveries temporals 3 Dues pragravectiques individuals que srsquohan de fer fora de les hores de classe i que tambeacute serveixen com aevidegravencies drsquoavaluacioacute per als estudiants que optin per lrsquoavaluacioacute continuada Es tracta de dos casospragravectics basats en dades reals en quegrave els estudiants han drsquoaplicar les eines drsquoanagravelisi de segraveries temporalsper donar resposta a algun problema
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classeConsta de diferents activitats individuals que es duen a terme al llarg del curs
a) Dues pragravectiques
Pragravectica 1 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi determinista de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de novembre
Pragravectica 2 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi estocagravestica de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de gener
b) Una prova final sobre els continguts treballats al llarg de tot el curs Valor 60 de la nota finalData la fixada pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Els estudiants que segueixin lrsquoavaluacioacute continuada i no es presentin a la prova final tenen unaqualificacioacute de laquono presentatraquo Si es presenten a la prova final i obtenen una nota igual o superior a 4(sobre 10) llavors la qualificacioacute final eacutes la que srsquoobtingui de la mitjana ponderada de les duespragravectiques i la prova final En el cas que la nota en aquesta prova final sigui inferior a 4 la qualificacioacutefinal eacutes aquesta nota Per tant en aquest darrer cas no es fa la mitjana ponderada amb les duespragravectiques
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova es fa en les dates fixades pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-sea lrsquoavaluacioacute uacutenica han de fer-ho abans drsquoaquesta data que es fa puacuteblica amb antelacioacute suficient
Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Time series analysis forescasting and control 4th edicioacute Hoboken NJ Wiley2008
BROCKWELL Peter J Introduction to time series and forecasting New York Springer 2010
PENtildeA Daniel Anaacutelisis de series temporales Madrid Alianza Editorial 2010
SHUMWAY Robert H et al Time series analysis and Its applications with R exemples 3rd ed New York[etc] Springer 2011
URIEL Ezequiel et al Introduccioacuten al anaacutelisis de series temporales Madrid Editorial AC-Thomson 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Supervivegravencia
Codi de lassignatura 361245
Curs acadegravemic 2019-2020
Coordinacioacute Lluis Bermudez Morata
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 15
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Lrsquoanagravelisi de la supervivegravencia eacutes un conjunt de tegravecniques i models estadiacutestics que tracten drsquoanalitzar lesvariables aleatograveries definides com ara la durada o temps entre dos successos
La caracteriacutestica meacutes rellevant drsquoaquesta mategraveria eacutes la seva aplicabilitat en agravembits i camps moltdiversos Per citar alguns exemples en medicina (temps fins a la curacioacute drsquoun pacient) en biologia(temps fins a la mort drsquoun animal) en sociologia (temps fins a lrsquoocupacioacute drsquouna persona en atur) enepidemiologia (temps fins a la infeccioacute) en assegurances (temps fins a la mort drsquouna persona) engeriatria (temps fins a la incapacitacioacute drsquouna persona) en enginyeria (temps fins a la fallada drsquouncomponent) en pediatria (temps fins al deslletament) etcegravetera
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer i distingir les funcions de supervivegravencia les funcions de risc i la funcioacute de riscacumulada
Reconegraveixer la presegravencia de dades censurades io truncades en un estudi estadiacutestic
Modelar amb procediments paramegravetrics o semiparamegravetrics dades que representen durades entredos successos
Utilitzar el model de Cox de riscos proporcionals per a la inclusioacute de covariables en els estudis desupervivegravencia
Referits a habilitats destreses
Aplicar les principals tegravecniques i models per a lrsquoanagravelisi de la supervivegravencia utilitzant programariestadiacutestic de referegravencia
Blocs temagravetics
1 Conceptes i inferegravencia
11 Introduccioacute
12 Inferegravencia no paramegravetrica per a lrsquoanagravelisi de supervivegravencia
13 Comparacioacute de dues o meacutes poblacions mitjanccedilant processos no paramegravetrics
2 Models de regressioacute
21 Estimacioacute i regressioacute dels models paramegravetrics
22 Regressioacute semiparamegravetrica el model de Cox de riscos proporcionals
Metodologia i activitats formatives
En les classes magistrals el professor explica els continguts teograverics i pragravectics de la mategraveria es comentenaplicacions reals dels models presentats i es resolen exercicis pragravectics que ajudin a consolidar elcontingut del temari
Les classes pragravectiques es fan en aules drsquoinformagravetica i es resolen exercicis pragravectics del temari amb lrsquoajudadel paquet survival del programari R
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Primera convocatograveria
El procediment drsquoavaluacioacute de lrsquoadquisicioacute de competegravencies es basa en un proceacutes drsquoavaluacioacutecontinuada en quegrave la nota final eacutes una ponderacioacute dels coneixements teoricopragravectics i habilitatsadquirits al llarg del curs mitjanccedilant
mdash Dues proves escrites dels continguts teograverics i pragravectics del temari una per a cada bloc temagravetic un copfinalitzades les classes corresponents a cada bloc (35 + 35 )
mdash Lliurament drsquoexercicis durant el curs en grups de tres o quatre alumnes (15 )
mdash Un treball escrit al final de curs en grups de tres o quatre alumnes (15 )
Per tenir nota amb aquesta opcioacute drsquoavaluacioacute continuada eacutes imprescindible fer les dues proves escrites
Segona convocatograveria
La nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels continguts teograverics i pragravectics deltemari
Avaluacioacute de les competegravencies
Les tres competegravencies especiacutefiques de la titulacioacute que teacute en compte lrsquoassignatura es poden resumir en
aquest cas en la capacitat de saber aplicar els megravetodes estadiacutestics adequats a lrsquoestudi de variablesaleatograveries definides com el temps fins a un esdeveniment Per aixograve cal que lrsquoestudiant aprengui amobilitzar i integrar una segraverie de coneixements teograverics unes habilitats i unes actituds Lrsquoavaluacioacutedrsquoaquesta competegravencia va molt lligada a lrsquoavaluacioacute presentada per lrsquoassignatura Els coneixementsteograverics es comproven als dos parcials tant a la part teograverica com a la pragravectica Drsquoaltra banda leshabilitats i actituds aixiacute com la integracioacute i mobilitzacioacute de tot plegat srsquoavalua a la part pragravectica de lesproves parcials i als treballs i pragravectiques en equip que lrsquoestudiant ha de presentar
Avaluacioacute uacutenica
En les dues convocatograveries la nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels contingutsteograverics i pragravectics del temari
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KLAINBAUM David G et al Survival analysis a self-learning text (Statistics for Biology and Health) 3thed New York Springer 2012
KLEIN JohnP et al Survival analysis techniques for censored and truncated data New York Springer2003
LEE Elisa T et al Statistical Methods for survival data analysis New Jersey Wiley Series 2013
KALBFLEISCH JD et al The statistical analysis of failure time data 2nd edition New York Wiley-Interscience 2002
COX David Roxbee et al Analysis of survival data London Chapman and Hall 1984
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi Multivariant
Codi de lassignatura 361232
Curs acadegravemic 2019-2020
Coordinacioacute KARINA GIBERT OLIVERAS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors
(Es desenvolupa a lrsquoaula drsquoinformagraveticaperograve inclou pragravectica drsquoordinadors i tambeacutedesenvolupament de projecte llarg)
30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Capacitats pregravevies
mdash Agravelgebra lineal espai vectorial real megravetriques projeccions diagonalitzacioacute de matrius etc
mdash Coneixements bagravesics de teoria de la probabilitat i drsquoestadiacutestica descriptiva i inferencial
mdash Coneixements bagravesics de R i algoriacutetmia per dissenyar scripts drsquoanagravelisi automatitzada
Altres recomanacions
mdash Seguir puntualment el desenvolupament del treball en equip cada setmana per evitaracumulacioacute de tasques pendents a final de curs
mdash Aprofitar les hores de laboratori per resoldre els dubtes amb la professora drsquoaquest treball enequip i poder avanccedilar cada setmana en el treball drsquoacord amb el temari de lrsquoassignatura
mdash Fer atencioacute a les indicacions que es donen al llarg del curs sobre la coordinacioacute del treball enequip i consultar la documentacioacute relacionada que es distribueix des de la coordinacioacute delrsquoassignatura
mdash Assegurar-se que els lliuraments srsquoajusten a les instruccions de lliurament disponibles a lapagravegina de lrsquoassignatura
mdash El bon desenvolupament del treball pragravectic eacutes una bona garantia drsquohaver adquirit tots elsconeixements teograverics i pragravectics necessaris per superar lrsquoexamen final
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu de lrsquoassignatura eacutes presentar tegravecniques estadiacutestiques drsquoanagravelisi de grans taules per taldrsquoextreure de manera ragravepida la informacioacute meacutes rellevant continguda en les dades els problemes
abordats soacuten de diversa tipologia des de la definicioacute drsquoeixos dominants a la caracteritzacioacuteestadiacutestica de subpoblacions Aquest objectiu es particularitza presentant agravempliament el punt devista de tres grans famiacutelies de tegravecniques estadiacutestiques multivariants
1 Tegravecniques multivariants de classificacioacute automagravetica orientades a establir tipologies i acaracteritzar-les es veuen diferents famiacutelies de megravetodes des dels meacutes clagravessics als meacutes recentsmegravetodes de particions megravetodes jeragraverquics megravetodes basats en densitats srsquoincideix especialmenten eines drsquointerpretacioacute de les classes srsquoestudia lrsquoadequacioacute dels diferents megravetodes a diferentscasos en funcioacute de lrsquoescalabilitat el tipus de dades etc
2 Tegravecniques multivariants enfocades a sintetitzar i a resumir la informacioacute estudiar relacionsmultidimensionals entre variables i eventualment definir indicadors latents es concreta en trestegravecniques fonamentals anagravelisi en components principals anagravelisi de correspondegravencies simples ianagravelisi de correspondegravencies muacuteltiples es planteja lrsquoanagravelisi factorial com a marc formal general delqual es deriven les tegravecniques esmentades com a cas particular es dona particular importagravencia alrsquoanagravelisi de resultats gragravefics srsquoilmiddotlustren algunes extensions addicionals com ara lrsquoanagravelisi textual
3 Tegravecniques drsquoanagravelisi discriminant es tracta de tegravecniques multivariants enfocades a obtenirregles drsquoassignacioacute srsquoincideix en la seva relacioacute amb les tegravecniques vistes anteriorment
4 Tegravecniques drsquoanagravelisi textual on es treballa amb textos lliures provinents de documents pagraveginesweb o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells
Lrsquoobjectiu de lrsquoassignatura eacutes doble des del punt de vista conceptual Drsquouna banda es vol donaruna base formal sogravelida per a les tegravecniques multivariants que componen el programa De lrsquoaltraels estudiants han de desenvolupar una capacitat pragravectica drsquoaplicacioacute a dades reals drsquoaquestestegravecniques En aquest sentit les sessions de pragravectiques segueixen el temari de lrsquoassignatura desde la perspectiva de lrsquoaplicacioacute i es treballa amb dades reals Amb aquest objectiu cal introduirun pas previ de preprocessament de dades per preparar-les per a lrsquoanagravelisi
Finalment i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es podentractar altres aspectes es presenten diverses tegravecniques multivariants drsquouna manera meacutesintroductograveria i enfocant-les menys algebraicament des drsquoun punt de vista meacutes algoriacutesmic
Referits a habilitats destreses
En aquesta assignatura es dona particular importagravencia a lrsquoentrenament en certes competegravenciestransversals importants en el desenvolupament professional drsquoun estadiacutestic com ara la capacitatdrsquoanagravelisi siacutentesi comunicacioacute integracioacute de coneixements redaccioacute drsquoinformes i sobretot eltreball en equip incloent-hi les capacitats de planificacioacute a mig termini repartiment de tasques igestioacute drsquoincidegravencies en el pla de treball al llarg del curs
La pragravectica srsquoestructura sota un esquema que permet entrenar aquestes capacitats amb elssuports necessaris del professorat de lrsquoassignatura
Blocs temagravetics
1 Introduccioacute
Megravetriques angles i projeccions nomenclatura multivariant matriu de variagravencies icovariagravencies i matriu de correlacions presentacioacute de punts de vista presentacioacute de tegravecniquespresentacioacute de sistemes informagravetics estadiacutestics exemples senzills de descripcioacute multivariantde caracteritzacioacute de dades de classificacioacute i de discriminacioacute
11 Introduccioacute i preprocessament de dades
Lrsquoagravembit de lrsquoanagravelisi multivariant Principals elements rellevants en el preprocessament
de dades
2 Classificacioacute automagravetica
Presentacioacute conceptual Megravetodes de particions Megravetodes jeragraverquics Megravetodes basats endensitats Relacioacute amb anagravelisi factorial Interpretacioacute de les classes Descripcioacute de tipologiesAplicacioacute a casos reals i implicacions pragravectiques
3 Anagravelisi factorial
Formalitzacioacute general resultats teograverics
4 Anagravelisi en components principals
Formalitzacioacute resultats teograverics interpretacioacute aplicacioacute a casos reals implicacionspragravectiques
5 Anagravelisi en correspondegravencies simples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacions a casos reals Implicacionspragravectiques
6 Anagravelisi en correspondegravencies muacuteltiples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacioacute a casos reals i implicacionspragravectiques que evidenciiumln avantatges en el tractament de dades drsquoenquesta
7 Anagravelisi discriminant
Formalitzacioacute resultats teograverics Relacioacute amb lrsquoanagravelisi factorial Interpretacioacute bagravesicament enel cas de dos grups Aplicacions a casos reals Implicacions pragravectiques
8 Altres megravetodes multivariants
Anagravelisi textual Correlacions canograveniques Escalament multidimensional
9 Anagravelisi textual
Tegravecniques drsquoanagravelisi textual de dades
Metodologia i activitats formatives
Teoria srsquohi presenten les diferent tegravecniques suficientment fonamentades i srsquoexemplifiquen amb exercicisde dimensioacute reduiumlda
Pragravectiques srsquohi fan exercicis de dimensioacute real amb sistemes informagravetics estadiacutestics que permetinaprofundir i consolidar els conceptes vistos a teoria srsquohi plantegen tambeacute treballs drsquoaplicacioacute pragravectica demeacutes llarg termini on lrsquoestudiant pugui entrenar la seva capacitat personal de dissenyar planificarprojectes on hagi drsquoaplicar les tegravecniques estudiades per analitzar un conjunt de dades real de certaenvergadura integrar els diferents coneixements adquirits en un informe ben argumentat i mostrar lesseves capacitats de siacutentesi i comunicacioacute presentant el treball a lrsquoaula
El grup de teoria es desdobla en dos grups de pragravectiques que fan classe de pragravectiques dues hores persetmana cadascun
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final (N) de lrsquoassignatura srsquoobteacute a partir drsquouna nota de proves (Np) i una nota de pragravectiquescorresponent al treball en equip desenvolupat al llarg del curs (Nte) segons lrsquoexpressioacute
N = Ne 035 + Nte 065
La nota de proves (Np) consta drsquouna segraverie de quiz de continguts teograverics que es realitzen al llarg del cursi que puntuen per igual (soacuten entre 3 i 5 depenent de la marxa del curs)
Per aprovar lrsquoassignatura amb avaluacioacute continuada srsquoha de treure un miacutenim de 5 a la nota de teoria ihaver presentat tots els lliuraments parcials del treball en equip i la memograveria final Si no es lliuren lespragravectiques a lrsquoavaluacioacute continuada hi consta una qualificacioacute de laquono presentatraquo
Les persones que no assoleixen el miacutenim requerit per aprovar amb avaluacioacute continuada han de fer unexamen final que consta drsquoun exercici per fer a lrsquoaula de laboratori sobre dades reals en quegrave caldemostrar coneixements teograverics i pragravectics sobre el temari de lrsquoassignatura Hi ha preguntes teograveriques ipragravectiques Per a les persones que no han tret un 5 a la nota de teoria la nota de proves de lrsquoavaluacioacutefinal de lrsquoassignatura correspon a la nota de lrsquoexamen final
La nota de pragravectiques (Np) srsquoobteacute amb el desenvolupament drsquoun treball pragravectic de llarga durada quesrsquoha de fer en grup i que ha drsquointegrar les diferents tegravecniques vistes al llarg del curs Hi ha treslliuraments parcials amb una puntuacioacute especiacutefica per a cadascun 01 045 i 045 La qualificacioacuteconsta drsquouna nota global de la pragravectica comuna a tot lrsquoequip i de bonificacions o penalitzacionsindividuals segons com cada estudiant respongui a les preguntes el dia de la presentacioacute de lespragravectiques (08) i de la nota drsquoavaluacioacute creuada atorgada pels companys drsquoequip (02)
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica (sense continuiumltat) consisteix en un examen final amb una part teograverica i una partpragravectica
El Consell Docent fixa una data liacutemit abans de la qual els estudiants poden manifestar si se srsquoacullen al
pla drsquoavaluacioacute continuada o uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute mdashamb lesmateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicamdash que teacute lloc durant el mes de juliol en la datafixada pel Consell Docent Es pot presentar a aquesta prova qualsevol estudiant independentment delpla drsquoavaluacioacute escollit durant el curs La prova dona acceacutes a la qualificacioacute magravexima
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
Bibliografia bagravesica
ESCOFIER Brigitte et al Anaacutelisis factoriales simples y muacuteltiples objetivos meacute todos e interpretacioacutenBilbao Servicio Editorial Universidad del Paiacutes Vasco 1992
Bibliografia bagravesica
GREENACRE Michael J Correspondence analysis in practice Boca Raton (Fla) [etc] Chapman ampHallCRC 2007
Bibliografia bagravesica
HUSSON Franccedilois et al Exploratory multivariate analysis by example using R Boca Raton CRC Press2011
Bibliografia bagravesica
JOHNSON Richard Arnold et al Applied multivariate statistical analysis 6th ed Upper Saddle River NJPearson Education Prentice-Hall 2007
Bibliografia bagravesica
BOUROCHE Jean-M et al Lrsquoanalyse des donneacutees Paris Presses Universitaire de France 1980
Bibliografia complementagraveria
JOBSON JD Applied multivariate data analysis Vol I y Vol II New York Barcelona [etc] Springer1992
Bibliografia complementagraveria
LEBART Ludovic et al Tratamiento estadiacutestico de datos meacutetodos y programas Barcelona [etc]Marcombo 1985
Bibliografia complementagraveria
SAPORTA Gilbert Probabiliteacutes analyse des donneacutees et statistique 3e eacuted reacutev Paris Technip 2011
Bibliografia complementagraveria
VOLLE Michel Analyse des donneacutees 4e eacuted Paris Economica 1985
Bibliografia complementagraveria
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Cagravelcul de Diverses Variables
Codi de lassignatura 361177
Curs acadegravemic 2019-2020
Coordinacioacute Ernest Fontich Julia
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
mdash Calcular liacutemits de funcions de diverses variables
mdash Calcular derivades parcials aplicar les regles de derivacioacute Calcular vectors gradientsCalcular el pla tangent a la gragravefica drsquouna funcioacute de dues variables i el pla tangent a una superfiacuteciedonada impliacutecitament
mdash Calcular extrems de funcions de diverses variables en conjunts oberts conjunts compactes iextrems subjectes a lligadures
mdash Conegraveixer la nocioacute drsquointegracioacute muacuteltiple i les tegravecniques bagravesiques de cagravelcul drsquointegrals i canvis devariables meacutes habituals
mdash Conegraveixer el concepte drsquointegral dependent drsquoun paragravemetre i alguns exemples de funcionsdefinides per integrals
Blocs temagravetics
1 Funcions de diverses variables
11 Norma i distagravencia euclidiana a R^2 i R^3
12 Gragravefiques de funcions Corbes de nivell
13 Coordenades polars ciliacutendriques i esfegraveriques
14 Liacutemits i continuiumltat
2 Diferenciacioacute
21 Derivades parcials derivades direccionals i diferenciabilitat
22 Vector gradient i pla tangent Matriu jacobiana
23 Regla de la cadena
3 Integracioacute
31 Integrals dobles i triples Integrals marginals Teorema de Fubini
32 Canvi de variable Integracioacute en polars ciliacutendriques i esfegraveriques
33 Integrals dependents drsquoun paragravemetre La funcioacute gamma
4 Derivades drsquoordre superior Extrems
41 Derivades parcials drsquoordre superior Matriu hessiana
42 Foacutermula de Taylor
43 Cagravelcul drsquoextrems
Metodologia i activitats formatives
En les sessions teoricopragravectiques es presenten els continguts teograverics i les tegravecniques de lrsquoassignatura i esdonen exemples A meacutes es resolen i discuteixen problemes basats en els conceptes i tegravecniquesintroduiumldes En les classes de problemes es resolen problemes directament relacionats amb els temesdel programa Pel que fa al treball autogravenom la metodologia consisteix en la realitzacioacute de tasquesbasades en la resolucioacute de problemes
Avaluacioacute acreditativa dels aprenentatges
Els alumnes poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en una prova parcial a la meitat del semestre (P1) i una prova parcialal final (P2)
La nota drsquoavaluacioacute continuada eacutes AC = 05 P1 + 05 P2
Una vegada acabades les classes hi ha un examen final que consta de dues parts amb el qual esgeneren dues notes mdash(F1) i (F2)mdash corresponents a cadascuna de les parts respectivament Hi ha lapossibilitat de presentar-se a una o a les dues parts de lrsquoexamen final per pujar nota
La nota final srsquoobteacute amb la foacutermula NF = 05 magravex[P1F1] + 05 magravex[P2F2]
Es considera laquono presentatraquo lrsquoestudiant del qual no es disposi drsquouna nota de cadascuna de les duesparts del curs
Una vegada acabat el periacuteode drsquoavaluacioacute hi ha la possibilitat drsquouna reavaluacioacute que consisteix en unexamen de tota lrsquoassignatura Els exagravemens contenen problemes per tal drsquoavaluar la capacitat perutilitzar el raonament logravegic i els instruments matemagravetics en un context determinat
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen final en una data fixada pel Consell Docent Per acollir-se aaquesta avaluacioacute cal demanar-ho a la Secretaria de la Facultat abans de la data fixada pel ConsellDocent que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYRES Frank Caacutelculo diferencial e integral 3a ed Madrid McGraw-Hill 1991
MARSDEN Jerrold E et al Caacutelculo vectorial 5a ed Madrid Addison-Wesley 2004
PISKUNOV N S Caacutelculo diferencial e integral Meacutexico DF Limusa 2014
Pagravegina web
Wolfram Mathematica
MathApplets-SLU
calculusorg
Cursos online
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Demografia
Codi de lassignatura 361255
Curs acadegravemic 2019-2020
Coordinacioacute Maria Teresa Costa Cor
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 5
- Pragravectiques dordinadors 10
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les fonts drsquoinformacioacute demogragravefica per a lrsquoobtencioacute de dades estadiacutestiques sobre lapoblacioacute
mdash Aprendre els instruments i tegravecniques bagravesics per a lrsquoanagravelisi de lrsquoestructura i creixement drsquounapoblacioacute construccioacute de taules estadiacutestiques representacioacute gragravefica i cagravelcul de diversos indicadors
mdash Descriure la transicioacute del regravegim demogragravefic antic al modern i els seus efectes sobre lacomposicioacute de la poblacioacute
mdash Estudiar la mortalitat per edat i causa de mort construir taules de mortalitat de moment icalcular probabilitats i indicadors conjunturals sobre el comportament drsquoaquest fenomen
mdash Analitzar la fecunditat a partir drsquoindicadors sintegravetics de periacuteode i de generacioacute
mdash Estudiar els moviments migratoris que afecten la poblacioacute
mdash Descriure els megravetodes bagravesics drsquoelaboracioacute de projeccions de poblacioacute la formulacioacute drsquohipogravetesis ila interpretacioacute dels resultats
Referits a habilitats destreses
mdash Utilitzar les fonts drsquoinformacioacute demogragravefica drsquoacord amb els objectius de treball
mdash Saber diferenciar entre anagravelisi de moment i anagravelisi de cohort
mdash Interpretar la intensitat i el calendari en els fenogravemens demogragravefics
mdash Comparar el comportament dels fenogravemens demogragravefics entre poblacions aplicant les tegravecniquesdrsquoestandarditzacioacute
mdash Obtenir els indicadors meacutes adients en lrsquoanagravelisi dels fenogravemens demogragravefics
mdash Analitzar i interpretar les dinagravemiques demogragravefiques que ha experimentat una poblacioacute en eltemps
mdash Fer previsions sobre lrsquoevolucioacute futura drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de fecunditat
mdash Calcular i interpretar les taxes de reproduccioacute drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de nupcialitat
mdash Calcular i interpretar diferents mesures de les migracions
mdash Saber utilitzar les eines informagravetiques relacionades amb lrsquoanagravelisi demogragravefica
Blocs temagravetics
1 Caracteriacutestiques i evolucioacute de la poblacioacute
11 Introduccioacute
111 Poblacioacute i demografia
112 Fonts estadiacutestiques per a lrsquoestudi de la poblacioacute
113 Les xifres de poblacioacute a Espanya
12 Megravetodes i tegravecniques en demografia
121 Magnituds estocs i fluxos
122 Anagravelisi longitudinal i anagravelisi transversal
123 La representacioacute del temps lrsquoesquema de Lexis
124 Les mesures en demografia taxes probabilitats i proporcions
13 Estructura i creixement de la poblacioacute
131 Lrsquoequacioacute demogragravefica bagravesica i el cagravelcul del creixement drsquouna poblacioacute
132 Els indicadors drsquoestructura de la poblacioacute
133 La piragravemide de poblacioacute la relacioacute entre lrsquoestructura de la poblacioacute i els
fenogravemens demogragravefics
134 Evolucioacute de la poblacioacute mundial La transicioacute demogragravefica
2 Estudi dels fenogravemens demogragravefics
21 Anagravelisi de la mortalitat
211 La mortalitat per edat i causa de mort
212 Lrsquoestandarditzacioacute
213 Construccioacute drsquouna taula de mortalitat Lrsquoesperanccedila de vida
22 Fecunditat i nupcialitat
221 Anagravelisi de la fecunditat indicadors de moment i de generacioacute
222 La reproduccioacute de les generacions
223 Caracteriacutestiques familiars i evolucioacute de lrsquoestructura de les llars
23 Migracions
231 Conceptes i mesures bagravesiques de les migracions
232 Migracions internes i externes
233 Evolucioacute dels moviments migratoris en la poblacioacute espanyola
3 Les projeccions demogragravefiques
31 Les projeccions de poblacioacute
311 El megravetode de les components
312 Metodologia per a la realitzacioacute de les projeccions de poblacioacute
32 Les projeccions de les llars
321 Conceptes bagravesics
322 El megravetode de les propensions
Metodologia i activitats formatives
En les classes magistrals srsquoexpliquen els continguts teograverics de cada tema i es presenten dadesdemogragravefiques de poblacions reals tant actuals com histograveriques per entendre i aplicar els principalsinstruments drsquoanagravelisi demogragravefica Tambeacute es recomana la lectura drsquoarticles de premsa o de revistesespecialitzades per comprendre els temes relacionats amb la poblacioacute que resulten drsquointeregraves enlrsquoactualitat
Es fan classes pragravectiques al llarg del curs a lrsquoaula drsquoordinadors i srsquoutilitza el programari apropiat perpoder obtenir les dades demogragravefiques de poblacions reals i fer el cagravelcul i interpretacioacute dels principalsindicadors demogragravefics en els exercicis proposats
Per aprofitar millor les classes magistrals i pragravectiques en el Campus Virtual es publiquen diferentsdocuments amb dades estadiacutestiques lectures recomanades i enunciats drsquoexercicis
Avaluacioacute acreditativa dels aprenentatges
Tant en lrsquoavaluacioacute continuada com en lrsquoavaluacioacute uacutenica es tenen en compte en el plantejament de lesproves les competegravencies que es pretenen desenvolupar en lrsquoassignatura Per una banda els enunciatsdels exercicis precisen capacitat drsquoanagravelisi i comprensioacute de les dades i per lrsquoaltra alguns problemes esbasen en aplicacions pragravectiques dels conceptes explicats que utilitzen dades reals de poblacions
Lrsquoavaluacioacute continuada de lrsquoassignatura consta de les activitats seguumlents
mdash Prova de contingut teograveric i pragravectic del bloc 1 es duu a terme en finalitzar el bloc temagravetic 1 Teacute unaponderacioacute del 25 de la nota final de lrsquoassignatura
mdash Prova de contingut teograveric i pragravectic del bloc 2 es duu a terme en finalitzar el bloc temagravetic 2 Teacute unaponderacioacute del 35 de la nota final de lrsquoassignatura
mdash Exercicis de contingut pragravectic del bloc 1 i del bloc 2 Es realitzen individualment i tenen unaponderacioacute del 20 de la nota final de lrsquoassignatura
mdash Treball escrit de contingut teograveric i pragravectic del bloc 3 Es pot fer individualment o en grups de dosalumnes i teacute una ponderacioacute del 20 de la nota final de lrsquoassignatura
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que estableix el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
En aquest cas lrsquoavaluacioacute es basa en un examen final que consta de quumlestions teograveriques i exercicispragravectics que es resolen utilitzant lrsquoordinador
Lrsquoexamen de reavaluacioacute de lrsquoassignatura teacute les mateixes caracteriacutestiques que lrsquoexamen drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KEYFITZ Nathan Applied mathematical demograpyh 3rd ed New York Springer 2005
LEGUINA Joaquiacuten Fundamentos de demografiacutea 5a ed Madrid Siglo XXI 1992
LIVI Massimo Introduccioacuten a la demografiacutea Barcelona Ariel 1993
NEWELL Colin Methods and models in demography Chichester [etc] Wiley 1994
PRESSAT Roland Introduccioacuten a la demografiacutea Barcelona Ariel 1985
TAPINOS Georges Photios Elementos de demografiacutea Madrid Espasa Calpe Universidad 1990
VINUESA Julio Demografiacutea Anaacutelisis y proyecciones Madrid Siacutentesis 1994
VINUESA Julio Teacutecnicas y ejercicios de demografiacutea Madrid INE 2007
PRESTON Samuel H et al Demography measuring and modeling population processes MaldenBlackwell 2001
VALLIN Jacques La poblacioacuten mundial Madrid Alianza Editorial 1995
Pagravegina web
Instituto Nacional de Estadiacutestica Disponible a ltwwwineesgt
Institut drsquoEstadiacutestica de Catalunya Disponible a ltwwwidescatcatgt
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dEnquestes
Codi de lassignatura 361229
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 12
- Tutoritzacioacute per grups 15
- Pragravectiques dordinadors 33
Treball tutelatdirigit
(Treball per dur a terme les diferents etapesde la pragravectica sota la tutela del professor)
40
Aprenentatge autogravenom
(Estudi previ a classe drsquoalguns temesteograverics Treball autogravenom de realitzacioacute de lapragravectica)
50
Recomanacions
mdash Tenir coneixements bagravesics drsquoalgun programa de tractament estadiacutestic del Word i del PowerPointmdash Redireccionar el correu UB cap al correu personal si lrsquoestudiant no accedeix regularment al correu UB
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les etapes que cal seguir per elaborar una enquestamdash Saber com redactar un projecte per elaborar una enquesta incloent-hi els objectius lametodologia les fases de lrsquoestudi el calendari el pressupost etcmdash Entendre la fitxa tegravecnica drsquouna enquesta i elaborar-ne una de nova a partir de lescaracteriacutestiques de lrsquoenquesta mostra i poblacioacutemdash Saber com elaborar un quumlestionari per recollir la informacioacute en funcioacute dels objectius previstosmdash Saber formular correctament les preguntes per incloure en el quumlestionari i valorar lrsquooportunitatde cada pregunta i el tipus de categoria de respostamdash Redactar preguntes en diferents escales de mesura aixiacute com preguntes obertesmdash Conegraveixer els fonaments de la teoria del mostratgemdash Planificar el treball de camp i assignar tasques als entrevistadorsmdash Dur a terme un treball de camp real i valorar-ne lrsquoexperiegravenciamdash Codificar les respostes dels diferents tipus de preguntes introduir les dades en suportinformagravetic i analitzar estadiacutesticament les dadesmdash Dissenyar estructurar i redactar un informe de resultats de lrsquoenquesta aixiacute com les conclusionsi exposar lrsquoinforme puacuteblicament
Referits a habilitats destreses
mdash Aprendre a identificar i plantejar un problema en termes que en permetin la resolucioacute Sabercom fer una recerca drsquoinformacioacutemdash Aprendre a treballar en grup negociar escoltar i ser assertiu manifestant les progravepies opinionsmdash Aprendre a planificar temporalment una activitat i a prioritzar les quumlestions importantsmdash Aprendre a analitzar (separar les parts drsquoun problema i tractar-les de forma individual) i asintetitzar (extraure el meacutes rellevant i tenir una visioacute de conjunt)mdash Aprendre a fer servir el programa estadiacutestic SPSS drsquouacutes comuacute en investigacioacute socialmdash Aprendre a dissenyar estructurar i redactar un informe de resultats per a un client Aprendre atractar amb un client i a vendre el nostre productemdash Adquirir nocions de parlar en puacuteblic de comunicar i de com es fa una presentacioacute oral
Blocs temagravetics
1 Lrsquoenquesta com a tegravecnica drsquoinvestigacioacute social
Introduccioacute i conceptes clau del disseny drsquoenquestes
11 Introduccioacute
12 Megravetodes i tegravecniques drsquoinvestigacioacute social
13 Enquestes explorar descriure i explicar la realitat social
14 Tipus drsquoenquestes
15 El proceacutes general drsquoinvestigacioacute a traveacutes drsquoenquestes
2 Fonaments de mostreig
Nocions bagravesiques de mostreig necessagraveries per saber com escollir la mostra drsquoindividus alsquals es faragrave lrsquoenquesta
21 Poblacioacute i mostra
22 Mostres aleatograveries i no aleatograveries
23 Megravetodes de mostreig aleatori idees bagravesiques
24 La mida de la mostra
25 Errors de mostreig
3 Seleccioacute de la persona enquestada
Srsquoestudia com escollir la persona a qui passar lrsquoenquesta en funcioacute de quin sigui el tipusdrsquoenquesta
31 Enquestes per correu
32 Enquestes telefograveniques
33 Enquestes cara a cara quotes i rutes aleatograveries
4 El quumlestionari
Srsquoestudia com es construeix un quumlestionari quines parts ha de tenir i com srsquohan deredactar les preguntes
41 Definicioacute i objectius del quumlestionari
42 Tipus de preguntes
43 El contingut de les preguntes
44 La manera de redactar les preguntes
45 Organitzacioacute i composicioacute del quumlestionari
5 El treball de camp
Srsquoestudia com srsquoha de fer lrsquoentrevista i el control del treball de camp
51 Lrsquoentrevistador importagravencia caracteriacutestiques i entrenament
52 Lrsquoentrevista organitzacioacute i problemes en la realitzacioacute
53 El control del treball de camp
54 Material per dur a terme el treball de camp
6 Tractament informagravetic de les dades obtingudes
Srsquoestudia com srsquohan drsquointroduir les dades recollides en un suport informagravetic de manera quees construeixi una base de dades per fer lrsquoanagravelisi estadiacutestica
61 La informagravetica i el tractament de dades
62 Codificacioacute de les dades i llibre de codis
63 Gravacioacute depuracioacute i validacioacute de les dades
64 Lrsquoanagravelisi estadiacutestica de les dades
7 Lrsquoinforme drsquoinvestigacioacute
Srsquoestudia com srsquoha de fer lrsquoinforme final de resultats parts que ha de tenir redaccioacutecontingut etc
71 Quumlestions pregravevies
72 Tipus drsquoinformes cientiacutefic tegravecnic i divulgatiu
73 Lrsquoinforme tegravecnic estructura elements i presentacioacute
74 Presentacioacute puacuteblica de lrsquoinforme
Metodologia i activitats formatives
Aquesta assignatura teacute els trets principals seguumlents
1 Srsquoenfoca molt directament a la pragravectica eacutes a dir tot el que es fa srsquoorienta a saber desenvolupar unaenquesta de principi a fi Es comenccedila preparant el projecte i srsquoacaba fent lrsquoexposicioacute puacuteblica delsresultats
2 Per poder dur a terme el punt anterior cal conegraveixer algunes quumlestions teograveriques que soacuten lrsquoobjectiudrsquoalgunes classes Eacutes habitual que es demani als estudiants que preparin el tema abans de classe Es fanavaluacions individuals i en grup per verificar si els coneixements srsquohan assolit correctament
3 Moltes de les classes es dediquen a les diferents fases de lrsquoactivitat pragravectica Es treballa en grups detres o quatre persones (obligatori) es duu a terme el treball de camp es va a lrsquoaula drsquoinformagravetica perintroduir les dades en suport informagravetic i per fer lrsquoinforme Al final els estudiants han de fer lespresentacions dels resultats davant la classe Durant tot el proceacutes lrsquoestudiant teacute el suport del professor
que lrsquoorienta
4 Es fa servir el Campus Virtual per concretar i donar detalls de totes les activitats del curs Eacutesimportant per tant que lrsquoestudiant hi entri regularment
5 Si ho estima necessari el professor pot passar un full de control drsquoassistegravencia a classe Srsquoenteacuten queuna assistegravencia irregular no permet assolir les competegravencies objecte de lrsquoassignatura ategraves que estreballen de manera intensa en les classes presencials
6 Algunes classes es dediquen a la tutoritzacioacute per grups Si el professor ho considera necessari es potdur a terme un desdoblament de manera que els estudiants poden tenir tutoria cada 15 dies
7 Com a consequumlegravencia del desplegament del projecte de foment de la qualitat docent que srsquoestagrave duent aterme a la Facultat drsquoEconomia i Empresa (impulsat des de la unitat de Recerca Innovacioacute i Millora de laDocegravencia i lrsquoAprenentatge (RIMDA) i el Vicerectorat de Docegravencia i Ordenacioacute Acadegravemica de la UB) durantels cursos 2018-2019 i 2019-2020 la metodologia docent drsquoalguns dels grups de lrsquoassignatura potquedar modificada respecte a la descrita anteriorment El detall drsquoaquesta metodologia es publica en elCampus Virtual a lrsquoinici de curs
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe La major part de lesactivitats soacuten en grup i es garanteix sempre que treballin tots els membres de lrsquoequip Cada grupdrsquoalumnes ha de dur a terme una investigacioacute de caragravecter socioeconogravemic a partir de dades obtingudesper enquesta i completar totes les etapes necessagraveries fins a arribar a conclusions
mdash Activitat 1 Plantejament de lrsquoestudi i disseny mostral cada grup suggereix una investigacioacute quesigui del seu interegraves i en defineix els objectius i la poblacioacute per estudiar Tot seguit proposa un dissenymostral que garanteixi una certa fiabilitat en els resultats Valor 5 de la nota final Data delliurament (aprox) 6 drsquooctubre
mdash Activitat 2 Disseny del quumlestionari cada grup dissenya el seu quumlestionari i nrsquoexplica lescaracteriacutestiques Valor 5 de la nota final Data de lliurament (aprox) 20 drsquooctubre
mdash Activitat 3 Treball de camp i generacioacute drsquoun fitxer de dades seguint el disseny mostral proposat esduen a terme les entrevistes per aconseguir les dades Posteriorment srsquointrodueixen les dades ensuport informagravetic i es genera un fitxer de dades codificat i etiquetat Valor 5 de la nota final Data delliurament (aprox) 5 de novembre
mdash Activitat 4 Anagravelisi estadiacutestica i presentacioacute de lrsquoinforme final fent servir el programa estadiacutesticSPSS es fa una anagravelisi estadiacutestica dels resultats i srsquoelabora una memograveria o informe amb les conclusionsValor 15 de la nota final Data de lliurament (aprox) 4 de desembre
mdash Activitat 5 Presentacioacute dels resultats de lrsquoestudi cal elaborar una presentacioacute en PowerPoint iexposar-la davant la resta de companys Valor 5 de la nota final Data (aprox) dues darreressetmanes del curs
Nota Tot el proceacutes drsquoelaboracioacute de lrsquoenquesta es tutoritza convenientment Els estudiants tenen lacolmiddotlaboracioacute del professor que ha drsquoestar assabentat en tot moment de lrsquoestat de lrsquoestudi i que vetllaperquegrave tots els membres dels equips treballin de forma igualitagraveria La nota drsquoaquestes activitats potdiferir entre els membres drsquoun mateix grup cas que hi hagi algun estudiant que no assisteixiregularment a classe o que no srsquoimpliqui en el treball en equip
mdash Prova final Serveix per comprovar que cada estudiant ha assolit coneixements suficients sobre lamategraveria del curs Valor 40 de la nota final Com a miacutenim lrsquoestudiant ha drsquoobtenir un 5 sobre 10perquegrave la nota drsquoaquesta prova faci mitjana amb la resta de notes del curs i pugui superar lrsquoassignaturaData la fixada pel Consell Docent
mdash El 25 restant de la qualificacioacute srsquoobteacute a partir del seguiment actiu i puntual de lrsquoassignaturaEs fan proves de seguiment individuals i en grup que srsquoanuncien amb antelacioacute per comprovar elcorrecte assoliment dels objectius de lrsquoassignatura Tambeacute es teacute en compte lrsquoassistegravencia i la participacioacuteactiva i respectuosa a classe
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
En cas que els canvis metodologravegics afectin el sistema drsquoavaluacioacute previst a lrsquoassignatura caldragrave tambeacutefer esment de les particularitats dels grups que se sotmetin al projecte
Avaluacioacute uacutenica
Aquesta opcioacute estagrave dissenyada per als estudiants que no assisteixen regularment a classe Tambeacute podenescollir-la la resta drsquoestudiants sempre que renunciiumln expliacutecitament a lrsquoavaluacioacute continuada tot i queno es recomana
En aquesta opcioacute es planteja un examen final que eacutes diferent i meacutes complet que la prova que fan elsalumnes que han seguit lrsquoavaluacioacute continuada Lrsquoestudiant ha de demostrar que coneix totes les etapesdrsquouna investigacioacute socioeconogravemica per enquesta i que sabria dur-la a la pragravectica Valor 100 de lanota final
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Disseny drsquoenquestes per a la investigacioacute social Barcelona Universitat deBarcelona 2011
ALVIRA Francisco La encuesta una perspectiva general metodoloacutegica Cuadernos Metodoloacutegicos Vol 352a ed rev Madrid CIS Centro de Investigaciones Socioloacutegicas 2011
AZOFRA Mariacutea Joseacute Cuestionarios Cuadernos Metodoloacutegicos Vol 26 Madrid Centro de InvestigacionesSocioloacutegicas 1999
DIacuteAZ DE RADA Vidal Organizacioacuten y gestioacuten de los trabajos de campo con encuestas personales ytelefoacutenicas Barcelona Ariel 2001
DIacuteAZ DE RADA Vidal Disentildeo y elaboracioacuten de cuestionarios para la investigacioacuten comercial MadridESIC 2001
FINK Arlene How to conduct surveys A step-by-step guide Thousand Oaks (CA) Sage 1998
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
REA Louis M et al Designing amp Conducting Survey Research A comprehensive Guide 3rd ed SanFrancisco Jossey- Bass 1992
RODRIacuteGUEZ Jacinto Meacutetodos de muestreo Cuadernos Metodoloacutegicos Vol 6 Madrid Centro deInvestigaciones Socioloacutegicas 2005
ROJAS Antonio et al (ed) Investigar mediante encuestas Madrid Siacutentesis 1998
Pagravegina web
Centro de Investigaciones Socioloacutegicas
Pagravegina web del Centro de Investigaciones Socioloacutegicas
Instituto Nacional de Estadiacutestica
Pagravegina web del Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Pagravegina web de lrsquoInstitut drsquoEstadiacutestica de Catalunya
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dExperiments
Codi de lassignatura 361230
Curs acadegravemic 2019-2020
Coordinacioacute Isaac Subirana Cachinero
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes especialment si soacuten deproblemesordinadors es desdoblen endiferents grups El professorat assigna elsestudiants als grups)
60
- Teoricopragravectica 40
- Pragravectiques dordinadors 20
Aprenentatge autogravenom 90
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Utilitzar aplicacions informagravetiques per a la resolucioacute de problemes matemagravetics
- Capacitat de construir un model matemagravetic en situacions simples de la realitat
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes que lrsquoalumnat conegui els principals dissenys i sigui capaccedildrsquoaplicar-los davant drsquouna situacioacute experimental concreta Estudiaragrave diferents tipus de dades realscorresponents a contextos diversos i ha de ser capaccedil de fer-ne una anagravelisi i obtenir-ne el magraveximdrsquoinformacioacute
Eacutes important que entengui el concepte de variabilitat experimental i que vegi lrsquoassignatura com elconjunt drsquoeines que permeten plantejar un experiment i despreacutes analitzar-lo estadiacutesticament pertal de controlar de manera eficient aquesta variabilitat experimental Eacutes per aixograve que davant decada disseny concret ha de comprendre quin eacutes lrsquoobjectiu i en quines situacions experimentals eacutesmeacutes adient
Referits a habilitats destreses
mdash Saber relacionar el pla experimental amb el model de disseny experimental corresponent
mdash Saber resoldre el disseny i interpretar-ne els resultats
mdash Conegraveixer els principals paquets estadiacutestics adients que permeten resoldre els dissenys
Blocs temagravetics
1 Dissenys amb factors fixos
11 Conceptes essencials en disseny drsquoexperiments
12 Comparacioacute de dos tractaments
13 Dissenys amb un factor
14 Dissenys amb blocs
15 Dissenys amb dos factors concepte drsquointeraccioacute
16 Dissenys 2K complets i fraccionals
2 Dissenys amb factors aleatoris i mixtos
21 Dissenys creuats fixos amb dos o meacutes factors
22 Dissenys creuats mixtos i aleatoris amb dos o meacutes factors
23 Dissenys jeragraverquics amb dos factors
24 Dissenys jeragraverquics amb meacutes de dos factors
25 Dissenys de mesures repetides
26 Comparacions muacuteltiples amb presegravencia de factors aleatoris
Metodologia i activitats formatives
Per a cadascun dels temes del programa els alumnes disposen drsquouna explicacioacute del professorat En lesclasses pragravectiques es plantegen diferents situacions experimentals en quegrave lrsquoestudiant ha drsquoidentificar eldisseny adient Per poder dur a terme les activitats programades srsquoexplica el programari necessariDurant les sessions presencials desdoblades es fan pragravectiques amb ordinador
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Els estudiants poden optar entre dues formes drsquoavaluacioacute una avaluacioacute continuada o una avaluacioacuteuacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acolliriquestse a lrsquoavaluacioacute uacutenica hande fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute continuada vol potenciar el treball continuat de lrsquoestudiant i facilitar un seguiment drsquoaquestaactivitat mitjanccedilant la interaccioacute alumnat-professorat
Les activitats drsquoavaluacioacute continuada obligatograveries soacuten
mdash Dues proves objectives al final de cada bloc (20 + 20 = 40 )
mdash Una prova final de siacutentesi (60 de la nota) La prova de siacutentesi es fa el mateix dia que la provadrsquoavaluacioacute uacutenica
La prova de reavaluacioacute teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica i srsquohi poden presentar totsels estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoexamen final consisteix en la resolucioacute de quumlestions i problemes i compta el 100 de la nota
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KUEHL Robert O Disentildeo de experimentos principios estadiacutesticos de disentildeo y anaacutelisis de investigacioacutenAustralia [etc] Madrid Thomson Learning 2001
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2011
BOX George E P et al Estadiacutestica para investigadores introduccioacuten al disentildeo de experimentos anaacutelisisde datos y construccioacuten de modelos Barcelona Reverteacute 1989
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Econometria
Codi de lassignatura 361238
Curs acadegravemic 2019-2020
Coordinacioacute Ramon Jose Alemany Leira
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes dominar les tegravecniques economegravetriques meacutes habitualsutilitzades avui en dia pels professionals tant de lrsquoeconomia i lrsquoempresa com drsquoaltres disciplinesen tasques de recerca aplicada
Conegraveixer i comprendre les eines i tegravecniques drsquoanagravelisi associades a la utilitzacioacute del model deregressioacute lineal muacuteltiple
Identificar les propietats dels diferents megravetodes drsquoestimacioacute del model de regressioacute lineal muacuteltiplei conegraveixer els avantatges i inconvenients de cadascun
Referits a habilitats destreses
Interpretar de manera rigorosa i correcta els resultats de lrsquoestimacioacute drsquoun model de regressioacutelineal muacuteltiple en les seves possibles especificacions
Identificar per a cada model particular quines de les hipogravetesis habituals drsquoestimacioacute soacuten meacutesraonables i quines ho soacuten menys
Valorar de manera criacutetica les conclusions que srsquoextreuen drsquoun model de regressioacute tenint encompte les propietats de les variables analitzades i les caracteriacutestiques de les dades disponibles
Aplicar les pautes de treball correctes en cadascuna de les etapes necessagraveries a lrsquohora drsquoutilitzarun model de regressioacute lineal muacuteltiple lrsquoespecificacioacute lrsquoestimacioacute la validacioacute i la interpretacioacute
Referits a actituds valors i normes
Desenvolupar lrsquointeregraves per lrsquoanagravelisi i la recerca aplicada basada en la utilitzacioacute de les tegravecniqueseconomegravetriques i de modelitzacioacute
Blocs temagravetics
1 Introduccioacute
11 Concepte i estrategravegia de la investigacioacute economegravetrica
12 Models econogravemics i models economegravetrics Components i tipologia
13 Etapes en la investigacioacute economegravetrica
2 El model de regressioacute lineal muacuteltiple especificacioacute i estimacioacute
21 Especificacioacute del model
22 Les hipogravetesis bagravesiques del model de regressioacute lineal muacuteltiple estagravendard
23 Estimacioacute per miacutenims quadrats ordinaris (MQO)
24 Propietats de lrsquoestimacioacute per MQO
25 Estimacioacute per magravexima versemblanccedila
3 El model de regressioacute lineal muacuteltiple validacioacute i prediccioacute
31 Mesures de bondat drsquoajust del model
32 Contrast drsquohipogravetesi
33 Estimacioacute amb restriccions lineals
34 Anagravelisi de la variagravencia
35 Prediccioacute puntual i per interval
4 Errors drsquoespecificacioacute i problemes amb les dades
41 Deteccioacute drsquoerrors a la manera funcional
42 Especificacioacute errogravenia de les variables explicatives
43 Permanegravencia versus canvi estructural
44 Multicolmiddotlinealitat
45 Deteccioacute de dades atiacutepiques i influents
5 Incompliment de les hipogravetesis bagravesiques del terme de pertorbacioacute
51 Matrius de variagravencies i covariagravencies escalars i no escalars
52 Estimacioacute per miacutenims quadrats ordinaris (MQO) i propietats
53 Estimacioacute per miacutenims quadrats generalitzats (MQG) i propietats
54 Estimacioacute per magravexima versemblanccedila i propietats
6 Heteroscedasticitat
61 Definicioacute i causes
62 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
63 Deteccioacute de lrsquoheteroscedasticitat
64 Estimacioacute per miacutenims quadrats generalitzats (MQG) i miacutenims quadrats ponderats
(MQP)
65 Inferegravencia i prediccioacute
7 Autocorrelacioacute
71 Definicioacute i causes
72 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
73 Deteccioacute de lrsquoautocorrelacioacute
74 Estimacioacute per miacutenims quadrats generalitzats (MQG)
75 Inferegravencia i prediccioacute
8 Models de variable dependent discreta
81 Model de probabilitat lineal
82 Model progravebit
83 Model logravegit
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials
mdash Classes de teoria amb lrsquoobjectiu de presentar les eines i les tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
mdash Classes de problemes amb lrsquoobjectiu de resoldre analitzar o discutir problemes basats en aquesteseines i tegravecniques
mdash Tallers a lrsquoaula drsquoinformagravetica per aplicar aquestes eines i tegravecniques a la resolucioacute de problemesconcrets a partir de dades determinades i amb la utilitzacioacute de programari especiacutefic
A meacutes es proposa que lrsquoalumnat elabori un total de tres pragravectiques de manera individual fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina drsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es basa en quatre tipus drsquoactivitats
a) Dues pragravectiques (5 cadascuna) Lrsquoobjectiu drsquoaquestes pragravectiques eacutes que a partir drsquoun conjunt dedades concret (proporcionat pel professorat) els estudiants responguin a un seguit de quumlestions per ales quals necessiten utilitzar les tegravecniques pregraveviament estudiades a classe Es posa egravemfasi sobretot enla interpretacioacute correcta dels resultats que srsquoobtenen Les pragravectiques es publiquen aproximadament aprincipi de marccedil i a principi de maig La data exacta de publicacioacute de lrsquoenunciat i la data liacutemit per a lapresentacioacute de cada pragravectica es publiquen en el Campus Virtual durant les dues primeres setmanes delcurs
b) Test de mig semestre (25 ) Al voltant de la meitat del semestre (set setmanes) es fa un test ambpreguntes curtes o de resposta muacuteltiple sobre aspectes teograverics i pragravectics La data exacta es comunica alrsquoinici del semestre
c) Tallers (5 ) Qualificacioacute en funcioacute de la participacioacute i les tasques dutes a terme en els tallers
d) Una prova escrita amb una ponderacioacute del 60 en relacioacute amb la nota final Per superar
lrsquoassignatura eacutes imprescindible obtenir una puntuacioacute miacutenima en aquesta prova de 3 sobre 10independentment de la qualificacioacute obtinguda en les pragravectiques el test i els tallers
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consta de dues partsa) Un examen escritb) Un exercici pragravectic amb lrsquoordinador
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GREENE William H Anaacutelisis economeacutetrico Madrid Prentice Hall 1999
WOOLDRIDGE Jeffrey M Introduccioacuten a la Econometriacutea Un enfoque moderno 4a ed revisada CengageLearning 2016
STOCK James Het al Introduccioacuten a la Econometriacutea 3a ed Madrid Pearson 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Descriptiva
Codi de lassignatura 361196
Curs acadegravemic 2019-2020
Coordinacioacute Manuela T Alcantildeiz Zanon
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Assistegravencia regular a classe Es considera que lrsquoestudiant hi ha assistit amb regularitat si ho ha fetalmenys al 80 de les sessions presencials
mdash Seguiment de lrsquoavaluacioacute continuada Aquest megravetode drsquoaprenentatge posa lrsquoaccent en la formacioacutede lrsquoestudiant al llarg del curs i no nomeacutes en lrsquoavaluacioacute entesa com a assignacioacute drsquouna qualificacioacute Pertant el seu seguiment eacutes del magravexim interegraves per assolir un autegraventic coneixement de la mategraveria
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els estadiacutestics de siacutentesi meacutes habituals dins del conjunt drsquoeines i tegravecniquesenglobades en el que srsquoanomena de forma genegraverica estadiacutestica descriptiva mdash Comprendre la utilitat els avantatges i els inconvenients de cadascun drsquoaquests estadiacutesticsaixiacute com conegraveixer en quines situacions eacutes meacutes adequat drsquoutilitzar-ne cadascun mdash Saber calcular aquests estadiacutestics mdash Aprendre a organitzar representar analitzar i sintetitzar un conjunt de dades usant elsmegravetodes gragravefics tabulars i numegraverics meacutes adients per a cada tipologia de variable i de dades mdash Interpretar de forma rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignaturamdash Seleccionar lrsquoestadiacutestic de siacutentesi meacutes adequat en cada situacioacute
Referits a habilitats destreses
mdash Adquirir els hagravebits adequats en relacioacute amb el tipus de raonament que srsquoutilitza en lrsquoanagravelisiestadiacutestica mdash Desenvolupar un cert esperit criacutetic en relacioacute amb les eines i tegravecniques presentades per taldrsquoidentificar-ne les limitacions drsquoacord amb lrsquoanagravelisi de problemes concrets aplicats
Blocs temagravetics
1 Introduccioacute
11 Conceptes bagravesics
Objecte de lrsquoestadiacutestica descriptiva
Poblacioacute i mostra
Tipus de variables
2 Anagravelisi de dades unidimensionals
21 Representacioacute gragravefica i tabular de dades
Tipus de dades
Tabulacioacute de dades unidimensionals
Megravetodes gragravefics per a la representacioacute de dades
22 Mesures de siacutentesi per a dades quantitatives univariants (I)
Mesures de posicioacute o tendegravencia central
Moments potencials
Mesures de dispersioacute
Mesures de localitzacioacute
23 Mesures de siacutentesi per a dades quantitatives univariants (II)
Mesures drsquoasimetria
Mesures drsquoapuntament o curtosi
Mesures de concentracioacute
Mesures per a dades agrupades en intervals
3 Anagravelisi de dades multidimensionals
31 Dades multidimensionals
Matriu de dades
Taules de creuament distribucions de frequumlegravencies (conjunta marginals i
condicionades)
Associacioacute entre dades quantitatives bidimensionals matriu de variagravencies i
covariagravencies i matriu de correlacions
Associacioacute entre dades quantitatives multidimensionals
Associacioacute entre dades qualitatives en escala nominal
Associacioacute entre dades qualitatives en escala ordinal
32 Model de regressioacute lineal
Descripcioacute drsquouna relacioacute entre variables
Especificacioacute del model de regressioacute lineal simple
Ajust per miacutenims quadrats ordinaris
Bondat drsquoajust Coeficient de determinacioacute
4 Altres indicadors estadiacutestics
41 Altres indicadors
Nombres iacutendexs iacutendexs simples i compostos
Nombres iacutendexs econogravemics
Deflacioacute
Taxes de variacioacute
Metodologia i activitats formatives
El megravetode docent es basa principalment en tres tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques Per a un millor aprofitament de les classes de problemes la professora potdesdoblar el grup en dos si ho considera necessari
3 Sessions de classe inversa (flipped classroom) La professora demana pregraveviament a la classe lrsquoestudidrsquoun material En comenccedilar la classe lrsquoestudiant fa una prova individual sobre la temagravetica estudiadaDespreacutes els estudiants es reuneixen en grups per discutir la mateixa prova i algun problema en grup Esdiscuteixen els resultats i srsquoaclareixen els punts on srsquoha trobat meacutes dificultat Aquesta activitat eacutesavaluable
A meacutes a meacutes es proposa als estudiants un conjunt de pragravectiques que han de fer en equips i fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de diferentsactivitats que es duen a terme al llarg del curs
a) Pragravectiques
Pragravectica 1 Els estudiants srsquohan drsquoagrupar en equips de 3-4 persones i crear una base de dades del seuinteregraves Despreacutes han de fer una explotacioacute descriptiva de les dades que contingui diferents mesures desiacutentesi gragravefics taules de frequumlegravencies etc Els estudiants han de presentar un informe escrit amb elsresultats obtinguts Valor 75 de la nota final Data de lliurament (aprox) 11 de novembre de2019
Pragravectica 2 Cada grup ha de proposar un model de regressioacute lineal fer diferents prediccions i valorar-neel grau de fiabilitat Valor 75 de la nota final Data de lliurament (aprox) 3 de gener de 2020
b) Sessions de classe inversa (flipped classroom)
Srsquoavaluen les proves individuals les proves en grup i els problemes i activitats complementagraveries de lessessions de classe inversa Valor 10 de la nota final Data diverses sessions al llarg del curs quesrsquoanuncien amb antelacioacute suficient
c) Dues proves escrites que consisteixen en la resolucioacute drsquoun conjunt de problemes i quumlestionsteograveriques
mdash Una prova de seguiment del curs Consta de 10 preguntes de tipus test que permeten alrsquoestudiant valorar el seu grau drsquoassimilacioacute de la mategraveria Valor 20 de la nota final Dataaproximada 13 de novembre de 2019
mdash Una prova final Valor 55 de la nota final Srsquoha de treure com a miacutenim un 4 perquegrave sigui
possible fer la mitjana amb la resta de notes del curs Data la fixada pel Consell Docent
La nota final de lrsquoestudiant eacutes el valor magravexim entre la nota calculada amb els percentatges anteriors ila nota obtinguda a la prova final
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova pot ser diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en les dates fixades pel Consell Docent
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Problemes drsquoEstadiacutestica Descriptiva Textos Docents nuacutem 389 BarcelonaUniversitat de Barcelona 2014
BARDINA Xavier et al Estadiacutestica Descriptiva Bellaterra Universitat Autogravenoma de Barcelona Servei dePublicacions 2009
CASTILLO Isabel et al Estadiacutestica descriptiva y caacutelculo de probabilidades Madrid Pearson 2006
FERNAacuteNDEZ Santiago et al Estadiacutestica descriptiva 2 ed rev y actualizada Madrid ESIC 2002
FERNAacuteNDEZ Carlos et al Curso de estadiacutestica descriptiva teoriacutea y praacutectica Barcelona Ariel 1995
HERNAacuteNDEZ Agustiacuten Curso elemental de Estadiacutestica Descriptiva Madrid Piraacutemide 2008
MARTIacuteN -GUZMAacuteN Pilar et al Manual de Estadiacutestica Descriptiva Cizur Menor Aranzadi 2006
MARTIacuteN Francisco Javier Introduccioacuten a la estadiacutestica econoacutemica y empresarial teoriacutea y praacutectica MadridAC-Thomson 2004
MONTERO J Mariacutea Estadiacutestica Descriptiva Madrid Thomson 2007
MONTERO J Mariacutea Problemas resueltos de Estadiacutestica Descriptiva para Ciencias Sociales MadridThomson 2007
MURES Mordf Jesuacutes et al Problemas de estadiacutestica descriptiva aplicada a las ciencias sociales MadridPearson Prentice Hall 2004
TOMEO Venancio et al Estadiacutestica Descriptiva Madrid Garceta Grupo Editorial 2009
Text electrogravenic
ALCANtildeIZ Manuela et al Concentracioacuten curva de Lorenz e iacutendice de Gini Colmiddotleccioacute OMADO DipogravesitDigital de la Universitat de Barcelona
ESPEJO I et al Estadiacutestica Descriptiva y Probabilidad 3a ed Caacutediz Servicio de PublicacionesUniversidad de Caacutediz 2011
Es pot descarregar Conteacute teoria i nombrosos exercicis resolts drsquoestadiacutesticadescriptiva
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Industrial
Codi de lassignatura 361250
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER TORT-MARTORELL LLABRES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 30
Treball tutelatdirigit
(Resolucioacute de casos pragravectics)30
Aprenentatge autogravenom
(Lectura siacutentesi i presentacioacute oral drsquoarticlesi capiacutetols de llibres)
60
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica per a la Gestioacute de laQualitat Software Estadiacutestic i Disseny drsquoExperiments
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
Es preteacuten que lrsquoestudiant sigui capaccedil de dissenyar i implementar un pla drsquoexperimentacioacute per talde descobrir com una segraverie de variables (controlables o no) drsquoun proceacutes afecten una caracteriacutesticade qualitat drsquointeregraves Tambeacute es preteacuten que lrsquoestudiant entengui la importagravencia de lluitar contra lavariabilitat per millorar la qualitat sagravepiga caracteritzar la variabilitat drsquoun proceacutes i coneguitegravecniques per reduir la variabilitat i mantenir-la en els nivells miacutenims Concretament en acabar elcurs els estudiants han de ser capaccedilos de
bull Seleccionar dissenys que permetin analitzar el comportament drsquoun producte o un proceacutes tantpel que fa a la mitjana com a la variagravencia transmesa per factors no controlables
bull Analitzar lrsquoefecte dels factors de control i soroll en la resposta drsquointeregraves i seleccionar lescondicions meacutes robustes
bull Seleccionar dissenys que permetin explorar la superfiacutecie de resposta amb polinomis de segonordre (disseny central compost disseny de Box-Behnken etc)
bull Explorar la regioacute drsquointeregraves de les variables experimentals que maximitzin (minimitzin) laresposta i estudiar la naturalesa de la superfiacutecie
bull Dissenyar experiments reals i implementar-los seguint una estrategravegia sequumlencial des delplantejament del pla experimental fins a lrsquoelaboracioacute de conclusions
bull Entendre com funcionen els gragravefics de control sofisticats i fer-los servir
bull Implantar un control estadiacutestic de processos en un proceacutes real tenint en compte la naturalesadel proceacutes i els costos associats
bull Fer estudis de repetibilitat i reproductibilitat per garantir que el sistema de mesura que es faservir en un proceacutes eacutes adequat
Referits a habilitats destreses
bull Treure informacioacute drsquointeregraves i aprendre a partir de llibres i articles
bull Treballar en grups per consensuar decisions i solucionar problemes de manera conjunta
bull Treballar en equip per consensuar decisions i solucionar problemes de manera conjunta
bull Comunicar idees i resultats de manera eficaccedil tant per escrit com oralment
Blocs temagravetics
1 Metodologia de millora sis sigma
Necessitat de la millora Aspectes organitzatius rols i responsabilitats Metodologia de milloraetapes Objectius i tasques de cadascuna de les cinc etapes definir mesurar analitzarmillorar i controlar Estudis de repetibilitat i reproductibilitat (RampR) Casos i exercicis
2 Disseny drsquoexperiments a la induacutestria i metodologia de superfiacutecie de resposta
Importagravencia de lrsquoexperimentacioacute en un entorn industrial Repagraves de dissenys factorials a dosnivells Bloqueig en dissenys factorials Punts centrals Superfiacutecie de resposta fent servirpolinomis de primer grau Uacutes de lrsquolaquosteepest ascentraquo per a lrsquoaproximacioacute a la regioacute drsquointeregravesSuperfiacutecie de resposta fent servir polinomis de segon grau Dissenys central compost i deBox-Bhenken Adequacioacute del model
3 Control estadiacutestic de processos monitoratge i ajust
Seleccioacute dels gragravefics de control adequats segons la variable que srsquoha de monitorar Conceptede subgrup racional i ARL Limitacions dels gragravefics de control de Shwart Dadesautocorrelacionades i processos no estacionaris Prediccions fent servir un model EWMA Ajustcontinu i ajust periogravedic de processos no estacionaris
4 Casos pragravectics drsquoaplicacioacute de lrsquoestadiacutestica en la induacutestria i en els serveis
Cas dels tubs de silicona Cas de la caixa cooperativa professional
Metodologia i activitats formatives
Teoria Exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Pragravectiques Resolucioacute de problemes i casos pragravectics Es proposen activitats per fer fora de les hores declasse
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Exercicis de seguiment de lrsquoassignatura 15
Casos pragravectics 35
Examen final 50
Avaluacioacute uacutenica
Examen final
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Statistics for experimenters design innovation and discovery 2nd ed HobokenWiley Interscience 2005
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2002
MYERS Raymond H et al Response surface methodology process and product optimization HobokenWiley Interscience 2009
HAHN Gerald J et al The role of statistics in business and industry Hoboken New Jersey Wiley 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Megravedica
Codi de lassignatura 361249
Curs acadegravemic 2019-2020
Coordinacioacute Erik Cobo Valeri
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 48
- Pragravectiques de problemes 8
- Pragravectiques dordinadors 4
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha drsquoestar disposat a adquirir progressivament competegravencies i habilitats especificades alrsquoentrada statistical consulting de lrsquoEnciclopegravedia en Ciegravencies Estadiacutestiques
Requisits
361231 - Models Lineals (Recomanada)
361237 - Estadiacutestica per a les Biociegravencies (Recomanada)
361232 - Anagravelisi Multivariant (Recomanada)
361234 - Models Lineals Generalitzats (Recomanada)
361214 - Software Estadiacutestic (Recomanada)
361221 - Inferegravencia Estadiacutestica (Recomanada)
361230 - Disseny dExperiments (Recomanada)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
bull Identificar i utilitzar correctament la terminologia bagravesica dels estudis empiacuterics en ciegravencies de lasalut
bull Distingir entre associacioacute i causalitat i entre estimacioacute drsquoefectes drsquointervencions definides icerca de causes
bull Interpretar i utilitzar correctament les principals guies de publicacioacute de recerca en salut(CONSORT SPIRIT PRISMA STROBE STARD TRIPOD)
bull Valorar criacuteticament els resultats de recerca en ciegravencies de la salut
bull Conegraveixer els entorns laborals en ciegravencies de la salut que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Referits a habilitats destreses
bull Aplicar les tegravecniques estadiacutestiques en estudis empiacuterics en ciegravencies de la salut i interpretar-necorrectament els resultats
bull Aplicar les tegravecniques estadiacutestiques a estudis observacionals i experimentals en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques de model lineal generalitzat a estudis en ciegravencies de la salut iinterpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques aplicades a la revisioacute sistemagravetica drsquoestudis en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis empiacuterics en ciegravencies de la salut
bull Fer una valoracioacute criacutetica drsquoun article cientiacutefic pel que fa als objectius megravetodes resultats ilimitacions trobades
Referits a actituds valors i normes
bull Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis empiacuterics en ciegravencies de la salut
Blocs temagravetics
1 Entorn de treball
11 Objectius de salut i tipus drsquoestudis
12 Aspectes egravetics Interaccioacute amb els investigadors
13 Regressioacute a la mitjana evolucioacute natural i efecte placebo
2 Dissenys experimentals per avaluar intervencions Revisions sistemagravetiques
21 Assajos cliacutenics Determinacioacute de la mida mostral Desviacions i dades no disponibles
Riscos de biaix
22 Dissenys amb intercanvi (cross-over)
23 Genegraverics Plantejament drsquoequivalegravencia
24 Revisions sistemagravetiques Metanagravelisi
3 Causalitat
31 Prediccioacute en front drsquointervencioacute
32 Estimacioacute drsquoefectes enfront de cerca de causes
33 Diadrames aciacuteclics Bloqueig Aplicacioacute a la confusioacute drsquoefectes i al biaix de seleccioacute
34 Ponderacioacute per la inversa de la probabilitat (IPW)
4 Dissenys observacionals
41 Tipus drsquoestudis epidemiologravegics estudis de cohort estudis cas-control i estudis
transversals
42 Mesures de frequumlegravencia de malalties i epidegravemies prevalenccedila incidegravencia acumulada i
taxa drsquoincidegravencia
43 Mesures drsquoassociacioacute diferegravencia de riscos (absolut atribuiumlble) quocient de riscos
(relatiu) quocient drsquooportunitats (odds ratio) i quocient de taxes (hazard ratio)
44 Diagnogravestic Probabilitats diagnogravestiques Corba del receptor (ROC)
45 Models pronogravestics Logiacutestic i de Cox Capacitat de discriminacioacute Calibracioacute
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions
Al comenccedilament de cada tema el professor fa una presentacioacute inicial i ofereix documentacioacute perquegrave elsalumnes elaborin alguns conceptes
En paralmiddotlel lrsquoestudiant prepara mdashindividualment o en grupsmdash aspectes complementaris dels temesexposats i es discuteixen passat un temps a classe
El professor tambeacute proposa dades i eines per treballar-les
Lrsquoalumnat hi treballa de forma guiada i nrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es duu a terme a traveacutes de tres elements
mdash Problemes per a cada bloc (410 )
mdash Informe escrit i presentacioacute oral drsquoun treball pragravectic (20 )
mdash Dues proves de siacutentesi en acabar els blocs 2 i 4 (220 )
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi Aquesta data es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Examen final que inclou exercicis de tots els tipus
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
SENN Stephen Statistical issues in drug development 2nd ed Chichestr Wiley-Blackwell 2007
PIANTADOSI Steven Clinical Trials a methodologic perspective Hoboken NJ Wiley-Interscience 2005
JEWELL Nicholas Statistics for Epidemiology Boca Raton [Fla] [etc] Chapman amp HallCRC 2004
Pagravegina web
Causality book Miquel Hernaacuten amp Jamie Robbins
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a la Gestioacute de la Qualitat
Codi de lassignatura 361235
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques dordinadors 225
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica DescriptivaIntroduccioacute a la Probabilitat i Introduccioacute a la Inferegravencia Estadiacutestica
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Prendre consciegravencia de la importagravencia i de les possibilitats de lrsquoestadiacutestica en el context de lagestioacute de la qualitat mdash Conegraveixer i saber aplicar les tegravecniques fonamentals
Capacitats a adquirir mdash Entendre i prendre consciegravencia de per quegrave lrsquoestadiacutestica eacutes una eina important en la gestioacute de laqualitatmdash Identificar en quines situacions poden ser uacutetils les eines per a la millora de la qualitat i saber-les utilitzar adequadamentmdash Plantejar i realitzar estudis de capacitat Conegraveixer quegrave soacuten i com es calculen els iacutendexs decapacitatmdash Conegraveixer el paper dels gragravefics de control en la lluita contra la variabilitat Saber com esconstrueixen i com srsquointerpreten els gragravefics drsquouacutes meacutes habitualmdash Entendre i saber calcular els riscos inherents a qualsevol pla de mostreig Construir iinterpretar la corba caracteriacutestica drsquoun pla de mostreigmdash Conegraveixer les tegravecniques meacutes habituals per a la planificacioacute de la qualitat
Blocs temagravetics
1 Introduccioacute a la gestioacute de la qualitat
Quegrave eacutes la qualitat El control de la qualitat evolucioacute histograverica Gestioacute de la qualitat Latrilogia de Juran El paper de lrsquoestadiacutestica en la gestioacute de la qualitat Lrsquoassignatura en elcontext de la carrera
2 Millora de la qualitat
Quegrave eacutes la millora La definicioacute del projecte i dels objectius Metodologia per a la millora Lesset eines bagravesiques drsquoIshikawa plantilles histogrames diagrames de Pareto diagramescausa-efecte diagrames bivariants estratificacioacute gragravefics de control Habilitats el treball enequip Introduccioacute a la metodologia de millora sis sigma
3 Variabilitat causes i mesura
Concepte de variabilitat Causes comunes i causes assignables Tractament probabiliacutestic deles causes comunes la llei normal Estudis de capacitat a curt i llarg termini Iacutendexs decapacitat Llenguatge sis sigma
4 Control estadiacutestic de processos
Estrategravegies en la lluita contra la variabilitat Control estadiacutestic de processos com i per quegraveGragravefics de control per variables gragravefics Xbarra-R Altres gragravefics de control per variablesGragravefics de control per atributs P NP Altres gragravefics de control per atributs
5 Inspeccioacute per mostreig
Quegrave eacutes la inspeccioacute per mostreig Quegrave eacutes un pla de mostreig Risc del comprador i risc delvenedor Cagravelcul dels riscos Corba caracteriacutestica drsquoun pla de mostreig Disseny de plans demostreig Normes MIL-STD 105 D
6 Eines per a la planificacioacute
La veu del client El model de Kano QFD la casa de la qualitat Anticipar-se a lrsquoaparicioacute dedefectes lrsquoAMFE Sistemes antierror Poka-Yoke Quegrave eacutes un producte robust Introduccioacute almodel EFQM i ISO
Metodologia i activitats formatives
Teoria exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Problemes i pragravectiques resolucioacute de problemes i casos pragravectics Es proposen problemes per fer foradrsquohores de classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
NF = 025NAC + 035NEP + 040NEF (cal una nota miacutenima de 4 a la NEF per fer la ponderacioacute encas contrari NF = NEF)
NF nota finalNAC nota drsquoavaluacioacute continuada (exercicis que els estudiants han de lliurar al llarg del curs)NEP nota de lrsquoexamen parcialNEF nota de lrsquoexamen final
En lrsquoexamen final entra tota la mategraveria del curs
Avaluacioacute uacutenica
Un uacutenic examen en quegrave entra tota la mategraveria La nota obtinguda en aquest examen eacutes la nota delrsquoassignatura Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacuteuacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MONTGOMERY Douglas C Introduction to Statistical Quality Control 5th ed Chichester John Wiley 2005
Estadiacutestica con MINITAB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a les Biociegravencies
Codi de lassignatura 361237
Curs acadegravemic 2019-2020
Coordinacioacute Esteban Vegas Lozano
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 36
- Pragravectiques de problemes 16
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes convenient que lrsquoestudiant disposi de les competegravencies i habilitats que srsquoespera que tingui al final delsegon curs del grau drsquoEstadiacutestica
Requisits
mdash Probabilitat i Inferegravenciamdash Estadiacutesticamdash Anagravelisi Multivariant
mdash Model Linealmdash Coneixement del llenguatge de R
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
[A] Identificar i utilitzar correctament la terminologia bagravesica dels estudis de biociegravencies biologiabiomedicina i bioinformagravetica ecologia genegravetica i biodiversitat
[B] Enunciar les tegravecniques estadiacutestiques meacutes rellevants en estudis de biociegravencies
[C] Aplicar les tegravecniques estadiacutestiques en estudis de biociegravencies i interpretar-ne correctament elsresultats
[D] Conegraveixer les especialitats megravediques meacutes rellevants i els seus tipus drsquoestudis i variables meacutesusuals
[E] Conegraveixer alguns termes i conceptes de biologia molecular aixiacute com algunes de les tecnologiesemprades en experiments de biologia i biomedicina
[F] Aprendre els processos usuals per a lrsquoanagravelisi de dades drsquoalt rendiment
[G] Conegraveixer i interpretar les mesures estadiacutestiques generals de diversitat i la seva relacioacute amb labiodiversitat en ecologia i en genegravetica
[H] Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis de biociegravencies
[I] Potenciar la capacitat de reflexioacute i criacutetica mitjanccedilant el treball amb conjunts de dades drsquoestudisde biociegravencies
[J] Aprendre a redactar un informe que contingui els objectius megravetodes i resultats aixiacute com unavaloracioacute criacutetica de les limitacions trobades
[K] Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis en les biociegravencies
[L] Conegraveixer els entorns laborals en biociegravencies que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Blocs temagravetics
1 Estadiacutestica i bioinformagravetica
11 Biomolegravecules biomedicina i malalties
mdash Les molegravecules de la vida ADN i proteiumlnes dogma central expressioacute gegravenica
mdash Biomedicina i bases moleculars drsquoalgunes malalties (el cagravencer o malalties
immunes)
mdash Exemples i estudi drsquoun cas medicina personalitzada
12 Introduccioacute a algunes eines de la biotecnologia
mdash La bioinformagravetica
mdash Anagravelisi de lrsquoexpressioacute gegravenica microarrays (matrius)
mdash Altres tegravecniques drsquoobtencioacute de dades drsquoalt rendiment sequumlenciacioacute i proteogravemica
mdash Exemples i estudi de casos eines bioinformagravetiques per a lrsquoexplotacioacute de bases de
dades biologravegiques
13 Anagravelisi de dades drsquoalt rendiment anagravelisi de matrius drsquoexpressioacute gegravenica
mdash Preprocessament i control de qualitat
mdash Normalitzacioacute
mdash Seleccioacute de gens diferencialment expressats
mdash Classificacioacute i prediccioacute amb dades drsquoalt rendiment
mdash Exemples i estudi drsquoun cas seleccioacute de gens associats amb cagravencer de mama
2 Estadiacutestica i biodiversitat
21 Introduccioacute a la diversitat
mdash Mesures estadiacutestiques de diversitat Lrsquoiacutendex de Simpson i lrsquoiacutendex de Shannon
22 Biodiversitat en ecologia
mdash Conceptes bagravesics drsquoecologia espegravecie ecosistema niacutenxol hagravebitat riquesa
drsquoespegravecies iacutendex de diversitat abundagravencia etc
mdash Gragravefics per a la representacioacute de dades de diversitat la distribucioacute de les
frequumlegravencies i el diagrama de rang-abundagravencia
mdash Models estadiacutestics per a la diversitat drsquoespegravecies log-segraverie de Fisher el model log-
normal la segraverie geomegravetrica el model del bastoacute trencat de McArthur
mdash Les mesures de diversitat drsquoespegravecies la riquesa drsquoespegravecies lrsquoiacutendex de Simpson
lrsquoiacutendex de Shannon
mdash Estimacioacute de la riquesa drsquoespegravecies la corba drsquoacumulacioacute drsquoespegravecies estimadors
paramegravetrics i no paramegravetrics de la riquesa
mdash Incertesa en lrsquoestimacioacute de la diversitat El jackknife
mdash Exemples
23 Biodiversitat en genegravetica
mdash Conceptes bagravesics de genegravetica cromosomes locus gens i almiddotlels genotips
haplotips marcadors dominants codominants i recessius microsategravelmiddotlits i SNP
polimorfismes frequumlegravencies almiddotlegraveliques i genotiacutepiques heterozigositat observada i
esperada equilibri genegravetic (Hardy-Weinberg i desequilibri de lligament) Estadiacutestics
per mesurar desequilibri
mdash Les mesures de la diversitat gegravenica Percentatge de locus polimograverfics nombre
efectiu drsquoalmiddotlels riquesa drsquoalmiddotlels heterozigositat esperada Lrsquoiacutendex de Simpson i
lrsquoiacutendex de Shannon
mdash Anagravelisi de la diversitat gegravenica entre i dins de poblacions els iacutendexs de Nei i els
estadiacutestics F de Wright
mdash Exemples
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions Alcomenccedilament de cada tema el professorat fa una presentacioacute inicial i ofereix documentacioacute perquegravelrsquoalumnat elabori alguns conceptes
Paralmiddotlelament els alumnes preparen individualment o en grups aspectes complementaris dels temesexposats que es discuteixen passat un temps a classe
Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Eacutes elprofessorat qui assigna els estudiants als grups
El professorat tambeacute proposa dades i eines per treballar-les I lrsquoalumnat hi treballa de forma guiada inrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi en acabar cada bloc (45 )mdash Pragravectiques de laboratori i exercicis per lliurar per a cada bloc (30 )mdash Un treball pragravectic (25 )
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir‐se a lrsquoavaluacioacute uacutenica han de fer‐hoabans de la data que srsquoestableix i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi i treball que engloben els continguts dels blocs (70 )mdash Prova de laboratori sobre els continguts dels blocs (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
COHEN William W A computer Scientistrsquos guide to cell biology a travelogue from a stranger in a strangeland Pittsburgh Springer 2007
Recomanat per al bloc 1
GASTON Kevin J et al Biodiversity an introduction 2nd ed Oxford Blackwell Science 2004
Recomanat per al bloc 2
GIBSON Greg et al A primer of genome science 3rd ed Sunderland Mass Sinauer Associates 2009
Recomanat per al bloc 1
KJRIJNEN H Applied Statistics for Bioinformatics (pdf)
Recomanat per al bloc 1
LOWE Andrew et al Ecological genetics design analysis and application Malden (Mass) Blackwell2004
Recomanat per al bloc 2
PEVSNER Jonathan Bioinformatics and Functional Genomics Hoboken NJ Wiley-Blackwell 2009
Recomanat per al bloc 1
MAGURRAN Anne E Measuring biological diversity Malden Blackwell 2004
Recomanat per al bloc 2
Rafael A Irizarry and Michael I Love Data Analysis for the Life Sciences with R Chapman and HallCRC2016
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Puacuteblica
Codi de lassignatura 361236
Curs acadegravemic 2019-2020
Coordinacioacute ROGER ROCA SAQUERO
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Materials de referegravencia complementaris
A mesura que avanccedila el temari srsquoindiquen els recursos en liacutenia corresponents
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Aula convencional) 30
- Pragravectiques dordinadors
(Aula drsquoinformagravetica) 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Consulta permanent durant el periacuteode de docegravencia dels materials i continguts que es publiquen en elCampus Virtual Tambeacute es recomana fer seguiment de lrsquoactualitat econogravemicamdash Coneixement drsquoanglegraves (a nivell de lectura com a miacutenim)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes conegraveixer les fonts estadiacutestiques oficials aixiacute com lesprincipals operacions estadiacutestiques que elaboren
Pel que fa a les fonts estadiacutestiquesmdash Conegraveixer els objectius la metodologia el tipus de dades la problemagravetica i les principals einesassociades a les diferents fonts estadiacutestiquesmdash Conegraveixer fonts estadiacutestiques oficials drsquoagravembit autonogravemic estatal i internacionalmdash Conegraveixer la legislacioacute estadiacutestica bagravesica
Pel que fa a les operacions estadiacutestiquesmdash Conegraveixer les principals caracteriacutestiques i la metodologia de les operacions estadiacutestiquesmdash Conegraveixer les dades i el tipus drsquoinformacioacute que generen les operacions estadiacutestiques oficials
Referits a habilitats destreses
mdash Identificar i saber seleccionar les fonts estadiacutestiques meacutes adequades en funcioacute de lrsquoobjectiu delrsquoanagravelisi proposadamdash Analitzar interpretar i sintetitzar dades i discernir quina eacutes la informacioacute rellevant en funcioacutedels objectius de lrsquoanagravelisimdash Desenvolupar les capacitats comunicatives (expressioacute escrita i oral)
Referits a actituds valors i normes
mdash Desenvolupar la capacitat de relacionar lrsquoestadiacutestica amb altres disciplinesmdash Desenvolupar les capacitats drsquoaprenentatge i responsabilitatmdash Desenvolupar la capacitat de treballar en equip
Blocs temagravetics
1 (Bloc 1) Introduccioacute
11 Estadiacutestica oficial
12 Instituts drsquoestadiacutestica oficial Idescat INE i Eurostat
13 Lleis i reglaments de lrsquoestadiacutestica oficial
2 (Bloc 1) Metodologia de les fonts estadiacutestiques oficials
21 Fases de la produccioacute estadiacutestica
22 Recollida drsquoinformacioacute quumlestionaris i altres instruments
23 Disseny de mostres a les fonts estadiacutestiques oficials
24 Resultats obtencioacute i formes de publicacioacute
25 Qualitat de les operacions estadiacutestiques
3 (Bloc 1) Dades massives (big data) i ciutats intelmiddotligents (smart cities)
31 Dades massives (big data) per al desenvolupament
32 Ciutats intelmiddotligents
4 (Bloc 2) Estadiacutestiques demogragravefiques
41 Introduccioacute
42 Canvis demogragravefics
43 Estructura de les llars i famiacutelies
44 Caracteriacutestiques i condicions dels habitatges
45 Poblacioacute estrangera
46 Mobilitat geogragravefica
47 Envelliment
48 Projeccions de poblacioacute
5 (Bloc 2) Estadiacutestiques del mercat laboral
51 Poblacioacute activa
52 Poblacioacute ocupada
53 Poblacioacute aturada
54 Mograveduls de lrsquoEPA
55 Estadiacutestiques drsquoofertes de feina
56 Retribucions i costos laborals
6 (Bloc 2) Estadiacutestiques de consum i de preus
61 Nombres iacutendex (teoria i pragravectica)
62 Estadiacutestiques de preus europees
63 Inflacioacute i deflacioacute
Metodologia i activitats formatives
Internet eacutes una eina central per al desenvolupament de lrsquoassignatura per aquesta raoacute la major part deles sessions presencials es desenvolupen a lrsquoaula drsquoinformagravetica Es potencia el treball en xarxa mitjanccedilant lrsquouacutes drsquoeines en liacutenia (Campus Virtual etc)
Es treballa amb materials en catalagrave castellagrave i anglegraves Srsquoatorga molta importagravencia a les lectures i alrsquoexpressioacute escrita
Es combinen diverses metodologies drsquoaprenentatge com ara classes magistrals classes expositivestreball en grup (escrit i oral) cerca drsquoinformacioacute i exercicis pragravectics
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per a lrsquoalumnat que assisteix regularment a classe Esrecomana una assistegravencia miacutenima del 80 de les sessions
Activitats drsquoavaluacioacute
mdash Prova escrita 1 temes 1 2 i 3 (25 punts)
mdash Prova escrita 2 temes 4 5 i 6 (25 punts)
mdash Pragravectica colmiddotleccioacute drsquoexercicis treballats a classe (2 punts)
mdash Treball article drsquoanagravelisi siacutentesi i interpretacioacute de dades procedents de diferents fonts estadiacutestiquesoficials Grups de tres a cinc persones Article i presentacioacute oral (3 punts)
Qualificacioacute global
Lrsquoassignatura se supera si la suma de les quatre evidegravencies (proves o activitats) eacutes igual o superior a 5En cas contrari lrsquoestudiant ha de fer la prova drsquoavaluacioacute uacutenica No es guarda cap nota
Nombre miacutenim drsquoevidegravencies (proves o activitats) que calen per tenir qualificacioacute 3 Si no srsquoarriba aaquest miacutenim llavors la qualificacioacute final eacutes laquono presentatraquo
Calendari
mdash Prova escrita 1 en finalitzar el tema 3
mdash Prova escrita 2 en finalitzar el tema 6
mdash Pragravectica es treballaragrave com a miacutenim una pragravectica per cada tema treballat
mdash Treball lrsquoenunciat es comunica un cop iniciades les classes El treball srsquoha de lliurar a final del mes demaig
La data de les activitats drsquoavaluacioacute continuada es comunica amb un miacutenim de dues setmanesdrsquoantelacioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que estableixi el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Avaluacioacute uacutenica
Tot i que no eacutes lrsquoopcioacute meacutes recomanable srsquohi pot acollir lrsquoalumnat que no segueixi lrsquoavaluacioacutecontinuada Eacutes lrsquoopcioacute meacutes recomanable quan no es pot assistir de forma regular a classe
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica poden fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts)
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova drsquoavaluacioacute uacutenica es duu a terme en la data fixada pel Consell Docent
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Pagravegina web
INE
Institut Nacional drsquoEstadiacutestica Els materials concrets srsquoindiquen a mesura queavanccedila el temari
IDESCAT
Institut drsquoEstadiacutestica de Catalunya Els materials concrets srsquoindiquen a mesuraque avanccedila el temari
EUROSTAT
Oficina estadiacutestica de la Unioacute Europea Els materials concrets srsquoindiquen amesura que avanccedila el temari
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fitxers i Bases de Dades
Codi de lassignatura 361215
Curs acadegravemic 2019-2020
Coordinacioacute Montserrat Guillen Estany
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Pragravectiques dordinadors 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Sofware Estadiacutestic
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els fonaments de les estructures de dades en memograveria i els conceptes bagravesicsdrsquoorganitzacioacute de les dades mdash Comprendre els conceptes fonamentals en el disseny de les bases de dades
mdash Entendre els conceptes bagravesics de sistemes de bases de dades i els seus avantatges iinconvenients
Referits a habilitats destreses
mdash Saber dissenyar i manipular una base de dades
mdash Ser capaccedil drsquoaccedir a una base de dades mitjanccedilant la utilitzacioacute del llenguatge SQL
mdash Poder aplicar els coneixements teograverics mitjanccedilant la utilitzacioacute de programari de gestioacute debases de dades mdash Saber resoldre problemes de complexitat baixa i mitjana a partir de la construccioacute drsquouna basede dades en lrsquoagravembit estadiacutestic
Blocs temagravetics
1 Arxius i bases de dades
11 Conceptes bagravesics
12 Bases de dades Objectes de bases de dades
13 Sistema gestor de bases de dades
14 Dades massives (big data) i dades en temps real
2 Llenguatge SQL
21 Introduccioacute
22 Tipus de camps
23 Tipus de dades SQL
24 Consultes
25 Estructures de les taules
3 Utilitzacioacute del llenguatge SQL (Access SAS R PosgreSQL)
31 Consultes bagravesiques
32 Combinacioacute de taules
33 Actualitzacioacute de dades
4 Temes avanccedilats
41 Seguretat i privacitat
42 Transaccions
43 NoSQL
44 Entorn web i tecnologies emergents
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials realitzades en aules amb ordinadors
a) Classes de teoria en quegrave srsquoexposen els conceptes bagravesics de cadascuna de les unitats
b) Classes pragravectiques amb lrsquoobjectiu que cada estudiant sigui capaccedil drsquoanalitzar i solucionar els exercicisplantejats drsquoacord amb els coneixements adquirits a les classes teograveriques Aquestes pragravectiques tot i noser guiades tenen el suport del professorat i serveixen per aclarir algunes quumlestions no necessagraveriamentexplicades a les classes de teoria
Aixiacute mateix es proposa que els estudiants facin pragravectiques addicionals fora de les hores de classe amb lafinalitat que adquireixin la seguretat suficient per poder treballar autogravenomament Aquestes pragravectiquestambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de les activitatsseguumlents
mdash Exercicis resolts a classe (pragravectiques) i participacioacute en els fograverums del Campus Virtual o a lrsquoaula Valordel 15 de la nota final
mdash Tasques presencials i tasques semipresencials individuals Valor del 20 de la nota final
mdash Treball no presencial consistent en el disseny drsquouna base de dades incorporacioacute de dades i consultesrelacionades amb la base de dades Lliurament al desembre Valor del 25 de la nota final
mdash Una prova de valoracioacute global que consta drsquoun enunciat amb un seguit de quumlestions pragravectiques iteograveriques relatives als quatre blocs temagravetics o unitats En aquesta prova lrsquoestudiant disposa drsquoun magraveximdrsquohora i mitja per resoldre individualment les quumlestions plantejades utilitzant nomeacutes lrsquoordinador Data lafixada pel Consell Docent Aquesta prova no requereix una puntuacioacute miacutenima per poder fer lamitjana Valor del 40 de la nota final
Per poder superar lrsquoassignatura srsquohan de fer totes les proves drsquoavaluacioacute tant les presencials com lesno presencials
Avaluacioacute uacutenica
Els estudiants que ho vulguin poden optar a una avaluacioacute amb una prova final i uacutenica que suposa el100 de la nota Aquesta prova eacutes diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
LEMAHIEU W VAN DER BROUCKE S BAESENS B Principles of Database Management The PracticalGuide to Storing Managing and Analyzing Big and Small Data (o be published by Cambridge UniversityPress in July 2018)
wwwpdbmbookcom
ALLISON Cecelia L et al SQL for Microsoftreg Access 2nd ed Plano Texas Wordware 2008
CONNOLLY Thomas Met al Sistemas de bases de datos 4a ed Madrid Pearson Educacioacuten 2005
DATE CJ Introduccioacuten a los sistemas de bases de datos Madrid Pearson Educacioacuten 2001
GENNIK Jonathan SQL Pocket GuideSebastopol CA OrsquoReilly 2011
KRIEGEL Alex Discovering SQL A Hands-On Guide for Beginners Indianapolis Wiley 2011
PRAIRIE Katherine The essential PROC SQL handbook fo SAS USERS Cary (NC) SAS Institute 2005
SILBERSCHATZ Abraham et al Database System Concepts New York McGraw-Hill 2011
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fonaments dAdministracioacute dEmpreses
Codi de lassignatura 361211
Curs acadegravemic 2019-2020
Coordinacioacute JOAN CARLES GIL MARTIN
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Ser capaccedil de demostrar coneixements generals del concepte drsquoempresa i drsquoorganitzacioacute i delrol de lrsquoempresari i saber classificar una organitzacioacute empresarial segons els diferents criteris enespecial saber-ne identificar les formes juriacutediques meacutes adients
mdash Conegraveixer el funcionament de lrsquoempresa com a sistema els diferents subsistemes o agravereesfuncionals i els seus objectius aixiacute com saber identificar els models drsquoorganitzacioacute aplicables
mdash Demostrar que es coneixen les dimensions del proceacutes de direccioacute influegravencia estrategravegiaplanificacioacute organitzacioacute direccioacute de persones control i decisioacute
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute dels recursos humans per a lesempreses i demostrar coneixements bagravesics dels principals processos en aquesta agraverea
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute financera a les empreses idemostrar coneixements bagravesics dels principals processos en aquesta agraverea en especial lacomptabilitat lrsquoanagravelisi del cicle curt mdashexplotacioacutemdash del cicle llarg mdashinversioacutemdash i les fonts definanccedilament adients
mdash Ser capaccedil drsquoaplicar els conceptes financers bagravesics per analitzar la viabilitat econogravemica drsquounprojecte analitzar econogravemicament les diferents alternatives drsquouna decisioacute i fer el seguimenteconogravemic drsquoun pressupost
mdash Ser capaccedil drsquoentendre els principals conceptes comercials com ara mercats demandacompetegravencia comportament del client i els principals megravetodes per al seu estudi com ara lainvestigacioacute de mercats
mdash Ser capaccedil de demostrar coneixements bagravesics dels instruments de magraverqueting i la sevautilitzacioacute
mdash Ser capaccedil de demostrar coneixements bagravesics dels principals objectius de la direccioacutedrsquooperacions i dels principals processos en aquesta agraverea
Referits a habilitats destreses
mdash Capacitat comunicativa (capacitat de comprendre i drsquoexpressar-se oralment i per escrit encatalagrave castellagrave i en una tercera llengua i dominar el llenguatge especialitzat)
mdash Capacitat de buscar utilitzar i integrar la informacioacute
mdash Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees drsquoaplicacioacute
Blocs temagravetics
1 Introduccioacute a lrsquoempresa
Introduccioacute al concepte drsquoempresa i al rol de lrsquoempresari Criteris de classificacioacute de lesdiferents tipologies drsquoempreses formes juriacutediques i empresa familiar Descripcioacute de lrsquoempresa
com a sistema dels seus subsistemes i dels models i els criteris bagravesics drsquoorganitzacioacute
2 Direccioacute
Presentacioacute de les dimensions del proceacutes de direccioacute influegravencia estrategravegia planificacioacuteorganitzacioacute direccioacute de persones control i decisioacute
3 Recursos humans
Descripcioacute de la importagravencia i objectius de lrsquoagraverea de recursos humans aixiacute com delsprincipals processos drsquoaquesta agraverea funcional
4 Finances
Descripcioacute dels objectius de lrsquoagraverea de finances aixiacute com dels principals processos drsquoaquestaagraverea funcional a curt i llarg termini i de les fonts de financcedilament Descripcioacute de lacomptabilitat com a sistema drsquoinformacioacute i com a proceacutes i dels conceptes comptables bagravesicsper analitzar lrsquoequilibri financer Utilitzacioacute dels costos per a la presa de decisions Anagravelisidrsquoinversions Control pressupostari
5 Comercial i magraverqueting
Descripcioacute dels objectius de lrsquoagraverea comercial i magraverqueting aixiacute com dels principalsconceptes com ara mercats demanda competegravencia comportament del client i dels principalsmegravetodes per al seu estudi com ara la investigacioacute de mercats Descripcioacute dels instruments demagraverqueting i la seva utilitzacioacute
6 Operacions
Descripcioacute dels objectius de lrsquoagraverea drsquooperacions aixiacute com dels principals processosdrsquoaquesta agraverea funcional
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes pragravectiques en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de casos pragravectics
A meacutes es demana als estudiants lrsquoexecucioacute drsquoun treball de camp relacionat amb lrsquoassignatura
Aquesta assignatura no requereix el desdoblament del grup en subgrups en cap activitat
Avaluacioacute acreditativa dels aprenentatges
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenicaLrsquoavaluacioacute continuada eacutes la forma recomanada i desitjable de cursar aquesta assignatura per treurersquon elmagravexim profit Lrsquoalumnat que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica hade fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb lrsquoantelacioacute suficient
Els elements drsquoavaluacioacute continuada soacuten els seguumlents
mdash Participacioacute a classe 10 de la nota
mdash Lliurament de la pragravectica 1 i lliuraments parcials (en acabar el tema 3 laquoRecursos humansraquo) 10 dela nota
mdash Lliurament de la pragravectica 2 i lliuraments parcials (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Lliurament de la pragravectica 3 i lliuraments parcials (en acabar el tema 6 laquoOperacionsraquo) 20 de lanota
mdash Prova drsquoestudi continuat 1 (en acabar el tema 3 laquoRecursos humansraquo) 15 de la nota
mdash Prova drsquoestudi continuat 2 (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Prova drsquoestudi continuat 3 (en acabar el tema 6 laquoOperacionsraquo) 15 de la nota
La pragravectica 1 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb aspectes genegraverics de lrsquoempresa la seva direccioacute i la gestioacute dels seusrecursos humans Eacutes requisit indispensable lliurar aquesta pragravectica per fer la prova drsquoestudi continuat 1(PEC 1)
La pragravectica 2 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb la gestioacute econogravemica i financera Eacutes requisit indispensable lliuraraquesta pragravectica per fer la prova drsquoestudi continuat 2 (PEC 2)
La pragravectica 3 es basa en un petit treball de camp que ha de permetre respondre una segraverie de quumlestionsrelacionades amb les agraverees funcionals de comercial i magraverqueting i operacions Eacutes requisit indispensablelliurar aquesta pragravectica per fer la prova drsquoestudi continuat 3 (PEC 3)
La prova drsquoestudi continuat 1 (PEC 1) consisteix en una segraverie de preguntes curtes relacionades amb lapragravectica 1 i amb el tema 1 laquoIntroduccioacute a lrsquoempresaraquo el tema 2 laquoDireccioacuteraquo i el tema 3 laquoRecursoshumansraquo
La prova drsquoestudi continuat 2 (PEC 2) consisteix en una segraverie drsquoexercicis numegraverics i preguntes curtesrelacionades amb la pragravectica 2 i amb el tema 4 laquoFinancesraquo
La prova drsquoestudi continuat 3 (PEC 3) consisteix en una segraverie de preguntes curtes relacionades amb eltema 5 laquoComercial i magraverquetingraquo i el tema 6 laquoOperacionsraquo
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableix i que es fa puacuteblica amb lrsquoantelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute) Aquesta prova permet obtenir la qualificacioacute magravexima a lrsquoassignatura
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicasrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MAYNAR Pilar et al(coord) La economiacutea de la empresa en el espacio de educacioacuten superior MadridMcGraw-Hill 2013
FUENTES Mariacutea del Mar et al Fundamentos de direccioacuten y administracioacuten de empresas MadridPiraacutemide 2014
OCHOA Carlos Economiacutea y Organizacioacuten de Empresas San Sebastiaacuten Editorial Donostiarra 1996
Pagravegina web
Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Eurostat
Foment del Treball Nacional
PIMEC Patronal de la Petita i Mitjana Empresa de Catalunya
Barcelona Activa
El canal de televisioacuten de los emprendedores - Fundacioacuten Banesto Sociedad y Tecnologiacutea
Emprende aprendiendo - Canal de YouTube para emprendedores
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Inferegravencia Estadiacutestica
Codi de lassignatura 361221
Curs acadegravemic 2019-2020
Coordinacioacute PEDRO DELICADO USEROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de model estadiacutestic paramegravetric de mostra aleatograveria simple de mida n idrsquoestadiacutestic fonaments de bona part dels megravetodes estadiacutestics que es desenvoluparanposteriorment
Conegraveixer el concepte drsquoestimador Conegraveixer els conceptes de biaix dispersioacute risc i consistegravenciadrsquoun estimador Fita de Cramer-Rao Estimacioacute UMVU (uniformly minimum variance unbiased)
Conegraveixer els principals megravetodes drsquoestimacioacute en especial lrsquoestimacioacute de magravexima versemblanccedila
Conegraveixer el concepte drsquoestimador per intervals aixiacute com alguns megravetodes de construccioacutedrsquointervals de confianccedila
Conegraveixer el concepte de prova drsquohipogravetesi nivell de significacioacute potegravencia funcioacute depotegravencia Teorema de Neyman-Pearson Proves UMP (uniformly most powerful)
Conegraveixer la prova de la raoacute de versemblanccedila aixiacute com les seves propietats asimptogravetiquesConegraveixer la relacioacute drsquoaquesta prova amb moltes proves drsquohipogravetesi clagravessiques
Referits a habilitats destreses
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors ograveptims de lesfamiacutelies paramegravetriques meacutes bagravesiques
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors perintervals dels paragravemetres estadiacutestics meacutes corrents
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament proves UMP quan nrsquohi hagiaixiacute com desenvolupaments bagravesics de la prova de la raoacute de versemblanccedila
Blocs temagravetics
1 Model estadiacutestic
Models paramegravetrics i no paramegravetrics Dades i mostres Estadiacutestics i estimadors Visioacutepanoragravemica de la inferegravencia estadiacutestica estimacioacute puntual per intervals i proves drsquohipogravetesi
11 Dades i models
Models paramegravetrics i no paramegravetrics Dades i mostres El teorema de Glivenko-
Cantelli Estadiacutestics i estimadors El teorema de Fisher
12 Principals blocs temagravetics de la inferegravencia estadiacutestica
Estimacioacute puntual per intervals i proves drsquohipogravetesi
2 Criteris drsquoavaluacioacute drsquoestimadors
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao Resultatsper a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU Criteris asimptogravetics consistegravencianormalitat asimptogravetica eficiegravencia asimptogravetica
21 Error sistemagravetic i precisioacute drsquoun estimador
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao
Resultats per a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU
22 Criteris asimptogravetics
Consistegravencia normalitat asimptogravetica eficiegravencia asimptogravetica
3 Megravetodes de construccioacute drsquoestimadors
Megravetode dels moments Magravexima versemblanccedila Estimadors de Bayes Altres megravetodessubstitucioacute (laquoplug-inraquo) versemblances modificades (condicional laquoprofileraquo etc)
31 Megravetodes clagravessics drsquoestimacioacute
Megravetode dels moments Magravexima versemblanccedila
32 Altres megravetodes drsquoestimacioacute
Estimadors de Bayes
4 Megravetodes de construccioacute i avaluacioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics Nocions drsquointervals deconfianccedila simultanis
41 Megravetodes bagravesics de construccioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics
5 Megravetodes de construccioacute i avaluacioacute de proves drsquohipogravetesi
Hipogravetesis simples i compostes Lema de Neyman-Person Proves uniformement meacutes potentsi proves no esbiaixades i localment meacutes potents Raoacute de versemblanccedila Comportamentasimptogravetic de la prova de la raoacute de versemblanccedila Obtencioacute de proves clagravessiques a partir de laraoacute de versemblanccedila Proves de Wald i dels laquoscoresraquo
51 Conceptes bagravesics
Hipogravetesis simples i compostes Nivell de significacioacute i potegravencia
52 Proves de potegravencia magravexima i relacionades
Teorema de Neyman-Person Proves uniformement meacutes potents i proves no
esbiaixades i localment meacutes potents
53 Prova de la raoacute de versemblanccedila
Raoacute de versemblanccedila Comportament asimptogravetic de la prova de la raoacute de
versemblanccedila Obtencioacute de proves clagravessiques a partir de la raoacute de versemblanccedila
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent mdash Classes de teoria (30 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratiusmdash Classes de problemes (30 hores) amb la resolucioacute de problemes drsquouna llistamdash Treball tutelat (40 hores) amb entrevistes i treball a casa per anar seguint els aprenentatgesmdash Treball autogravenom (50 hores) drsquoestudi miacutenim imprescindible per memoritzar i entendre la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
TS tasques setmanals de correccioacute automagravetica (quumlestionaris Moodle)EP examen parcialEF examen finalNota global 06EF + 025 MagravexEFEP + 015 MagravexEFTS
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Examen final de tota la mategraveria amb un valor del 100
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CUADRAS Carlos Mordf Problemas de Probabilidades y Estadiacutestica Vol 2 Barcelona Edicions de laUniversitat de Barcelona 2016
Molt recomanable
DeGROOT M H SCHERVISH M J Probability and Statistics Boston Pearson Education 2012
PENtildeA D Fundamentos de Estadiacutestica Madrid Alianza 2008
EVANS M J ROSENTHAL J Probabilidad y Estadiacutestica Barcelona Reverte 2013
Evans MJ amp Rosenthal JS Probability and Statistics The Science of Uncertainty Second EditionFreeman 2010
Casella G amp Berger RL Statistical inference 2nd ed Pacific Grove Duxbury Pacific Groove CA USA2002 ISBN 0534243126
Text electrogravenic
Goacutemez G amp Delicado P Curso de Inferencia y Decisioacuten Autoedicioacuten 2006
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Inferegravencia Estadiacutestica
Codi de lassignatura 361205
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes setmanals de 2 hores esdesdoblen en 2 grups simultanis amb dosprofessors per resoldre problemes ipragravectiques drsquoordinador)
60
- Teoricopragravectica 40
- Pragravectiques de problemes
(2 grups de pragravectiques de problemessimultanis amb dos professors)
8
- Pragravectiques dordinadors
(2 grups de pragravectiques amb ordinadorssimultanis amb dos professors)
12
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
bull Conegraveixer els tipus de mostreig bagravesics i les distribucions en el mostreig en les situacions meacuteshabitualsbull Conegraveixer les propietats desitjables dels estimadors i saber verificar si un estimador lescompleixbull Conegraveixer la metodologia general de les proves drsquohipogravetesi Calcular els errors de tipus I i II drsquounaprovabull Conegraveixer la relacioacute entre els resultats de les proves drsquohipogravetesi i dels intervals de confianccedilabull Saber fer servir les proves drsquohipogravetesi i els intervals de confianccedila com a eines per a la presa dedecisionsbull Saber traduir les preguntes que apareixen en contextos aplicats a la formulacioacute adequada entermes paramegravetrics
Referits a habilitats destreses
bull Calcular intervals de confianccedila en les situacions meacutes habitualsbull Calcular la mida mostral necessagraveria per garantir un nivell de confianccedila i una precisioacute donadesbull Calcular i interpretar les proves sobre mitjanes i variagravencies suposant normalitat sobrepercentatges en una binomial sobre paragravemetres drsquouna distribucioacute Poissonbull Calcular la mida mostral necessagraveria per garantir la potegravencia drsquouna prova drsquohipogravetesibull Utilitzar megravetodes no paramegravetrics
Blocs temagravetics
1 Inferegravencia estadiacutestica introduccioacute i conceptes bagravesics
11 Introduccioacute objectius i programa de lrsquoassignatura
12 Estudi drsquoun cas real
13 Context i objectius de la inferegravencia estadiacutestica
14 Poblacioacute i mostra Mostreig aleatori simple
15 Estadiacutestics i distribucioacute en el mostreig
16 Distribucions en el mostreig de la proporcioacute la mitjana i la variagravencia mostrals
2 Estimacioacute puntual
21 El problema de lrsquoestimacioacute puntual Paragravemetre i estimador
22 Lrsquoestimador usual drsquouna proporcioacute
23 Els estimadors usuals de lrsquoesperanccedila i de la variagravencia poblacionals Cas llei normal
24 El megravetode dels moments
25 Propietats dels estimadors
26 Calcular estimadors amb R
3 Estimacioacute per intervals
31 Concepte drsquointerval de confianccedila
32 Interval de confianccedila per a una proporcioacute
33 Intervals de confianccedila per a la mitjana Cas normal i cas general
34 Interval de confianccedila per a la variagravencia Cas normal
35 Interval per a la diferegravencia de mitjanes (dades aparellades o mostres independents)
Cas normal i cas general
36 Intervals calculats amb R
4 Proves drsquohipogravetesi per a una poblacioacute Conceptes fonamentals
41 Plantejament del problema drsquouna prova drsquohipogravetesi Tipus drsquohipogravetesis Errors de tipus I
i II
42 Metodologia general drsquouna prova lrsquoestadiacutestic de la prova com a mesura de
discrepagravencia entre les dades i la hipogravetesi nulmiddotla Aquests conceptes es plantegen en
termes de la prova per a una proporcioacute
43 Nivell de significacioacute i regioacute criacutetica El valor p La funcioacute de potegravencia
44 Prova per a la mitjana poblacional La prova Z i la prova t de Student
45 Determinacioacute de la grandagraveria mostral per garantir un nivell de confianccedila i una
precisioacute donades
46 Prova per a la variagravencia drsquouna llei normal
47 Fent proves drsquohipogravetesi amb R
5 Comparacioacute de dues poblacions
51 Comparacioacute de les mitjanes de dues poblacions a partir de dades aparellades
52 Comparacioacute de les mitjanes de dues poblacions independents
53 Comparacioacute de les proporcions de dues poblacions independents
54 Comparacioacute de les variagravencies de dues poblacions normals independents La prova F
55 Interval de confianccedila per a la diferegravencia de mitjanes (dades aparellades o mostres
independents)
56 Interval de confianccedila pel quocient de variagravencies
57 Relacioacute entre la regioacute drsquoacceptacioacute drsquouna prova drsquohipogravetesi i lrsquointerval de confianccedila
58 Comparant mostres de dues poblacions amb R
6 Proves no paramegravetriques basades en la llei de khi al quadrat
61 La prova de khi al quadrat de Pearson per lrsquoajust de la mostra a una distribucioacute
62 Proves de normalitat
63 La prova de khi al quadrat drsquoindependegravencia per a dades categograveriques
64 La prova de khi al quadrat drsquohomogeneiumltat per a dades categograveriques
7 Proves no paramegravetriques basades en rangs
71 Comparacioacute de dues mostres aparellades la prova dels signes i la prova de Wilcoxon
dels rangs signats
72 Comparacioacute de dues mostres independents prova de Mann-Whitney-Wilcoxon
Metodologia i activitats formatives
El pla docent es desglossa en tres tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara la resolucioacute de problemes i lrsquoestudi de casos pragravectics Lescategories desglossades soacuten 1 Classes en quegrave srsquoexposen els principals conceptes teograverics srsquoilmiddotlustren amb exercicis i es resolenproblemes
2 Classes de resolucioacute de problemes Classes especiacutefiques per treballar i resoldre problemes i queserveixen per aprofundir els conceptes teograverics
3 Classes de laboratori en quegrave srsquousa el programari R i que serveixen per treballar els conceptes teogravericsper analitzar conjunts de dades i per resoldre problemes
4 Activitats no presencials dirigides Lrsquoestudiant ha de fer servir lrsquoe-status per resoldre exercicis i casosEn grup ha de dur a terme un treball de camp (en total 47 hores drsquoactivitats dirigides no presencials)
Les classes de resolucioacute de problemes i de laboratori es fan amb el grup desdoblat en dos subgrups i dosprofessors diferents El professorat assigna els estudiants als grups
En el Campus Virtual es deixen altres eines complementagraveries com aramdash Llistes de problemes solucionats amb laquoclauraquo pedagogravegica per complementar els laboratorismdash Viacutedeos que expliquen com es resol un problema per complementar els laboratorismdash Articles amb casos reals en quegrave lrsquoestadiacutestica teacute un paper importantmdash Enllaccedilos a pagravegines web amb continguts drsquoestadiacutestica io amb dades
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
El procediment drsquoavaluacioacute consisteix en
1 La realitzacioacute durant el periacuteode lectiu drsquouna prova parcial [PP] que val el 15 de la qualificacioacutetotal composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 50 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
3 El lliurament de 4 exercicis amb lrsquoajut de lrsquoe-status [ES] (activitat no presencial associada als tipus 2 i4 de lrsquoapartat laquoMetodologiaraquo) Es puntuen per separat i a la mitjana aritmegravetica de les puntuacions licorrespon el 75 de la nota total Els lliuraments srsquohan de fer gradualment al llarg de tot el periacuteodeque duri el curs i srsquoanuncien en el Campus Virtual
4 La resposta de quumlestionaris a Kahoot plantejats durant algunes sessions de teoria [K] (activitatpresencial associada al tipus 1 i al tipus 2 de lrsquoapartat laquoMetodologiaraquo) La qualificacioacute drsquoaquest apartateacutes la mitjana aritmegravetica de les 5 millors qualificacions (entre 6) dels diferents quumlestionaris a Kahootplantejats durant el curs que srsquoanuncien en el Campus Virtual
5 El lliurament de resultats i conclusions drsquoun treball de camp [TC] que val el 20 de la qualificacioacutetotal (activitat no presencial) El treball es divideix en tres parts laquoQuumlestionariraquo (pes del 3 )laquoPresentacioacute de dadesraquo (pes del 5 ) i laquoAnagravelisi i conclusionsraquo (pes del 12 ) Les tres parts espuntuen per separat Es fan tres lliuraments el primer a lrsquoinici de marccedil el segon a lrsquoinici drsquoabril i eldarrer a final de maig Srsquoinforma lrsquoalumnat dels resultats Aquest treball requereix que lrsquoestudiantordeni representi resumeixi i tregui conclusions del conjunt de dades que ha recollit
Cagravelcul de la qualificacioacute total
[QT] = 015[PP] + 05[PS] + 0075[ES] +0075 [K]+ 020[TC] si PSgt 35
[QT] = [PS] si PS lt35
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova final i uacutenica que suposa el 100 de la qualificacioacute final es duu a terme en la data fixada pelConsell Docent i consta de les dues parts seguumlents
1 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 75 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)
mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquoun exercici global drsquoanagravelisi de dades amb R fet a lrsquoaulainformagravetica [PR] que val el 25 de la qualificacioacute total
Cagravelcul de la qualificacioacute total
[QT] = 075[PS] + 025 [PR] si PSgt 35
[QT] = [PS] si PS lt35
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2008
PENtildeA Daniel et al Introduccioacuten a la estadiacutestica para las ciencias sociales Madrid McGraw-HillInteramericana de Espantildea 1997
EVANS Michael et al Probabilidad y estadiacutestica Barcelona Reverte 2005
DeGROOT Morris H et al Probability and statistics Boston Pearson Education 2012
QUINTELA Alejandro Problemas estimulantes de Probabilidad y Estadiacutestica Lulucom 2013
MARTIacuteN-PLIEGO Francisco Javier Problemas de inferencia estadiacutestica Madrid Editorial AC 2005
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol 2 Inferencia estadiacutesticaBarcelona EUB 2000
UGARTE Mariacutea Dolores Probability and Statistics with R Boca Raton (Fla) [etc] Chapman amp Hall CRC2008
Pagravegina web
ARRIAZA A J et al Estadiacutestica Baacutesica con R y R-Commander Caacutediz Universidad de Caacutediz Servicio dePublicaciones 2008
Versioacute en liacutenia httpknuthucaesmoodlecourseviewphpid=51
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Informagravetica
Codi de lassignatura 361180
Curs acadegravemic 2019-2020
Coordinacioacute JAUME BAIXERIES JUVILLA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
La participacioacute a classe especialment a les sessions de problemes i la presentacioacute dels problemesproposats soacuten drsquoespecial interegraves per aprovar lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica i
la gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Assolir els coneixements bagravesics sobre els computadors i sobre la informagravetica per podervalorar-ne els avantatges i les limitacionsmdash Entendre lrsquoarquitectura clagravessica drsquoun computador el seu funcionament i els paragravemetres del seurendimentmdash Entendre les nocions elementals i els principis bagravesics de lrsquoalgoriacutesmicamdash Identificar les estructures algoriacutesmiques bagravesiques i els tipus de dades simplesmdash Conegraveixer i identificar els algorismes sequumlencials de recorregut i de cercamdash Conegraveixer els principis de la programacioacute procedimental i del disseny descendent drsquoalgorismes(tegravecnica top-down)mdash Reconegraveixer les accions i funcions com a elements funcionals bagravesics del disseny algoriacutesmicmdash Entendre i identificar els tipus estructurats de dades com ara els vectors les taules lescadenes i les tuplesmdash Identificar els algorismes bagravesics associats a alguns tipus estructurats de dades algorismes decerca i algorismes drsquoordenacioacutemdash Identificar els conceptes fonamentals i una bona part de lrsquoestructura sintagravectica i semagraventica drsquounllenguatge de programacioacute com ara R
Referits a habilitats destreses
mdash Usar un computador de manera eficient aixiacute com saber mourersquos cogravemodament per Internetmdash Utilitzar les estructures algoriacutesmiques bagravesiques i els tipus de dades simples per dissenyaralgorismes senzillsmdash Aplicar quan srsquoescaigui els algorismes sequumlencials de recorregut i de cerca per dissenyaralgorismesmdash Aplicar els principis del disseny descendent drsquoalgorismes (tegravecnica top-down)mdash Utilitzar les nocions drsquoaccions i funcions com a elements funcionals bagravesics del dissenyalgoriacutesmicmdash Analitzar i utilitzar quan srsquoescaigui els tipus estructurats de dades com ara els vectors lestaules les cadenes i les tuplesmdash Utilitzar quan srsquoescaigui els algorismes bagravesics associats a alguns tipus estructurats de dadesalgorismes de cerca i algorismes drsquoordenacioacutemdash Traduir els dissenys algoriacutesmics a un llenguatge de programacioacute com ara R
Blocs temagravetics
1 Introduccioacute a lrsquoalgoriacutesmica
11 Nocions elementals objectes entorn estats accions algorismes assercions i
programes
12 Estructures algoriacutesmiques bagravesiques
13 Tipus de dades simples
14 Instruccions drsquoentrada i sortida
2 Algorismes sequumlencials i anagravelisi descendent
21 Algorismes sequumlencials de cerca
22 Algorismes sequumlencials de recorregut
23 Anagravelisi descendent subproblemes procediments i funcions paragravemetres tipus de
paragravemetres
3 Constructors de tipus i algorismes
31 Algorismes bagravesics de cerca i recorregut en vectors
Metodologia i activitats formatives
El megravetode docent es basa en activitats presencials activitats de treball dirigit i activitats drsquoaprenentatgeautogravenom
Activitats presencials
Activitats teoricopragravectiques activitats que es duen a terme a les aules docents en quegrave lrsquoobjectiu eacutespresentar les eines i tegravecniques incloses com a continguts de lrsquoassignatura i alhora resoldre i analitzarels problemes relacionats amb la teoria presentada de forma intercalada
Activitats de laboratori activitats que es fan a les aules drsquoinformagravetica de la Facultat en quegrave lrsquoobjectiu eacuteslrsquoaprenentatge pragravectic de la programacioacute aixiacute com lrsquoaplicacioacute pragravectica del que srsquoha vist a les activitatsteoricopragravectiques en els ordinadors
Activitats de treball dirigit
Treball pragravectic (PRAC) activitat semipresencial en equip que consisteix en el disseny i la implementacioacutedrsquoun programa informagravetic El seu propogravesit eacutes lrsquoaplicacioacute pragravectica dels coneixements i les tegravecniques vistesa classe de laboratori aixiacute com fomentar el treball en equip per tal drsquoaconseguir el grau previstdrsquoaprenentatge de la mategraveria
Activitats complementagraveries (ACT) activitats tant en grup com individuals per fomentar lrsquoaprenentatgeactiu dels fonaments de la informagravetica i del disseny algoriacutesmic
Activitats drsquoaprenentatge autogravenom
Corresponen a les activitats seguumlents
mdash Estudi dels temes teograverics despreacutes de la seva exposicioacute a classemdash Resolucioacute de problemesmdash Preparacioacute i realitzacioacute de les proves escrites
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
1 Dues proves escrites que consisteixen en la resolucioacute per escrit drsquoun conjunt drsquoexercicis oproblemes
a) Un examen de seguiment del curs que no elimina temari es duu a terme a la meitat del curs(PARCIAL)
b) Un examen final (FINAL)
2 Una pragravectica (PRAgraveCTICA)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
El cagravelcul de la nota es fa segons el procediment seguumlent
(a) Si la nota de lrsquoexamen final (FINAL) eacutes meacutes gran o igual a 4
NOTAFINAL = 03 PRAgraveCTICA + MAgraveX (05 FINAL + 02 PARCIAL 07 FINAL)
(b) Si la nota de lrsquoexamen final (FINAL) eacutes estrictament menor a 4
FINAL
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen que avalua els coneixements de tota lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BAIXERIES Jaume (coord) et al Introduccioacute a la Informagravetica Exercicis Barcelona Edicions de laUniversitat de Barcelona 2016
BOTELLA Pere (coord) Fonaments de Programacioacute Colmiddotleccioacute Manuals Nuacutem 39 Barcelona EDIUOC2001
MATLOFF Norman S The Art of R programming a tour of statistical software design San Francisco NoStarch Press 2011
Pagravegina web
Espai virtual de lrsquoassignatura en el Campus Virtual de la UB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Investigacioacute Operativa
Codi de lassignatura 361225
Curs acadegravemic 2019-2020
Coordinacioacute Luis Ortiz Gracia
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 52
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Afavorir la capacitacioacute per detectar formular i resoldre mitjanccedilant models drsquoinvestigacioacute operativaproblemes de presa de decisions
Introduir lrsquouacutes de determinades estructures bagravesiques de modelitzacioacute i especiacuteficament aquellesque soacuten objecte de desenvolupament en altres assignatures de la mategraveria impartides en el grau
Referits a habilitats destreses
Mostrar els elements genegraverics en el necessari proceacutes drsquoabstraccioacute
Interpretar de forma agravemplia i rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignatura
Referits a actituds valors i normes
Comprendre els avantatges i els inconvenients de la modelitzacioacute com a pas previ en el proceacutesde resolucioacute de problemes reals
Evidenciar la utilitat potencial i les limitacions de lrsquoinstrumental matemagravetic en la resolucioacute deproblemes sistematitzats
Blocs temagravetics
1 El proceacutes de modelitzacioacute
Introduccioacute a la identificacioacute dels elements que componen el sistema drsquoestudi i la sevarepresentacioacute formal en termes matemagravetics
11 Definicioacute drsquoinvestigacioacute operativa i primers exemples
12 Formalitzacioacute matemagravetica del model de programacioacute lineal
13 Solucioacute gragravefica del model de programacioacute lineal
14 Fonaments geomegravetrics de la programacioacute lineal
2 Resolucioacute dels models lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute per donar resposta alsproblemes plantejats sobre el sistema drsquoestudi A fi de concentrar lrsquoatencioacute en els aspectesmeacutes conceptuals la discussioacute es limita al cas lineal
21 Megravetode del siacutemplex
22 Anagravelisi de sensibilitat
23 Solucioacute del model amb Excel
3 Formulacioacute i resolucioacute dels models no lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute en el cas dels models nolineals
31 Introduccioacute a la programacioacute no lineal
32 Algoritmes drsquooptimitzacioacute no lineal en una variable
33 Exemples drsquoaplicacioacute en finances
34 Solucioacute del model amb Excel
Metodologia i activitats formatives
Despreacutes de definir el contingut de la mategraveria i presentar-ne els oriacutegens mitjanccedilant diferents exempleses discuteixen els passos en el proceacutes de modelitzacioacute i es posen de manifest els avantatges de laformalitzacioacute matemagravetica en lrsquoestudi de problemes reals Els principis genegraverics srsquoubiquen en el marc de laprogramacioacute lineal i no lineal i la presa de decisions en situacions deterministes Ategraves que lesexplicacions intenten evidenciar la logravegica que hi ha darrere dels diferents plantejaments la metodologiaaplicada a les classes intenta propiciar la participacioacute de lrsquoalumnat a lrsquohora de jutjar la validesa delsmodels proposats en cada cas
Srsquoimparteixen sessions a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha de posar en pragravectica la resolucioacute deproblemes drsquooptimitzacioacute amb el programari recomanat
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Es fan tres proves escrites al llarg del curs La primera correspon al bloc 1 i teacute un pes drsquoun 30 lasegona correspon al bloc 2 i teacute un pes drsquoun 40 i la tercera correspon al bloc 3 i teacute un pes drsquoun 30 La nota drsquoavaluacioacute continuada eacutes la mitjana de les tres notes
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota Lrsquoestudiant que vulgui renunciar alrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableix i quees fa puacuteblica amb lrsquoantelacioacute suficient
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicaSrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
RAGSDALE Cliff T Spreadsheet Modeling amp Decision Analysis 6th ed Mason Ohio South-WesternCengage Learning 2008
HILLIER Frederick S et al Investigacioacuten de operaciones Meacutexico DF McGraw-Hill 2002
TAHA Hamdy A Investigacioacuten de operaciones Meacutexico Pearson Educacioacuten 2004
BARTHOLOMEW-BIGGS M Nonlinear optimization with financial applications Kluwer academic publishers2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Probabilitat
Codi de lassignatura 361201
Curs acadegravemic 2019-2020
Coordinacioacute Marta Cubedo Cullere
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de probabilitat probabilitat condicionada i independegravencia estocagravestica
Conegraveixer els models bagravesics univariants i les seves propietats Identificar si srsquoadequumlen a undeterminat context aplicat
Conegraveixer el concepte de distribucioacute bivariant
Conegraveixer i saber interpretar intuiumltivament les lleis dels grans nombres i el teorema central delliacutemit
Referits a habilitats destreses
Calcular probabilitats a partir de lrsquoespecificacioacute del model proporcionada per la funcioacute de densitato la de distribucioacute de variables discretes i contiacutenues
Calcular moments de variables discretes i contiacutenues
Blocs temagravetics
1 Introduccioacute
11 Perspectiva histograverica
12 Algunes paradoxes clagravessiques de la probabilitat i lrsquoestadiacutestica
13 Introduccioacute als espais de probabilitat
14 Cagravelcul combinatori
2 Probabilitat condicionada i independegravencia estocagravestica
21 Probabilitat condicionada
22 Foacutermula de les probabilitats compostes
23 Independegravencia estocagravestica
24 Foacutermula de les probabilitats totals i foacutermula de Bayes
3 Variables aleatograveries i funcions de distribucioacute
31 Variables aleatograveries discretes
32 Variables aleatograveries contiacutenues
33 Funcions de probabilitat i de densitat
34 Funcions de distribucioacute
35 Introduccioacute al canvi de variable
4 Esperanccedila matemagravetica i variagravencia
41 Esperanccedila matemagravetica Propietats
42 Variagravencia Propietats
43 Moments drsquouna variable aleatograveria
5 Models de probabilitat univariants meacutes frequumlents
51 Models discrets univariants bagravesics
52 Models continus univariants bagravesics
6 La distribucioacute normal univariant
61 Definicioacute i propietats La llei normal tipificada o estagravendard
62 Cagravelcul de probabilitats i percentils amb la llei normal
63 Introduccioacute a les lleis dels grans nombres i al teorema central del liacutemit
64 Aproximacioacute de les lleis binomial i Poisson per la llei normal
7 Vectors aleatoris bivariants
71 Concepte general funcioacute de distribucioacute conjunta
72 Cas discret funcioacute de probabilitat conjunta funcions de probabilitat marginals i
condicionades Independegravencia estocagravestica
73 Cas absolutament continu densitat conjunta densitats marginals i condicionades
Independegravencia estocagravestica
Metodologia i activitats formatives
El pla docent es desglossa en dos tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara el lliurament de problemes o lrsquoestudi de casos pragravectics deseguiment automatitzat Les categories desglossades soacuten
1 Classes magistrals combinades dins la mateixa sessioacute amb la resolucioacute de problemes pregraveviamentplantejats Es programa durant 15 setmanes del semestre una sessioacute setmanal de 2 hores (30 horespresencials en total)
2 Intensificacioacute de resolucioacute de problemes Es programa durant 15 setmanes del semestre una sessioacutesetmanal de 2 hores Cal dividir el grup en dos subgrups (30 hores presencials en total)
3 Activitats no presencials dirigides Amb el suport drsquoeines informagravetiques amb correccioacute automatitzadaquumlestionaris Moodle que es duen a terme des del Campus Virtual es fa un seguiment del treballautogravenom de lrsquoestudiant (40 hores drsquoactivitats dirigides no presencials en total)
Avaluacioacute acreditativa dels aprenentatges
El procediment drsquoavaluacioacute continuada consisteix en
mdash La realitzacioacute durant el periacuteode drsquoexagravemens i en la data marcada pel Consell Docent drsquouna prova desiacutentesi que compta un 60 de la qualificacioacute final i consta drsquouna segraverie de problemes de caragravecter aplicati drsquoalguna pregunta de caire conceptual Cal treure una nota miacutenima de 45 sobre 10 en aquesta provade siacutentesi perquegrave es pugui ponderar en el cagravelcul de la qualificacioacute final de lrsquoavaluacioacute continuada
mdash La realitzacioacute drsquouna prova parcial (no eliminatograveria de mategraveria) cap a la meitat del semestre i quecompta un 30 de la qualificacioacute final La data concreta drsquoaquesta prova parcial es publica en elCampus Virtual durant les primeres setmanes del curs
mdash El lliurament de problemes proposats en els quumlestionaris Moodle que es fan al llarg del curs i usantel Campus Virtual tambeacute es puntuen separadament i la mitjana de les puntuacions compta el 10 dela qualificacioacute final Les dates de lliurament drsquoaquests quumlestionaris es publiquen en el CampusVirtual durant el curs
Avaluacioacute uacutenica
Lrsquoalumnat que renunciiuml a lrsquoavaluacioacute continuada ho ha de fer per escrit Srsquoavalua amb una prova uacutenicaen la mateixa data de la prova de siacutentesi de lrsquoavaluacioacute continuada
Lrsquoavaluacioacute uacutenica consisteix en una prova objectiva en la qual es reflecteix el coneixement delrsquoassignatura que compregraven la totalitat del temari i que compta el 100 de la qualificacioacute final
Reavaluacioacute
La prova de reavaluacioacute que es duu a terme en la data marcada pel Consell Docent eacutes la mateixa tantper a qui hagi fet lrsquoavaluacioacute continuada com per a qui hagi fet lrsquoavaluacioacute uacutenica La reavaluacioacuteconsisteix en una prova global de tota lrsquoassignatura i la qualificacioacute final es correspon al 100 de laqualificacioacute obtinguda en aquesta prova de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MARTIN-PLIEGO Francisco Javier et al Problemas de Probabilidad Madrid Paraninfo 2006
MARTIN-PLIEGO Francisco Javier Estadiacutestica I Probabilidad Madrid Paraninfo 2004
ALEA M Victograveria et al Estadiacutestica aplicada a les ciegravencies econogravemiques i socials Barcelona [etc]Universitat de Barcelona McGraw Hill 1999
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2001
PENtildeA Daniel Estadiacutestica Modelos y meacutetodos 1 Fundamentos Madrid Alianza 1991
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol1 y Vol2 Barcelona Edicions dela Universitat de Barcelona 2000
DeGROOT Morris H et al Probability and Statistics 4th ed Boston Pearson Education 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute al Cagravelcul
Codi de lassignatura 361174
Curs acadegravemic 2019-2020
Coordinacioacute JOSE ANTONIO LUBARY MARTIacuteNEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Manipular les desigualtats
Conegraveixer les funcions elementals i les seves propietats
Identificar dominis i recorreguts de funcions definides a partir de les funcions elementals
Conegraveixer i aplicar criteris per calcular liacutemits
Calcular derivades i determinar rectes tangents a gragravefiques de funcions
Trobar els polinomis de Taylor de funcions drsquouna variable
Trobar extrems locals de funcions drsquouna variable
Aproximar funcions elementals per polinomis de Taylor
Conegraveixer les tegravecniques bagravesiques drsquointegracioacute i calcular agraverees planes
Utilitzar criteris de convergegravencia drsquointegrals improgravepies
Verificar la convergegravencia de successions i segraveries
Blocs temagravetics
1 Els nombres reals
Propietats bagravesiques dels nombres reals Valor absolut Intervals
2 Funcions Liacutemits i continuiumltat
Conceptes generals Liacutemits de funcions Cagravelcul de liacutemits Continuiumltat Estudi de les funcionselementals Continuiumltat en intervals teoremes de Weierstrass i de Bolzano Resolucioacuteaproximada drsquoequacions megravetode de la biseccioacute
3 Derivacioacute Polinomis de Taylor
Concepte de derivada Sentit geomegravetric de la derivada Cagravelcul de derivades Derivabilitat enintervals teorema del valor mitjagrave Regla de LrsquoHocircpital Polinomi de Taylor Aproximacioacutepolinogravemica Foacutermula de Taylor i residu de Lagrange Aplicacioacute a lrsquoestudi local de funcionsRepresentacioacute gragravefica de funcions Extrems absoluts en intervals tancats
4 Integracioacute
El problema de lrsquoagraverea Integral de Riemann Propietats de la integral El teoremafonamental del cagravelcul Cagravelcul de primitives Integracioacute aproximada Integrals improgravepies
5 Successions i segraveries
Convergegravencia de successions Teorema de la convergegravencia monogravetona Cagravelcul de liacutemitsConvergegravencia de segraveries Criteris per a segraveries de termes positius Segraveries alternades Sumacioacutede segraveries Sumacioacute aproximada
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe) 1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute de lrsquoassignatura es basa en dos tipus drsquoactivitatsmdash Dues proves de seguiment del curs Valor 20 de la nota final cadascuna La primera a lacinquena setmana de classe la segona a la desena setmanamdash Una prova final Valor 60 de la nota final
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per unaprova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BARTLE Robert Gardner et al Introduccioacuten al anaacutelisis matemaacutetico de una variable Meacutexico Limusa 1996
BURGOS Juan Caacutelculo infinitesimal de una variable Madrid Mc Graw Hill 2007
BRADLEY Gerald L Caacutelculo Vol 1 Caacutelculo de una variable Madrid Prentice Hall Iberia1998
DEMIDOVICH B et al Problemas y ejercicios de anaacutelisis matemaacutetico Madrid Paraninfo 1993
LUBARY Joseacute Antonio et al Caacutelculo para Ingenieriacutea Informaacutetica Barcelona Edicions UPC 2008
TOMEO Venancio et al Problemas resueltos de caacutelculo en una variable Madrid Thomson 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Bayesians
Codi de lassignatura 361222
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER PUIG ORIOL
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Tenir nocions bagravesiques de probabilitat inferegravencia i de R
Altres recomanacions
Tenir inquietuds per aprendre a traveacutes de la informacioacute que ens donen les dades
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu principal drsquoaquesta assignatura eacutes que lrsquoestudiant acabi amb un bon coneixement idomini de la modelitzacioacute bayesiana tant pel que respecta a coneixement teograveric com pragravecticAquest coneixement li ha de permetre davant drsquoun objectiu o pregunta drsquouna banda interveniren el disseny de lrsquoexperiment o experiments necessaris per tal drsquoobtenir les dades objectedrsquoestudi i de lrsquoaltra analitzar-les satisfactograveriament i treurersquon conclusions per aconseguir lrsquoobjectiuo respondre la pregunta
I com a objectius especiacutefics
mdash Conegraveixer el paper de la distribucioacute a priori el paper de les distribucions a priori de referegravencia icom passar de la distribucioacute a priori a la distribucioacute a posteriori
mdash Resoldre problemes drsquoinferegravencia bayesiana de forma analiacutetica quan srsquoutilitzen models de lafamiacutelia exponencial i distribucions a priori conjugades
mdash Utilitzar els megravetodes de Montecarlo mitjanccedilant programari especiacutefic que permeten simular ladistribucioacute a posteriori i com fer inferegravencia utilitzant aquestes simulacions
mdash Conegraveixer la diferegravencia entre model bayesiagrave jeragraverquic i no jeragraverquic
mdash Conegraveixer com validar i comparar models bayesians i com fer prediccions
Blocs temagravetics
1 Model bayesiagrave
11 Model estadiacutestic
12 Els quatre problemes de lrsquoestadiacutestica
13 La versemblanccedila
14 Model bayesiagrave
15 Distribucioacute a posteriori
16 Distribucioacute predictiva a priori i a posteriori
17 Eleccioacute de la distribucioacute a priori
2 Inferegravencia bayesiana
21 Distribucioacute a posteriori com a estimador
22 Estimacioacute puntual
23 Estimacioacute per interval
24 Proves de dues hipogravetesis
25 Generalitzacioacute de les proves drsquohipogravetesi
3 Computacioacute bayesiana
31 Necessitat drsquointegrar
32 Simulacioacute de Montecarlo basada en cadenes de Markov (MCMC)
33 Convergegravencia de les cadenes
4 Models jeragraverquics5 Validacioacute i construccioacute de models
Metodologia i activitats formatives
Pretenem centrar els objectius drsquoaprenentatge en lrsquoestudiant i adequar la docegravencia a lrsquoassolimentdrsquoaquests objectius Per aixograve volem que les classes presencials siguin valuoses per aprendre i que lestasques que cal fer fora de lrsquoaula estiguin ben pensades i definides
Hi ha dos tipus de sessions presencials classes de teoria i classes de pragravectiques les quals com amiacutenim soacuten la meitat de les sessions
A les classes de teoria (2 hores setmanals) srsquoexposen els conceptes teograverics i en general soacuten classesexpositives en quegrave srsquointercala sovint la realitzacioacute drsquoexercicis o o de discussions entre els estudiants Enaquestes classes tambeacute es treballa lrsquoaprenentatge a traveacutes de casos pragravectics mitjanccedilant tegravecniquesdrsquoaprenentatge cooperatiu
A les classes de pragravectiques es resolen casos pragravectics amb lrsquoajuda del programari estadiacutestic R WinBugsJAGS o STAN (a lrsquoaula drsquoinformagravetica) Les classes de pragravectiques es desdoblen en dos grups i eacutes elprofessorat qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura teacute una doble finalitat drsquouna banda verificar el grau en quegrave cada estudiantha assolit els objectius qualificant-lo amb una nota drsquoaltra banda donar realimentacioacute als estudiants alllarg del curs de com treballen per tal de poder redreccedilar a temps situacions no adequades
La nota de lrsquoassignatura es calcula de la manera seguumlent
Nota = 030Npract + 02NExParc + 005NExPrac + 05NExFinal
en quegrave Npract eacutes la nota dels treballs lliurats a les classes pragravectiques juntament amb altres activitatsdrsquoavaluacioacute continuada NExParc eacutes la nota de lrsquoexamen parcial (que es fa a meitat de curs) i NExFinaleacutes la nota de lrsquoexamen final
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar a ser avaluats amb una prova final i uacutenica La nota es calculade la manera seguumlent
Nota = NExFinal
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOLSTAD William M Introduction to Bayesian Statistics 2nd ed Hoboken NJ John Wiley 2007
GELMAN Andrew Bayesian data analysis 3rd ed London Chapman amp Hall 2014
CONGDON Peter Applied Bayesian Modelling Wiley 2014
KRUSCHKE John K Doing Bayesian Data Analysis A Tutorial with R JAGS and Stan AmsterdamAcademic Press 2015
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes de Mostratge
Codi de lassignatura 361209
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Ramirez Mitjans
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 225
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 15
Treball tutelatdirigit 60
Aprenentatge autogravenom 30
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Diferenciar clarament poblacions finites i infinites
Conegraveixer els megravetodes usuals drsquoextraccioacute drsquouna mostra
Saber escollir lrsquoestimador pertinent en funcioacute del megravetode drsquoextraccioacute
Entendre la fitxa tegravecnica drsquouna enquesta
Saber programar en R lrsquoextraccioacute drsquouna mostra
Saber programar en R lrsquoestimacioacute de les funcions de la mostra com a mitjana total i proporcioacute
Saber calcular la mida de la mostra
Referits a habilitats destreses
Aprendre a treballar en grup
Aprendre que en lrsquoaplicacioacute dels megravetodes de mostreig srsquoha de tenir un alt grau de pragmatisme
Aprendre que hi ha sempre una distagravencia entre la realitat (marcs mostrals imperfecteslimitacions de cost errors no mesurables etc) i la teoria
Aprendre que aquesta distagravencia entre realitat i teoria exigeix un gran rigor
Blocs temagravetics
1 Introduccioacute Etapes drsquouna enquesta Teoria de mostreig = disseny de mostra + estimacioacute2 Teoremes liacutemit com a fonament del mostreig3 Estadiacutestics i estimadors Propietats dels estimadors Error en lrsquoestimacioacute Error mostral
Mesura de lrsquoerror mostral4 Records drsquoestimacioacute de la mitjana en una poblacioacute infinita Comparacioacute de les propietats
drsquoestimadors competitius (per exemple mitjana mostral i mitjana truncada) Mostreig enpoblacioacute finita Mostreig basat en el disseny Especificitat de mostreig en poblacioacute finitanecessitat de marc mostral identificacioacute de les unitats informacioacute auxiliar no-respostes
5 Extraccioacute aleatograveria simple Amb reposicioacute i sense Disseny de la mostra La mitjana mostralcom a estimador Propietats de mitjana mostral en cas de reposicioacute i de no-reposicioacute El casparticular de lrsquoestimacioacute drsquouna proporcioacute Algorismes per lrsquoextraccioacute simple La sevaimplementacioacute en el programa Sampling
6 Extraccioacute estratificada Informacioacute auxiliar i extraccioacute estratificada Poblacioacute i estratsRepartiment de la mostra proporcional i ograveptim Funcions del Sampling per al disseny
estratificat7 Introduccioacute a lrsquoextraccioacute amb probabilitats desiguals Informacioacute auxiliar i extraccioacute amb
probabilitats desiguals Mostreig sistemagravetic amb probabilitats desiguals Breu presentacioacute delsalgorismes per escissioacute Funcions del Sampling per al disseny amb probabilitats desiguals
8 Extraccioacute en conglomerats Nocioacute drsquoextraccioacute bietapa Funcions del Sampling per alrsquoextraccioacute en conglomerats
9 Nocions bagravesiques de recomposicioacute de no-respostes10 Megravetodes no probabiliacutestics drsquoextraccioacute de la mostra
Metodologia i activitats formatives
Lrsquoensenyament drsquoaquesta assignatura teacute a la vegada un fort component teograveric i un fort componentaplicat Es dona molta importagravencia a un extens coneixement del programari Sampling paquet de R
Es presenten els conceptes formalment i srsquoutilitzen les pragravectiques per posar en relleu les propietats delsdiferents megravetodes drsquoextraccioacute de la mostra De fet primer es fa una aproximacioacute empiacuterica a lespropietats i despreacutes srsquoenuncien A meacutes a meacutes la resolucioacute de problemes a classe eacutes fonamental peraprofundir i consolidar els coneixements
Meacutes concretament les classes es divideixen en
mdash Sessions de teoria drsquoacord amb la temporalitzacioacute lliurada a comenccedilament del curs Es fa unapresentacioacute senzilla dels conceptes teograverics i srsquoinsisteix en les nocions que hi ha darrere les foacutermules Esfan poques demostracions perograve srsquoinsisteix en les nocions presents en les foacutermules Es demana unaparticipacioacute activa als estudiants
mdash Sessions de problemes Srsquoutilitzen per fixar els conceptes teograverics presentats a la classe de teoriaAquestes sessions tambeacute permeten consolidar els conceptes drsquoestimacioacute presentats a les classes deteoria
mdash Sessions de laboratori Soacuten molt importants Srsquoutilitzen per tenir una aproximacioacute empiacuterica alsconceptes teograverics que srsquoestudien a la classe de teoria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Tres exagravemens parcials amb preguntes de teoria i problemes La part pragravectica srsquoavalua lliurant lespragravectiques fetes a classe segons les entregues
El primer parcial es fa en acabar el disseny estratificat El segon parcial es fa en acabar el dissenymultietapa I el tercer parcial es fa lrsquouacuteltima setmana de curs
Per tenir nota drsquoavaluacioacute continuada cal presentar-se a tots els parcials i haver lliurat totes lespragravectiques fetes a classe i els scripts utilitzats
Es poden proposar activitats a classe que substitueixin part de la nota o completin la nota dels exagravemensparcials
Avaluacioacute uacutenica
Examen uacutenic amb teoria problemes i pragravectica A la part de pragravectica es demana a lrsquoestudiant que utilitziel programari Sampling (paquet de R) per fer en el moment de lrsquoexamen una o dues pragravectiques de lesfetes a classe i lliurar els resultats en el format previst a lrsquoenunciat de la pragravectica corresponent Per feraquestes pragravectiques lrsquoestudiant disposa del formulari i de lrsquoajuda del paquet
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ARDILLY Pascal et al Sampling Methods Exercices and Solutions New York Springer 2006
CLAIRIN Reacutemy et al Manual de muestreo Madrid La Muralla Salamanca Hespeacuterides 2001
COCHRAN William Gemmell Teacutecnicas de muestreo Meacutexico Compantildeiacutea Editorial Continental 1984
DESROSIEgraveRES Alain La poliacutetica de los grandes nuacutemeros Historia de la razoacuten estadiacutestica BarcelonaMelusina 2004
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
PEacuteREZ Ceacutesar Muestreo estadiacutestico Conceptos y problemas resueltos Madrid Prentice Hall 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics en Mineria de Dades
Codi de lassignatura 361253
Curs acadegravemic 2019-2020
Coordinacioacute TOMAS ALUJA BANET
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha de tenir un esperit per a la resolucioacute de problemes mitjanccedilant la programacioacute drsquoalgorismessenzills
Cal tenir una bona base sobretot de les assignatures Anagravelisi Multivariant i Models Lineals
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer la tipologia dels principals problemes de la mineria de dades
Referits a habilitats destreses
Avaluar la qualitat de les dades i la necessitat de preprocessar-les
Identificar les tegravecniques estadiacutestiques io drsquoaprenentatge automagravetic meacutes apropiades al problemaque srsquoha de resoldre
Implementar algorismes senzills drsquoaprenentatge
Avaluar els resultats obtinguts
Presentar els resultats en un entorn professional per a la presa de decisions
Blocs temagravetics
1 Introduccioacute a la mineria de dades
Tipus de problemes problemes de modelitzacioacute problemes de ciegravencia problemes detransaccions i problemes de magraverqueting
2 Visualitzacioacute de les dades
Visualitzacioacute de dades multivariants Reduccioacute de la dimensionalitat Megravetodes de seleccioacute iextraccioacute de variables
3 Clusteritzacioacute (o clustering)
Megravetodes de particioacute directa jeragraverquics i estadiacutestica matemagravetica
4 Arbres de decisioacute
Arbres de classificacioacute i regressioacute (CART)
5 Regles drsquoassociacioacute
Algorisme a priori
6 Metodologia de validacioacute
laquoHoldoutraquo validacioacute creuada i laquobootstrapraquo
7 Regles de classificacioacute Anagravelisi discriminada paramegravetrica
LDA QDA i Naive Bayes
8 Discriminacioacute no paramegravetrica
Veiumlns meacutes propers
9 Megravetodes flexibles de discriminacioacute
Magravequines de vectors suport
10 Xarxes neuronals
Discriminacioacute pel perceptroacute multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversioacute de dades en coneixement per a la presa dedecisions i com a tal constitueix la fase central del proceacutes drsquoextraccioacute de coneixement a partir de basesde dades La mineria de dades eacutes un punt de trobada de diferents disciplines lrsquoestadiacutesticalrsquoaprenentatge automagravetic (machine learning) les tegravecniques de bases de dades i els sistemes per a lapresa de decisions Juntes permeten afrontar molts problemes actuals pel que fa al tractament de lainformacioacute
Lrsquoassignatura introdueix les tegravecniques meacutes usuals per a la resolucioacute de tres tipus de problemesfonamentals lrsquoanagravelisi de dades binagraveries (laquotransaccionsraquo) lrsquoanagravelisi de dades cientiacutefiques (per exemple degenogravemica) i lrsquoanagravelisi de dades drsquoempreses els quals configuren bona part dels problemes actuals quetracta la mineria de dades Com a objectiu paralmiddotlel hi ha utilitzar el R un potent entorn de programacioacutelliure
Les classes es divideixen per tant en la presentacioacute de les eines estadiacutestiques i drsquoaprenentatge semprea partir de lrsquoexposicioacute de casos reals i fent egravemfasi en els conceptes implicats les seves propietats lainterpretabilitat i lrsquoaplicacioacute de resultats i en classes de laboratori en quegrave els alumnes han de posar enpragravectica les experteses adquirides en la resolucioacute de problemes
Finalment i ategraves que la finalitat de lrsquoassignatura eacutes la resolucioacute de problemes reals cada estudiant ha deresoldre un cas pragravectic entre els casos posats a disposicioacute lliurement o entre el problema cercat perlrsquoestudiant amb el vistiplau del professor
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute eacutes comprensiva en el sentit que avalua totes les competegravencies especiacutefiques del curs lesdestreses algoriacutesmiques i la capacitat per enfrontar-se a problemes reals
Hi ha dues qualificacions de notes una nota obtinguda per examen sobre els coneixements adquirits(nota T) i la nota obtinguda en un treball pragravectic (P) que srsquoha de presentar a final de curs
La nota final srsquoobteacute de la ponderacioacute seguumlent Nota final = 05T + 05P
A meacutes es valoren les intervencions a classe que permeten pujar la nota fins a un 10
En cas que lrsquoestudiant no superi lrsquoavaluacioacute continuada sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Lrsquoestudiant teacute dret en qualsevol cas a presentar-se a lrsquoexamen final de lrsquoassignatura per obtenir unaavaluacioacute uacutenica i final Aquesta avaluacioacute consta drsquoun examen final meacutes el lliurament drsquoun treballpragravectic equivalent al dut a terme en lrsquoavaluacioacute continuada
En cas que lrsquoestudiant no superi la prova drsquoavaluacioacute uacutenica sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
HAND D J Construction and assessment of classification rules Chichester [etc] Wiley 1997
HASTIE Trevor et al The Elements of statistical learning New York Springer 2001
HERNAacuteNDEZ Joseacute et al Introduccioacuten a la mineriacutea de datos Madrid Pearson 2004
WITTEN I H et al Data mining practical machine learning tools and techniques with javaimplementations San Francisco [Calif] [etc] Morgan Kaufmann 2002
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics per a Finances i Assegurances
Codi de lassignatura 361242
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs en cagravelcul de probabilitats variables aleatograveries distribucionsde probabilitat caracteriacutestiques de les distribucions de probabilitat (esperances variagravencies etc) iinferegravencia estadiacutestica Tambeacute es recomana que tingui coneixements previs en agravelgebra de successos Ategravesque les classes pragravectiques es fan en anglegraves cal que lrsquoestudiant tingui un nivell adequat drsquoaquestallengua
Altres recomanacions
Com que es tracta drsquouna assignatura amb un elevat contingut teograveric de demostracioacute es recomanaque lrsquoalumnat tingui una bona base matemagravetica (integracioacute derivacioacute etc)
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Especificar correctament les mesures de risc i rendibilitat drsquoactius i carteres aixiacute com elsmodels bagravesics de risc colmiddotlectiu i individual mdash Interpretar adientment el binomi diversificacioacute i correlacioacute mdash Conegraveixer i utilitzar els models de probabilitat meacutes habituals en les finances i assegurances aixiacutecom la forma drsquoobtenir-los a traveacutes drsquouna mostra de dades i amb suport informagraveticmdash Saber quins processos estocagravestics srsquoutilitzen per modelar preus en finances i la seva aplicacioacutebasada en la simulacioacute estadiacutestica (mitjanccedilant suport informagravetic)mdash Saber quins soacuten els models drsquoeleccioacute ograveptima de carteres drsquoactius que srsquoutilitzen i la sevaimplementacioacute amb suport informagraveticmdash Saber les especificitats de les segraveries temporals aplicades en finances especialment els modelsde volatilitat canviant en el tempsmdash Saber construir una taula de mortalitat per a assegurances de vidamdash Modelitzar el nombre de sinistres i els danys totals en assegurances no de vidamdash Aprendre a tarifar assegurances de vida i assegurances no de vidamdash Conegraveixer els elements bagravesics sobre reserves i solvegravencia
Referits a habilitats destreses
mdash Saber analitzar gragraveficament lrsquoevolucioacute temporal dels preus i analitzar-ne la situacioacutemdash Dissenyar i implementar amb suport informagravetic els models drsquooptimitzacioacute i gestioacute de carteresdrsquoactiusmdash Dissenyar i implementar amb suport informagravetic les mesures de risc (VaR)mdash Desenvolupar i debatre activitats mdashamb suport informagraveticmdash que utilitzin tot el proceacutes drsquoanagravelisiestadiacutestica necessari en la inversioacute financera lrsquoanagravelisi del risc i en assegurances
Referits a actituds valors i normes
Srsquoespera una actitud molt dinagravemica de lrsquoalumnat en el seguiment de lrsquoassignatura Aixiacute sovintsrsquointerrompen les classes teograveriques amb la finalitat que lrsquoestudiant pugui desenvolupar algun delsplantejaments exposats pel professorat i que es resol en la mateixa sessioacute
Blocs temagravetics
1 Introduccioacute a les assegurances
11 Conceptes de teoria general de les assegurances (cobertura prima sinistralitat
compensacioacute reserves solvegravencia)
2 Estadiacutestica per a les assegurances de vida
21 Cagravelcul de probabilitats de supervivegravencia i mortalitat
22 Taules de mortalitat
23 Models de projeccioacute de la mortalitat
24 Assegurances de vida i rendes vitaliacutecies
25 Valoracioacute dels productes drsquoinvalidesa
3 Estadiacutestica per a les assegurances generals
31 Distribucions estadiacutestiques contiacutenues (lognormal de Pareto i de valors extrems)
32 Distribucions estadiacutestiques discretes (de Poisson binomial negativa)
33 Model de risc colmiddotlectiu
34 Tarifacioacute reserves i solvegravencia
4 Introduccioacute als mercats financers preus i riscos
41 Nocions bagravesiques dels mercats financers (mercat monetari renda fixa renda
variable divises i derivats)
42 Preus i rendibilitats
43 Mesures de risc clagravessiques i alternatives Volatilitat dinagravemica i condicional
5 Estadiacutestica aplicada als mercats borsaris
51 Patrons de comportament
52 Filtres i oscilmiddotladors tegravecnics
53 Trading algoriacutetmic
6 Estadiacutestica aplicada a la gestioacute de carteres
61 Correlacioacute i gestioacute de carteres
62 Cogravepules i dependegravencia entre actius
63 Models drsquooptimizacioacute i frontera eficient
64 Sistemes automagravetics de gestioacute Robo-Advisor
65 Indicadors de performance i estils de gestioacute
7 Estadiacutestica aplicada a la gestioacute del risc
71 Tipologia de riscos financers
72 Mesura del risc de mercat VaR
73 Alternatives en presegravencia de Fat Tails CVaR
74 Teoria del valor extrem
Metodologia i activitats formatives
Es fan classes presencials de teoria i classes pragravectiques Les classes pragravectiques es fan en anglegraves i soacuten dedos tipusmdash plantejament de casos aplicats i exercicismdash resolucioacute de situacions pragravectiques amb lrsquouacutes de lrsquoordinador
Avaluacioacute acreditativa dels aprenentatges
Es proposen exercicis per avaluar lrsquohabilitat de lrsquoestudiant en lrsquoaplicacioacute i desenvolupament delsconceptes explicats durant les classes En concret es proposen quatre exercicis en les dates(orientatives) seguumlents
mdash Prova 1 (estadiacutestica per a les assegurances) primera quinzena drsquooctubremdash Prova 2 (estadiacutestica per a les assegurances) primera quinzena de novembremdash Prova 3 (estadiacutestica per a les finances) primera quinzena de desembremdash Prova 4 (estadiacutestica per a les finances) primera quinzena de gener
Dins la modalitat drsquoavaluacioacute continuada eacutes obligatori lliurar de manera correcta les quatre pragravectiquesAquestes pragravectiques tenen un pes en la nota final del 50 (cadascuna un 125 de la nota final) Enlrsquoavaluacioacute drsquoaquestes pragravectiques es valora la capacitat drsquoaprenentatge i responsabilitat
Hi ha una prova final de tancament en la data oficial que teacute un pes del 50 en la nota final Aquestaprova consta de vuit exercicis (quatre per a la part drsquoestadiacutestica per a les assegurances i quatre per a lapart drsquoestadiacutestica per a les finances) i els alumnes en la modalitat drsquoavaluacioacute continuada han de fernomes dos exercicis de la part drsquoestadiacutestica per a les assegurances (escollits entre els quatre proposats)i dos de la part drsquoestadiacutestica per a les finances (escollits entre els quatre proposats) Els dos exercicis dela part drsquoestadiacutestica per a les assegurances tenen un pes del 50 de la nota de lrsquoexamen i els altresdos exercicis de la part de finances tambeacute tenen un pes del 50 de la nota de lrsquoexamen Per fermitjana amb la nota dels exercicis pragravectics lliurats es demana de treure a lrsquoexamen un miacutenim drsquo15punts a la part drsquoestadiacutestica per a les assegurances (dels 5 punts que teacute aquesta part de lrsquoexamen) idrsquo15 punts a la part drsquoestadiacutestica per a les finances (dels 5 punts drsquoaquesta part)
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen escrit en la data oficial Consta de vuit exercicis quatre per ala part drsquoestadiacutestica per a les assegurances i quatre per a la part drsquoestadiacutestica per a les finances Elsquatre exercicis de la part drsquoestadiacutestica per a les finances tenen un pes del 50 de la nota final i elsaltres quatre un 50 Per aprovar es demana un miacutenim de 2 punts a la part drsquoestadiacutestica per a lesassegurances i de 2 punts a la part drsquoestadiacutestica per a les finances
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYUSO M et al Estadiacutestica actuarial vida Barcelona Publicacions i Edicions de la Universitat deBarcelona 2007
SARABIA Joseacute Mariacutea et al Estadiacutestica actuarial teoriacutea y aplicaciones Madrid Pearson Prentice Hall2007
PEacuteREZ-TORRES Joseacute Luis Conociendo el seguro Barcelona Umeser 2001
HERNAacuteNDEZ Benjamiacuten Bolsa y Estadiacutestica Bursaacutetil Madrid Diacuteaz de Santos 2000
DANIELSSON Joacuten Financial Risk Forecasting Chichester John Wiley 2012
BORRELL Maacuteximo et al Estadiacutestica Financiera aplicacioacuten a la formacioacuten y gestioacuten de carteras de rentavarible Madrid Centro de Estudios Ramoacuten Areces 1997
TORRA Salvador MONTE Enric Modelos Neuronales aplicados en Economiacutea Casos praacutecticos medianteMathematica Neural Networks Barcelona Addlink Media 2013
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes No Paramegravetrics i de Remostreig
Codi de lassignatura 361224
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Civit Vives
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Srsquointrodueixen els principals conceptes ies consoliden amb la resolucioacute deproblemes ilmiddotlustratius)
375
- Pragravectiques dordinadors
(Pragravectiques) 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de model estadiacutestic no paramegravetric o lliure de la distribucioacute
mdash Conegraveixer els fonaments de les proves de significacioacute basades en rangs i les principalsalternatives no paramegravetriques basades en aquest enfocament a les proves drsquohipogravetesiparamegravetriques meacutes comunes
mdash Conegraveixer els fonaments de les proves de significacioacute basades en permutacions i les principalsalternatives de permutacions a les proves drsquohipogravetesi paramegravetriques meacutes comunes
mdash Conegraveixer el megravetode jackknife Conegraveixer els fonaments del megravetode bootstrap Assimilar la ideadel remostreig bootstrap Conegraveixer els principals tipus drsquointervals de confianccedila bootstrapAssimilar la idea de la suavitzacioacute de corbes i la seva aplicacioacute a la regressioacute no paramegravetrica i alrsquoestimacioacute no paramegravetrica de la funcioacute de densitat
Referits a habilitats destreses
mdash Davant drsquoun problema concret saber determinar quin enfocament no paramegravetric o deremostreig eacutes el meacutes adient Aquesta habilitat inclou saber utilitzar meacutes drsquoun megravetode alhora comara bootstrap i estimacioacute no paramegravetrica de la densitat en un mateix problema de classificacioacute
mdash Assolir un nivell drsquoexpertesa suficient per portar a la pragravectica els megravetodes no paramegravetrics i deremostreig Per exemple saber implementar correctament la simulacioacute bootstrap adient a unasituacioacute donada
Blocs temagravetics
1 Proves de permutacions i drsquoaleatoritzacioacute
Suficiegravencia i completesa de lrsquoestadiacutestic ordinal inferegravencia condicionada a la mostra Mostresno aleatograveries i proves drsquoaleatoritzacioacute Tests de permutacions exactes i de Montecarlo Algunstests de permutacions dades aparellades significacioacute del coeficient de correlacioacute ANOVA drsquounfactor Intervals de confianccedila i tests de permutacions
11 Enfocament de Fisher i de Pitman Suficiegravencia i completesa de lrsquoestadiacutestic ordinal
Inferegravencia condicionada a la mostra Mostres no aleatograveries i proves drsquoaleatoritzacioacute Tests
de permutacions exactes i de Montecarlo
12 Alguns tests de permutacions bagravesics dues mostres independents dades aparellades
significacioacute de la correlacioacute ANOVA drsquoun factor
13 Intervals de confianccedila i tests de permutacions
2 Megravetodes basats en lrsquoestimacioacute de la funcioacute de distribucioacute i en el remostreig
Simulacioacute o remostreig bootstrap El principi laquoplug-inraquo i el bootstrap Estimacioacute bootstrapdel biaix i de lrsquoerror estagravendard Megravetode jackknife estimacioacute del biaix i de lrsquoerror estagravendarddrsquoun estimador Intervals de confianccedila percentil i bootstrap-t Relacioacute amb el contrastdrsquohipogravetesi
21 Simulacioacute i bootstrap El principi plug-in Bootstrap exacteTipus drsquoerror Aplicacions
bagravesiques del bootstrap
22 Jackknife Justificacioacute heuriacutestica Correccioacute del biaix i estimacioacute de lrsquoerror estagravendard
23 Intervals de confianccedila bootstrap bootstrap-t percentil i BCa
24 Bootstrap i contrast drsquohipogravetesi
3 Estadiacutestica no paramegravetrica basada en rangs
Fonamentacioacute de la inferegravencia basada en rangs Principals proves drsquohipogravetesi test deWilcoxon dels rangs amb signe test de Kruskal-Wallis test de Friedman Correlacioacute deKendall i de Spearman
31 Rangs Fonamentacioacute de la inferegravencia basada en rangs Pegraverdua drsquoinformacioacute
32 Prova de Mann-Whitney-Wilcoxon
33 Prova de Wilcoxon dels rangs amb signe
34 Prova de Kruskal-Wallis
35 Prova de Friedman
36 Correlacioacute de Kendall i de Spearman Proves de significacioacute
4 Megravetodes de suavitzacioacute i estadiacutestica no paramegravetrica
Suavitzacioacute Kernel concepte Nocions de regressioacute no paramegravetrica Nocions drsquoestimacioacute noparamegravetrica de la funcioacute de densitat Aplicacions a problemes de discriminacioacute classificacioacutedeterminacioacute de modes etc
41 Introduccioacute a la suavitzacioacute Kernel
42 Nocions de regressioacute no paramegravetrica
43 Nocions drsquoestimacioacute no paramegravetrica de la funcioacute de densitat
44 Aplicacions a problemes de discriminacioacute classificacioacute determinacioacute de modes
45 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica
5 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica i remostreig
Sobre diversos conjunts de dades es valoraran els megravetodes meacutes adients per acomplirdeterminats objectius i srsquoaplicaran procurant fer egravemfasi en les conclusions
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent
mdash Classes de teoria (225 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratius
mdash Classes de problemes (15 hores) amb la resolucioacute de problemes drsquoaplicacioacute plantejats a classe deteoria i dels petits treballs plantejats en la seccioacute de treball tutelat
mdash Classes pragravectiques (225 hores) classes en quegrave es fa servir lrsquoordinador orientades a la consolidacioacutedels conceptes estudiats Es resolen casos pragravectics utilitzant eines apropiades i es fan simulacions i altresexercicis ilmiddotlustratius dels conceptes teograverics
mdash Treball tutelat (40 hores) petits treballs de simulacioacute per dur a terme fora de classe amb la finalitatde consolidar conceptes a partir de lrsquoautoaprenentatge
mdash Treball autogravenom (50 hores) estudi miacutenim imprescindible per assimilar la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
mdash Una avaluacioacute parcial (obligatograveria) transcorreguts uns dos mesos de curs (aproximadament ameitat del semestre) del temari tractat del curs Consisteix en un examen parcial que srsquoanuncia ambantelacioacute Indiquem com a laquoxraquo la puntuacioacute obtinguda
mdash Valoracioacute del seguiment fet a lrsquoestudiant Es basa en la realitzacioacute drsquoexercicis o treballs proposatsdurant el curs (anomenades tasques miacutenim 2) i la participacioacute a classe Indiquem com a laquoyraquoaquesta nota
mdash Una prova final de siacutentesi de tota la mategraveria En diem laquozraquo de la nota corresponent
Per tenir nota drsquoavaluacioacute continuada cal haver-se presentat a la prova parcial i a la prova final desiacutentesi i haver fet els treballs que srsquohagin proposat (tasques) No fer alguna drsquoaquestes activitatscomporta la qualificacioacute de laquono presentatraquo
La nota drsquoavaluacioacute continuada es calcula de la manera seguumlent 030 x + 02 y + 05 z La ponderacioacute
parcialsiacutentesi pot variar en el sentit que es valora positivament una evolucioacute a millor del parcial al finalsempre que en el parcial srsquohagi obtingut una puntuacioacute miacutenima de 4 sobre 10
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute dels estudiants) i per tant sense possibilitat de canvis
Examen final de tota la mategraveria amb un valor del 100 i on srsquoinclou un exercici global drsquoanagraveliside dades amb R fet a lrsquoaula informagravetica
La prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica (eacutes a dir unvalor del 100 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
HOLLANDER Myles et al Nonparametric Statistical Methods 2nd ed New York [etc] Wiley 1999
SIEGEL Sidney et al Estadiacutestica no parameacutetrica aplicada a las ciencias de la conducta Meacutexico Trillas2009
GOOD Phillip I Permutation Parametric and Bootstrap Tests of Hypotheses New York Springer 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Numegraverics
Codi de lassignatura 361213
Curs acadegravemic 2019-2020
Coordinacioacute MARIA ANGELA GRAU GOTES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Programari
httpsmatlabmathworkscom
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Estudi dels megravetodes presentatsExagravemens sobre conceptes bagravesics delrsquoassignatura un miacutenim de 2 repartits enel calendari)
30
- Pragravectiques dordinadors
(Resolucioacute drsquoexercicis amb els algorismesi megravetodes del curs Srsquoavalua)
30
Treball tutelatdirigit
(Resolucioacute drsquoexercicis amb els algorismes imegravetodes del curs pragravectiques drsquoordinador acasa i a lrsquoaula)
40
Aprenentatge autogravenom
(Preparacioacute de la documentacioacute dels treballspragravectics que srsquohan de presentar peravaluar)
50
Recomanacions
Es recomana haver cursat les assignatures Introduccioacute al Cagravelcul Introduccioacute a la Informagravetica AgravelgebraLineal
Altres recomanacions
Es recomana haver cursat o estar cursant les assignatures Programacioacute i Cagravelcul de DiversesVariables
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Aprendre les tegravecniques numegraveriques meacutes bagravesiques i usar-les com a eina per trobar solucions aproblemes en quegrave per diverses raons els megravetodes analiacutetics queden descartats
Referits a habilitats destreses
Lrsquoaplicacioacute pragravectica dels megravetodes que es presenten requereix lrsquouacutes drsquoordinadors i lrsquouacutes i elconeixement del programari adequat Matlab per implementar els megravetodes presentats en lesexplicacions de classe
Blocs temagravetics
1 Preliminars
Aritmegravetica en coma flotant Anagravelisi de lrsquoerror Sumacioacute de segraveries
11 Representacioacute aritmegravetica en coma flotant
111 Conceptes bagravesics fonts drsquoerror xifres significatives problemes inestables
112 Error numegraveric definicions errors drsquoarrodoniment errors de truncament
113 Lrsquoaritmegravetica a lrsquoordinador punt fix punt flotant
12 Anagravelisi de lrsquoerror
121 Errors en les operacions en punt flotant
122 Propagacioacute de lrsquoerror nombres de condicioacute algorismes amb cancelmiddotlacioacute
13 Sumacioacute de segraveries
131 Cagravelcul de la suma drsquouna segraverie megravetodes de comparacioacute
132 Acceleracioacute de la convergegravencia
2 Agravelgebra lineal numegraverica
Resolucioacute de sistemes lineals compatibles determinats megravetodes directes i megravetodesiteratius Nombre de condicioacute drsquouna matriu Sistemes lineals sobredeterminats descomposicioacuteen valors singulars Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
21 Resolucioacute de sistemes lineals compatibles determinats
211 Megravetodes directes megravetodes de Gauss megravetodes de factoritzacioacute LU Txoleski
QR Cagravelcul de matrius inverses Fites de lrsquoerror
212 Megravetodes iteratius megravetodes de Jacobi Gauss-Seidel de sobrerelaxacioacute Raoacute de
convergegravencia i estimacioacute de lrsquoerror
22 Sistemes lineals sobredeterminats
221 Descomposicioacute en valors singulars
23 Vectors i valors propis
231 Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
3 Resolucioacute drsquoequacions no lineals
Megravetodes per a la resolucioacute drsquoequacions en una variable biseccioacute secant Newton punt fixOrdre de convergegravencia Megravetodes de Newton i del punt fix per a la resolucioacute drsquoequacions demeacutes drsquouna variable
31 Megravetodes per a la resolucioacute drsquoequacions en una variable
311 Megravetodes de la biseccioacute Megravetode de la secant Megravetode de Newton Megravetodes del
punt fix
312 Ordre de convergegravencia drsquoun megravetode iteratiu
32 Megravetodes per a la resolucioacute drsquoequacions en meacutes drsquouna variable
321 Megravetode de Newton Megravetodes del punt fix
4 Funcions aproximacioacute derivacioacute i integracioacute
Aproximacioacute de funcions interpolacioacute polinogravemica i foacutermula de Taylor Error en lainterpolacioacute polinomial Diferenciacioacute numegraverica algunes foacutermules drsquoaproximacioacute per al cagravelculde derivades Error Extrapolacioacute de Richardson Integracioacute numegraverica foacutermules de Newton-Cotes Megravetode de Romberg Megravetodes de Montecarlo
41 Aproximacioacute de funcions
411 Interpolacioacute polinogravemica i foacutermula de Taylor
412 Error en la interpolacioacute polinogravemica
42 Diferenciacioacute numegraverica
421 Foacutermules per al cagravelcul aproximat de derivades
43 Integracioacute numegraverica
431 Foacutermules de Newton-Cotes megravetode dels trapezis regla de Simpson etc
432 Megravetode de Romberg
44 Megravetodes de Montecarlo
Metodologia i activitats formatives
Classes expositives i magistrals per a les sessions teoricopragravectiques Les classes de problemes a lrsquoaulainformagravetica es desdoblen en dos o meacutes grups El professorat assigna els estudiants als grups En lessessions de problemes a lrsquoaula informagravetica es treballa amb el programari Matlab en els ordinadors delrsquoaula
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final eacutes la suma ponderada de quatre notes NF = 03NP + 03NT + 04NE
mdash Nota NP (30 ) bull Treball a lrsquoaula drsquoinformagravetica dels algorismes estudiats amb sessions puntuables bull Treball de desenvolupament de programes pragravectics fora de lrsquohorari lectiu magravexim un per tema
mdash Nota NT (30 ) Exagravemens parcials sobre conceptes bagravesics de lrsquoassignatura magravexim un per temamdash Nota NE (40 ) Exagravemens parcials de resolucioacute de problemes amb el programari emprat en el curs
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Es recomana seguirlrsquoavaluacioacute continuada de treballs amb el programari Matlab
La nota final eacutes la suma ponderada de tres notes NF = 03NPC + 03NET + 04NEF
mdash Examen final de pragravectiques amb el programari emprat en el curs (30 ) Nota NPCmdash Examen final sobre conceptes bagravesics de lrsquoassignatura (30 ) Nota NETmdash Examen final de resolucioacute de problemes amb el programari emprat en el curs (40 ) Nota NEF
Reavaluacioacute
La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GRAUMiquel et al Cagravelcul numegraveric Barcelona UPC 1993
Referegravencia bagravesica
KENNEDY William Jo et al Statistical Computing Statistics textbooks and monographs 33 New York[etc] Marcel Dekker 1980
Referegravencia bagravesica
KINCAID David et al Anaacutelisis numeacuterico las matemaacuteticas del caacutelculo cientiacutefico Buenos Aires [etc]Addison-Wesley Iberoamericana 1994
Referegravencia complementagraveria
STOER Josef et al Introduction to Numerical Analysis Texts in Applied Mathematics 12 3rd ed NewYork Springer Verlag 2002
Referegravencia bagravesica
THISTED Ronald A Elements of Statistical Computing Numerical computation New York [etc]Chapman and Hall 1988
Referegravencia complementagraveria
VANDERGRAFT James S Introduction to numerical Computations New York Academic Press 1983
Referegravencia bagravesica
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals
Codi de lassignatura 361231
Curs acadegravemic 2019-2020
Coordinacioacute Francisco De Asis Carmona Pontaque
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoestadiacutestica matemagravetica i sobretot drsquoinferegravencia estadiacutestica
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures que contenen aquestes mategraveries comara Agravelgebra Lineal i Inferegravencia Estadiacutestica ja que contenen tots els conceptes bagravesics que srsquoutilitzaran
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
(Lrsquoalumnat ha de poder identificar un model lineal estimar-ne els paragravemetres i avaluar les hipogravetesisque es plantegin sobre aquest model I tambeacute ha de ser capaccedil de validar-lo)
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes conegraveixer els models lineals i la seva aplicacioacute a les situacionsmeacutes usualsmdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model linealmdash Conegraveixer els mecanismes de decisioacute associats a les principals proves drsquohipogravetesi en modelslinealsmdash Saber caracteritzar un model de regressioacute lineal simple i muacuteltiplemdash Saber com es validen els models de regressioacute linealmdash Saber caracteritzar alguns models drsquoanagravelisi de la variagravencia senzills
Referits a habilitats destreses
mdash Saber resoldre lrsquoestimacioacute dels paragravemetres drsquoun model lineal mdash Saber analitzar les principals proves drsquohipogravetesi en models lineals mdash Saber calcular un model de regressioacute lineal mdash Saber validar els models de regressioacute lineal mdash Saber resoldre alguns models drsquoanagravelisi de la variagravencia senzills mdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtinguts
Blocs temagravetics
1 Regressioacute lineal simple
11 Estimacioacute dels coeficients de regressioacute per miacutenims quadrats
12 Descomposicioacute de la variabilitat
13 Coeficient de correlacioacute i coeficient de determinacioacute
14 Inferegravencia sobre els paragravemetres de regressioacute
15 Prediccioacute
16 Plantejament matricial
2 Models de regressioacute
21 Regressioacute lineal muacuteltiple
22 Mesures drsquoajust
23 Inferegravencia sobre els coeficients de regressioacute
24 Coeficients de regressioacute estandarditzats
25 Regressioacute polinogravemica
26 Introduccioacute a la diagnosi del model
3 El model lineal
31 Estimacioacute de paragravemetres per miacutenims quadrats
32 Propietats dels estimadors
33 Contrast drsquohipogravetesi lineal
34 Contrast de models
35 Funcions paramegravetriques estimables
4 El model lineal de lrsquoanagravelisi de la variagravencia
41 Model drsquoun factor
42 Comparacioacute de mitjanes
43 Altres models
44 Introduccioacute a lrsquoanagravelisi de la covariagravencia
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
A les classes de problemes es resolen exercicis Es donen indicacions de quins exercicis cal treballar cadasetmana de manera que lrsquoalumnat pugui resoldrersquols abans drsquoassistir a classe i si escau dedicar la sessioacutea resoldre dubtes Els problemes consisteixen en la resolucioacute drsquoexercicis de caragravecter teograveric o aplicatencaminats a la comprensioacute dels conceptes bagravesics de cada tema
Un component important de lrsquoassignatura eacutes el treball amb ordinador Al llarg del curs es donenindicacions de com treballar amb el llenguatge estadiacutestic R de manera que els estudiants puguin fer-loservir tant per dur a terme els programes o les simulacions que srsquoencarreguin com els cagravelculs i lesanagravelisis de dades que es plantegin Les pragravectiques drsquoordinador es destinen a fer problemes numegraverics perveure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de les dades mitjanccedilant models lineals
Opcionalment es pot fer un treball Per tal que el professorat el revisi cal discutir-lo conjuntament abansde presentar-lo
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada En aquest sentit a mig curs es fa una provacurta (de dues hores) que no eacutes eliminatograveria de mategraveria Si srsquoaprova aquesta curta sersquon fa una altra afinal de curs Per a lrsquoalumnat que no superi la primera prova hi ha una prova final de siacutentesi
Les dates de les proves es fan puacutebliques el primer dia de classe perquegrave els alumnes es puguinprogramar les activitats i no hi faltin
Opcionalment es pot demanar de presentar treballs o problemes solucionats si aixiacute ho especifica elprofessorat a principi de curs
Lrsquoestudiant que falti a alguna prova per causes justificades pot recuperar com a magravexim una prova eldia de la prova de siacutentesi Si no es fa cap prova curta o no lliura els treballs o problemes demanats srsquohadrsquoavaluar de forma uacutenica el dia que marqui el Consell Docent
La nota final de lrsquoavaluacioacute continuada eacutes
04xP1+04xP2+02xO o 04xP1+ 06xP2 o PS
en quegrave P1 eacutes la prova curta 1 P2 eacutes la prova curta 2 O eacutes el treball o exercicis opcionals i PS eacutes laprova de siacutentesi
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CARMONA Francesc Modelos lineales Barcelona Publicacions i Edicions de la Universitat de Barcelona2005
Eacutes un bon llibre de models lineals tot i que teacute un nivell massa elevat pelscontinguts que es donen a lrsquoensenyament
FARAWAY Julian James Linear Models with R Chapman amp HallCRC Press 2014
PENtildeA Daniel Estadiacutestica Modelos y Meacutetodos Vol 2 Madrid Alianza 1991
Eacutes un llibre que recull part de lrsquoassignatura
RAWLINGS John O Applied Regression Analysis a research tool New York [etc] Springer 1998
Tot i ser en anglegraves eacutes un llibre molt bo amb molts exemples comentats
MONTGOMERY Douglas C et al Introduction to Linear Regression Analysis 2nd ed New York [etc]Wiley 1992
OLIVA Francesc et al Propietats i eines drsquoagravelgebra matricial per a estadiacutestica Barcelona Universitat deBarcelona 1995
Pagravegina web
The R Project for Statistical Computing
LyX - El procesador de documentos
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals Generalitzats
Codi de lassignatura 361234
Curs acadegravemic 2019-2020
Coordinacioacute JORDI CORTES MARTINEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoinferegravencia estadiacutestica i habilitats en el tractament de dades en diferents formats
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures relacionades amb la modelitzacioacute i lainferegravencia estadiacutestica com ara Models Lineals Inferegravencia Estadiacutestica i Econometria aixiacute com SoftwareEstadiacutestic ja que contenen conceptes i eines que srsquoutilitzaran extensament
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model lineal generalitzatmdash Saber caracteritzar un model de regressioacute lineal amb resposta normal binagraveria (regressioacutelogiacutestica) i entera o de Poisson (models log-lineals)mdash Conegraveixer els indicadors estadiacutestics de bondat de lrsquoajust i de la seva validesa per a la diagnosi ivalidacioacute dels models lineals proposats a nivell predictiu mdash Saber com es fa el proceacutes de validacioacute drsquoun model lineal generalitzatmdash Saber interpretar els resultats inferencials que es deriven de lrsquoajust drsquoun model linealgeneralitzatmdash Conegraveixer lrsquoextensioacute a models lineals generalitzats drsquoefectes aleatoris o models mixtos quan lesdades no soacuten independents
Referits a habilitats destreses
mdash Saber estimar els paragravemetres drsquoun model lineal generalitzatmdash Saber analitzar les principals proves drsquohipogravetesi associades als models lineals generalitzatsmdash Saber validar els models lineals generalitzats ajustatsmdash Saber resoldre alguns models lineals generalitzats drsquouacutes frequumlent model lineal generalregressioacute logiacutestica i models log-linealsmdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtingutsmdash Ser capaccedil de triar entre les diverses possibilitats proporcionades per un paquet estadiacutestic tanta nivell de capacitats modeliacutestiques com de sortida de la informacioacute per tal de poder extreureconclusions drsquoutilitat en el proceacutes de modelitzacioacute concret que desenvolupa
Blocs temagravetics
1 Introduccioacute als models lineals generalitzats
11 Hipogravetesi del model Forma canogravenica paragravemetres
12 Propietat dels scores matriu drsquoinformacioacute esperada
13 Funcioacute drsquoenllaccedil rol
14 Mesures de bondat (desviagravencia (D i Drsquo) i R2)
15 Inferegravencia raoacute de versemblances i estadiacutestics de Wald
2 Models per resposta normal
21 Regressioacute lineal muacuteltiple cas particular drsquoMLGz
22 Matrius de disseny efectes principals i interaccions
23 Model lineal general
24 Diagnosi i validacioacute seleccioacute del model anagravelisi de residus valors influents
Diagrames de residus parcials
3 Models per resposta binagraveria
31 Regressioacute logiacutestica resposta binomial
32 Interpretacioacute dels enllaccedilos habituals (logravegit progravebit i cloglog)
33 Estimacioacute inferegravencia i validacioacute
34 Presentacioacute de casos drsquoestudi
4 Models per comptatges
41 Models log-lineals resposta de Poisson
42 Modelitzacioacute de taules de contingegravencia
43 Estimacioacute inferegravencia i validacioacute
44 Diagnosi i tractament de la sobredispersioacute
45 Presentacioacute de casos drsquoestudi
5 Models lineals generalitzats amb efectes aleatoris
51 Models lineals generalitzats per a mesures repetides i dades longitudinals
52 Predictor lineal amb efectes aleatoris
53 Models lineals mixtos resposta gaussiana
54 Models lineals mixtos generalitzats resposta binomial i de Poisson
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
Un component important de lrsquoassignatura eacutes el treball amb ordinador i conjunts de dades reals Al llargdel curs es donen indicacions de com treballar amb lrsquoentorn estadiacutestic R de manera que els estudiantspuguin fer-lo servir tant per dur a terme els exercicis pragravectics que srsquoencarreguin com les anagravelisis dedades que es plantegin
Les pragravectiques soacuten totes drsquoordinador per veure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de lesdades mitjanccedilant models lineals generalitzats Les sessions de laboratori es desdoblen cada setmana eacutesa dir cadascun dels dos subgrups drsquoun grup complet teacute dues hores de laboratori setmanal El professorateacutes qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada en quegrave srsquoavalua
1 Conegraveixer i entendre alguns dels models meacutes importants de relacioacute lineal entre variables de la famiacuteliaexponencial
2 Davant de la descripcioacute drsquoun joc de dades ser capaccedil de formular correctament el model estadiacutesticassociat adient
3 Davant de la formulacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquoun paragravemetreestimar els paragravemetres del model mitjanccedilant lrsquouacutes del paquet estadiacutestic adequat
4 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar la bondat del model tot interpretant lainformacioacute facilitada pel programa estadiacutestic
5 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat saber interpretar-ne els estimadors en termes de lafuncioacute drsquoenllaccedil emprada
6 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar gragraveficament la bondat del model sempreque el nombre de paragravemetres sigui reduiumlt
7 Davant de diversos models lineals generalitzats per un conjunt de dades fixat apuntar cap a laseleccioacute del millor model uacutes de variables com a factor o com a covariant introduccioacute de termes drsquoordresuperior al lineal en les covariables
8 Conegraveixer i entendre les limitacions de les propietats asimptogravetiques dels estadiacutestics implicats enlrsquoestimacioacute i validacioacute dels models lineals generalitzats
9 Conegraveixer els indicadors estadiacutestics de bondat del model desviagravencia estadiacutestic de Pearson AIC BIC
En aquest sentit al llarg del curs es fa una prova parcial que no eacutes eliminatograveria de mategraveria La data dela prova es fa puacuteblica el primer dia de classe perquegrave els alumnes es puguin programar les activitats i nohi faltin Tambeacute hi ha un examen final
Al llarg del curs srsquoha de presentar una segraverie de casos drsquoestudi solucionats que juntament amb elsexagravemens donen lloc a la nota final de curs
La nota final es basa en la foacutermula seguumlent
Magravexim02 x P1 + 03 x T + 05 x PF 03 x T + 07 x PF
P1 nota de lrsquoexamen parcialT nota mitjana de lliuraments de casos drsquoestudiPF nota de lrsquoexamen final
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes i el lliurament dels treballs fets com a casos drsquoestudi
03 x T + 07 x PF
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
McCULLAGH Peter et al Generalized linear models London [etc] Chapman amp Hall 1989
FOX John Applied Regression Analysis and Generalized Linear Models Los Angeles [etc] SAGE 2008
FOX John et al An R Companion to Applied Regression Thousand Oaks Calif SAGE 2011
DOBSON Annette J An Introduction to generalized linear models Boca Raton CRC Press Chapman ampHall 2008
FARAWAY Julian James Extending the Linear Model with R Generalized Linear Mixed Effects andNonparametric Regression Models Boca Raton (Mass) Chapman amp HallCRC 2006
PINHEIRO Joseacute C et al Mixed-Effects Models in S and S-PLUS New York (NY) [eTc] Springer 2000
Pagravegina web
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute en Enginyeria
Codi de lassignatura 361258
Curs acadegravemic 2019-2020
Coordinacioacute M PAZ LINARES HERREROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Requisits
361227 - Programacioacute No Lineal i Fluxos en Xarxes (Recomanada)
361226 - Programacioacute Lineal i Entera (Recomanada)
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de la investigacioacute operativa habituals en optimitzacioacute en enginyeria i usarcorrectament la terminologia progravepia de lrsquoagraverea
Formular matemagraveticament i resoldre computacionalment mitjanccedilant lrsquouacutes de llenguatges demodelitzacioacute per a programacioacute matemagravetica problemes drsquooptimitzacioacute en enginyeria de diversesagraverees
Interpretar els resultats dels models drsquooptimitzacioacute en enginyeria i ser capaccedil drsquoelaborar informes ipresentacions on srsquoexposin els resultats
Blocs temagravetics
1 Optimitzacioacute en enginyeria del transport
Introduccioacute als models de localitzacioacute Heuriacutestiques de resolucioacute Problema del viatjant decomerccedil (TSP) Problema de rutes de vehicles (VRP) Models de rutes per a aplicacions de lalogiacutestica urbana laquostreet routingraquo Heuriacutestiques de resolucioacute Anagravelisi de problemes especiacuteficsde la logiacutestica a ciutats localitzacioacute de sensors per a la captura drsquoinformacioacute de tragravensit gestioacutedinagravemica de flotes de vehicles serveis de missatgeria recollida de residus
2 Optimitzacioacute en enginyeria de lrsquoenergia
Introduccioacute a lrsquooperacioacute de sistemes de potegravencia el sistema de produccioacute i transportdrsquoenergia nacional generacioacute regulada vs liberalitzada el mercat elegravectric majorista
Optimitzacioacute de lrsquooperacioacute regulada dels sistemes de potegravencia modelitzacioacute dels generadorsde turbina laquoeconomic dispatchraquo (ED) laquooptimal power flowraquo (OPF) laquounit commitmentraquo (UC)Optimitzacioacute de lrsquooperacioacute de mercats elegravectrics models de cassacioacute del mercat modelsdrsquooferta ograveptima de compra i venda drsquoenergia Modelitzacioacute i resolucioacute computacional delrsquooperacioacute de sistemes de potegravencia
Metodologia i activitats formatives
Les classes srsquoorganitzen al voltant drsquoestudis de cas drsquoaplicacioacute dels models i algorismes drsquooptimitzacioacute ala resolucioacute de problemes reals de lrsquoenginyeria de transport enginyeria de dades i enginyeria de lageneracioacute elegravectrica Dins de cada part del curs es fa una introduccioacute a lrsquoagraverea drsquoaplicacioacute es descriuen lescaracteriacutestiques dels models i algorismes drsquooptimitzacioacute i es resolen computacionalment casos pragravecticsreals Lrsquoalumnat ha de preparar un conjunt de projectes en quegrave ha de resoldre exemples de casos realsde les diferents agraverees drsquoaplicacioacute
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada consisteix en quatre pragravectiques dos per cada bloc de lrsquoassignatura Cada pragravecticaes fa en acabar el tema corresponent Els dos blocs tenen el mateix pes en la nota drsquoavaluacioacutecontinuada que es calcula fent la mitjana aritmegravetica de les notes obtingudes a les diferents pragravectiques
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova pragravectica a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha deresoldre algun cas pragravectic relacionat amb els problemes estudiats a classe
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
DASKIN MS et al Location Models in Transportation En HALL Randolph W (ed) Handbook ofTransportation Science Boston [etc] Kluwer Academic 2003
TOTH Paolo et al (eds) The Vehicle Routing Problem Philadelphia Society for Industrial and AppliedMathematics 2002
ZHU Jizhong Optimization of Power System Operation Piscataway NJ Wiley-IEEE 2009
GOacuteMEZ EXPOacuteSITOAntonio et al (eds) Electric energy systems analysis and operation Boca RatonFla CRC Press 2009
WILLENBORG Leon et al Elements of statistical disclosure control New York Barcelona [etc] Springer2000
CRISTIANINI Nello et al An Introduction to Support Vector Machines And Other Kernel-Based LearningCambridge [etc] Cambridge University Press 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute Financera
Codi de lassignatura 361257
Curs acadegravemic 2019-2020
Coordinacioacute Jose Bonifacio Saez Madrid
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Exposicioacute de continguts teograverics irealitzacioacute drsquoexemples drsquoaplicacioacute)
44
- Pragravectiques de problemes
(Plantejament i resolucioacute de problemes) 10
- Pragravectiques dordinadors
(Plantejament i resolucioacute amb ordinadorde problemes reals del moacuten financer)
6
Treball tutelatdirigit
(Realitzacioacute de les tasques encarregades pelprofessor)
40
Aprenentatge autogravenom
(Estudi personal per entendre lrsquoassignatura ipreparar les proves drsquoavaluacioacute)
50
Recomanacions
No hi ha requisits obligatoris per cursar aquesta assignatura De totes maneres per aprofitar millor elcurs es recomana
mdash Tenir coneixements previs drsquoestadiacutestica descriptiva
mdash Tenir coneixements bagravesics de cagravelcul diferencial i drsquoagravelgebra lineal
mdash Conegraveixer el funcionament drsquoExcelreg
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer les eines financeres per valorar actius de renda fixa i de renda variable
Conegraveixer les diferents formes de mesurar i quantificar la rendibilitat i el risc drsquoun actiu financer
Conegraveixer els megravetodes drsquoanagravelisi i descomposicioacute del risc drsquouna cartera de valors
Conegraveixer el proceacutes complet de les diferents etapes que hi ha a lrsquohora de gestionar de formaograveptima una cartera de valors mobiliaris
Conegraveixer els models clagravessics drsquooptimitzacioacute financera aplicats a la gestioacute activa i passiva decarteres amb lrsquoobjectiu de trobar carteres diversificades
Conegraveixer els megravetodes de performance existents en el mercat per avaluar lrsquoeficiegravencia de lesdecisions preses pels gestors de carteres
Referits a habilitats destreses
Desenvolupar megravetodes que pugin avaluar quan un actiu financer esta infravalorat o sobrevalorat
Desenvolupar megravetodes que permetin determinar els moments idonis per comprar o vendre unactiu de renda variable aplicant les eines estadiacutestiques de lrsquoanagravelisi tegravecnica borsagraveria
Analitzar amb diferents criteris financers la viabilitat o no drsquoun projecte drsquoinversioacute
Aprendre a resoldre amb ordinador els problemes drsquooptimitzacioacute financera aplicats a laconstruccioacute de carteres eficients i ser capaccedilos de presentar els resultats
Referits a actituds valors i normes
Entendre al llarg del curs que el funcionament dels mercats financers teacute un fort componentsubjectiu i que de vegades influeixen en els resultats finals la sort i lrsquoatzar i en drsquoaltres elcomportament agregat dels inversors enfront del coneixement de determinades variablesmacroeconogravemiques no esperades
Aprendre a treballar en equip per obtenir resultats ograveptims atesa la gran quantitat drsquoinformacioacuteque apareix diagraveriament en els mercats financers
Blocs temagravetics
1 El mercat financer espanyol
La borsa a Espanya
Identificacioacute dels actius financers
Formes de valoracioacute drsquouna accioacute
Ordres de compravenda drsquoaccions
Drets econogravemics de les accions
Iacutendexs borsaris
2 Fonaments financers
Operacioacute financera
Interegraves simple venccedilut
Descompte comercial
Interegraves compost
Rendes financeres
Funcions financeres drsquoExcel
3 Rendibilitat de productes financers
Rendibilitat efectiva nominal i contiacutenua
Cagravelcul i interpretacioacute de la TAE TIR TRE RS TGR i TAR
Valoracioacute de lletres del tresor imposicions a termini fix efectes comercials
Valoracioacute de fons drsquoinversioacute plans de previsioacute bons de lrsquoestat preacutestecs liacutesing
Rendibilitat esperada drsquoun actiu
Rendibilitat histograverica drsquouna cartera drsquoactius
Rendibilitat esperada drsquouna cartera drsquoactius
4 Risc financer
Definicioacute de risc
Mesures de risc drsquoun actiu financer
Mesures de risc drsquouna cartera drsquoactius financers
Relacioacute entre diversificacioacute i risc
Control del risc drsquouna cartera drsquoactius
Funcions drsquoExcel relacionades amb el risc
5 Gestioacute de carteres
Poliacutetica drsquoinversioacute drsquouna cartera
Megravetodes de seleccioacute drsquoactius per construir una cartera
Megravetodes de seleccioacute dels moments ograveptims per comprar i vendre
Megravetodes per valorar la gestioacute realitzada drsquouna cartera
6 Optimitzacioacute de carteres
Construccioacute de carteres de renda variable
Elements fonamentals de les carteres de renda fixa
Obtencioacute de carteres ograveptimes amb ordinador
Construccioacute de carteres mixtes de renda fixa i variable
Metodologia i activitats formatives
Les 150 hores estimades que lrsquoestudiant ha de dedicar a aquesta assignatura es divideixen de la maneraseguumlent
mdash 46 hores presencials en quegrave el professor treballa els conceptes teograverics del programa i presentaexemples drsquoaplicacioacute dels conceptes teograverics explicats per a una millor comprensioacute i obtencioacute delsobjectius de coneixements i habilitats especiacutefics Es fomenta lrsquoesperit criacutetic a lrsquohora drsquoobtenir conegraveixer icalcular les diferents mesures de rendibilitat i risc necessagraveries per construir formalment les carteresograveptimes diversificades de renda fixa i variable
mdash 14 hores presencials en quegrave es plantegen resolen i interpreten problemes del moacuten financer Enprincipi drsquoaquestes hores estagrave previst fer 2 sessions de 2 hores a les aules drsquoinformagravetica drsquouna bandaper aprofitar les aplicacions informagravetiques existents en els mercats financers i poder aprofundir enlrsquoaplicacioacute i interpretacioacute dels conceptes teograverics i drsquoaltra banda per resoldre problemes reals del mercatque requereixen un nombre elevat de variables sobretot si es volen construir carteres ograveptimes eficients idiversificades
mdash 40 hores no presencials de treball tutelat i dirigit en quegrave lrsquoalumnat pot resoldre els dubtes que se lihan plantejat en el desenvolupament i execucioacute dels treballs (individuals i en grup) que proposa elprofessor a cada estudiant o grup de manera diferenciada i personalitzada
mdash 50 hores drsquoaprenentatge autogravenom en quegrave lrsquoestudiant ha drsquoestudiar i treballar pel seu compte perpoder assolir amb garanties els objectius de lrsquoaprenentatge Tambeacute eacutes recomanable que mitjanccedilant lapremsa diagraveria i Internet estigui informat de lrsquoevolucioacute dels mercats financers
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada es fa al llarg del curs i teacute principalment tres parts associades a les competegravenciesque srsquohan descrit per a aquesta assignatura
1 Avaluacioacute del joc de simulacioacute a la borsa espanyola
Al llarg del curs lrsquoestudiant duu a terme operacions de compravenda drsquoaccions del mercat espanyol amblrsquoobjectiu de construir una cartera que maximitzi la rendibilitat En funcioacute de la rendibilitat assolida per
la cartera a final de curs cada estudiant obteacute una nota que teacute una ponderacioacute del 10 respecte de lanota final Amb aquesta simulacioacute es desenvolupen les capacitats de prendre decisions drsquoadaptacioacute anoves situacions del mercat financer drsquoentendre el comportament dels seus companys enfront lesinversions realitzades i drsquointerpretar situacions i problemes reals
2 Avaluacioacute de treballs presentats al llarg del curs
Al llarg del curs es demanen tres treballs
El primer treball associat als continguts del tercer bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballen els conceptes de valoracioacute drsquoun producte financer o projecte drsquoinversioacute i larendibilitat drsquouna accioacute de lrsquoIBEX 35 Aquest primer treball teacute una ponderacioacute del 25 respecte de lanota final i permet desenvolupar les capacitats de formular dissenyar proposar modelitzar analitzarvalidar interpretar i resoldre problemes reals dels mercats financers
El segon treball associat als continguts del quart bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballa entre drsquoaltres el concepte de risc de la mateixa accioacute de lrsquoIBEX 35 seleccionadaper al primer treball Desenvolupa les capacitats drsquoanagravelisi i drsquointerpretacioacute dels coneixements estadiacutesticsassolits en cursos anteriors a la pragravectica dels mercats financers Aquest segon treball pondera un 15 de la nota final
El tercer treball associat als continguts del sisegrave bloc temagravetic eacutes en grup cada estudiant aporta lainformacioacute obtinguda per la seva accioacute en els dos treballs anteriors i conjuntament han de construir unacartera ograveptima segons algun dels models de gestioacute de carteres explicats a classe Aquest treball teacute unaponderacioacute del 10 respecte de la nota final i desenvolupa la capacitat de formular i gestionarprojectes perograve sobretot la capacitat de treballar en equip ja que cada membre ha de colmiddotlaborar ambels altres i contribuir a un projecte comuacute
Els treballs han de presentar-se dintre dels terminis marcats pel professor i es valora si lrsquoestudiant haassolit totes les competegravencies que es demanen en cadascun
3 Avaluacioacute dels coneixements
Al final del segon bloc temagravetic en la data fixada pel professor es duu a terme una prova escritaassociada al primer i segon bloc temagravetic La prova eacutes eminentment pragravectica perograve tambeacute incloupreguntes de reflexioacute i raonament respecte del funcionament del mercat financer espanyol i els seusfonaments Aquesta prova teacute una ponderacioacute del 10 respecte de la nota final
Al final de curs i en la data i lloc que fixi el Consell Docent lrsquoestudiant pot presentar-se a una provaescrita en la qual ha de posar de manifest la seva capacitat drsquoaprenentatge dels coneixements teograverics ipragravectics adquirits al llarg del curs amb la formulacioacute resolucioacute i presa de decisions de problemesfinancers No eacutes obligatori presentar-se a aquesta prova ja que amb la suma de la nota del joc desimulacioacute en borsa la prova escrita i les notes dels treballs pot haver superat els 5 punts quesrsquoexigeixen per aprovar lrsquoassignatura En cas contrari lrsquoestudiant ha de presentar-se i treure la nota queli falta per superar els 5 punts Aquesta prova teacute una ponderacioacute del 30 respecte de la nota final Enaquesta prova tambeacute es valora la capacitat de lrsquoestudiant per memoritzar i comprendre les foacutermules quehan aparegut al llarg del curs i la capacitat psicologravegica drsquoentendre el comportament dels seuscompanys enfront drsquouna determinada situacioacute que proposa el professor el dia de la prova
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data que
fixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignaturala nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Qui opti per ferlrsquoavaluacioacute uacutenica de lrsquoassignatura ha de fer la mateixa prova escrita que fan els alumnes drsquoavaluacioacutecontinuada en la data i el lloc que determini el Consell Docent perograve en aquest cas aquesta provaescrita teacute una ponderacioacute del 100 de la nota final La nota miacutenima per aprovar eacutes de 5 punts
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data quefixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignatura ila nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALEXANDER Gordon J et al Fundamentos de inversiones Teoriacutea y praacutectica Meacutexico DF [etc] PearsonEducacioacuten 2003
BODIE Zvi et al Principios de inversiones Madrid [etc] McGraw-HillInteramericana de Espantildea 2004
BODIE Zvi et al Finanzas Meacutexico [etc] Pearson Educacioacuten 2003
CORDOBA Miguel Anaacutelisis financiero Renta fija fundamentos y operaciones Madrid Thomson 2003
ELTON Edwin J et al Modern portfolio theory and investment analysis New York [etc] Wiley 1995
GOacuteMEZ-BEZARES Fernando Gestioacuten de carteras eficiencia teoriacutea de cartera CAPM APT BilbaoDescleacutee de Brouwer 2016
MARIN Joseacute Mariacutea et al Economiacutea Financiera Barcelona Antoni Bosch 2001
MARKOWITZ Harry M Portfolio selection efficient diversification of investments Oxford Basil Blackwell1991
MURPHY John J Anaacutelisis teacutecnico de los mercados financieros Barcelona Gestioacuten 2000
SANCHEZ Joseacute L (dir) Curso de Bolsa y Mercados Financieros Barcelona Ariel 2007
SHARPE William F Portfolio Theory and Capital Markets New York [etc] McGraw-Hill 2000
SUAacuteREZ Andreacutes-Santiago Decisiones oacuteptimas de inversioacuten y financiacioacuten en la empresa MadridPiraacutemide 2014
TERCENtildeO Antonio Matemaacutetica financiera Madrid Piraacutemide 1997
VILLALBA Daniel Teoriacutea y praacutectica de la gestioacuten de carteras Madrid BME 2016
Pagravegina web
wwwaiafcom
wwwinvertiacom
wwweleconomistaes
wwwbolsamaniacom
wwwcnmves
wwwbolsamadrides
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Principis dEconomia
Codi de lassignatura 361210
Curs acadegravemic 2019-2020
Coordinacioacute Antonio Manresa Sanchez
Departament Departament dEconomia
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Per millorar la productivitat es recomana que lrsquoestudiant vingui a classe havent fet la lectura del temacorresponent del manual de lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar i
integrar la informacioacute)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu fonamental de lrsquoassignatura eacutes que lrsquoestudiant conegui els principis bagravesics delrsquoeconomia tant en la seva vessant microeconogravemica com en la macroeconogravemica Tambeacute eacutesimportant que sigui capaccedil drsquoaplicar els coneixements teograverics a la realitat econogravemica mitjanccedilantexemples exercicis i problemes pragravectics Aixiacute mateix eacutes essencial que aprengui la terminologiaeconogravemica els instruments i models emprats per arribar a comprendre i analitzar el moacuten real atraveacutes de lrsquoanagravelisi econogravemica com a instrument bagravesic per assolir-ho
En concret es busca assolir les competegravencies seguumlents capacitat per interpretar dadeseconogravemiques i resoldre problemes econogravemics capacitat drsquoanagravelisi i siacutentesi capacitat drsquoorganitzacioacutei planificacioacute habilitat per analitzar i buscar informacioacute que proveacute de diferents fonts
Blocs temagravetics
1 Introduccioacute a lrsquoeconomia
11 Conceptes bagravesics
12 La frontera de possibilitats de produccioacute
2 Anagravelisi microeconogravemica
21 Activitat econogravemica
22 Produccioacute
23 Demanda
24 Mercat
25 Estructures de mercat
26 Fallades del mercat
3 Anagravelisi macroeconogravemica
31 Magnituds macroeconogravemiques
32 Renda consum estalvi inversioacute
33 Diner i mercats financers
34 Oferta i demanda agregades Inflacioacute
35 Desocupacioacute El mercat de treball
36 Intervencioacute puacuteblica
4 Economia internacional
41 Comerccedil internacional
42 Balanccedila de pagaments
43 Tipus de canvi
Metodologia i activitats formatives
El seguiment de lrsquoassignatura es fa mitjanccedilant
1 Assistegravencia a classe on srsquoexpliquen i es treballen els continguts meacutes complicats de la bibliografiabagravesica Setmanalment es planteja lrsquoanagravelisi de casos extrets de la premsa o drsquoinformes econogravemics sobreconceptes teories i models del contingut del programa
2 Autoaprenentatge Lrsquoestudiant desenvolupa activitats de manera autogravenoma per consolidar conceptesaixiacute com per resoldre exercicis plantejats pel professorat
3 Srsquoutilitza el Campus Virtual com a canal de comunicacioacute per tal de facilitar els materials o avisos quecorresponguin
4 Sessions pragravectiques amb el grup desdoblat en quegrave es duen a terme diferents tipus drsquoactivitatsactivitats drsquoavaluacioacute continuada resolucioacute drsquoexercicis presentacions tutories per grup discussioacute detextos relacionats amb el temari explicat a lrsquoaula pregraveviament proposats a lrsquoestudiant com a lecturaAquestes sessions consisteixen en un total de 5 hores per a cada subgrup durant el curs La planificacioacutedrsquoaquestes sessions es detalla en el programa de lrsquoassignatura
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Al llarg del curs es fan dues proves escrites drsquoavaluacioacute continuada la suma de les dues suposen el100 de la nota final La primera prova escrita es duu a terme un cop acabat el primer bloc temagravetic (ameitat del semestre) i la segona un cop acabat el segon bloc temagravetic (a final del semestre)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
La prova de lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen de tota la mategraveria
Avaluacioacute uacutenica
Qui opti per lrsquoavaluacioacute uacutenica ha de fer un uacutenic examen drsquoacord amb el programa amb preguntes deraonament teograveric i la resolucioacute de problemes La data de lrsquoexamen estagrave fixada pel Consell Docent(abans del periacuteode de matriculacioacute dels estudiants) La reavaluacioacute teacute les mateixes caracteriacutestiques quela prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MANKIW N Gregory Principios de Economia Madrid Paraninfo 2014
BERNANKE Ben et al Principios de Economia Madrid Mc Graw Hill 2007
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Probabilitat i Processos Estocagravestics
Codi de lassignatura 361218
Curs acadegravemic 2019-2020
Coordinacioacute Jose Maria Oller Sala
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Haver cursat les assignatures de 1r curs Introduccioacute a la Probabilitat Introduccioacute al Cagravelcul Agravelgebra Lineal
Altres recomanacions
Assistir a classe sempre
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacute operativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes reals adaptant els
models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els models multivariants bagravesics i les seves propietatsmdash Conegraveixer el concepte de la funcioacute generatriu de probabilitat i la generadora de momentsmdash Conegraveixer els diferents tipus de convergegravencies de successions de variables aleatograveries i els principalsresultats associats llei dels grans nombres i teorema del liacutemit centralmdash Conegraveixer el concepte de proceacutes estocagravestic i les seves propietats bagravesiquesmdash Conegraveixer els principals tipus de processos estocagravestics i identificar les situacions reals a les quals soacutenaplicables
Referits a habilitats destreses
mdash Calcular probabilitats a partir del model del vector aleatorimdash Calcular densitats marginals i funcions de vectors aleatorismdash Calcular matrius de covariagravencies i coeficients de correlacioacutemdash Calcular funcions generatrius de probabilitat i de moments mdash Comprovar quan una successioacute de variables aleatograveries convergeixmdash Determinar la matriu de transicioacute drsquouna cadena de Markov amb espai drsquoestats finit
Blocs temagravetics
1 Distribucions multivariants
11 Variables aleatograveries multivariants discretes i contiacutenues
12 Marginals i condicionades Independegravencia de variables aleatograveries
13 Matriu de variagravencies i covariagravencies Coeficient de correlacioacute
14 Lrsquoesperanccedila condicionada com a variable aleatograveria
15 Transformacions de variables aleatograveries multivariants
2 Distribucioacute normal multivariant
21 Normal bivariant
22 Normal multivariant
23 Prediccioacute en el cas de la normal bivariant
24 Distribucions relacionades amb la normal
3 Funcions generatrius
31 Segraveries de potegravencies
32 Funcioacute generatriu de probabilitat
33 Funcioacute generadora de moments
4 Convergegravencia de variables aleatograveries
41 Convergegravencia en distribucioacute
42 Teorema del liacutemit central
43 Altres tipus de convergegravencies de variables aleatograveries
44 Lleis dels grans nombres
45 Convergegravencies de sumes de variables aleatograveries i drsquoaltres transformacions
5 Processos estocagravestics
51 Cadenes de Markov
52 Passeigs aleatoris
53 Processos de ramificacioacute
54 Processos de Poisson
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials (a classe)
mdash Classes de teoria Dues sessions setmanals (dues hores + una hora) on es presenta el material delrsquoassignatura Srsquoemfasitzen les idees i els conceptes Es miren amb detall les demostracions que pel seu continguti desenvolupament resulten pedagogravegicament creatives i formatives
mdash Classes de problemes Sessions drsquouna hora setmanal (durant 10 setmanes) Els alumnes disposen al principide cada tema de la colmiddotleccioacute de problemes corresponent En finalitzar cada tema es deixen les solucions en elCampus Virtual El professorat indica amb antelacioacute quins soacuten els problemes que cal treballar per a la classeseguumlent Tambeacute comenta les diferents formes drsquoabordar-los i els resol a la pissarra En ocasions es deixa temps ala mateixa classe perquegrave els alumnes resolguin algun problema
mdash Pragravectiques drsquoordinador Sessions drsquouna hora setmanal (durant 5 setmanes) Es treballa amb el programa RTots els alumnes que puguin han de portar a classe els seus portagravetils i compartir-los amb els que no en tinguinEls alumnes disposen al principi de cada tema drsquoun guioacute de la pragravectica En finalitzar cada tema es deixa unapossible solucioacute en el Campus Virtual
A meacutes a meacutes es proposen setmanalment activitats (problemes per resoldre pragravectiques amb lrsquoordinador) que elsestudiants han de fer no presencialment i lliurar la setmana seguumlent Aquestes activitats srsquoavaluen
Es fa servir el Campus Virtual com a repositori del material del curs i tambeacute per concretar les activitatsproposades setmanalment Alguns dels lliuraments de feines es fan directament en el Campus Virtual
Srsquoespera que els alumnes assisteixin a classe sempre ja que una assistegravencia irregular no permet assolir lescompetegravencies que lrsquoassignatura es marca com a objectius
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als estudiants que assisteixen regularment a classe (que haurien de ser tots) Constade tres parts
1 Lliurament setmanal de problemes (LliuSetm)
2 Examen parcial en finalitzar el tema 1 (ExParcial)3 Examen final que coincideix amb la data de lrsquoavaluacioacute uacutenica (ExFinal)
Aquestes tres parts avaluen les competegravencies de lrsquoassignatura
Els exagravemens parcial i final tenen la mateixa estructura amb una part de preguntes de teoria i entre dos i quatreproblemes El pes de les preguntes de teoria eacutes entre un 20 i un 30 del total
La qualificacioacute global de lrsquoassignatura eacutesGlobal = 020 Max(LliuSetm ExFinal) + 025 Max(ExParcial ExFinal) + 055 ExFinalPer tant la nota dels lliuraments setmanals i del parcial es tenen en compte (amb pesos respectius del 20 idel 25 del global) nomeacutes si soacuten superiors a la nota de lrsquoexamen final
Els estudiants que no es presentin a lrsquoexamen final tenen un laquoNo presentatraquo com a qualificacioacute global delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica Qui vulguirenunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableixi ique es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica consta de dues parts teoria (amb un pes entre el 20 i el 30 ) i problemes (ambun pes entre el 70 i el 80 ) Els continguts drsquoaquestes proves soacuten semblants (en temagravetica i dificultat) als deles classes presencials Aquestes proves avaluen les competegravencies de lrsquoassignatura
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode de matriculacioacute delsestudiants)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CHUNG Kai Lai Elementary probability theory with stochastic processes and an introduction to mathematicalfinance New 4th ed York [etc] Springer 2003
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior Chung 1983)
DeGROOT Morris H et al Probability and statistics 2nd ed Reading (Mass) [etc] Addison-Wesley 2012
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior DeGroot 1988)
GRIMMETT Geoffrey et al Probability and random processes Oxford [etc] Oxford University Press 2001
GRIMMETT Geoffrey et al Probability An Introduction Oxford Clarendon Press1986
JULIAgrave DE FERRAN Olga et al Probabilitats problemes i meacutes problemes Barcelona Publicacions i Edicions de laUniversitat de Barcelona 2005
GUT Allan An Intermediate Course in Probability New York [etc] Springer 2009
PITMAN Jim Probability New York Springer 1993
SANZ Marta Probabilitats Barcelona Edicions Universitat de Barcelona 1999
GRINSTEAD Charles M et al Introduction to probability Providence (RI) American Mathematical Society 2006
(Accessible via webhttpwwwdartmouthedu~chanceteaching_aidsbooks_articlesprobability_bookbookhtml)
EVANS Michael John et al Probability and Statistics The Science of Uncertainty New York WH Freeman andCompany 2010
EVANS Michael John et al Probabilidad y estadiacutestica La ciencia de la incertidumbre Barcelona Reverte 2005(Trad de Probability and Statistics The science of uncertainty First Edition 2003)
PENtildeA Daniel Fundamentos de estadiacutestica Madrid Alianza 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute
Codi de lassignatura 361192
Curs acadegravemic 2019-2020
Coordinacioacute MARTA FAIREacuteN GONZALEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer i entendre les diferents estructures de dades en lrsquoentorn de programacioacute estadiacutesticaR i les seves diferegravenciesmdash Entendre la necessitat drsquoestructurar les dades en un algorisme i les diferents possibilitatsdepenent de les necessitats del problemamdash Entendre per quegrave de vegades cal usar una estructura de dades o una altra per resoldre unproblemamdash Conegraveixer les tegravecniques bagravesiques de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Referits a habilitats destreses
mdash Aplicar els coneixements sobre estructures de dades per resoldre problemes de mitjanaenvergaduramdash Aplicar els coneixements bagravesics de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Blocs temagravetics
1 Repagraves drsquoeines fonamentals de la programacioacute
11 Els vectors
12 Esquema de recorregut i esquema de cerca
13 Disseny descendent (accions i funcions)
2 Les matrius (taules)
21 Conceptes
22 Recorreguts i acceacutes
3 Combinacioacute de dades de diferent tipus (List)
31 Introduccioacute i conceptes generals
32 Construccioacute i operacions amb el tipus List
4 Estructures de dades meacutes complexes (Data Frames)
41 Introduccioacute i conceptes bagravesics
42 Construccioacute i operacions amb Data Frames
43 Combinacions drsquoestructures
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria i problemes en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com acontinguts de lrsquoassignatura i alhora resoldre i analitzar els problemes relacionats amb la teoriapresentada de manera intercalada
2 Classes de laboratori (pragravectiques drsquoordinador) que es duen a terme a les aules drsquoinformagravetica de laFacultat en quegrave lrsquoobjectiu eacutes lrsquoaplicacioacute pragravectica del que srsquoha vist a les classes de teoria i problemes enels ordinadors i especialment el desenvolupament de programes
El grup es desdobla en dos per a les classes de teoria tots els estudiants tenen el mateix horari i fan lesclasses dos professors En canvi el grup es desdobla en tres per a les classes de laboratori (pragravectiquesdrsquoordinador) tambeacute tots els estudiants fan el mateix horari i imparteixen les classes tres professors
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura es basa principalment en dos tipus drsquoactivitats
a) Dues proves escrites que no eliminen temari i que consisteixen en la resolucioacute per escrit drsquounconjunt drsquoexercicis o problemesmdash Una prova de seguiment que es duu a terme a la meitat del curs (NEPar) Aquesta prova es fa cap ala meitat del semestremdash Una prova final (NEFin) Es fa el mateix dia que la prova drsquoavaluacioacute uacutenica
b) Una prova pragravectica que es fa en els ordinadors (NPRAC) en lrsquouacuteltima classe de laboratori
El cagravelcul de la nota final es fa segons el procediment seguumlent
NCON = Magravex ((03 NEPar + 07 NEFin) NEFin)
NFINAL = 03 NPRAC + 07 NCON
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una uacutenica prova escrita que dona la nota final (NFINAL)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHO Alfred V et al Estructuras de datos y algoritmos Willmington Del Addison-WesleyIberoamericana 1988
MATLOFF Norman S The Art of R Programming A Tour of Statistical Software Design San Francisco NoStarch Press 2011
BRAUN John et al First Course in Statistical Programming with R Cambridge Cambridge University2007
Text electrogravenic
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute Lineal i Entera
Codi de lassignatura 361226
Curs acadegravemic 2019-2020
Coordinacioacute F JAVIER HEREDIA CERVERA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Classes de teoria i problemes) 375
- Pragravectiques dordinadors
(Laboratoris computacionals ambSASOR)
225
Treball tutelatdirigit
(Realitzacioacute i seguiment dels exercicis deteoria i laboratori proposats a classe)
38
Aprenentatge autogravenom 52
Recomanacions
Tenir els coneixements i habilitats bagravesiques drsquoanagravelisi agravelgebra lineal programacioacute investigacioacute operativa iSAS de les assignatures seguumlentsmdash Introduccioacute al Cagravelcul Agravelgebra Lineal Cagravelcul de Diverses Variables Megravetodes Numegravericsmdash Introduccioacute a la Informagravetica Programacioacute
mdash Software Estadiacutestic (SAS)mdash Introduccioacute a la Investigacioacute Operativa
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de presa de decisioacute meacutes importants de la investigacioacute operativa en diversoscamps drsquoaplicacioacute
Analitzar problemes de presa de decisioacute amb lrsquoobjectiu de formular i resoldre computacionalmentel model drsquooptimitzacioacute meacutes adient
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal i dels seusalgorismes de resolucioacute aixiacute com de les tegravecniques drsquoanagravelisi de sensibilitat
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal entera i dels seusalgorismes de resolucioacute
Referits a habilitats destreses
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal a problemesacadegravemics de dimensioacute reduiumlda
Resoldre problemes pragravectics mitjanccedilant lrsquoaplicacioacute de tegravecniques drsquoanagravelisi de sensibilitat a modelsde programacioacute lineal
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal entera aproblemes acadegravemics de dimensioacute reduiumlda
Resoldre problemes reals de presa de decisioacute mitjanccedilant lrsquouacutes drsquoalgun programari drsquooptimitzacioacute dereferegravencia corresponent als diferents algorismes drsquooptimitzacioacute estudiats al llarg del curs
Blocs temagravetics
1 Introduccioacute a la programacioacute lineal (PL)
11 Formulacioacute de problemes de programacioacute lineal
12 Representacioacute gragravefica i solucioacute de problemes de programacioacute lineal
13 Repagraves de conceptes drsquoagravelgebra lineal Complexitat algoriacutesmica
14 Implementacioacute i resolucioacute computacional de problemes de programacioacute lineal amb el
procediment OPTMODEL de SASOR (laboratori 1)
2 Teoria de programacioacute lineal i algorisme del siacutemplex
21 Geometria en programacioacute lineal poliedres i conjunts convexos punts extrems
vegravertexs i solucions bagravesiques degeneracioacute existegravencia i optimitat dels punts extrems
22 Lrsquoalgorisme del siacutemplex condicions drsquooptimitat desenvolupament de lrsquoalgorisme del
siacutemplex implementacions del megravetode del siacutemplex cagravelcul de solucions inicials factibles
eficiegravencia computacional de lrsquoalgorisme del siacutemplex
23 Estudi computacional de lrsquoalgorisme del siacutemplex procediment OPTLP de SASOR
(laboratori 2)
3 Dualitat en programacioacute lineal i anagravelisi de sensibilitat
31 Teoria de dualitat motivacioacute del problema dual teorema de dualitat i de folga
complementagraveria variables duals i costos marginals lrsquoalgorisme del siacutemplex dual
32 Anagravelisi de sensibilitat anagravelisi de sensibilitat local anagravelisi de sensibilitat global
programacioacute paramegravetrica
33 Anagravelisi de sensibilitat global amb SASOR programacioacute amb el procediment
OPTMODEL (laboratori 3)
4 Models de programacioacute lineal entera (PLE)
41 Definicioacute i formulacioacute de problema de PLE i PLE mixta
42 Formulacions vagravelides fortes i ideals de problemes de programacioacute entera
43 Implementacioacute de problemes PLE amb SASOR (PROC OPTMODEL) i enllaccedil amb bases
de dades SAS (laboratori 4)
5 Algorismes de programacioacute lineal entera
51 Introduccioacute repagraves de lrsquoalgorisme de ramificacioacute i poda (branch-and-bound)
classificacioacute dels megravetodes de programacioacute lineal entera
52 Algorismes de plans de tall algorisme genegraveric talls de Gomory algorisme de plans
de tall de Gomory
53 Algorismes de ramificacioacute i tall (branch-and-cut) algorisme genegraveric de ramificacioacute i
tall (branch-and-cut)
54 Resolucioacute eficient de les relaxacions lineals reoptimitzacioacute amb el siacutemplex dual
55 Implementacioacute i resolucioacute computacional de problemes PLE amb SASOR
procediment OPTMILP (laboratori 5)
Metodologia i activitats formatives
Classes de teoria sessions magistrals en quegrave amb lrsquoajut de les transparegravencies de classe esdesenvolupen els aspectes formals de lrsquoassignatura ilmiddotlustrats amb nombrosos exemples numegravericsdescrits tant a les transparegravencies com a la pissarra
Classes de problemes sessions participatives en quegrave amb lrsquoajut de la Colmiddotleccioacute drsquoExercicis de Teoriade lrsquoassignatura es vol facilitar la comprensioacute dels continguts de les classes de teoria Cada setmana esproposen uns exercicis de la colmiddotleccioacute que es resolen i discuteixen a la pissarra a la sessioacute seguumlentAlgunes drsquoaquestes sessions es destinen a la resolucioacute i discussioacute dels controls de teoria
Sessions de laboratori sessions participatives destinades a la formulacioacute matemagravetica laimplementacioacute computacional i lrsquoanagravelisi de les solucions dels problemes drsquooptimitzacioacute estudiats alrsquoassignatura amb el programari de modelitzacioacute i optimitzacioacute SASOR Cada setmana es proposen unsexercicis de la Colmiddotleccioacute drsquoExercicis de Laboratori de lrsquoassignatura que es resolen i discuteixen a lasessioacute seguumlent Per a les sessions de laboratori es desdobla el grup en dos grups de laboratori queimparteixen simultagraveniament dos professors
Avaluacioacute acreditativa dels aprenentatges
Activitats de lrsquoavaluacioacute continuada
bull Controls de teoria proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb les propietats dels models i algorismes drsquooptimitzacioacute NCT eacutes la mitjana aritmegravetica deles notes sobre 10 dels controls de teoria
bull Controls de laboratori proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb la formulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemesdrsquooptimitzacioacute NCL eacutes la mitjana aritmegravetica de les notes sobre 10 dels controls de laboratori
bull Prova drsquoavaluacioacute final de teoria i de laboratori prova per acreditar lrsquoadquisicioacute de les habilitats
teoricopragravectiques de lrsquoassignatura Consta de dos exagravemens diferents de teoria i laboratori ambnotes NAT i NAL respectivament
Nota drsquoavaluacioacute continuada srsquoobteacute aplicant lrsquoexpressioacute
NAC = 06min 10 FCTNAT + 04min 10 FCLNAL
on FCT i FCL soacuten factors entre 1 i 12 que srsquoobtenen a partir de les notes dels controls de teoriai laboratori respectivament segons les foacutermules
FCT = 1 + (2NCT10)10 i FCL = 1 + (2NCL10)10
Alliberament de mategraveria pel resultat dels controls Els alumnes amb NCT gt= 7 i cap nota decontrol de teoria lt 4 o NCL gt= 7 i cap nota de control de laboratori lt 4 queden alliberats delrsquoobligacioacute de fer la prova drsquoavaluacioacute final corresponent Si un alumne que pot alliberar mategraveria espresenta a la prova drsquoavaluacioacute final per tal de calcular la NAC es pren la millor nota entre els controls ila prova final eacutes a dir
max min 10 FCTNAT NCT i max min 10 FCLNAL NCL
Nota miacutenima per tal drsquoaprovar lrsquoavaluacioacute continuada cal que NAC gt= 5 i que NAT i NAL siguin gt=4
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica eacutes la mateixa prova drsquoavaluacioacute final de teoria i de laboratori de lrsquoavaluacioacutecontinuada Consta de les parts seguumlents
bull Prova drsquoavaluacioacute de teoria examen per avaluar els aprenentatges relacionats amb les propietatsdels models i algorismes drsquooptimitzacioacute Consta drsquoun test (sense apunts) i un conjunt drsquoexercicis teograverics(amb transparegravencies de classe)
bull Prova drsquoavaluacioacute de laboratori examen per avaluar els aprenentatges relacionats amb laformulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemes drsquooptimitzacioacute Constadrsquoun exercici pragravectic a lrsquoaula drsquoinformagravetica amb el programari usat durant el curs i les transparegravencies declasse
La nota drsquoavaluacioacute uacutenica srsquoobteacute aplicant lrsquoexpressioacute NAU = 06NAT + 04NAL on NAT i NAL soacutenrespectivament la nota sobre 10 de la prova drsquoavaluacioacute de teoria i de laboratori Per tal drsquoaprovarlrsquoavaluacioacute uacutenica cal que NAU gt= 5 i que NAT i NAL siguin gt= 4 La data de la prova drsquoavaluacioacuteuacutenica eacutes la fixada pel Consell Docent
La reavaluacioacute consisteix en una prova amb les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BERTSIMAS Dimitris et al Introduction to linear optimization Belmont (Mass) Athena Scientific1997
Text electrogravenic
HEREDIA FJavierTransparegravencies de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Transparegravencies de Laboratori de Programacioacute Lineal i Entera amb SASOR
HEREDIA F Javier Exercicis de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Exercicis de Laboratori de Programacioacute Lineal i Entera amb SASOR
PDF disponible mitjanccedilant el Campus Virtual
SASOR 93 Userrsquos Guide Mathematical Programming
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute No Lineal i Fluxos en Xarxes
Codi de lassignatura 361227
Curs acadegravemic 2019-2020
Coordinacioacute Julia De Frutos Cachorro
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Coneixements i habilitats bagravesiques de les assignatures seguumlents Cagravelcul de Diverses Variables AgravelgebraLineal i Programacioacute Lineal i Entera
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura es basa en lrsquoestudi i resolucioacute de problemes de decisioacute mitjanccedilant tegravecniques quepermeten la identificacioacute i avaluacioacute sistemagravetica de totes les opcions de decisioacute del problema Ameacutes sempre que la naturalesa del problema que srsquoha de resoldre ho permeti eacutes convenientformular aquests problemes en termes matemagravetics
En la modelitzacioacute de problemes mitjanccedilant la programacioacute no lineal (PNL) srsquoafegeix una visioacutemeacutes propera de la realitat estudiada Lrsquoobjectiu del curs en relacioacute amb la PNL eacutes poderdeterminar la decisioacute ograveptima drsquoun problema a meacutes en el cas que el problema estigui subjecte arestriccions eacutes convenient saber si el problema teacute o no teacute solucioacute i en cas de tenir-ne quina eacutesla seva localitzacioacute i naturalesa Respecte a la temagravetica dels fluxos en xarxes com que gran part dels problemes es podenresoldre per programacioacute lineal lrsquoobjectiu del curs eacutes exposar tant les nocions elementals de lateoria com reconegraveixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismesespeciacutefics per resoldrersquols
Referits a habilitats destreses
Respecte a la programacioacute no lineal (PNL) es preteacuten que lrsquoestudiant sigui capaccedil demdash Formalitzar situacions simples mitjanccedilant problemes de programacioacute no linealmdash Aplicar els conceptes de la programacioacute no lineal per trobar resultats i deduir-ne la naturalesamdash Interpretar els resultats obtinguts en el context del modelmdash Analitzar models de lrsquoeconomia des del punt de vista de la PNLmdash Aplicar la PNL a problemes drsquooptimitzacioacute en estadiacutesticamdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiades i lrsquouacutes de programesinformagravetics com ara SAS i Excel
Respecte als fluxos en xarxes es preteacuten que lrsquoestudiant sigui capaccedil demdash Formular els problemes mitjanccedilant programes linealsmdash Distingir les particularitats dels diferents tipus de xarxesmdash Formalitzar situacions simples com a fluxos en xarxes identificant els elements i elsprocediments de resolucioacutemdash Aplicar diferents tipus drsquoalgorismes en un mateix model de xarxa i comparar-ne els resultatsmdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiadesmdash Interpretar els resultats i desenvolupar una capacitat criacuteticamdash Definir i resoldre problemes de fluxos en xarxes mitjanccedilant lrsquouacutes de programes informagravetics comara SAS i Excel
Blocs temagravetics
1 Programacioacute no lineal
11 Introduccioacute a la programacioacute no lineal conceptes preliminars i definicions
12 Resolucioacute de problemes de programacioacute no lineal sense restriccions
13 Megravetodes de programacioacute no lineal basats en lrsquoaproximacioacute
14 Programacioacute no lineal amb restriccions megravetode de multiplicadors de Lagrange i
condicions de Kuhn-Tucker
15 Algorismes de resolucioacute de problemes no lineals restringits
16 Aplicacions
2 Fluxos en xarxes
21 Models de xarxes definicions bagravesiques i exemples
22 Problema de la trajectograveria meacutes curta
23 Problema de flux magravexim
24 Problema de flux amb cost miacutenim en una xarxa
25 Altres aplicacions
Metodologia i activitats formatives
La metodologia amb la qual es volen assolir els objectius de lrsquoassignatura consisteix drsquouna banda enclasses magistrals de caragravecter teoricopragravectic i de lrsquoaltra en activitats pragravectiques a lrsquoordinador Respectede les classes es preteacuten que lrsquoanagravelisi de diferents exemples condueixi a la necessitat de definirconceptes bagravesics i que despreacutes aquests conceptes i procediments srsquoapliquin a exemples meacutes complexosprovinents de la realitat econogravemica Per aixograve les activitats pragravectiques que es proposen tenen un paperimportant en lrsquoassoliment drsquoaquests objectius
Avaluacioacute acreditativa dels aprenentatges
Com a norma general lrsquoavaluacioacute ha de ser continuada En cas que lrsquoestudiant manifesti que no potcomplir els requisits drsquouna avaluacioacute continuada teacute dret a una avaluacioacute uacutenica Aquesta decisioacute ha deconstar per escrit amb una cogravepia per a lrsquoestudiant i una altra per al professor abans de la data quesrsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en dues proves escrites presencials al final de cada bloc temagravetic i dediferents pragravectiques a lrsquoordinador al llarg del curs El calendari de les proves escrites es fa puacuteblic en elCampus Virtual a lrsquoinici de cada curs
La nota de curs (o nota drsquoavaluacioacute continuada) segueix la foacutermula seguumlent
Nota de curs = Nota de proves escrites 07 + Nota de pragravectiques 03
On Nota de proves escrites = (Nota prova 1 + Nota prova 2) 2
Per poder superar el curs mitjanccedilant lrsquoavaluacioacute continuada srsquoexigeix que la nota del curs sigui igual osuperior a 5 (sobre 10) i que a cadascuna de les proves escrites descrites anteriorment srsquoobtingui coma miacutenim un 35 (sobre 10)
Tots els estudiants que no hagin superat lrsquoassignatura amb lrsquoavaluacioacute continuada tenen dret a unaprova de reavaluacioacute La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova de preguntes teograveriques i pragravectiques i que teacute lloc en la dataoficial drsquoexagravemens Per poder superar el curs srsquoexigeix que la nota drsquoaquesta prova sigui igual o superiora 5 (sobre 10)
ReavaluacioacuteTots els estudiants que no hagin superat lrsquoassignatura ja sigui mitjanccedilant avaluacioacute continuada oavaluacioacute uacutenica tenen dret a una prova de reavaluacioacute La prova de reavaluacioacute teacute les mateixescaracteriacutestiques que la prova drsquoavaluacioacute uacutenica descrita anteriorment i teacute lloc en la data oficialdrsquoexagravemens de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHUJA Ravindra K et al Network Flows Theory algorithms and applications Upper Saddle River (NJ)Prentice Hall 1993
WINSTON Wayne L Investigacioacuten de operaciones Aplicaciones y algoritmos Meacutexico Thomson 2005
MARTIacuteN Quintiacuten et al Investigacioacuten Operativa Problemas y ejercicios resueltos Madrid [etc] PearsonEducacioacuten 2005
TAHA Hamdy A Investigacioacuten de operaciones 9a ed Meacutexico [etc] Pearson Educacioacuten 2012
BALBAacuteS Alejandro et al Programacioacuten Matemaacutetica 2a ed Madrid AC 1990
PEacuteREZ Joaquiacuten et al Teoria de juegos Madrid [etc] Prentice Hall 2004
IZQUIERDO Josep Maria et al Jocs cooperatius i aplicacions econogravemiques Barcelona Edicions de laUniversitat de Barcelona 1999
BAZARAA Mokhtar S et al Linear programming and network flows Hoboken NJ John Wiley amp Sons2010
OSBORNE Martin J An introduction to Game Theory New York [etc] Oxford University Press 2004
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Software Estadiacutestic
Codi de lassignatura 361214
Curs acadegravemic 2019-2020
Coordinacioacute KLAUS LANGOHR
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques dordinadors 45
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Es recomana haver cursat les assignatures de primer curs
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
-
Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a habilitats destreses
Desenvolupar aplicacions estadiacutestiques estructurades i eficients amb lrsquouacutes de programari(software) estadiacutestic de referegravencia desplegant les competegravencies adquirides a les assignatures deprogramacioacute
Aplicar models i tegravecniques estudiats en altres assignatures drsquoestadiacutestica i investigacioacute operativaamb lrsquouacutes de programari estadiacutestic de referegravencia tant comercial com de lliure distribucioacute
Distingir els avantatges i inconvenients dels principals paquets de programari estadiacutestic
Blocs temagravetics
1 El llenguatge de programacioacute R
11 Creacioacute i manipulacioacute drsquoobjectes bagravesics de R vectors matrius i data frames
12 Importacioacute de dades a R i exportacioacute de resultats
13 Estadiacutestica descriptiva i procediments gragravefics bagravesics
14 Programacioacute bagravesica i creacioacute de funcions progravepies
2 El llenguatge SAS
21 Edicioacute depuracioacute i combinacioacute de dades Transformacioacute de variables
22 Principals mograveduls drsquoanagravelisi de dades
Metodologia i activitats formatives
Sessions en aules amb ordinadors mdash sessions expositives del professorat seguides drsquoun exemple o pragravectica guiadamdash sessions de pragravectica drsquoun cas proposatmdash sessions de plantejament de casos per resoldre de forma autogravenoma
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada de lrsquoassignatura es basa en la mitjana de les notes de cadascun dels dosllenguatges treballats (amb un miacutenim de 4 sobre 10 en cadascun) Cadascuna de les dues notes es basaen un parell drsquoexagravemens (70 ) i un treball pragravectic (30 ) El treball tant amb R com amb SASconsisteix a buscar un conjunt de dades analitzar-lo amb les eines apreses a classe i en un apartat deprogramacioacute drsquouna funcioacute Es valora positivament el fet de buscar un conjunt de dades original i lacreativitat en la programacioacute de la funcioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica de lrsquoassignatura consisteix en un examen final (70 ) i en el lliurament dels treballspragravectics amb R i SAS (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BRAUN John MURDOCH Duncan A First course in statistical programming with R CambridgeCambridge University 2007
CRAWLEY Michael J Statistics an introduction using R Chichester Wiley amp Sons cop 2005
DALGAARD Peter Introductory statistics with R New York Springer cop 2002
MURRELL Paul R Graphics Boca Raton (Fla) Chapman amp HallCRC 2006
MUENCHEN Robert A R for SAS and SPSS Users New York Springer 2011
DELWICHE Lora D The Little SAS book a primer Cary (NC) SAS Institute 1995
EVERITT BS et al A Handbook of statistical analyses using SAS Boca Raton (Fla) Chapman ampHallCRC 2009
HATCHER Larry Step-by-step basic statistics using SAS student guide Cary (NC) SAS Institute 2003
PEacuteREZ Ceacutesar El Sistema estadiacutestico SAS Madrid Pearson Educacioacuten 2001
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Teoria de Cues i Simulacioacute
Codi de lassignatura 361228
Curs acadegravemic 2019-2020
Coordinacioacute ESTEVE CODINA SANCHO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Meacutes informacioacute
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 75
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs enmdash Cagravelcul de probabilitats variables aleatograveries distribucions de frequumlegravencies i estadiacutestics (mitjanavariagravencia etc)mdash Cagravelcul i anagravelisi realmdash Programacioacute
Es recomana haver cursat les assignatures
mdash Estadiacutestica Descriptivamdash Introduccioacute a la Informagraveticamdash Introduccioacute a la Probabilitatmdash Introduccioacute al Cagravelculmdash Programacioacutemdash Probabilitat i Processos Estocagravesticsmdash Introduccioacute a la Investigacioacute Operativamdash Inferegravencia Estadiacutestica
Altres recomanacions
Per tal drsquoafavorir que lrsquoalumnat assoleixi els objectius drsquoaquesta mategraveria es recomana
mdash Assistir regularment a classe per facilitar la implicacioacute personal en lrsquoaprenentatge i laparticipacioacute en les activitats en grup
mdash Exercitar hagravebits de disciplina continuada i sistemagravetica en el propi treball intelmiddotlectual i lrsquoaplicacioacutemdasho aprenentatge si escaumdash drsquoestrategravegies de treball autogravenom i de recursos drsquoavaluacioacute formativaproposats pel professorat
mdash Utilitzar de manera continuada els recursos de la mategraveria
mdash Seguir les activitats pragravectiques com a mitjagrave drsquoaprofundiment en el domini dels procediments ide les habilitats bagravesiques de lrsquoassignatura i de la seva didagravectica i tambeacute com a sistema peraprofundir en els coneixements teograverics de la mategraveria
mdash Fer com a miacutenim una visita per semestre al professorat de la mategraveria
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de temps de vida residual i aplicar-lo a lrsquoentorn dels sistemes drsquoespera
mdash Conegraveixer i estar en disposicioacute drsquoidentificar els diferents components drsquoun sistema drsquoespera i lesseves interrelacions
mdash Conegraveixer les principals magnituds fonamentals que intervenen en un sistema de cues i comaquestes reflecteixen el funcionament drsquoaquest sistema aixiacute com les interrelacions entreaquestes magnituds
mdash Conegraveixer i aplicar les propietats dels models drsquoespera exponencials
mdash Identificar les distribucions de probabilitat subjacents en els diferents processos queintervenen en un sistema drsquoespera
mdash Conegraveixer els megravetodes vistos a lrsquoassignatura per generacioacute de nombres aleatoris
mdash Conegraveixer el paper de la simulacioacute com a eina metodologravegica per avaluar models de cues isistemes drsquoinventari
Referits a habilitats destreses
mdash Calcular lrsquoesperanccedila del temps de vida residual i condicional
mdash Identificar el model de cues adequat i de les distribucions de probabilitat per arribades iserveis
mdash Calcular i fer estimacions de les magnituds fonamentals dels sistemes drsquoespera
mdash Identificar la influegravencia en el rendiment dels sistemes drsquoespera de diferents tipus de canvis enla seva configuracioacute
mdash Desenvolupar models de simulacioacute de sistemes de cues i inventaris
mdash Saber emprar el megravetode de mitjanes per lots a partir de resultats drsquouna simulacioacute
Blocs temagravetics
1 Introduccioacute als processos de renovacioacute
Propietats importants dels processos estocagravestics de renovacioacute que intervenen en la teoriade cues
11 Definicioacute
12 La propietat drsquoabsegravencia de memograveria
2 Cues exponencials
Principals models derivats dels processos de naixement i mort
21 Conceptes bagravesics sistemes drsquoespera
22 Estimacioacute dels paragravemetres en models de cues
23 Models exponencials de cues
3 Cues no exponencials
En moltes situacions reals les hipogravetesis progravepies de les cues MM no es verifiquen En algunscasos eacutes possible emprar megravetodes analiacutetics o fer aproximacions En aquest bloc es presentenles meacutes comunes
31 Introduccioacute als models no exponencials
4 Simulacioacute
Per a alguns sistemes com ara cues meacutes complexes o sistemes drsquoinventari els modelsanaliacutetics esdevenen molt complexos Una forma alternativa drsquoobtenir solucions dels anteriorssistemes eacutes mitjanccedilant models de simulacioacute En aquest bloc srsquoexaminen les metodologies meacutesrellevants per construir i explotar models de simulacioacute
41 Conceptes bagravesics
42 Megravetodes de Montecarlo
43 Metodologia de la simulacioacute
44 Processos de mostreig en simulacioacute
Metodologia i activitats formatives
La metodologia drsquoensenyament inclou quatre tipus de sessions sessions de teoria sessions deproblemes io exercicis sessions de laboratori i sessions de seguiment del treball de curs
mdash Les sessions de teoria consisteixen en lrsquoexposicioacute dels continguts de lrsquoassignatura generalment amblrsquoajut drsquoun conjunt de transparegravencies que srsquoalternen amb la pissarra en la qual srsquoestenen i tambeacute esdesenvolupen exemples adequats
mdash Les sessions de problemes consisteixen en la resolucioacute ja sigui per part del professor o solmiddotlicitant lacooperacioacute dels estudiants drsquoun conjunt drsquoexercicis cadascun de certa extensioacute i amb enunciatsrecopilats en una colmiddotleccioacute de la qual nomeacutes es disposa de les solucions finals dels exercicis
mdash Les sessions de laboratori consisteixen en la utilitzacioacute de recursos de programari per tal de resoldreaspectes pragravectics com ara lrsquoestimacioacute dels paragravemetres dels models de cues estudiats a classe de teorialrsquoevolucioacute de les longituds de cua la generacioacute i anagravelisi de mostres de nuacutemeros pseudoaleatoris lrsquoanagraveliside mostres de resultats de simulacioacute
mdash En les sessions de seguiment del treball de curs srsquoexposa el contingut dels lliuraments parcials quehan drsquoefectuar-se drsquoaquest treball i es responen les quumlestions particulars de cada treball
mdash Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Elprofessorat assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Aquesta eacutes lrsquoavaluacioacute habitual La comprensioacute de lrsquoassignatura i de les habilitats que es desenvolupenpoden ser avaluades de manera continuada mitjanccedilant dos exagravemens parcials i un de final Cada examenparcial avalua dos blocs de teoria i el seu pes en la nota de teoria eacutes del 50 Els exagravemens parcialstenen caragravecter alliberador dels blocs corresponents sempre que la nota obtinguda sigui superior o iguala 35 (sobre 10) aleshores no cal presentar-se a lrsquoexamen final dels blocs alliberats pels parcials Elprimer examen parcial es fa a meitat del semestre i el segon examen parcial al final de les classesIgualment formen part de lrsquoavaluacioacute continuada les pragravectiques de laboratori lliurades i avaluadesdurant el curs
Lrsquoassignatura inclou el desenvolupament drsquoun treball amb un lliurament parcial al llarg del periacuteodedocent Aquest lliurament parcial passa a formar part de lrsquoavaluacioacute continuada i val el 30 del total dela nota corresponent al treball Aquest treball de curs srsquoha de lliurar en la data marcada per a lrsquoexamenfinal
La nota de lrsquoassignatura es compon drsquoun 60 de la part teograverica un 20 dels exercicis de laboratori iun 20 del treball de curs
Tots els estudiants que no hagin superat lrsquoassignatura tenen dret a una prova de reavaluacioacute durant elmes de juliol amb les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica La reavaluacioacute permet obtenir laqualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que hagin optat perlrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient Srsquoopta llavors per fer unexamen final que decideix el 100 de la nota
Els diferents megravetodes drsquoavaluacioacute (uacutenica i continuada) inclouen lrsquoavaluacioacute de les competegravenciesassociades a lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALLEN Arnold O Probability Statistics and Queueing Theory Boston Academic Press 1990
Font associada al bloc 3
BRATLEY Paul et al A Guide to Simulation New York [etc] Springer 1987
Font associada al bloc 4
HILLIER FS et al Introduction to Operations Research Oakland CA Holden day Inc 1986
Font associada al bloc 2
LAW Averill M et al Simulation modeling and analysis New York [etc] McGraw-Hill 1991
Font associada al bloc 4
TRIVEDI Kishor Shridharbhai et al Probability and Statistics with Reliability Queueing and ComputerScience Applications New York [etc] John Wiley amp Sons 2002
Font associada al bloc 1Pagravegina web
httpwww-eioupcesteachingTCiS
Repositori de material docent Exagravemens material de pragravectiques exercicistransparegravencies de classe i apunts
Text electrogravenic
CODINA E MONTERO L Teoria de Cues Apunts
Font associada als blocs 2 i 3
CODINA E MONTERO L Introduccioacute a la Simulacioacute i a la generacioacute de Nordms aleatoris
Font associada al bloc 4
CODINA E Teoria de Cues Transparegravencies de classe
Font associada als blocs 2 i 3
Revisat pels Serveis Linguumliacutestics de la UB
Grado en Estadiacutestica (interuniversitarioUB-UPC)
Con el grado en Estadiacutestica (acreditado con excelencia por AQU Catalunya) coordinado por la Universitat de Barcelona (UB)y con la participacioacuten de la UPC cursaraacutes materias vinculadas a la estadiacutestica la probabilidad la investigacioacuten operativa lainformaacutetica o la economiacutea que te permitiraacuten disentildear meacutetodos para recoger datos y transformarlos en informacioacuten uacutetil para latoma de decisiones en empresas organizaciones e instituciones dirigir procesos de control y mejora de la calidad y elaborarestudios de opinioacuten puacuteblica informes estadiacutesticos estudios epidemioloacutegicos y ensayos cliacutenicos en el aacutembito de la sanidad Estosestudios se imparten conjuntamente con la Universidad de Barcelona (UB) y esto enriquece la formacioacuten gracias a la unioacuten dela experiencia del profesorado de las dos universidades en los aacutembitos de la ingenieriacutea y la tecnologiacutea la economiacutea las cienciassociales y las ciencias de la salud
El grado se imparte en la Facultad de Matemaacuteticas y Estadiacutestica (FME)
DATOS GENERALES
Duracioacuten4 antildeos
Carga lectiva240 creacuteditos ECTS (incluido el trabajo de fin de grado) Un creacutedito equivale a 25-30 horas de trabajo
Tipos de docenciaPresencial
Nota de corte del curso 2019-20209512
Horariosturnos1ordm y 2ordm (mantildeana) y 3ordm y 4ordm (tarde)
Precios y becasPrecio aproximado por curso 2326 euro (3489 euro para no residentes en la UE) Consulta el porcentaje de minoracioacuten enfuncioacuten de la renta (becas y modalidades de pago)
Tiacutetulo oficialInscrito en el registro del Ministerio de Educacioacuten Cultura y Deporte
ACCESO
Plazas nuevo ingreso50
Nota de corte del curso 2019-20209512 Notas de corte
Ponderaciones PAUTabla de ponderaciones de las materias para la fase especiacutefica
Coacutemo accederTodas las viacuteas de acceso preinscripcioacuten y matriacutecula
Convalidaciones de CFGSConvalidaciones de CFGS
Legalizacioacuten de documentosLos documentos expedidos por estados no miembros de la Unioacuten Europea ni firmantes del Acuerdo sobre el espacio
econoacutemico europeo tienen que estar legalizados por viacutea diplomaacutetica o con correspondiente apostilla
SALIDAS PROFESIONALES
Salidas profesionalesSalud y ciencias naturales servicios de sanidad medicina salud puacuteblica industria farmaceacuteutica ensayos cliacutenicos
sanidad animal medio ambiente ciencias de la vida bioinformaacutetica y agriculturaData Science
Economiacutea y Finanzas ciencias actuariales seguros banca evaluacioacuten de riesgos y concesioacuten de creacuteditos bolsa
gestioacuten de carteras de valores anaacutelisis financiero investigacioacuten de mercados anaacutelisis de la competencia o poliacuteticasde preciosAdministraciones puacuteblicas actividades en institutos oficiales de estadiacutestica proyecciones demograacuteficas tendencias
sociales mercado de trabajo asignacioacuten oacuteptima de recursos etcIndustria y servicios (incluyendo la informaacutetica) disentildeo de experimentos control de calidad mejora de procesos y
productos logiacutestica gestioacuten de inventarios planificacioacuten de la produccioacuten y gestioacuten oacuteptima de recursos y sistemasenergeacuteticosDocencia e investigacioacuten
ORGANIZACIOacuteN
Organizacioacuten del estudio
La duracioacuten de los estudios es de cuatro antildeos organizados en ocho cuatrimestres todas las asignaturas del plan deestudios son de 6 ECTS excepto el trabajo de fin de grado que es de 18 ECTS
Calendario acadeacutemicoCalendario acadeacutemico de los estudios universitarios de la UPC
Normativas acadeacutemicasNormativa acadeacutemica de los estudios de grado de la UPC
Acreditacioacuten y reconocimiento de idiomasLos estudiantes de grado deben acreditar la competencia en una tercera lengua para obtener el tiacutetulo de gradoCertifica tu nivel de idiomas
Facultad de Matemaacuteticas y Estadiacutestica (FME)
PLAN DE ESTUDIOS
Asignaturas creacuteditosECTS
Tipo
PRIMER CURSO
Aacutelgebra Lineal 6 Obligatoria
Estadiacutestica Descriptiva 6 Obligatoria
Fundamentos de Administracioacuten de Empresas 6 Obligatoria
Introduccioacuten a la Inferencia Estadiacutestica 6 Obligatoria
Introduccioacuten a la Informaacutetica 6 Obligatoria
Introduccioacuten a la Investigacioacuten Operativa 6 Obligatoria
Asignaturas creacuteditosECTS
Tipo
Introduccioacuten a la Probabilidad 6 Obligatoria
Introduccioacuten al Caacutelculo 6 Obligatoria
Principios de Economiacutea 6 Obligatoria
Programacioacuten 6 Obligatoria
SEGUNDO CURSO
Caacutelculo de Diversas Variables 6 Obligatoria
Disentildeo de Encuestas 6 Obligatoria
Estadiacutestica para la Gestioacuten de la Calidad 6 Obligatoria
Estadiacutestica Puacuteblica 6 Obligatoria
Inferencia Estadiacutestica 6 Obligatoria
Meacutetodos de Muestreo 6 Obligatoria
Meacutetodos Numeacutericos 6 Obligatoria
Probabilidad y Procesos Estocaacutesticos 6 Obligatoria
Programacioacuten Lineal y Entera 6 Obligatoria
Software Estadiacutestico 6 Obligatoria
TERCER CURSO
Anaacutelisis Multivariante 6 Obligatoria
Disentildeo de Experimentos 6 Obligatoria
Econometriacutea 6 Obligatoria
Estadiacutestica para la Biociencia 6 Obligatoria
Ficheros y Bases de Datos 6 Obligatoria
Meacutetodos Bayesianos 6 Obligatoria
Meacutetodos No Parameacutetricos y de Remuestreo 6 Obligatoria
Modelos Lineales 6 Obligatoria
Programacioacuten No Lineal y Flujos en Redes 6 Obligatoria
Teoriacutea de Colas y Simulacioacuten 6 Obligatoria
CUARTO CURSO
Anaacutelisis de Series Temporales 6 Obligatoria
Anaacutelisis de Supervivencia 6 Optativa
Demografiacutea 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Meacutedica 6 Optativa
Estadiacutestica para la Mejora de la Calidad 6 Optativa
Meacutetodos Estadiacutesticos en Mineriacutea de Datos 6 Optativa
Meacutetodos Estadiacutesticos para el Maacuterqueting 6 Optativa
Meacutetodos Estadiacutesticos para Finanzas y Seguros 6 Optativa
Modelos Lineales Generalizados 6 Obligatoria
Optimizacioacuten en Ingenieriacutea 6 Optativa
Asignaturas creacuteditosECTS
Tipo
Optimizacioacuten Financiera 6 Optativa
Praacutecticas Empresariales I 6 Optativa
Praacutecticas Empresariales II 6 Optativa
Trabajo de Fin de Grado 18 Proyecto
Septiembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Bachelors degree in Statistics(interuniversity UB-UPC degree)
The bachelorrsquos degree in Statistics coordinated by the Universitat de Barcelona (UB) and with the UPC as a participant willprovide you with the training you need in statistics probability operations research computer science and economics Thecourse will give you the necessary grounding to design methods for collecting and transforming data into valuabledecision-making input for companies organisations and institutions to manage quality control and improvement processesand to produce public opinion studies statistical reports epidemiological studies and clinical trials in the field of health careThe course is offered jointly with the University of Barcelona (UB) so students reap the rewards of a richer learning experiencebenefiting from the combined expertise of UPC and UB teaching staff in engineering and technology economics and social andhealth sciences
This bachelors degree is taught at School of Mathematics and Statistics (FME)
GENERAL DETAILS
Duration4 years
Study load240 ECTS credits (including the bachelors thesis) One credit is equivalent to a study load of 25-30 hours
DeliveryFace-to-face
Fees and grantsApproximate fees per academic year euro2326 (euro3489 for non-EU residents) Consult the public fees system based onincome (grants and payment options)
Official degreeRecorded in the Ministry of Educations degree register
ADMISSION
Places50
Registration and enrolmentWhat are the requirements to enrol in a bachelors degree course
Legalisation of foreign documentsAll documents issued in non-EU countries must be legalised and bear the corresponding apostille
PROFESSIONAL OPPORTUNITIES
Professional opportunitiesHealth and natural sciences health services medicine public health pharmaceutical industry clinical trials animal
health environment life sciences bioinformatics and agricultureData Science
Economics and finance actuarial science insurance banking risk assessment and lending stock markets
management of securities portfolios financial analysis market research competitor analysis and pricing policyPublic administration activities at official statistics institutes demographic projections studies of social trends and
the labour market optimal allocation of resources etcIndustry and services (including informatics) experimental design quality control improvement of processes and
products logistics inventory management production planning and optimal management of resources and energysystemsTeaching and research
ORGANISATION
Academic calendarGeneral academic calendar for bachelorrsquos masterrsquos and doctoral degrees courses
Academic regulationsAcademic regulations for bachelorrsquos degree courses at the UPC
Language certification and credit recognitionQueries about language courses and certification
School of Mathematics and Statistics (FME)
CURRICULUM
Subjects ECTScredits
Type
FIRST COURSE
Descriptive Statistics 6 Compulsory
Fundamentals of Business Administration 6 Compulsory
Introduction to Calculus 6 Compulsory
Introduction to Informatics 6 Compulsory
Introduction to Operations Research 6 Compulsory
Introduction to Probability 6 Compulsory
Introduction to Statistical Inference 6 Compulsory
Linear Algebra 6 Compulsory
Principles of Economics 6 Compulsory
Programming 6 Compulsory
SECOND COURSE
Integer and Linear Programming 6 Compulsory
Multivariable Calculus 6 Compulsory
Numerical Methods 6 Compulsory
Official Statistics 6 Compulsory
Probability and Stochastic Processes 6 Compulsory
Sampling Methods 6 Compulsory
Statistical Inference 6 Compulsory
Statistical Software 6 Compulsory
Statistics for Quality Management 6 Compulsory
Subjects ECTScredits
Type
Survey Design 6 Compulsory
THIRD COURSE
Bayesian Methods 6 Compulsory
Econometrics 6 Compulsory
Experimental Design 6 Compulsory
Files and Databases 6 Compulsory
Linear Models 6 Compulsory
Multivariate Analysis 6 Compulsory
Non-Linear Programming and Network Flows 6 Compulsory
Non-Parametric and Resampling Methods 6 Compulsory
Queueing Theory and Simulation 6 Compulsory
Statistics for Biosciences 6 Compulsory
FOURTH COURSE
Demography 6 Optional
Engineering Optimisation 6 Optional
Financial Optimisation 6 Optional
Generalised Linear Models 6 Compulsory
Industrial Statistics 6 Optional
Medical Statistics 6 Optional
Practicum I 6 Optional
Practicum II 6 Optional
Statistical Methods for Data Mining 6 Optional
Statistical Methods for Finance and Insurance 6 Optional
Statistical Methods for Marketing 6 Optional
Statistics for Quality Improvement 6 Optional
Survival Analysis 6 Optional
Time Series Analysis 6 Compulsory
Bachelors Thesis 18 Project
September 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Assignatures cregraveditsECTS
Tipus
Pragravectiques Empresarials I 6 Optativa
Pragravectiques Empresarials II 6 Optativa
Treball de Fi de Grau 18 Projecte
Setembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Pla docent de lassignatura
Dades generals
Nom de lassignatura Agravelgebra Lineal
Codi de lassignatura 361212
Curs acadegravemic 2019-2020
Coordinacioacute Xavier Guitart Morales
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoria 30
- Teoricopragravectica 15
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura eacutes una introduccioacute a lrsquoagravelgebra lineal sobre els nombres reals adaptada especialmentper a usos estadiacutestics Lrsquoobjectiu principal eacutes familiaritzar-se amb les nocions i megravetodes bagravesics delcagravelcul matricial real
No obstant aixograve no es tracta nomeacutes drsquoadquirir mecanismes de cagravelcul sinoacute tambeacute drsquoarribar a unacomprensioacute adequada del seu significat Per aconseguir-ho srsquointrodueixen els conceptes meacuteselementals del llenguatge drsquoespais vectorials juntament amb una intuiumltiva interpretacioacutegeomegravetrica afiacute i euclidiana que permet visualitzar nocions i teoremes
El problema bagravesic eacutes resoldre i interpretar un sistema drsquoequacions lineals essencial per a lrsquoestudide qualsevol fenomen de caragravecter lineal (o que srsquohi acosti) i que apareix repetidament durant totalrsquoassignatura
Un objectiu complementari drsquoaquesta assignatura eacutes adquirir un cert hagravebit de raonament cientiacuteficproporcionat tant pel contingut teograveric com pels exercicis que es resolen a les classes pragravectiques
Els resultats especiacutefics drsquoaprenentatge que es volen aconseguir amb aquesta assignatura soacutenmdash Adquirir habilitat en el cagravelcul matricialmdash Resoldre sistemes drsquoequacions lineals i saber interpretar-ne els resultatsmdash Adquirir habilitat en el maneig de vectors bases i subespais vectorialsmdash Calcular determinants i conegraveixer-ne les propietats bagravesiquesmdash Calcular productes escalars de vectors i bases ortonormals Saber calcular projeccions ensubespaismdash Factoritzar simbogravelicament una matriu (diagonalitzacioacute)
Blocs temagravetics
1 Espais vectorials
Conceptes clau sistema lineal espai vectorial independegravencia lineal base dimensioacute aplicacioacutelineal nucli i imatge
Objectius especiacuteficsmdash Repassar les maneres de resoldre un sistema lineal i introduir la nocioacute drsquoespai vectorial atraveacutes del conjunt de solucions drsquoun sistemamdash Introduir la nocioacute clau drsquoindependegravencia lineal i despreacutes la nocioacute de dimensioacutemdash Introduir les aplicacions lineals i les operacions que srsquohi poden fer com tambeacute els cagravelculs dedimensions que faciliten
11 Sistemes drsquoequacions lineals Megravetode de Gauss-Jordan
12 Espais vectorials Subespais Suma i interseccioacute
13 Dependegravencia lineal Bases Dimensioacute
14 Aplicacions lineals Construccioacute drsquoaplicacions lineals Suma i producte
15 Nucli imatge i rang drsquouna aplicacioacute lineal
2 Matrius
Conceptes clau matriu drsquouna aplicacioacute lineal operacions amb matrius transposada rang
operacions elementals canvis de base
Objectius especiacuteficsmdash Definir les operacions amb matrius i estudiar-ne les propietatsmdash Introduir les operacions elementals i aplicar-les al cagravelcul del rang i de la inversa drsquounamatriumdash Estudiar un sistema lineal amb els instruments ja introduiumlts de rang nucli etcmdash Estudiar com canvien les coordenades i matrius en canviar una base
21 Matrius i aplicacions lineals
22 Producte de matrius Matrius invertibles
23 Transposada drsquouna matriu Igualtat dels rangs de files i columnes
24 Operacions elementals Cagravelcul del rang i de la matriu inversa
25 Comptabilitat i estructura de les solucions drsquoun sistema drsquoequacions lineals
26 Canvis de base
3 Determinants
Conceptes clau determinant drsquouna matriu quadrada desenvolupament drsquoun determinantmenors
Objectius especiacuteficsmdash Definir els determinants i exposar-ne les propietats bagravesiquesmdash Caracteritzar la independegravencia lineal amb determinants i utilitzar-los per calcular el rang i lainversa drsquouna matriumdash Resoldre un sistema lineal mitjanccedilant determinants
31 Definicioacute i propietats del determinant drsquouna matriu
32 Desenvolupament drsquoun determinant Determinant de les matrius producte
transposada i inversa Determinant drsquouna matriu repartida en blocs
33 Determinants i independegravencia lineal Cagravelcul del rang drsquouna matriu mitjanccedilant
determinants
34 Resolucioacute de sistemes lineals mitjanccedilant determinants Regla de Cramer
4 Producte escalar
Conceptes clau producte escalar norma base ortonormal ortogonal drsquoun subespai projeccioacuteortogonal
Objectius especiacuteficsmdash Construir bases ortonormalsmdash Calcular projeccions ortogonals
41 Producte escalar Espai vectorial euclidiagrave
42 Norma Desigualtat de Schwarz
43 Bases ortonormals Megravetode de Gram-Schmidt
44 Lrsquoortogonal drsquoun subespai Projeccions ortogonals
5 Diagonalitzacioacute de matrius
Conceptes clau valor propi vector propi polinomi caracteriacutestic diagonalitzacioacute
Objectius especiacuteficsmdash Aprendre a diagonalitzar i comprendrersquon el significatmdash Caracteritzar les matrius diagonalitzables
51 Valors i vectors propis Subespais caracteriacutestics
52 Polinomi caracteriacutestic
53 Caracteritzacioacute de matrius diagonalitzables
6 Formes quadragravetiques reals
Conceptes clau forma quadragravetica rang iacutendex i signatura positivitat
Objectius especiacuteficsmdash Classificar una forma quadragravetica mitjanccedilant operacions elementalsmdash Donar el criteri de positivitat drsquouna forma quadragravetica
61 Formes quadragravetiques Representacioacute matricial
62 Canvis de base Congruegravencia de matrius
63 Formes (semi)definides
64 Reduccioacute a forma canogravenica Llei drsquoinegravercia de Sylvester Criteri de Sylvester Criteri de
positivitat
7 Cagravelcul matricial real i aplicacions
Conceptes clau matriu ortogonal matriu simegravetrica
Objectius especiacuteficsmdash Comprendre que tota matriu simegravetrica real eacutes diagonalitzable mitjanccedilant una matriuortogonalmdash Aplicar el resultat al cagravelcul de diverses descomposicions drsquouna matriu
71 Matrius ortogonals
72 Diagonalitzacioacute de matrius reals simegravetriques
73 Matrius (semi)definides positives cagravelcul drsquoarrels i descomposicioacute en producte drsquouna
matriu i la seva transposada
Metodologia i activitats formatives
La docegravencia srsquoorganitza en classes teograveriques classes teoricopragravectiques classes de laboratori i una provaparcial
Una hora de classe de laboratori seminari es desdobla en dos grups en franges horagraveries consecutives
Les classes de laboratori soacuten sessions presencials drsquouna hora de durada sempre dins de lrsquohorariprevist de classes Consisteixen en la resolucioacute per escrit drsquoexercicis que srsquoextreuen de llistes anunciadespregraveviament a traveacutes del Campus Virtual Els estudiants han de fer un nombre miacutenim de lliuramentsdrsquoaquests exercicis resolts per poder optar a la qualificacioacute corresponent El nombre miacutenim delliuraments drsquoexercicis srsquoestableix en comenccedilar el curs
A final drsquoabril en una classe drsquohora i mitja es fa una prova parcial individual amb un format similar alde la prova final drsquoavaluacioacute El temari de la prova parcial abasta la mategraveria impartida fins aleshores
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Les activitats que determinen lrsquoavaluacioacute continuada soacuten les sessions de laboratori la prova parciali la prova de tancament de lrsquoavaluacioacute continuada
La prova de tancament eacutes la mateixa que la prova drsquoavaluacioacute uacutenica i es fan conjuntament en la data dejuny fixada pel Consell Docent Aquestes proves consten de diversos exercicis (75 de la nota) i drsquounapregunta teograverica (25 de la nota)
Per poder ser objecte drsquoavaluacioacute continuada eacutes obligatori haver fet com a miacutenim la prova detancament de lrsquoavaluacioacute continuada i haver obtingut una nota miacutenima de 4 punts en aquesta prova
La qualificacioacute de lrsquoassignatura srsquoobteacute sumant la nota obtinguda en les sessions de laboratori (30 ) lanota de la prova parcial (20 ) i la nota de la prova de tancament (50 )
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui acollir-se a lrsquoavaluacioacute uacutenica ho ha de fer abans de la data liacutemit fixada pel ConsellDocent
La prova drsquoavaluacioacute uacutenica constitueix el 100 de la nota final de lrsquoassignatura i teacute lloc en la data dejuny fixada pel Consell Docent
Reavaluacioacute
Despreacutes de la qualificacioacute en el mes de juny lrsquoestudiant que no hagi superat lrsquoassignatura (sense tenir
en compte la forma drsquoavaluacioacute que hagi escollit) teacute dret a una prova de reavaluacioacute Aquesta provaes fa el mes de juliol en la data que fixi el Consell Docent
La prova de reavaluacioacute teacute el mateix format que la drsquoavaluacioacute uacutenica i es qualifica al 100 independentment de totes les proves anteriors
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AMERRamon et al Agravelgebra lineal Problemes exercicis i quumlestions Terrassa UPC 1998
CASTELLETManuel et al Agravelgebra lineal i Geometria 4a ed Bellaterra UAB 2011
MERINO Luis M et al Aacutelgebra lineal con meacutetodos elementales Madrid Thomson 2006
MORENOJoseacute Miguel Una introduccioacuten al Aacutelgebra lineal elemental 2a ed Bellaterra UAB 1990
NART Enric Notes drsquoagravelgebra lineal Bellaterra UAB 2003
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Segraveries Temporals
Codi de lassignatura 361233
Curs acadegravemic 2019-2020
Coordinacioacute Antoni Meseguer Artola
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques dordinadors 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Conegraveixer i entendre els diferents megravetodes usats dins de lrsquoanomenada anagravelisi determinista desegraveries temporals per tal de calcular prediccions i estimar-ne les components
Conegraveixer els fonaments teograverics i pragravectics relatius a la identificacioacute estimacioacute validacioacute imodelitzacioacute de segraveries temporals a traveacutes de models SARIMA
Referits a habilitats destreses
Identificar si una segraverie temporal segueix un esquema additiu o multiplicatiu
Aplicar els megravetodes de lrsquoanagravelisi determinista de segraveries temporals per tal de calcular prediccions
Donada una segraverie temporal ser capaccedil de decidir quin tipus de model SARIMA eacutes el meacutes adient
Usar els models SARIMA per calcular prediccions
Usar i programar algorismes drsquoestimacioacute i previsioacute usant R
Blocs temagravetics
1 Introduccioacute a les segraveries temporals
11 Definicioacute de segraverie temporal i prediccioacute econogravemica
12 Classificacioacute dels megravetodes de prediccioacute
13 Criteris drsquoavaluacioacute de la capacitat predictiva
2 Anagravelisi determinista de segraveries temporals
21 Components drsquouna segraverie temporal
22 Prediccioacute amb models sense tendegravencia
23 Prediccioacute amb models amb tendegravencia
3 Tractament determinista de lrsquoestacionalitat
31 Anagravelisi del component estacional
32 Prediccioacute amb models sense tendegravencia i amb component estacional
33 Prediccioacute amb models amb tendegravencia i component estacional
4 Anagravelisi estocagravestica de segraveries temporals
41 Processos estocagravestics
42 Conceptes drsquoestacionarietat i ergodicitat
43 Funcions drsquoautocovariagravencia i autocorrelacioacute
44 Funcions drsquoautocovariagravencia i autocorrelacioacute mostral
45 Models elementals soroll blanc i camiacute aleatori
5 Models lineals de segraveries temporals
51 Models de mitjanes mogravebils (MA)
52 Models autoregressius (AR)
53 Models mixtos (ARMA)
54 Processos no estacionaris Models integrats (ARIMA)
55 Models estacionals (SARIMA)
6 Metodologia Box-Jenkins
61 Identificacioacute de models SARIMA
62 Estimacioacute de paragravemetres
63 Validacioacute del model
64 Prediccioacute puntual i per interval
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Tallers a lrsquoaula drsquoinformagravetica en quegrave lrsquoobjectiu eacutes dur a terme problemes i exemples pragravectics quepermetin conegraveixer la vessant meacutes aplicada de lrsquoanagravelisi de segraveries temporals 3 Dues pragravectiques individuals que srsquohan de fer fora de les hores de classe i que tambeacute serveixen com aevidegravencies drsquoavaluacioacute per als estudiants que optin per lrsquoavaluacioacute continuada Es tracta de dos casospragravectics basats en dades reals en quegrave els estudiants han drsquoaplicar les eines drsquoanagravelisi de segraveries temporalsper donar resposta a algun problema
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classeConsta de diferents activitats individuals que es duen a terme al llarg del curs
a) Dues pragravectiques
Pragravectica 1 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi determinista de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de novembre
Pragravectica 2 Lrsquoestudiant ha de resoldre un cas pragravectic aplicant les eines de lrsquoanagravelisi estocagravestica de segraveriestemporals Valor 20 de la nota final Data de lliurament aproximada final de gener
b) Una prova final sobre els continguts treballats al llarg de tot el curs Valor 60 de la nota finalData la fixada pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Els estudiants que segueixin lrsquoavaluacioacute continuada i no es presentin a la prova final tenen unaqualificacioacute de laquono presentatraquo Si es presenten a la prova final i obtenen una nota igual o superior a 4(sobre 10) llavors la qualificacioacute final eacutes la que srsquoobtingui de la mitjana ponderada de les duespragravectiques i la prova final En el cas que la nota en aquesta prova final sigui inferior a 4 la qualificacioacutefinal eacutes aquesta nota Per tant en aquest darrer cas no es fa la mitjana ponderada amb les duespragravectiques
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova es fa en les dates fixades pel Consell Docent
El Consell Docent fixa una data liacutemit perquegrave els estudiants manifestin si volen seguir lrsquoavaluacioacutecontinuada o lrsquoavaluacioacute uacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-sea lrsquoavaluacioacute uacutenica han de fer-ho abans drsquoaquesta data que es fa puacuteblica amb antelacioacute suficient
Nomeacutes es pot optar a una de les dues formes drsquoavaluacioacute
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute en la data fixadapel Consell Docent Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada En aquest cas la qualificacioacute finaleacutes la nota de la prova de reavaluacioacute no es fa cap ponderacioacute amb les pragravectiques que srsquohagin pogutlliurar
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Time series analysis forescasting and control 4th edicioacute Hoboken NJ Wiley2008
BROCKWELL Peter J Introduction to time series and forecasting New York Springer 2010
PENtildeA Daniel Anaacutelisis de series temporales Madrid Alianza Editorial 2010
SHUMWAY Robert H et al Time series analysis and Its applications with R exemples 3rd ed New York[etc] Springer 2011
URIEL Ezequiel et al Introduccioacuten al anaacutelisis de series temporales Madrid Editorial AC-Thomson 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi de Supervivegravencia
Codi de lassignatura 361245
Curs acadegravemic 2019-2020
Coordinacioacute Lluis Bermudez Morata
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 15
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Lrsquoanagravelisi de la supervivegravencia eacutes un conjunt de tegravecniques i models estadiacutestics que tracten drsquoanalitzar lesvariables aleatograveries definides com ara la durada o temps entre dos successos
La caracteriacutestica meacutes rellevant drsquoaquesta mategraveria eacutes la seva aplicabilitat en agravembits i camps moltdiversos Per citar alguns exemples en medicina (temps fins a la curacioacute drsquoun pacient) en biologia(temps fins a la mort drsquoun animal) en sociologia (temps fins a lrsquoocupacioacute drsquouna persona en atur) enepidemiologia (temps fins a la infeccioacute) en assegurances (temps fins a la mort drsquouna persona) engeriatria (temps fins a la incapacitacioacute drsquouna persona) en enginyeria (temps fins a la fallada drsquouncomponent) en pediatria (temps fins al deslletament) etcegravetera
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer i distingir les funcions de supervivegravencia les funcions de risc i la funcioacute de riscacumulada
Reconegraveixer la presegravencia de dades censurades io truncades en un estudi estadiacutestic
Modelar amb procediments paramegravetrics o semiparamegravetrics dades que representen durades entredos successos
Utilitzar el model de Cox de riscos proporcionals per a la inclusioacute de covariables en els estudis desupervivegravencia
Referits a habilitats destreses
Aplicar les principals tegravecniques i models per a lrsquoanagravelisi de la supervivegravencia utilitzant programariestadiacutestic de referegravencia
Blocs temagravetics
1 Conceptes i inferegravencia
11 Introduccioacute
12 Inferegravencia no paramegravetrica per a lrsquoanagravelisi de supervivegravencia
13 Comparacioacute de dues o meacutes poblacions mitjanccedilant processos no paramegravetrics
2 Models de regressioacute
21 Estimacioacute i regressioacute dels models paramegravetrics
22 Regressioacute semiparamegravetrica el model de Cox de riscos proporcionals
Metodologia i activitats formatives
En les classes magistrals el professor explica els continguts teograverics i pragravectics de la mategraveria es comentenaplicacions reals dels models presentats i es resolen exercicis pragravectics que ajudin a consolidar elcontingut del temari
Les classes pragravectiques es fan en aules drsquoinformagravetica i es resolen exercicis pragravectics del temari amb lrsquoajudadel paquet survival del programari R
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Primera convocatograveria
El procediment drsquoavaluacioacute de lrsquoadquisicioacute de competegravencies es basa en un proceacutes drsquoavaluacioacutecontinuada en quegrave la nota final eacutes una ponderacioacute dels coneixements teoricopragravectics i habilitatsadquirits al llarg del curs mitjanccedilant
mdash Dues proves escrites dels continguts teograverics i pragravectics del temari una per a cada bloc temagravetic un copfinalitzades les classes corresponents a cada bloc (35 + 35 )
mdash Lliurament drsquoexercicis durant el curs en grups de tres o quatre alumnes (15 )
mdash Un treball escrit al final de curs en grups de tres o quatre alumnes (15 )
Per tenir nota amb aquesta opcioacute drsquoavaluacioacute continuada eacutes imprescindible fer les dues proves escrites
Segona convocatograveria
La nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels continguts teograverics i pragravectics deltemari
Avaluacioacute de les competegravencies
Les tres competegravencies especiacutefiques de la titulacioacute que teacute en compte lrsquoassignatura es poden resumir en
aquest cas en la capacitat de saber aplicar els megravetodes estadiacutestics adequats a lrsquoestudi de variablesaleatograveries definides com el temps fins a un esdeveniment Per aixograve cal que lrsquoestudiant aprengui amobilitzar i integrar una segraverie de coneixements teograverics unes habilitats i unes actituds Lrsquoavaluacioacutedrsquoaquesta competegravencia va molt lligada a lrsquoavaluacioacute presentada per lrsquoassignatura Els coneixementsteograverics es comproven als dos parcials tant a la part teograverica com a la pragravectica Drsquoaltra banda leshabilitats i actituds aixiacute com la integracioacute i mobilitzacioacute de tot plegat srsquoavalua a la part pragravectica de lesproves parcials i als treballs i pragravectiques en equip que lrsquoestudiant ha de presentar
Avaluacioacute uacutenica
En les dues convocatograveries la nota final de lrsquoassignatura eacutes el resultat drsquouna prova escrita dels contingutsteograverics i pragravectics del temari
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KLAINBAUM David G et al Survival analysis a self-learning text (Statistics for Biology and Health) 3thed New York Springer 2012
KLEIN JohnP et al Survival analysis techniques for censored and truncated data New York Springer2003
LEE Elisa T et al Statistical Methods for survival data analysis New Jersey Wiley Series 2013
KALBFLEISCH JD et al The statistical analysis of failure time data 2nd edition New York Wiley-Interscience 2002
COX David Roxbee et al Analysis of survival data London Chapman and Hall 1984
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Anagravelisi Multivariant
Codi de lassignatura 361232
Curs acadegravemic 2019-2020
Coordinacioacute KARINA GIBERT OLIVERAS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors
(Es desenvolupa a lrsquoaula drsquoinformagraveticaperograve inclou pragravectica drsquoordinadors i tambeacutedesenvolupament de projecte llarg)
30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Capacitats pregravevies
mdash Agravelgebra lineal espai vectorial real megravetriques projeccions diagonalitzacioacute de matrius etc
mdash Coneixements bagravesics de teoria de la probabilitat i drsquoestadiacutestica descriptiva i inferencial
mdash Coneixements bagravesics de R i algoriacutetmia per dissenyar scripts drsquoanagravelisi automatitzada
Altres recomanacions
mdash Seguir puntualment el desenvolupament del treball en equip cada setmana per evitaracumulacioacute de tasques pendents a final de curs
mdash Aprofitar les hores de laboratori per resoldre els dubtes amb la professora drsquoaquest treball enequip i poder avanccedilar cada setmana en el treball drsquoacord amb el temari de lrsquoassignatura
mdash Fer atencioacute a les indicacions que es donen al llarg del curs sobre la coordinacioacute del treball enequip i consultar la documentacioacute relacionada que es distribueix des de la coordinacioacute delrsquoassignatura
mdash Assegurar-se que els lliuraments srsquoajusten a les instruccions de lliurament disponibles a lapagravegina de lrsquoassignatura
mdash El bon desenvolupament del treball pragravectic eacutes una bona garantia drsquohaver adquirit tots elsconeixements teograverics i pragravectics necessaris per superar lrsquoexamen final
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu de lrsquoassignatura eacutes presentar tegravecniques estadiacutestiques drsquoanagravelisi de grans taules per taldrsquoextreure de manera ragravepida la informacioacute meacutes rellevant continguda en les dades els problemes
abordats soacuten de diversa tipologia des de la definicioacute drsquoeixos dominants a la caracteritzacioacuteestadiacutestica de subpoblacions Aquest objectiu es particularitza presentant agravempliament el punt devista de tres grans famiacutelies de tegravecniques estadiacutestiques multivariants
1 Tegravecniques multivariants de classificacioacute automagravetica orientades a establir tipologies i acaracteritzar-les es veuen diferents famiacutelies de megravetodes des dels meacutes clagravessics als meacutes recentsmegravetodes de particions megravetodes jeragraverquics megravetodes basats en densitats srsquoincideix especialmenten eines drsquointerpretacioacute de les classes srsquoestudia lrsquoadequacioacute dels diferents megravetodes a diferentscasos en funcioacute de lrsquoescalabilitat el tipus de dades etc
2 Tegravecniques multivariants enfocades a sintetitzar i a resumir la informacioacute estudiar relacionsmultidimensionals entre variables i eventualment definir indicadors latents es concreta en trestegravecniques fonamentals anagravelisi en components principals anagravelisi de correspondegravencies simples ianagravelisi de correspondegravencies muacuteltiples es planteja lrsquoanagravelisi factorial com a marc formal general delqual es deriven les tegravecniques esmentades com a cas particular es dona particular importagravencia alrsquoanagravelisi de resultats gragravefics srsquoilmiddotlustren algunes extensions addicionals com ara lrsquoanagravelisi textual
3 Tegravecniques drsquoanagravelisi discriminant es tracta de tegravecniques multivariants enfocades a obtenirregles drsquoassignacioacute srsquoincideix en la seva relacioacute amb les tegravecniques vistes anteriorment
4 Tegravecniques drsquoanagravelisi textual on es treballa amb textos lliures provinents de documents pagraveginesweb o xarxes socials per identificar-ne els conceptes subjacents i les relacions entre ells
Lrsquoobjectiu de lrsquoassignatura eacutes doble des del punt de vista conceptual Drsquouna banda es vol donaruna base formal sogravelida per a les tegravecniques multivariants que componen el programa De lrsquoaltraels estudiants han de desenvolupar una capacitat pragravectica drsquoaplicacioacute a dades reals drsquoaquestestegravecniques En aquest sentit les sessions de pragravectiques segueixen el temari de lrsquoassignatura desde la perspectiva de lrsquoaplicacioacute i es treballa amb dades reals Amb aquest objectiu cal introduirun pas previ de preprocessament de dades per preparar-les per a lrsquoanagravelisi
Finalment i tenint en compte que el curs no pot ser exhaustiu i que posteriorment es podentractar altres aspectes es presenten diverses tegravecniques multivariants drsquouna manera meacutesintroductograveria i enfocant-les menys algebraicament des drsquoun punt de vista meacutes algoriacutesmic
Referits a habilitats destreses
En aquesta assignatura es dona particular importagravencia a lrsquoentrenament en certes competegravenciestransversals importants en el desenvolupament professional drsquoun estadiacutestic com ara la capacitatdrsquoanagravelisi siacutentesi comunicacioacute integracioacute de coneixements redaccioacute drsquoinformes i sobretot eltreball en equip incloent-hi les capacitats de planificacioacute a mig termini repartiment de tasques igestioacute drsquoincidegravencies en el pla de treball al llarg del curs
La pragravectica srsquoestructura sota un esquema que permet entrenar aquestes capacitats amb elssuports necessaris del professorat de lrsquoassignatura
Blocs temagravetics
1 Introduccioacute
Megravetriques angles i projeccions nomenclatura multivariant matriu de variagravencies icovariagravencies i matriu de correlacions presentacioacute de punts de vista presentacioacute de tegravecniquespresentacioacute de sistemes informagravetics estadiacutestics exemples senzills de descripcioacute multivariantde caracteritzacioacute de dades de classificacioacute i de discriminacioacute
11 Introduccioacute i preprocessament de dades
Lrsquoagravembit de lrsquoanagravelisi multivariant Principals elements rellevants en el preprocessament
de dades
2 Classificacioacute automagravetica
Presentacioacute conceptual Megravetodes de particions Megravetodes jeragraverquics Megravetodes basats endensitats Relacioacute amb anagravelisi factorial Interpretacioacute de les classes Descripcioacute de tipologiesAplicacioacute a casos reals i implicacions pragravectiques
3 Anagravelisi factorial
Formalitzacioacute general resultats teograverics
4 Anagravelisi en components principals
Formalitzacioacute resultats teograverics interpretacioacute aplicacioacute a casos reals implicacionspragravectiques
5 Anagravelisi en correspondegravencies simples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacions a casos reals Implicacionspragravectiques
6 Anagravelisi en correspondegravencies muacuteltiples
Formalitzacioacute resultats teograverics Interpretacioacute Aplicacioacute a casos reals i implicacionspragravectiques que evidenciiumln avantatges en el tractament de dades drsquoenquesta
7 Anagravelisi discriminant
Formalitzacioacute resultats teograverics Relacioacute amb lrsquoanagravelisi factorial Interpretacioacute bagravesicament enel cas de dos grups Aplicacions a casos reals Implicacions pragravectiques
8 Altres megravetodes multivariants
Anagravelisi textual Correlacions canograveniques Escalament multidimensional
9 Anagravelisi textual
Tegravecniques drsquoanagravelisi textual de dades
Metodologia i activitats formatives
Teoria srsquohi presenten les diferent tegravecniques suficientment fonamentades i srsquoexemplifiquen amb exercicisde dimensioacute reduiumlda
Pragravectiques srsquohi fan exercicis de dimensioacute real amb sistemes informagravetics estadiacutestics que permetinaprofundir i consolidar els conceptes vistos a teoria srsquohi plantegen tambeacute treballs drsquoaplicacioacute pragravectica demeacutes llarg termini on lrsquoestudiant pugui entrenar la seva capacitat personal de dissenyar planificarprojectes on hagi drsquoaplicar les tegravecniques estudiades per analitzar un conjunt de dades real de certaenvergadura integrar els diferents coneixements adquirits en un informe ben argumentat i mostrar lesseves capacitats de siacutentesi i comunicacioacute presentant el treball a lrsquoaula
El grup de teoria es desdobla en dos grups de pragravectiques que fan classe de pragravectiques dues hores persetmana cadascun
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final (N) de lrsquoassignatura srsquoobteacute a partir drsquouna nota de proves (Np) i una nota de pragravectiquescorresponent al treball en equip desenvolupat al llarg del curs (Nte) segons lrsquoexpressioacute
N = Ne 035 + Nte 065
La nota de proves (Np) consta drsquouna segraverie de quiz de continguts teograverics que es realitzen al llarg del cursi que puntuen per igual (soacuten entre 3 i 5 depenent de la marxa del curs)
Per aprovar lrsquoassignatura amb avaluacioacute continuada srsquoha de treure un miacutenim de 5 a la nota de teoria ihaver presentat tots els lliuraments parcials del treball en equip i la memograveria final Si no es lliuren lespragravectiques a lrsquoavaluacioacute continuada hi consta una qualificacioacute de laquono presentatraquo
Les persones que no assoleixen el miacutenim requerit per aprovar amb avaluacioacute continuada han de fer unexamen final que consta drsquoun exercici per fer a lrsquoaula de laboratori sobre dades reals en quegrave caldemostrar coneixements teograverics i pragravectics sobre el temari de lrsquoassignatura Hi ha preguntes teograveriques ipragravectiques Per a les persones que no han tret un 5 a la nota de teoria la nota de proves de lrsquoavaluacioacutefinal de lrsquoassignatura correspon a la nota de lrsquoexamen final
La nota de pragravectiques (Np) srsquoobteacute amb el desenvolupament drsquoun treball pragravectic de llarga durada quesrsquoha de fer en grup i que ha drsquointegrar les diferents tegravecniques vistes al llarg del curs Hi ha treslliuraments parcials amb una puntuacioacute especiacutefica per a cadascun 01 045 i 045 La qualificacioacuteconsta drsquouna nota global de la pragravectica comuna a tot lrsquoequip i de bonificacions o penalitzacionsindividuals segons com cada estudiant respongui a les preguntes el dia de la presentacioacute de lespragravectiques (08) i de la nota drsquoavaluacioacute creuada atorgada pels companys drsquoequip (02)
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica (sense continuiumltat) consisteix en un examen final amb una part teograverica i una partpragravectica
El Consell Docent fixa una data liacutemit abans de la qual els estudiants poden manifestar si se srsquoacullen al
pla drsquoavaluacioacute continuada o uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute mdashamb lesmateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicamdash que teacute lloc durant el mes de juliol en la datafixada pel Consell Docent Es pot presentar a aquesta prova qualsevol estudiant independentment delpla drsquoavaluacioacute escollit durant el curs La prova dona acceacutes a la qualificacioacute magravexima
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
Bibliografia bagravesica
ESCOFIER Brigitte et al Anaacutelisis factoriales simples y muacuteltiples objetivos meacute todos e interpretacioacutenBilbao Servicio Editorial Universidad del Paiacutes Vasco 1992
Bibliografia bagravesica
GREENACRE Michael J Correspondence analysis in practice Boca Raton (Fla) [etc] Chapman ampHallCRC 2007
Bibliografia bagravesica
HUSSON Franccedilois et al Exploratory multivariate analysis by example using R Boca Raton CRC Press2011
Bibliografia bagravesica
JOHNSON Richard Arnold et al Applied multivariate statistical analysis 6th ed Upper Saddle River NJPearson Education Prentice-Hall 2007
Bibliografia bagravesica
BOUROCHE Jean-M et al Lrsquoanalyse des donneacutees Paris Presses Universitaire de France 1980
Bibliografia complementagraveria
JOBSON JD Applied multivariate data analysis Vol I y Vol II New York Barcelona [etc] Springer1992
Bibliografia complementagraveria
LEBART Ludovic et al Tratamiento estadiacutestico de datos meacutetodos y programas Barcelona [etc]Marcombo 1985
Bibliografia complementagraveria
SAPORTA Gilbert Probabiliteacutes analyse des donneacutees et statistique 3e eacuted reacutev Paris Technip 2011
Bibliografia complementagraveria
VOLLE Michel Analyse des donneacutees 4e eacuted Paris Economica 1985
Bibliografia complementagraveria
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Cagravelcul de Diverses Variables
Codi de lassignatura 361177
Curs acadegravemic 2019-2020
Coordinacioacute Ernest Fontich Julia
Departament Departament de Matemagravetiques i Informagravetica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
mdash Calcular liacutemits de funcions de diverses variables
mdash Calcular derivades parcials aplicar les regles de derivacioacute Calcular vectors gradientsCalcular el pla tangent a la gragravefica drsquouna funcioacute de dues variables i el pla tangent a una superfiacuteciedonada impliacutecitament
mdash Calcular extrems de funcions de diverses variables en conjunts oberts conjunts compactes iextrems subjectes a lligadures
mdash Conegraveixer la nocioacute drsquointegracioacute muacuteltiple i les tegravecniques bagravesiques de cagravelcul drsquointegrals i canvis devariables meacutes habituals
mdash Conegraveixer el concepte drsquointegral dependent drsquoun paragravemetre i alguns exemples de funcionsdefinides per integrals
Blocs temagravetics
1 Funcions de diverses variables
11 Norma i distagravencia euclidiana a R^2 i R^3
12 Gragravefiques de funcions Corbes de nivell
13 Coordenades polars ciliacutendriques i esfegraveriques
14 Liacutemits i continuiumltat
2 Diferenciacioacute
21 Derivades parcials derivades direccionals i diferenciabilitat
22 Vector gradient i pla tangent Matriu jacobiana
23 Regla de la cadena
3 Integracioacute
31 Integrals dobles i triples Integrals marginals Teorema de Fubini
32 Canvi de variable Integracioacute en polars ciliacutendriques i esfegraveriques
33 Integrals dependents drsquoun paragravemetre La funcioacute gamma
4 Derivades drsquoordre superior Extrems
41 Derivades parcials drsquoordre superior Matriu hessiana
42 Foacutermula de Taylor
43 Cagravelcul drsquoextrems
Metodologia i activitats formatives
En les sessions teoricopragravectiques es presenten els continguts teograverics i les tegravecniques de lrsquoassignatura i esdonen exemples A meacutes es resolen i discuteixen problemes basats en els conceptes i tegravecniquesintroduiumldes En les classes de problemes es resolen problemes directament relacionats amb els temesdel programa Pel que fa al treball autogravenom la metodologia consisteix en la realitzacioacute de tasquesbasades en la resolucioacute de problemes
Avaluacioacute acreditativa dels aprenentatges
Els alumnes poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en una prova parcial a la meitat del semestre (P1) i una prova parcialal final (P2)
La nota drsquoavaluacioacute continuada eacutes AC = 05 P1 + 05 P2
Una vegada acabades les classes hi ha un examen final que consta de dues parts amb el qual esgeneren dues notes mdash(F1) i (F2)mdash corresponents a cadascuna de les parts respectivament Hi ha lapossibilitat de presentar-se a una o a les dues parts de lrsquoexamen final per pujar nota
La nota final srsquoobteacute amb la foacutermula NF = 05 magravex[P1F1] + 05 magravex[P2F2]
Es considera laquono presentatraquo lrsquoestudiant del qual no es disposi drsquouna nota de cadascuna de les duesparts del curs
Una vegada acabat el periacuteode drsquoavaluacioacute hi ha la possibilitat drsquouna reavaluacioacute que consisteix en unexamen de tota lrsquoassignatura Els exagravemens contenen problemes per tal drsquoavaluar la capacitat perutilitzar el raonament logravegic i els instruments matemagravetics en un context determinat
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen final en una data fixada pel Consell Docent Per acollir-se aaquesta avaluacioacute cal demanar-ho a la Secretaria de la Facultat abans de la data fixada pel ConsellDocent que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYRES Frank Caacutelculo diferencial e integral 3a ed Madrid McGraw-Hill 1991
MARSDEN Jerrold E et al Caacutelculo vectorial 5a ed Madrid Addison-Wesley 2004
PISKUNOV N S Caacutelculo diferencial e integral Meacutexico DF Limusa 2014
Pagravegina web
Wolfram Mathematica
MathApplets-SLU
calculusorg
Cursos online
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Demografia
Codi de lassignatura 361255
Curs acadegravemic 2019-2020
Coordinacioacute Maria Teresa Costa Cor
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 5
- Pragravectiques dordinadors 10
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les fonts drsquoinformacioacute demogragravefica per a lrsquoobtencioacute de dades estadiacutestiques sobre lapoblacioacute
mdash Aprendre els instruments i tegravecniques bagravesics per a lrsquoanagravelisi de lrsquoestructura i creixement drsquounapoblacioacute construccioacute de taules estadiacutestiques representacioacute gragravefica i cagravelcul de diversos indicadors
mdash Descriure la transicioacute del regravegim demogragravefic antic al modern i els seus efectes sobre lacomposicioacute de la poblacioacute
mdash Estudiar la mortalitat per edat i causa de mort construir taules de mortalitat de moment icalcular probabilitats i indicadors conjunturals sobre el comportament drsquoaquest fenomen
mdash Analitzar la fecunditat a partir drsquoindicadors sintegravetics de periacuteode i de generacioacute
mdash Estudiar els moviments migratoris que afecten la poblacioacute
mdash Descriure els megravetodes bagravesics drsquoelaboracioacute de projeccions de poblacioacute la formulacioacute drsquohipogravetesis ila interpretacioacute dels resultats
Referits a habilitats destreses
mdash Utilitzar les fonts drsquoinformacioacute demogragravefica drsquoacord amb els objectius de treball
mdash Saber diferenciar entre anagravelisi de moment i anagravelisi de cohort
mdash Interpretar la intensitat i el calendari en els fenogravemens demogragravefics
mdash Comparar el comportament dels fenogravemens demogragravefics entre poblacions aplicant les tegravecniquesdrsquoestandarditzacioacute
mdash Obtenir els indicadors meacutes adients en lrsquoanagravelisi dels fenogravemens demogragravefics
mdash Analitzar i interpretar les dinagravemiques demogragravefiques que ha experimentat una poblacioacute en eltemps
mdash Fer previsions sobre lrsquoevolucioacute futura drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de fecunditat
mdash Calcular i interpretar les taxes de reproduccioacute drsquouna poblacioacute
mdash Calcular i interpretar diferents mesures de nupcialitat
mdash Calcular i interpretar diferents mesures de les migracions
mdash Saber utilitzar les eines informagravetiques relacionades amb lrsquoanagravelisi demogragravefica
Blocs temagravetics
1 Caracteriacutestiques i evolucioacute de la poblacioacute
11 Introduccioacute
111 Poblacioacute i demografia
112 Fonts estadiacutestiques per a lrsquoestudi de la poblacioacute
113 Les xifres de poblacioacute a Espanya
12 Megravetodes i tegravecniques en demografia
121 Magnituds estocs i fluxos
122 Anagravelisi longitudinal i anagravelisi transversal
123 La representacioacute del temps lrsquoesquema de Lexis
124 Les mesures en demografia taxes probabilitats i proporcions
13 Estructura i creixement de la poblacioacute
131 Lrsquoequacioacute demogragravefica bagravesica i el cagravelcul del creixement drsquouna poblacioacute
132 Els indicadors drsquoestructura de la poblacioacute
133 La piragravemide de poblacioacute la relacioacute entre lrsquoestructura de la poblacioacute i els
fenogravemens demogragravefics
134 Evolucioacute de la poblacioacute mundial La transicioacute demogragravefica
2 Estudi dels fenogravemens demogragravefics
21 Anagravelisi de la mortalitat
211 La mortalitat per edat i causa de mort
212 Lrsquoestandarditzacioacute
213 Construccioacute drsquouna taula de mortalitat Lrsquoesperanccedila de vida
22 Fecunditat i nupcialitat
221 Anagravelisi de la fecunditat indicadors de moment i de generacioacute
222 La reproduccioacute de les generacions
223 Caracteriacutestiques familiars i evolucioacute de lrsquoestructura de les llars
23 Migracions
231 Conceptes i mesures bagravesiques de les migracions
232 Migracions internes i externes
233 Evolucioacute dels moviments migratoris en la poblacioacute espanyola
3 Les projeccions demogragravefiques
31 Les projeccions de poblacioacute
311 El megravetode de les components
312 Metodologia per a la realitzacioacute de les projeccions de poblacioacute
32 Les projeccions de les llars
321 Conceptes bagravesics
322 El megravetode de les propensions
Metodologia i activitats formatives
En les classes magistrals srsquoexpliquen els continguts teograverics de cada tema i es presenten dadesdemogragravefiques de poblacions reals tant actuals com histograveriques per entendre i aplicar els principalsinstruments drsquoanagravelisi demogragravefica Tambeacute es recomana la lectura drsquoarticles de premsa o de revistesespecialitzades per comprendre els temes relacionats amb la poblacioacute que resulten drsquointeregraves enlrsquoactualitat
Es fan classes pragravectiques al llarg del curs a lrsquoaula drsquoordinadors i srsquoutilitza el programari apropiat perpoder obtenir les dades demogragravefiques de poblacions reals i fer el cagravelcul i interpretacioacute dels principalsindicadors demogragravefics en els exercicis proposats
Per aprofitar millor les classes magistrals i pragravectiques en el Campus Virtual es publiquen diferentsdocuments amb dades estadiacutestiques lectures recomanades i enunciats drsquoexercicis
Avaluacioacute acreditativa dels aprenentatges
Tant en lrsquoavaluacioacute continuada com en lrsquoavaluacioacute uacutenica es tenen en compte en el plantejament de lesproves les competegravencies que es pretenen desenvolupar en lrsquoassignatura Per una banda els enunciatsdels exercicis precisen capacitat drsquoanagravelisi i comprensioacute de les dades i per lrsquoaltra alguns problemes esbasen en aplicacions pragravectiques dels conceptes explicats que utilitzen dades reals de poblacions
Lrsquoavaluacioacute continuada de lrsquoassignatura consta de les activitats seguumlents
mdash Prova de contingut teograveric i pragravectic del bloc 1 es duu a terme en finalitzar el bloc temagravetic 1 Teacute unaponderacioacute del 25 de la nota final de lrsquoassignatura
mdash Prova de contingut teograveric i pragravectic del bloc 2 es duu a terme en finalitzar el bloc temagravetic 2 Teacute unaponderacioacute del 35 de la nota final de lrsquoassignatura
mdash Exercicis de contingut pragravectic del bloc 1 i del bloc 2 Es realitzen individualment i tenen unaponderacioacute del 20 de la nota final de lrsquoassignatura
mdash Treball escrit de contingut teograveric i pragravectic del bloc 3 Es pot fer individualment o en grups de dosalumnes i teacute una ponderacioacute del 20 de la nota final de lrsquoassignatura
Avaluacioacute uacutenica
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que estableix el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
En aquest cas lrsquoavaluacioacute es basa en un examen final que consta de quumlestions teograveriques i exercicispragravectics que es resolen utilitzant lrsquoordinador
Lrsquoexamen de reavaluacioacute de lrsquoassignatura teacute les mateixes caracteriacutestiques que lrsquoexamen drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KEYFITZ Nathan Applied mathematical demograpyh 3rd ed New York Springer 2005
LEGUINA Joaquiacuten Fundamentos de demografiacutea 5a ed Madrid Siglo XXI 1992
LIVI Massimo Introduccioacuten a la demografiacutea Barcelona Ariel 1993
NEWELL Colin Methods and models in demography Chichester [etc] Wiley 1994
PRESSAT Roland Introduccioacuten a la demografiacutea Barcelona Ariel 1985
TAPINOS Georges Photios Elementos de demografiacutea Madrid Espasa Calpe Universidad 1990
VINUESA Julio Demografiacutea Anaacutelisis y proyecciones Madrid Siacutentesis 1994
VINUESA Julio Teacutecnicas y ejercicios de demografiacutea Madrid INE 2007
PRESTON Samuel H et al Demography measuring and modeling population processes MaldenBlackwell 2001
VALLIN Jacques La poblacioacuten mundial Madrid Alianza Editorial 1995
Pagravegina web
Instituto Nacional de Estadiacutestica Disponible a ltwwwineesgt
Institut drsquoEstadiacutestica de Catalunya Disponible a ltwwwidescatcatgt
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dEnquestes
Codi de lassignatura 361229
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 12
- Tutoritzacioacute per grups 15
- Pragravectiques dordinadors 33
Treball tutelatdirigit
(Treball per dur a terme les diferents etapesde la pragravectica sota la tutela del professor)
40
Aprenentatge autogravenom
(Estudi previ a classe drsquoalguns temesteograverics Treball autogravenom de realitzacioacute de lapragravectica)
50
Recomanacions
mdash Tenir coneixements bagravesics drsquoalgun programa de tractament estadiacutestic del Word i del PowerPointmdash Redireccionar el correu UB cap al correu personal si lrsquoestudiant no accedeix regularment al correu UB
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer les etapes que cal seguir per elaborar una enquestamdash Saber com redactar un projecte per elaborar una enquesta incloent-hi els objectius lametodologia les fases de lrsquoestudi el calendari el pressupost etcmdash Entendre la fitxa tegravecnica drsquouna enquesta i elaborar-ne una de nova a partir de lescaracteriacutestiques de lrsquoenquesta mostra i poblacioacutemdash Saber com elaborar un quumlestionari per recollir la informacioacute en funcioacute dels objectius previstosmdash Saber formular correctament les preguntes per incloure en el quumlestionari i valorar lrsquooportunitatde cada pregunta i el tipus de categoria de respostamdash Redactar preguntes en diferents escales de mesura aixiacute com preguntes obertesmdash Conegraveixer els fonaments de la teoria del mostratgemdash Planificar el treball de camp i assignar tasques als entrevistadorsmdash Dur a terme un treball de camp real i valorar-ne lrsquoexperiegravenciamdash Codificar les respostes dels diferents tipus de preguntes introduir les dades en suportinformagravetic i analitzar estadiacutesticament les dadesmdash Dissenyar estructurar i redactar un informe de resultats de lrsquoenquesta aixiacute com les conclusionsi exposar lrsquoinforme puacuteblicament
Referits a habilitats destreses
mdash Aprendre a identificar i plantejar un problema en termes que en permetin la resolucioacute Sabercom fer una recerca drsquoinformacioacutemdash Aprendre a treballar en grup negociar escoltar i ser assertiu manifestant les progravepies opinionsmdash Aprendre a planificar temporalment una activitat i a prioritzar les quumlestions importantsmdash Aprendre a analitzar (separar les parts drsquoun problema i tractar-les de forma individual) i asintetitzar (extraure el meacutes rellevant i tenir una visioacute de conjunt)mdash Aprendre a fer servir el programa estadiacutestic SPSS drsquouacutes comuacute en investigacioacute socialmdash Aprendre a dissenyar estructurar i redactar un informe de resultats per a un client Aprendre atractar amb un client i a vendre el nostre productemdash Adquirir nocions de parlar en puacuteblic de comunicar i de com es fa una presentacioacute oral
Blocs temagravetics
1 Lrsquoenquesta com a tegravecnica drsquoinvestigacioacute social
Introduccioacute i conceptes clau del disseny drsquoenquestes
11 Introduccioacute
12 Megravetodes i tegravecniques drsquoinvestigacioacute social
13 Enquestes explorar descriure i explicar la realitat social
14 Tipus drsquoenquestes
15 El proceacutes general drsquoinvestigacioacute a traveacutes drsquoenquestes
2 Fonaments de mostreig
Nocions bagravesiques de mostreig necessagraveries per saber com escollir la mostra drsquoindividus alsquals es faragrave lrsquoenquesta
21 Poblacioacute i mostra
22 Mostres aleatograveries i no aleatograveries
23 Megravetodes de mostreig aleatori idees bagravesiques
24 La mida de la mostra
25 Errors de mostreig
3 Seleccioacute de la persona enquestada
Srsquoestudia com escollir la persona a qui passar lrsquoenquesta en funcioacute de quin sigui el tipusdrsquoenquesta
31 Enquestes per correu
32 Enquestes telefograveniques
33 Enquestes cara a cara quotes i rutes aleatograveries
4 El quumlestionari
Srsquoestudia com es construeix un quumlestionari quines parts ha de tenir i com srsquohan deredactar les preguntes
41 Definicioacute i objectius del quumlestionari
42 Tipus de preguntes
43 El contingut de les preguntes
44 La manera de redactar les preguntes
45 Organitzacioacute i composicioacute del quumlestionari
5 El treball de camp
Srsquoestudia com srsquoha de fer lrsquoentrevista i el control del treball de camp
51 Lrsquoentrevistador importagravencia caracteriacutestiques i entrenament
52 Lrsquoentrevista organitzacioacute i problemes en la realitzacioacute
53 El control del treball de camp
54 Material per dur a terme el treball de camp
6 Tractament informagravetic de les dades obtingudes
Srsquoestudia com srsquohan drsquointroduir les dades recollides en un suport informagravetic de manera quees construeixi una base de dades per fer lrsquoanagravelisi estadiacutestica
61 La informagravetica i el tractament de dades
62 Codificacioacute de les dades i llibre de codis
63 Gravacioacute depuracioacute i validacioacute de les dades
64 Lrsquoanagravelisi estadiacutestica de les dades
7 Lrsquoinforme drsquoinvestigacioacute
Srsquoestudia com srsquoha de fer lrsquoinforme final de resultats parts que ha de tenir redaccioacutecontingut etc
71 Quumlestions pregravevies
72 Tipus drsquoinformes cientiacutefic tegravecnic i divulgatiu
73 Lrsquoinforme tegravecnic estructura elements i presentacioacute
74 Presentacioacute puacuteblica de lrsquoinforme
Metodologia i activitats formatives
Aquesta assignatura teacute els trets principals seguumlents
1 Srsquoenfoca molt directament a la pragravectica eacutes a dir tot el que es fa srsquoorienta a saber desenvolupar unaenquesta de principi a fi Es comenccedila preparant el projecte i srsquoacaba fent lrsquoexposicioacute puacuteblica delsresultats
2 Per poder dur a terme el punt anterior cal conegraveixer algunes quumlestions teograveriques que soacuten lrsquoobjectiudrsquoalgunes classes Eacutes habitual que es demani als estudiants que preparin el tema abans de classe Es fanavaluacions individuals i en grup per verificar si els coneixements srsquohan assolit correctament
3 Moltes de les classes es dediquen a les diferents fases de lrsquoactivitat pragravectica Es treballa en grups detres o quatre persones (obligatori) es duu a terme el treball de camp es va a lrsquoaula drsquoinformagravetica perintroduir les dades en suport informagravetic i per fer lrsquoinforme Al final els estudiants han de fer lespresentacions dels resultats davant la classe Durant tot el proceacutes lrsquoestudiant teacute el suport del professor
que lrsquoorienta
4 Es fa servir el Campus Virtual per concretar i donar detalls de totes les activitats del curs Eacutesimportant per tant que lrsquoestudiant hi entri regularment
5 Si ho estima necessari el professor pot passar un full de control drsquoassistegravencia a classe Srsquoenteacuten queuna assistegravencia irregular no permet assolir les competegravencies objecte de lrsquoassignatura ategraves que estreballen de manera intensa en les classes presencials
6 Algunes classes es dediquen a la tutoritzacioacute per grups Si el professor ho considera necessari es potdur a terme un desdoblament de manera que els estudiants poden tenir tutoria cada 15 dies
7 Com a consequumlegravencia del desplegament del projecte de foment de la qualitat docent que srsquoestagrave duent aterme a la Facultat drsquoEconomia i Empresa (impulsat des de la unitat de Recerca Innovacioacute i Millora de laDocegravencia i lrsquoAprenentatge (RIMDA) i el Vicerectorat de Docegravencia i Ordenacioacute Acadegravemica de la UB) durantels cursos 2018-2019 i 2019-2020 la metodologia docent drsquoalguns dels grups de lrsquoassignatura potquedar modificada respecte a la descrita anteriorment El detall drsquoaquesta metodologia es publica en elCampus Virtual a lrsquoinici de curs
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe La major part de lesactivitats soacuten en grup i es garanteix sempre que treballin tots els membres de lrsquoequip Cada grupdrsquoalumnes ha de dur a terme una investigacioacute de caragravecter socioeconogravemic a partir de dades obtingudesper enquesta i completar totes les etapes necessagraveries fins a arribar a conclusions
mdash Activitat 1 Plantejament de lrsquoestudi i disseny mostral cada grup suggereix una investigacioacute quesigui del seu interegraves i en defineix els objectius i la poblacioacute per estudiar Tot seguit proposa un dissenymostral que garanteixi una certa fiabilitat en els resultats Valor 5 de la nota final Data delliurament (aprox) 6 drsquooctubre
mdash Activitat 2 Disseny del quumlestionari cada grup dissenya el seu quumlestionari i nrsquoexplica lescaracteriacutestiques Valor 5 de la nota final Data de lliurament (aprox) 20 drsquooctubre
mdash Activitat 3 Treball de camp i generacioacute drsquoun fitxer de dades seguint el disseny mostral proposat esduen a terme les entrevistes per aconseguir les dades Posteriorment srsquointrodueixen les dades ensuport informagravetic i es genera un fitxer de dades codificat i etiquetat Valor 5 de la nota final Data delliurament (aprox) 5 de novembre
mdash Activitat 4 Anagravelisi estadiacutestica i presentacioacute de lrsquoinforme final fent servir el programa estadiacutesticSPSS es fa una anagravelisi estadiacutestica dels resultats i srsquoelabora una memograveria o informe amb les conclusionsValor 15 de la nota final Data de lliurament (aprox) 4 de desembre
mdash Activitat 5 Presentacioacute dels resultats de lrsquoestudi cal elaborar una presentacioacute en PowerPoint iexposar-la davant la resta de companys Valor 5 de la nota final Data (aprox) dues darreressetmanes del curs
Nota Tot el proceacutes drsquoelaboracioacute de lrsquoenquesta es tutoritza convenientment Els estudiants tenen lacolmiddotlaboracioacute del professor que ha drsquoestar assabentat en tot moment de lrsquoestat de lrsquoestudi i que vetllaperquegrave tots els membres dels equips treballin de forma igualitagraveria La nota drsquoaquestes activitats potdiferir entre els membres drsquoun mateix grup cas que hi hagi algun estudiant que no assisteixiregularment a classe o que no srsquoimpliqui en el treball en equip
mdash Prova final Serveix per comprovar que cada estudiant ha assolit coneixements suficients sobre lamategraveria del curs Valor 40 de la nota final Com a miacutenim lrsquoestudiant ha drsquoobtenir un 5 sobre 10perquegrave la nota drsquoaquesta prova faci mitjana amb la resta de notes del curs i pugui superar lrsquoassignaturaData la fixada pel Consell Docent
mdash El 25 restant de la qualificacioacute srsquoobteacute a partir del seguiment actiu i puntual de lrsquoassignaturaEs fan proves de seguiment individuals i en grup que srsquoanuncien amb antelacioacute per comprovar elcorrecte assoliment dels objectius de lrsquoassignatura Tambeacute es teacute en compte lrsquoassistegravencia i la participacioacuteactiva i respectuosa a classe
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
En cas que els canvis metodologravegics afectin el sistema drsquoavaluacioacute previst a lrsquoassignatura caldragrave tambeacutefer esment de les particularitats dels grups que se sotmetin al projecte
Avaluacioacute uacutenica
Aquesta opcioacute estagrave dissenyada per als estudiants que no assisteixen regularment a classe Tambeacute podenescollir-la la resta drsquoestudiants sempre que renunciiumln expliacutecitament a lrsquoavaluacioacute continuada tot i queno es recomana
En aquesta opcioacute es planteja un examen final que eacutes diferent i meacutes complet que la prova que fan elsalumnes que han seguit lrsquoavaluacioacute continuada Lrsquoestudiant ha de demostrar que coneix totes les etapesdrsquouna investigacioacute socioeconogravemica per enquesta i que sabria dur-la a la pragravectica Valor 100 de lanota final
En la data fixada pel Consell Docent els estudiants han de manifestar si volen seguir lrsquoavaluacioacutecontinuada o si opten per lrsquoavaluacioacute uacutenica
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute Aquesta provade reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica permet als estudiantsobtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que haginoptat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Disseny drsquoenquestes per a la investigacioacute social Barcelona Universitat deBarcelona 2011
ALVIRA Francisco La encuesta una perspectiva general metodoloacutegica Cuadernos Metodoloacutegicos Vol 352a ed rev Madrid CIS Centro de Investigaciones Socioloacutegicas 2011
AZOFRA Mariacutea Joseacute Cuestionarios Cuadernos Metodoloacutegicos Vol 26 Madrid Centro de InvestigacionesSocioloacutegicas 1999
DIacuteAZ DE RADA Vidal Organizacioacuten y gestioacuten de los trabajos de campo con encuestas personales ytelefoacutenicas Barcelona Ariel 2001
DIacuteAZ DE RADA Vidal Disentildeo y elaboracioacuten de cuestionarios para la investigacioacuten comercial MadridESIC 2001
FINK Arlene How to conduct surveys A step-by-step guide Thousand Oaks (CA) Sage 1998
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
REA Louis M et al Designing amp Conducting Survey Research A comprehensive Guide 3rd ed SanFrancisco Jossey- Bass 1992
RODRIacuteGUEZ Jacinto Meacutetodos de muestreo Cuadernos Metodoloacutegicos Vol 6 Madrid Centro deInvestigaciones Socioloacutegicas 2005
ROJAS Antonio et al (ed) Investigar mediante encuestas Madrid Siacutentesis 1998
Pagravegina web
Centro de Investigaciones Socioloacutegicas
Pagravegina web del Centro de Investigaciones Socioloacutegicas
Instituto Nacional de Estadiacutestica
Pagravegina web del Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Pagravegina web de lrsquoInstitut drsquoEstadiacutestica de Catalunya
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Disseny dExperiments
Codi de lassignatura 361230
Curs acadegravemic 2019-2020
Coordinacioacute Isaac Subirana Cachinero
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes especialment si soacuten deproblemesordinadors es desdoblen endiferents grups El professorat assigna elsestudiants als grups)
60
- Teoricopragravectica 40
- Pragravectiques dordinadors 20
Aprenentatge autogravenom 90
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Utilitzar aplicacions informagravetiques per a la resolucioacute de problemes matemagravetics
- Capacitat de construir un model matemagravetic en situacions simples de la realitat
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes que lrsquoalumnat conegui els principals dissenys i sigui capaccedildrsquoaplicar-los davant drsquouna situacioacute experimental concreta Estudiaragrave diferents tipus de dades realscorresponents a contextos diversos i ha de ser capaccedil de fer-ne una anagravelisi i obtenir-ne el magraveximdrsquoinformacioacute
Eacutes important que entengui el concepte de variabilitat experimental i que vegi lrsquoassignatura com elconjunt drsquoeines que permeten plantejar un experiment i despreacutes analitzar-lo estadiacutesticament pertal de controlar de manera eficient aquesta variabilitat experimental Eacutes per aixograve que davant decada disseny concret ha de comprendre quin eacutes lrsquoobjectiu i en quines situacions experimentals eacutesmeacutes adient
Referits a habilitats destreses
mdash Saber relacionar el pla experimental amb el model de disseny experimental corresponent
mdash Saber resoldre el disseny i interpretar-ne els resultats
mdash Conegraveixer els principals paquets estadiacutestics adients que permeten resoldre els dissenys
Blocs temagravetics
1 Dissenys amb factors fixos
11 Conceptes essencials en disseny drsquoexperiments
12 Comparacioacute de dos tractaments
13 Dissenys amb un factor
14 Dissenys amb blocs
15 Dissenys amb dos factors concepte drsquointeraccioacute
16 Dissenys 2K complets i fraccionals
2 Dissenys amb factors aleatoris i mixtos
21 Dissenys creuats fixos amb dos o meacutes factors
22 Dissenys creuats mixtos i aleatoris amb dos o meacutes factors
23 Dissenys jeragraverquics amb dos factors
24 Dissenys jeragraverquics amb meacutes de dos factors
25 Dissenys de mesures repetides
26 Comparacions muacuteltiples amb presegravencia de factors aleatoris
Metodologia i activitats formatives
Per a cadascun dels temes del programa els alumnes disposen drsquouna explicacioacute del professorat En lesclasses pragravectiques es plantegen diferents situacions experimentals en quegrave lrsquoestudiant ha drsquoidentificar eldisseny adient Per poder dur a terme les activitats programades srsquoexplica el programari necessariDurant les sessions presencials desdoblades es fan pragravectiques amb ordinador
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Els estudiants poden optar entre dues formes drsquoavaluacioacute una avaluacioacute continuada o una avaluacioacuteuacutenica Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acolliriquestse a lrsquoavaluacioacute uacutenica hande fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute continuada vol potenciar el treball continuat de lrsquoestudiant i facilitar un seguiment drsquoaquestaactivitat mitjanccedilant la interaccioacute alumnat-professorat
Les activitats drsquoavaluacioacute continuada obligatograveries soacuten
mdash Dues proves objectives al final de cada bloc (20 + 20 = 40 )
mdash Una prova final de siacutentesi (60 de la nota) La prova de siacutentesi es fa el mateix dia que la provadrsquoavaluacioacute uacutenica
La prova de reavaluacioacute teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica i srsquohi poden presentar totsels estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoexamen final consisteix en la resolucioacute de quumlestions i problemes i compta el 100 de la nota
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
KUEHL Robert O Disentildeo de experimentos principios estadiacutesticos de disentildeo y anaacutelisis de investigacioacutenAustralia [etc] Madrid Thomson Learning 2001
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2011
BOX George E P et al Estadiacutestica para investigadores introduccioacuten al disentildeo de experimentos anaacutelisisde datos y construccioacuten de modelos Barcelona Reverteacute 1989
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Econometria
Codi de lassignatura 361238
Curs acadegravemic 2019-2020
Coordinacioacute Ramon Jose Alemany Leira
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes dominar les tegravecniques economegravetriques meacutes habitualsutilitzades avui en dia pels professionals tant de lrsquoeconomia i lrsquoempresa com drsquoaltres disciplinesen tasques de recerca aplicada
Conegraveixer i comprendre les eines i tegravecniques drsquoanagravelisi associades a la utilitzacioacute del model deregressioacute lineal muacuteltiple
Identificar les propietats dels diferents megravetodes drsquoestimacioacute del model de regressioacute lineal muacuteltiplei conegraveixer els avantatges i inconvenients de cadascun
Referits a habilitats destreses
Interpretar de manera rigorosa i correcta els resultats de lrsquoestimacioacute drsquoun model de regressioacutelineal muacuteltiple en les seves possibles especificacions
Identificar per a cada model particular quines de les hipogravetesis habituals drsquoestimacioacute soacuten meacutesraonables i quines ho soacuten menys
Valorar de manera criacutetica les conclusions que srsquoextreuen drsquoun model de regressioacute tenint encompte les propietats de les variables analitzades i les caracteriacutestiques de les dades disponibles
Aplicar les pautes de treball correctes en cadascuna de les etapes necessagraveries a lrsquohora drsquoutilitzarun model de regressioacute lineal muacuteltiple lrsquoespecificacioacute lrsquoestimacioacute la validacioacute i la interpretacioacute
Referits a actituds valors i normes
Desenvolupar lrsquointeregraves per lrsquoanagravelisi i la recerca aplicada basada en la utilitzacioacute de les tegravecniqueseconomegravetriques i de modelitzacioacute
Blocs temagravetics
1 Introduccioacute
11 Concepte i estrategravegia de la investigacioacute economegravetrica
12 Models econogravemics i models economegravetrics Components i tipologia
13 Etapes en la investigacioacute economegravetrica
2 El model de regressioacute lineal muacuteltiple especificacioacute i estimacioacute
21 Especificacioacute del model
22 Les hipogravetesis bagravesiques del model de regressioacute lineal muacuteltiple estagravendard
23 Estimacioacute per miacutenims quadrats ordinaris (MQO)
24 Propietats de lrsquoestimacioacute per MQO
25 Estimacioacute per magravexima versemblanccedila
3 El model de regressioacute lineal muacuteltiple validacioacute i prediccioacute
31 Mesures de bondat drsquoajust del model
32 Contrast drsquohipogravetesi
33 Estimacioacute amb restriccions lineals
34 Anagravelisi de la variagravencia
35 Prediccioacute puntual i per interval
4 Errors drsquoespecificacioacute i problemes amb les dades
41 Deteccioacute drsquoerrors a la manera funcional
42 Especificacioacute errogravenia de les variables explicatives
43 Permanegravencia versus canvi estructural
44 Multicolmiddotlinealitat
45 Deteccioacute de dades atiacutepiques i influents
5 Incompliment de les hipogravetesis bagravesiques del terme de pertorbacioacute
51 Matrius de variagravencies i covariagravencies escalars i no escalars
52 Estimacioacute per miacutenims quadrats ordinaris (MQO) i propietats
53 Estimacioacute per miacutenims quadrats generalitzats (MQG) i propietats
54 Estimacioacute per magravexima versemblanccedila i propietats
6 Heteroscedasticitat
61 Definicioacute i causes
62 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
63 Deteccioacute de lrsquoheteroscedasticitat
64 Estimacioacute per miacutenims quadrats generalitzats (MQG) i miacutenims quadrats ponderats
(MQP)
65 Inferegravencia i prediccioacute
7 Autocorrelacioacute
71 Definicioacute i causes
72 Consequumlegravencies de lrsquoestimacioacute per miacutenims quadrats ordinaris (MQO)
73 Deteccioacute de lrsquoautocorrelacioacute
74 Estimacioacute per miacutenims quadrats generalitzats (MQG)
75 Inferegravencia i prediccioacute
8 Models de variable dependent discreta
81 Model de probabilitat lineal
82 Model progravebit
83 Model logravegit
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials
mdash Classes de teoria amb lrsquoobjectiu de presentar les eines i les tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
mdash Classes de problemes amb lrsquoobjectiu de resoldre analitzar o discutir problemes basats en aquesteseines i tegravecniques
mdash Tallers a lrsquoaula drsquoinformagravetica per aplicar aquestes eines i tegravecniques a la resolucioacute de problemesconcrets a partir de dades determinades i amb la utilitzacioacute de programari especiacutefic
A meacutes es proposa que lrsquoalumnat elabori un total de tres pragravectiques de manera individual fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina drsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es basa en quatre tipus drsquoactivitats
a) Dues pragravectiques (5 cadascuna) Lrsquoobjectiu drsquoaquestes pragravectiques eacutes que a partir drsquoun conjunt dedades concret (proporcionat pel professorat) els estudiants responguin a un seguit de quumlestions per ales quals necessiten utilitzar les tegravecniques pregraveviament estudiades a classe Es posa egravemfasi sobretot enla interpretacioacute correcta dels resultats que srsquoobtenen Les pragravectiques es publiquen aproximadament aprincipi de marccedil i a principi de maig La data exacta de publicacioacute de lrsquoenunciat i la data liacutemit per a lapresentacioacute de cada pragravectica es publiquen en el Campus Virtual durant les dues primeres setmanes delcurs
b) Test de mig semestre (25 ) Al voltant de la meitat del semestre (set setmanes) es fa un test ambpreguntes curtes o de resposta muacuteltiple sobre aspectes teograverics i pragravectics La data exacta es comunica alrsquoinici del semestre
c) Tallers (5 ) Qualificacioacute en funcioacute de la participacioacute i les tasques dutes a terme en els tallers
d) Una prova escrita amb una ponderacioacute del 60 en relacioacute amb la nota final Per superar
lrsquoassignatura eacutes imprescindible obtenir una puntuacioacute miacutenima en aquesta prova de 3 sobre 10independentment de la qualificacioacute obtinguda en les pragravectiques el test i els tallers
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consta de dues partsa) Un examen escritb) Un exercici pragravectic amb lrsquoordinador
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GREENE William H Anaacutelisis economeacutetrico Madrid Prentice Hall 1999
WOOLDRIDGE Jeffrey M Introduccioacuten a la Econometriacutea Un enfoque moderno 4a ed revisada CengageLearning 2016
STOCK James Het al Introduccioacuten a la Econometriacutea 3a ed Madrid Pearson 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Descriptiva
Codi de lassignatura 361196
Curs acadegravemic 2019-2020
Coordinacioacute Manuela T Alcantildeiz Zanon
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Assistegravencia regular a classe Es considera que lrsquoestudiant hi ha assistit amb regularitat si ho ha fetalmenys al 80 de les sessions presencials
mdash Seguiment de lrsquoavaluacioacute continuada Aquest megravetode drsquoaprenentatge posa lrsquoaccent en la formacioacutede lrsquoestudiant al llarg del curs i no nomeacutes en lrsquoavaluacioacute entesa com a assignacioacute drsquouna qualificacioacute Pertant el seu seguiment eacutes del magravexim interegraves per assolir un autegraventic coneixement de la mategraveria
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els estadiacutestics de siacutentesi meacutes habituals dins del conjunt drsquoeines i tegravecniquesenglobades en el que srsquoanomena de forma genegraverica estadiacutestica descriptiva mdash Comprendre la utilitat els avantatges i els inconvenients de cadascun drsquoaquests estadiacutesticsaixiacute com conegraveixer en quines situacions eacutes meacutes adequat drsquoutilitzar-ne cadascun mdash Saber calcular aquests estadiacutestics mdash Aprendre a organitzar representar analitzar i sintetitzar un conjunt de dades usant elsmegravetodes gragravefics tabulars i numegraverics meacutes adients per a cada tipologia de variable i de dades mdash Interpretar de forma rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignaturamdash Seleccionar lrsquoestadiacutestic de siacutentesi meacutes adequat en cada situacioacute
Referits a habilitats destreses
mdash Adquirir els hagravebits adequats en relacioacute amb el tipus de raonament que srsquoutilitza en lrsquoanagravelisiestadiacutestica mdash Desenvolupar un cert esperit criacutetic en relacioacute amb les eines i tegravecniques presentades per taldrsquoidentificar-ne les limitacions drsquoacord amb lrsquoanagravelisi de problemes concrets aplicats
Blocs temagravetics
1 Introduccioacute
11 Conceptes bagravesics
Objecte de lrsquoestadiacutestica descriptiva
Poblacioacute i mostra
Tipus de variables
2 Anagravelisi de dades unidimensionals
21 Representacioacute gragravefica i tabular de dades
Tipus de dades
Tabulacioacute de dades unidimensionals
Megravetodes gragravefics per a la representacioacute de dades
22 Mesures de siacutentesi per a dades quantitatives univariants (I)
Mesures de posicioacute o tendegravencia central
Moments potencials
Mesures de dispersioacute
Mesures de localitzacioacute
23 Mesures de siacutentesi per a dades quantitatives univariants (II)
Mesures drsquoasimetria
Mesures drsquoapuntament o curtosi
Mesures de concentracioacute
Mesures per a dades agrupades en intervals
3 Anagravelisi de dades multidimensionals
31 Dades multidimensionals
Matriu de dades
Taules de creuament distribucions de frequumlegravencies (conjunta marginals i
condicionades)
Associacioacute entre dades quantitatives bidimensionals matriu de variagravencies i
covariagravencies i matriu de correlacions
Associacioacute entre dades quantitatives multidimensionals
Associacioacute entre dades qualitatives en escala nominal
Associacioacute entre dades qualitatives en escala ordinal
32 Model de regressioacute lineal
Descripcioacute drsquouna relacioacute entre variables
Especificacioacute del model de regressioacute lineal simple
Ajust per miacutenims quadrats ordinaris
Bondat drsquoajust Coeficient de determinacioacute
4 Altres indicadors estadiacutestics
41 Altres indicadors
Nombres iacutendexs iacutendexs simples i compostos
Nombres iacutendexs econogravemics
Deflacioacute
Taxes de variacioacute
Metodologia i activitats formatives
El megravetode docent es basa principalment en tres tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques Per a un millor aprofitament de les classes de problemes la professora potdesdoblar el grup en dos si ho considera necessari
3 Sessions de classe inversa (flipped classroom) La professora demana pregraveviament a la classe lrsquoestudidrsquoun material En comenccedilar la classe lrsquoestudiant fa una prova individual sobre la temagravetica estudiadaDespreacutes els estudiants es reuneixen en grups per discutir la mateixa prova i algun problema en grup Esdiscuteixen els resultats i srsquoaclareixen els punts on srsquoha trobat meacutes dificultat Aquesta activitat eacutesavaluable
A meacutes a meacutes es proposa als estudiants un conjunt de pragravectiques que han de fer en equips i fora de leshores de classe Aquestes pragravectiques tambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de diferentsactivitats que es duen a terme al llarg del curs
a) Pragravectiques
Pragravectica 1 Els estudiants srsquohan drsquoagrupar en equips de 3-4 persones i crear una base de dades del seuinteregraves Despreacutes han de fer una explotacioacute descriptiva de les dades que contingui diferents mesures desiacutentesi gragravefics taules de frequumlegravencies etc Els estudiants han de presentar un informe escrit amb elsresultats obtinguts Valor 75 de la nota final Data de lliurament (aprox) 11 de novembre de2019
Pragravectica 2 Cada grup ha de proposar un model de regressioacute lineal fer diferents prediccions i valorar-neel grau de fiabilitat Valor 75 de la nota final Data de lliurament (aprox) 3 de gener de 2020
b) Sessions de classe inversa (flipped classroom)
Srsquoavaluen les proves individuals les proves en grup i els problemes i activitats complementagraveries de lessessions de classe inversa Valor 10 de la nota final Data diverses sessions al llarg del curs quesrsquoanuncien amb antelacioacute suficient
c) Dues proves escrites que consisteixen en la resolucioacute drsquoun conjunt de problemes i quumlestionsteograveriques
mdash Una prova de seguiment del curs Consta de 10 preguntes de tipus test que permeten alrsquoestudiant valorar el seu grau drsquoassimilacioacute de la mategraveria Valor 20 de la nota final Dataaproximada 13 de novembre de 2019
mdash Una prova final Valor 55 de la nota final Srsquoha de treure com a miacutenim un 4 perquegrave sigui
possible fer la mitjana amb la resta de notes del curs Data la fixada pel Consell Docent
La nota final de lrsquoestudiant eacutes el valor magravexim entre la nota calculada amb els percentatges anteriors ila nota obtinguda a la prova final
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar per ser avaluats amb una prova final que suposa el 100 dela nota Aquesta prova pot ser diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en les dates fixades pel Consell Docent
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Tots els estudiants que no superin lrsquoassignatura tenen dret a una prova de reavaluacioacute (data fixadapel Consell Docent) Aquesta prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacuteuacutenica permet als estudiants obtenir la qualificacioacute magravexima i srsquohi poden presentar tots els estudiantsindependentment que hagin optat per lrsquoavaluacioacute uacutenica o continuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALCANtildeIZ Manuela et al Problemes drsquoEstadiacutestica Descriptiva Textos Docents nuacutem 389 BarcelonaUniversitat de Barcelona 2014
BARDINA Xavier et al Estadiacutestica Descriptiva Bellaterra Universitat Autogravenoma de Barcelona Servei dePublicacions 2009
CASTILLO Isabel et al Estadiacutestica descriptiva y caacutelculo de probabilidades Madrid Pearson 2006
FERNAacuteNDEZ Santiago et al Estadiacutestica descriptiva 2 ed rev y actualizada Madrid ESIC 2002
FERNAacuteNDEZ Carlos et al Curso de estadiacutestica descriptiva teoriacutea y praacutectica Barcelona Ariel 1995
HERNAacuteNDEZ Agustiacuten Curso elemental de Estadiacutestica Descriptiva Madrid Piraacutemide 2008
MARTIacuteN -GUZMAacuteN Pilar et al Manual de Estadiacutestica Descriptiva Cizur Menor Aranzadi 2006
MARTIacuteN Francisco Javier Introduccioacuten a la estadiacutestica econoacutemica y empresarial teoriacutea y praacutectica MadridAC-Thomson 2004
MONTERO J Mariacutea Estadiacutestica Descriptiva Madrid Thomson 2007
MONTERO J Mariacutea Problemas resueltos de Estadiacutestica Descriptiva para Ciencias Sociales MadridThomson 2007
MURES Mordf Jesuacutes et al Problemas de estadiacutestica descriptiva aplicada a las ciencias sociales MadridPearson Prentice Hall 2004
TOMEO Venancio et al Estadiacutestica Descriptiva Madrid Garceta Grupo Editorial 2009
Text electrogravenic
ALCANtildeIZ Manuela et al Concentracioacuten curva de Lorenz e iacutendice de Gini Colmiddotleccioacute OMADO DipogravesitDigital de la Universitat de Barcelona
ESPEJO I et al Estadiacutestica Descriptiva y Probabilidad 3a ed Caacutediz Servicio de PublicacionesUniversidad de Caacutediz 2011
Es pot descarregar Conteacute teoria i nombrosos exercicis resolts drsquoestadiacutesticadescriptiva
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Industrial
Codi de lassignatura 361250
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER TORT-MARTORELL LLABRES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 30
Treball tutelatdirigit
(Resolucioacute de casos pragravectics)30
Aprenentatge autogravenom
(Lectura siacutentesi i presentacioacute oral drsquoarticlesi capiacutetols de llibres)
60
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica per a la Gestioacute de laQualitat Software Estadiacutestic i Disseny drsquoExperiments
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
Es preteacuten que lrsquoestudiant sigui capaccedil de dissenyar i implementar un pla drsquoexperimentacioacute per talde descobrir com una segraverie de variables (controlables o no) drsquoun proceacutes afecten una caracteriacutesticade qualitat drsquointeregraves Tambeacute es preteacuten que lrsquoestudiant entengui la importagravencia de lluitar contra lavariabilitat per millorar la qualitat sagravepiga caracteritzar la variabilitat drsquoun proceacutes i coneguitegravecniques per reduir la variabilitat i mantenir-la en els nivells miacutenims Concretament en acabar elcurs els estudiants han de ser capaccedilos de
bull Seleccionar dissenys que permetin analitzar el comportament drsquoun producte o un proceacutes tantpel que fa a la mitjana com a la variagravencia transmesa per factors no controlables
bull Analitzar lrsquoefecte dels factors de control i soroll en la resposta drsquointeregraves i seleccionar lescondicions meacutes robustes
bull Seleccionar dissenys que permetin explorar la superfiacutecie de resposta amb polinomis de segonordre (disseny central compost disseny de Box-Behnken etc)
bull Explorar la regioacute drsquointeregraves de les variables experimentals que maximitzin (minimitzin) laresposta i estudiar la naturalesa de la superfiacutecie
bull Dissenyar experiments reals i implementar-los seguint una estrategravegia sequumlencial des delplantejament del pla experimental fins a lrsquoelaboracioacute de conclusions
bull Entendre com funcionen els gragravefics de control sofisticats i fer-los servir
bull Implantar un control estadiacutestic de processos en un proceacutes real tenint en compte la naturalesadel proceacutes i els costos associats
bull Fer estudis de repetibilitat i reproductibilitat per garantir que el sistema de mesura que es faservir en un proceacutes eacutes adequat
Referits a habilitats destreses
bull Treure informacioacute drsquointeregraves i aprendre a partir de llibres i articles
bull Treballar en grups per consensuar decisions i solucionar problemes de manera conjunta
bull Treballar en equip per consensuar decisions i solucionar problemes de manera conjunta
bull Comunicar idees i resultats de manera eficaccedil tant per escrit com oralment
Blocs temagravetics
1 Metodologia de millora sis sigma
Necessitat de la millora Aspectes organitzatius rols i responsabilitats Metodologia de milloraetapes Objectius i tasques de cadascuna de les cinc etapes definir mesurar analitzarmillorar i controlar Estudis de repetibilitat i reproductibilitat (RampR) Casos i exercicis
2 Disseny drsquoexperiments a la induacutestria i metodologia de superfiacutecie de resposta
Importagravencia de lrsquoexperimentacioacute en un entorn industrial Repagraves de dissenys factorials a dosnivells Bloqueig en dissenys factorials Punts centrals Superfiacutecie de resposta fent servirpolinomis de primer grau Uacutes de lrsquolaquosteepest ascentraquo per a lrsquoaproximacioacute a la regioacute drsquointeregravesSuperfiacutecie de resposta fent servir polinomis de segon grau Dissenys central compost i deBox-Bhenken Adequacioacute del model
3 Control estadiacutestic de processos monitoratge i ajust
Seleccioacute dels gragravefics de control adequats segons la variable que srsquoha de monitorar Conceptede subgrup racional i ARL Limitacions dels gragravefics de control de Shwart Dadesautocorrelacionades i processos no estacionaris Prediccions fent servir un model EWMA Ajustcontinu i ajust periogravedic de processos no estacionaris
4 Casos pragravectics drsquoaplicacioacute de lrsquoestadiacutestica en la induacutestria i en els serveis
Cas dels tubs de silicona Cas de la caixa cooperativa professional
Metodologia i activitats formatives
Teoria Exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Pragravectiques Resolucioacute de problemes i casos pragravectics Es proposen activitats per fer fora de les hores declasse
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Exercicis de seguiment de lrsquoassignatura 15
Casos pragravectics 35
Examen final 50
Avaluacioacute uacutenica
Examen final
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOX George E P et al Statistics for experimenters design innovation and discovery 2nd ed HobokenWiley Interscience 2005
MONTGOMERY Douglas C Disentildeo y anaacutelisis de experimentos Meacutexico Limusa Wiley 2002
MYERS Raymond H et al Response surface methodology process and product optimization HobokenWiley Interscience 2009
HAHN Gerald J et al The role of statistics in business and industry Hoboken New Jersey Wiley 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Megravedica
Codi de lassignatura 361249
Curs acadegravemic 2019-2020
Coordinacioacute Erik Cobo Valeri
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 48
- Pragravectiques de problemes 8
- Pragravectiques dordinadors 4
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha drsquoestar disposat a adquirir progressivament competegravencies i habilitats especificades alrsquoentrada statistical consulting de lrsquoEnciclopegravedia en Ciegravencies Estadiacutestiques
Requisits
361231 - Models Lineals (Recomanada)
361237 - Estadiacutestica per a les Biociegravencies (Recomanada)
361232 - Anagravelisi Multivariant (Recomanada)
361234 - Models Lineals Generalitzats (Recomanada)
361214 - Software Estadiacutestic (Recomanada)
361221 - Inferegravencia Estadiacutestica (Recomanada)
361230 - Disseny dExperiments (Recomanada)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
bull Identificar i utilitzar correctament la terminologia bagravesica dels estudis empiacuterics en ciegravencies de lasalut
bull Distingir entre associacioacute i causalitat i entre estimacioacute drsquoefectes drsquointervencions definides icerca de causes
bull Interpretar i utilitzar correctament les principals guies de publicacioacute de recerca en salut(CONSORT SPIRIT PRISMA STROBE STARD TRIPOD)
bull Valorar criacuteticament els resultats de recerca en ciegravencies de la salut
bull Conegraveixer els entorns laborals en ciegravencies de la salut que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Referits a habilitats destreses
bull Aplicar les tegravecniques estadiacutestiques en estudis empiacuterics en ciegravencies de la salut i interpretar-necorrectament els resultats
bull Aplicar les tegravecniques estadiacutestiques a estudis observacionals i experimentals en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques de model lineal generalitzat a estudis en ciegravencies de la salut iinterpretar-ne correctament els resultats
bull Aplicar les tegravecniques estadiacutestiques aplicades a la revisioacute sistemagravetica drsquoestudis en ciegravencies de lasalut i interpretar-ne correctament els resultats
bull Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis empiacuterics en ciegravencies de la salut
bull Fer una valoracioacute criacutetica drsquoun article cientiacutefic pel que fa als objectius megravetodes resultats ilimitacions trobades
Referits a actituds valors i normes
bull Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis empiacuterics en ciegravencies de la salut
Blocs temagravetics
1 Entorn de treball
11 Objectius de salut i tipus drsquoestudis
12 Aspectes egravetics Interaccioacute amb els investigadors
13 Regressioacute a la mitjana evolucioacute natural i efecte placebo
2 Dissenys experimentals per avaluar intervencions Revisions sistemagravetiques
21 Assajos cliacutenics Determinacioacute de la mida mostral Desviacions i dades no disponibles
Riscos de biaix
22 Dissenys amb intercanvi (cross-over)
23 Genegraverics Plantejament drsquoequivalegravencia
24 Revisions sistemagravetiques Metanagravelisi
3 Causalitat
31 Prediccioacute en front drsquointervencioacute
32 Estimacioacute drsquoefectes enfront de cerca de causes
33 Diadrames aciacuteclics Bloqueig Aplicacioacute a la confusioacute drsquoefectes i al biaix de seleccioacute
34 Ponderacioacute per la inversa de la probabilitat (IPW)
4 Dissenys observacionals
41 Tipus drsquoestudis epidemiologravegics estudis de cohort estudis cas-control i estudis
transversals
42 Mesures de frequumlegravencia de malalties i epidegravemies prevalenccedila incidegravencia acumulada i
taxa drsquoincidegravencia
43 Mesures drsquoassociacioacute diferegravencia de riscos (absolut atribuiumlble) quocient de riscos
(relatiu) quocient drsquooportunitats (odds ratio) i quocient de taxes (hazard ratio)
44 Diagnogravestic Probabilitats diagnogravestiques Corba del receptor (ROC)
45 Models pronogravestics Logiacutestic i de Cox Capacitat de discriminacioacute Calibracioacute
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions
Al comenccedilament de cada tema el professor fa una presentacioacute inicial i ofereix documentacioacute perquegrave elsalumnes elaborin alguns conceptes
En paralmiddotlel lrsquoestudiant prepara mdashindividualment o en grupsmdash aspectes complementaris dels temesexposats i es discuteixen passat un temps a classe
El professor tambeacute proposa dades i eines per treballar-les
Lrsquoalumnat hi treballa de forma guiada i nrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada es duu a terme a traveacutes de tres elements
mdash Problemes per a cada bloc (410 )
mdash Informe escrit i presentacioacute oral drsquoun treball pragravectic (20 )
mdash Dues proves de siacutentesi en acabar els blocs 2 i 4 (220 )
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi Aquesta data es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Examen final que inclou exercicis de tots els tipus
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
SENN Stephen Statistical issues in drug development 2nd ed Chichestr Wiley-Blackwell 2007
PIANTADOSI Steven Clinical Trials a methodologic perspective Hoboken NJ Wiley-Interscience 2005
JEWELL Nicholas Statistics for Epidemiology Boca Raton [Fla] [etc] Chapman amp HallCRC 2004
Pagravegina web
Causality book Miquel Hernaacuten amp Jamie Robbins
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a la Gestioacute de la Qualitat
Codi de lassignatura 361235
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques dordinadors 225
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
Es recomana que lrsquoestudiant hagi superat pregraveviament les assignatures Estadiacutestica DescriptivaIntroduccioacute a la Probabilitat i Introduccioacute a la Inferegravencia Estadiacutestica
Competegravencies que es desenvolupen
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Prendre consciegravencia de la importagravencia i de les possibilitats de lrsquoestadiacutestica en el context de lagestioacute de la qualitat mdash Conegraveixer i saber aplicar les tegravecniques fonamentals
Capacitats a adquirir mdash Entendre i prendre consciegravencia de per quegrave lrsquoestadiacutestica eacutes una eina important en la gestioacute de laqualitatmdash Identificar en quines situacions poden ser uacutetils les eines per a la millora de la qualitat i saber-les utilitzar adequadamentmdash Plantejar i realitzar estudis de capacitat Conegraveixer quegrave soacuten i com es calculen els iacutendexs decapacitatmdash Conegraveixer el paper dels gragravefics de control en la lluita contra la variabilitat Saber com esconstrueixen i com srsquointerpreten els gragravefics drsquouacutes meacutes habitualmdash Entendre i saber calcular els riscos inherents a qualsevol pla de mostreig Construir iinterpretar la corba caracteriacutestica drsquoun pla de mostreigmdash Conegraveixer les tegravecniques meacutes habituals per a la planificacioacute de la qualitat
Blocs temagravetics
1 Introduccioacute a la gestioacute de la qualitat
Quegrave eacutes la qualitat El control de la qualitat evolucioacute histograverica Gestioacute de la qualitat Latrilogia de Juran El paper de lrsquoestadiacutestica en la gestioacute de la qualitat Lrsquoassignatura en elcontext de la carrera
2 Millora de la qualitat
Quegrave eacutes la millora La definicioacute del projecte i dels objectius Metodologia per a la millora Lesset eines bagravesiques drsquoIshikawa plantilles histogrames diagrames de Pareto diagramescausa-efecte diagrames bivariants estratificacioacute gragravefics de control Habilitats el treball enequip Introduccioacute a la metodologia de millora sis sigma
3 Variabilitat causes i mesura
Concepte de variabilitat Causes comunes i causes assignables Tractament probabiliacutestic deles causes comunes la llei normal Estudis de capacitat a curt i llarg termini Iacutendexs decapacitat Llenguatge sis sigma
4 Control estadiacutestic de processos
Estrategravegies en la lluita contra la variabilitat Control estadiacutestic de processos com i per quegraveGragravefics de control per variables gragravefics Xbarra-R Altres gragravefics de control per variablesGragravefics de control per atributs P NP Altres gragravefics de control per atributs
5 Inspeccioacute per mostreig
Quegrave eacutes la inspeccioacute per mostreig Quegrave eacutes un pla de mostreig Risc del comprador i risc delvenedor Cagravelcul dels riscos Corba caracteriacutestica drsquoun pla de mostreig Disseny de plans demostreig Normes MIL-STD 105 D
6 Eines per a la planificacioacute
La veu del client El model de Kano QFD la casa de la qualitat Anticipar-se a lrsquoaparicioacute dedefectes lrsquoAMFE Sistemes antierror Poka-Yoke Quegrave eacutes un producte robust Introduccioacute almodel EFQM i ISO
Metodologia i activitats formatives
Teoria exposicioacute de la mategraveria amb la projeccioacute de diapositives (PowerPoint) Es busca la participacioacute detots els estudiants en la discussioacute de les situacions i casos plantejats
Problemes i pragravectiques resolucioacute de problemes i casos pragravectics Es proposen problemes per fer foradrsquohores de classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
NF = 025NAC + 035NEP + 040NEF (cal una nota miacutenima de 4 a la NEF per fer la ponderacioacute encas contrari NF = NEF)
NF nota finalNAC nota drsquoavaluacioacute continuada (exercicis que els estudiants han de lliurar al llarg del curs)NEP nota de lrsquoexamen parcialNEF nota de lrsquoexamen final
En lrsquoexamen final entra tota la mategraveria del curs
Avaluacioacute uacutenica
Un uacutenic examen en quegrave entra tota la mategraveria La nota obtinguda en aquest examen eacutes la nota delrsquoassignatura Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacuteuacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MONTGOMERY Douglas C Introduction to Statistical Quality Control 5th ed Chichester John Wiley 2005
Estadiacutestica con MINITAB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica per a les Biociegravencies
Codi de lassignatura 361237
Curs acadegravemic 2019-2020
Coordinacioacute Esteban Vegas Lozano
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 36
- Pragravectiques de problemes 16
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes convenient que lrsquoestudiant disposi de les competegravencies i habilitats que srsquoespera que tingui al final delsegon curs del grau drsquoEstadiacutestica
Requisits
mdash Probabilitat i Inferegravenciamdash Estadiacutesticamdash Anagravelisi Multivariant
mdash Model Linealmdash Coneixement del llenguatge de R
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
[A] Identificar i utilitzar correctament la terminologia bagravesica dels estudis de biociegravencies biologiabiomedicina i bioinformagravetica ecologia genegravetica i biodiversitat
[B] Enunciar les tegravecniques estadiacutestiques meacutes rellevants en estudis de biociegravencies
[C] Aplicar les tegravecniques estadiacutestiques en estudis de biociegravencies i interpretar-ne correctament elsresultats
[D] Conegraveixer les especialitats megravediques meacutes rellevants i els seus tipus drsquoestudis i variables meacutesusuals
[E] Conegraveixer alguns termes i conceptes de biologia molecular aixiacute com algunes de les tecnologiesemprades en experiments de biologia i biomedicina
[F] Aprendre els processos usuals per a lrsquoanagravelisi de dades drsquoalt rendiment
[G] Conegraveixer i interpretar les mesures estadiacutestiques generals de diversitat i la seva relacioacute amb labiodiversitat en ecologia i en genegravetica
[H] Aplicar lrsquoentorn estadiacutestic R per a lrsquoanagravelisi de dades drsquoestudis de biociegravencies
[I] Potenciar la capacitat de reflexioacute i criacutetica mitjanccedilant el treball amb conjunts de dades drsquoestudisde biociegravencies
[J] Aprendre a redactar un informe que contingui els objectius megravetodes i resultats aixiacute com unavaloracioacute criacutetica de les limitacions trobades
[K] Sensibilitzar-se amb les quumlestions egravetiques inherents als estudis en les biociegravencies
[L] Conegraveixer els entorns laborals en biociegravencies que ofereixen feina als estadiacutestics i els seusrequisits habituals de coneixement i capacitats
Blocs temagravetics
1 Estadiacutestica i bioinformagravetica
11 Biomolegravecules biomedicina i malalties
mdash Les molegravecules de la vida ADN i proteiumlnes dogma central expressioacute gegravenica
mdash Biomedicina i bases moleculars drsquoalgunes malalties (el cagravencer o malalties
immunes)
mdash Exemples i estudi drsquoun cas medicina personalitzada
12 Introduccioacute a algunes eines de la biotecnologia
mdash La bioinformagravetica
mdash Anagravelisi de lrsquoexpressioacute gegravenica microarrays (matrius)
mdash Altres tegravecniques drsquoobtencioacute de dades drsquoalt rendiment sequumlenciacioacute i proteogravemica
mdash Exemples i estudi de casos eines bioinformagravetiques per a lrsquoexplotacioacute de bases de
dades biologravegiques
13 Anagravelisi de dades drsquoalt rendiment anagravelisi de matrius drsquoexpressioacute gegravenica
mdash Preprocessament i control de qualitat
mdash Normalitzacioacute
mdash Seleccioacute de gens diferencialment expressats
mdash Classificacioacute i prediccioacute amb dades drsquoalt rendiment
mdash Exemples i estudi drsquoun cas seleccioacute de gens associats amb cagravencer de mama
2 Estadiacutestica i biodiversitat
21 Introduccioacute a la diversitat
mdash Mesures estadiacutestiques de diversitat Lrsquoiacutendex de Simpson i lrsquoiacutendex de Shannon
22 Biodiversitat en ecologia
mdash Conceptes bagravesics drsquoecologia espegravecie ecosistema niacutenxol hagravebitat riquesa
drsquoespegravecies iacutendex de diversitat abundagravencia etc
mdash Gragravefics per a la representacioacute de dades de diversitat la distribucioacute de les
frequumlegravencies i el diagrama de rang-abundagravencia
mdash Models estadiacutestics per a la diversitat drsquoespegravecies log-segraverie de Fisher el model log-
normal la segraverie geomegravetrica el model del bastoacute trencat de McArthur
mdash Les mesures de diversitat drsquoespegravecies la riquesa drsquoespegravecies lrsquoiacutendex de Simpson
lrsquoiacutendex de Shannon
mdash Estimacioacute de la riquesa drsquoespegravecies la corba drsquoacumulacioacute drsquoespegravecies estimadors
paramegravetrics i no paramegravetrics de la riquesa
mdash Incertesa en lrsquoestimacioacute de la diversitat El jackknife
mdash Exemples
23 Biodiversitat en genegravetica
mdash Conceptes bagravesics de genegravetica cromosomes locus gens i almiddotlels genotips
haplotips marcadors dominants codominants i recessius microsategravelmiddotlits i SNP
polimorfismes frequumlegravencies almiddotlegraveliques i genotiacutepiques heterozigositat observada i
esperada equilibri genegravetic (Hardy-Weinberg i desequilibri de lligament) Estadiacutestics
per mesurar desequilibri
mdash Les mesures de la diversitat gegravenica Percentatge de locus polimograverfics nombre
efectiu drsquoalmiddotlels riquesa drsquoalmiddotlels heterozigositat esperada Lrsquoiacutendex de Simpson i
lrsquoiacutendex de Shannon
mdash Anagravelisi de la diversitat gegravenica entre i dins de poblacions els iacutendexs de Nei i els
estadiacutestics F de Wright
mdash Exemples
Metodologia i activitats formatives
Lrsquoassignatura es basa en una combinacioacute drsquoexposicioacute pragravectica i cerca drsquoinformacioacute i discussions Alcomenccedilament de cada tema el professorat fa una presentacioacute inicial i ofereix documentacioacute perquegravelrsquoalumnat elabori alguns conceptes
Paralmiddotlelament els alumnes preparen individualment o en grups aspectes complementaris dels temesexposats que es discuteixen passat un temps a classe
Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Eacutes elprofessorat qui assigna els estudiants als grups
El professorat tambeacute proposa dades i eines per treballar-les I lrsquoalumnat hi treballa de forma guiada inrsquoelabora els resultats
Alguns dels exercicis requereixen lrsquouacutes drsquoordinador i drsquoeines i conceptes estadiacutestics bagravesics que lrsquoestudiantja coneix o drsquoaltres que es proporcionen a classe
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi en acabar cada bloc (45 )mdash Pragravectiques de laboratori i exercicis per lliurar per a cada bloc (30 )mdash Un treball pragravectic (25 )
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir‐se a lrsquoavaluacioacute uacutenica han de fer‐hoabans de la data que srsquoestableix i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute consisteix enmdash Proves de siacutentesi i treball que engloben els continguts dels blocs (70 )mdash Prova de laboratori sobre els continguts dels blocs (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
COHEN William W A computer Scientistrsquos guide to cell biology a travelogue from a stranger in a strangeland Pittsburgh Springer 2007
Recomanat per al bloc 1
GASTON Kevin J et al Biodiversity an introduction 2nd ed Oxford Blackwell Science 2004
Recomanat per al bloc 2
GIBSON Greg et al A primer of genome science 3rd ed Sunderland Mass Sinauer Associates 2009
Recomanat per al bloc 1
KJRIJNEN H Applied Statistics for Bioinformatics (pdf)
Recomanat per al bloc 1
LOWE Andrew et al Ecological genetics design analysis and application Malden (Mass) Blackwell2004
Recomanat per al bloc 2
PEVSNER Jonathan Bioinformatics and Functional Genomics Hoboken NJ Wiley-Blackwell 2009
Recomanat per al bloc 1
MAGURRAN Anne E Measuring biological diversity Malden Blackwell 2004
Recomanat per al bloc 2
Rafael A Irizarry and Michael I Love Data Analysis for the Life Sciences with R Chapman and HallCRC2016
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Estadiacutestica Puacuteblica
Codi de lassignatura 361236
Curs acadegravemic 2019-2020
Coordinacioacute ROGER ROCA SAQUERO
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Materials de referegravencia complementaris
A mesura que avanccedila el temari srsquoindiquen els recursos en liacutenia corresponents
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Aula convencional) 30
- Pragravectiques dordinadors
(Aula drsquoinformagravetica) 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
mdash Consulta permanent durant el periacuteode de docegravencia dels materials i continguts que es publiquen en elCampus Virtual Tambeacute es recomana fer seguiment de lrsquoactualitat econogravemicamdash Coneixement drsquoanglegraves (a nivell de lectura com a miacutenim)
Competegravencies que es desenvolupen
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Saber aplicar els coneixements adquirits i la capacitat danagravelisi a la resolucioacute de problemes encontextos acadegravemics i professionals
- Capacitat de reunir i dinterpretar dades rellevants que permetin demetre informes raonats iobtenir conclusions en problemes cientiacutefics o daltres agravembits que requereixin eines matemagravetiques
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Conegraveixer algunes de les aplicacions de la matemagravetica a altres branques de la ciegravencia i la tecnologia
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu genegraveric de lrsquoassignatura eacutes conegraveixer les fonts estadiacutestiques oficials aixiacute com lesprincipals operacions estadiacutestiques que elaboren
Pel que fa a les fonts estadiacutestiquesmdash Conegraveixer els objectius la metodologia el tipus de dades la problemagravetica i les principals einesassociades a les diferents fonts estadiacutestiquesmdash Conegraveixer fonts estadiacutestiques oficials drsquoagravembit autonogravemic estatal i internacionalmdash Conegraveixer la legislacioacute estadiacutestica bagravesica
Pel que fa a les operacions estadiacutestiquesmdash Conegraveixer les principals caracteriacutestiques i la metodologia de les operacions estadiacutestiquesmdash Conegraveixer les dades i el tipus drsquoinformacioacute que generen les operacions estadiacutestiques oficials
Referits a habilitats destreses
mdash Identificar i saber seleccionar les fonts estadiacutestiques meacutes adequades en funcioacute de lrsquoobjectiu delrsquoanagravelisi proposadamdash Analitzar interpretar i sintetitzar dades i discernir quina eacutes la informacioacute rellevant en funcioacutedels objectius de lrsquoanagravelisimdash Desenvolupar les capacitats comunicatives (expressioacute escrita i oral)
Referits a actituds valors i normes
mdash Desenvolupar la capacitat de relacionar lrsquoestadiacutestica amb altres disciplinesmdash Desenvolupar les capacitats drsquoaprenentatge i responsabilitatmdash Desenvolupar la capacitat de treballar en equip
Blocs temagravetics
1 (Bloc 1) Introduccioacute
11 Estadiacutestica oficial
12 Instituts drsquoestadiacutestica oficial Idescat INE i Eurostat
13 Lleis i reglaments de lrsquoestadiacutestica oficial
2 (Bloc 1) Metodologia de les fonts estadiacutestiques oficials
21 Fases de la produccioacute estadiacutestica
22 Recollida drsquoinformacioacute quumlestionaris i altres instruments
23 Disseny de mostres a les fonts estadiacutestiques oficials
24 Resultats obtencioacute i formes de publicacioacute
25 Qualitat de les operacions estadiacutestiques
3 (Bloc 1) Dades massives (big data) i ciutats intelmiddotligents (smart cities)
31 Dades massives (big data) per al desenvolupament
32 Ciutats intelmiddotligents
4 (Bloc 2) Estadiacutestiques demogragravefiques
41 Introduccioacute
42 Canvis demogragravefics
43 Estructura de les llars i famiacutelies
44 Caracteriacutestiques i condicions dels habitatges
45 Poblacioacute estrangera
46 Mobilitat geogragravefica
47 Envelliment
48 Projeccions de poblacioacute
5 (Bloc 2) Estadiacutestiques del mercat laboral
51 Poblacioacute activa
52 Poblacioacute ocupada
53 Poblacioacute aturada
54 Mograveduls de lrsquoEPA
55 Estadiacutestiques drsquoofertes de feina
56 Retribucions i costos laborals
6 (Bloc 2) Estadiacutestiques de consum i de preus
61 Nombres iacutendex (teoria i pragravectica)
62 Estadiacutestiques de preus europees
63 Inflacioacute i deflacioacute
Metodologia i activitats formatives
Internet eacutes una eina central per al desenvolupament de lrsquoassignatura per aquesta raoacute la major part deles sessions presencials es desenvolupen a lrsquoaula drsquoinformagravetica Es potencia el treball en xarxa mitjanccedilant lrsquouacutes drsquoeines en liacutenia (Campus Virtual etc)
Es treballa amb materials en catalagrave castellagrave i anglegraves Srsquoatorga molta importagravencia a les lectures i alrsquoexpressioacute escrita
Es combinen diverses metodologies drsquoaprenentatge com ara classes magistrals classes expositivestreball en grup (escrit i oral) cerca drsquoinformacioacute i exercicis pragravectics
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada eacutes lrsquoopcioacute recomanada per a lrsquoalumnat que assisteix regularment a classe Esrecomana una assistegravencia miacutenima del 80 de les sessions
Activitats drsquoavaluacioacute
mdash Prova escrita 1 temes 1 2 i 3 (25 punts)
mdash Prova escrita 2 temes 4 5 i 6 (25 punts)
mdash Pragravectica colmiddotleccioacute drsquoexercicis treballats a classe (2 punts)
mdash Treball article drsquoanagravelisi siacutentesi i interpretacioacute de dades procedents de diferents fonts estadiacutestiquesoficials Grups de tres a cinc persones Article i presentacioacute oral (3 punts)
Qualificacioacute global
Lrsquoassignatura se supera si la suma de les quatre evidegravencies (proves o activitats) eacutes igual o superior a 5En cas contrari lrsquoestudiant ha de fer la prova drsquoavaluacioacute uacutenica No es guarda cap nota
Nombre miacutenim drsquoevidegravencies (proves o activitats) que calen per tenir qualificacioacute 3 Si no srsquoarriba aaquest miacutenim llavors la qualificacioacute final eacutes laquono presentatraquo
Calendari
mdash Prova escrita 1 en finalitzar el tema 3
mdash Prova escrita 2 en finalitzar el tema 6
mdash Pragravectica es treballaragrave com a miacutenim una pragravectica per cada tema treballat
mdash Treball lrsquoenunciat es comunica un cop iniciades les classes El treball srsquoha de lliurar a final del mes demaig
La data de les activitats drsquoavaluacioacute continuada es comunica amb un miacutenim de dues setmanesdrsquoantelacioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que estableixi el Consell Docent i que es fa puacuteblica amb antelacioacute suficient
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Avaluacioacute uacutenica
Tot i que no eacutes lrsquoopcioacute meacutes recomanable srsquohi pot acollir lrsquoalumnat que no segueixi lrsquoavaluacioacutecontinuada Eacutes lrsquoopcioacute meacutes recomanable quan no es pot assistir de forma regular a classe
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica poden fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts)
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova drsquoavaluacioacute uacutenica es duu a terme en la data fixada pel Consell Docent
Prova de reavaluacioacuteEs pot optar a aquesta prova si no se supera lrsquoassignatura sigui per avaluacioacute continuada o peravaluacioacute uacutenica
Activitat drsquoavaluacioacuteProva amb preguntes relatives a tot el temari (10 punts) No es guarda cap nota pregravevia
Qualificacioacute globalLrsquoassignatura se supera si la qualificacioacute de la prova eacutes igual o superior a 5
CalendariLa prova de reavaluacioacute es duu a terme en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Pagravegina web
INE
Institut Nacional drsquoEstadiacutestica Els materials concrets srsquoindiquen a mesura queavanccedila el temari
IDESCAT
Institut drsquoEstadiacutestica de Catalunya Els materials concrets srsquoindiquen a mesuraque avanccedila el temari
EUROSTAT
Oficina estadiacutestica de la Unioacute Europea Els materials concrets srsquoindiquen amesura que avanccedila el temari
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fitxers i Bases de Dades
Codi de lassignatura 361215
Curs acadegravemic 2019-2020
Coordinacioacute Montserrat Guillen Estany
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Pragravectiques dordinadors 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Sofware Estadiacutestic
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els fonaments de les estructures de dades en memograveria i els conceptes bagravesicsdrsquoorganitzacioacute de les dades mdash Comprendre els conceptes fonamentals en el disseny de les bases de dades
mdash Entendre els conceptes bagravesics de sistemes de bases de dades i els seus avantatges iinconvenients
Referits a habilitats destreses
mdash Saber dissenyar i manipular una base de dades
mdash Ser capaccedil drsquoaccedir a una base de dades mitjanccedilant la utilitzacioacute del llenguatge SQL
mdash Poder aplicar els coneixements teograverics mitjanccedilant la utilitzacioacute de programari de gestioacute debases de dades mdash Saber resoldre problemes de complexitat baixa i mitjana a partir de la construccioacute drsquouna basede dades en lrsquoagravembit estadiacutestic
Blocs temagravetics
1 Arxius i bases de dades
11 Conceptes bagravesics
12 Bases de dades Objectes de bases de dades
13 Sistema gestor de bases de dades
14 Dades massives (big data) i dades en temps real
2 Llenguatge SQL
21 Introduccioacute
22 Tipus de camps
23 Tipus de dades SQL
24 Consultes
25 Estructures de les taules
3 Utilitzacioacute del llenguatge SQL (Access SAS R PosgreSQL)
31 Consultes bagravesiques
32 Combinacioacute de taules
33 Actualitzacioacute de dades
4 Temes avanccedilats
41 Seguretat i privacitat
42 Transaccions
43 NoSQL
44 Entorn web i tecnologies emergents
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials realitzades en aules amb ordinadors
a) Classes de teoria en quegrave srsquoexposen els conceptes bagravesics de cadascuna de les unitats
b) Classes pragravectiques amb lrsquoobjectiu que cada estudiant sigui capaccedil drsquoanalitzar i solucionar els exercicisplantejats drsquoacord amb els coneixements adquirits a les classes teograveriques Aquestes pragravectiques tot i noser guiades tenen el suport del professorat i serveixen per aclarir algunes quumlestions no necessagraveriamentexplicades a les classes de teoria
Aixiacute mateix es proposa que els estudiants facin pragravectiques addicionals fora de les hores de classe amb lafinalitat que adquireixin la seguretat suficient per poder treballar autogravenomament Aquestes pragravectiquestambeacute srsquoutilitzen com a eina per a lrsquoavaluacioacute
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als alumnes que assisteixen regularment a classe Consta de les activitatsseguumlents
mdash Exercicis resolts a classe (pragravectiques) i participacioacute en els fograverums del Campus Virtual o a lrsquoaula Valordel 15 de la nota final
mdash Tasques presencials i tasques semipresencials individuals Valor del 20 de la nota final
mdash Treball no presencial consistent en el disseny drsquouna base de dades incorporacioacute de dades i consultesrelacionades amb la base de dades Lliurament al desembre Valor del 25 de la nota final
mdash Una prova de valoracioacute global que consta drsquoun enunciat amb un seguit de quumlestions pragravectiques iteograveriques relatives als quatre blocs temagravetics o unitats En aquesta prova lrsquoestudiant disposa drsquoun magraveximdrsquohora i mitja per resoldre individualment les quumlestions plantejades utilitzant nomeacutes lrsquoordinador Data lafixada pel Consell Docent Aquesta prova no requereix una puntuacioacute miacutenima per poder fer lamitjana Valor del 40 de la nota final
Per poder superar lrsquoassignatura srsquohan de fer totes les proves drsquoavaluacioacute tant les presencials com lesno presencials
Avaluacioacute uacutenica
Els estudiants que ho vulguin poden optar a una avaluacioacute amb una prova final i uacutenica que suposa el100 de la nota Aquesta prova eacutes diferent de la que fan els estudiants que han seguit lrsquoavaluacioacutecontinuada i es fa en la data fixada pel Consell Docent
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
LEMAHIEU W VAN DER BROUCKE S BAESENS B Principles of Database Management The PracticalGuide to Storing Managing and Analyzing Big and Small Data (o be published by Cambridge UniversityPress in July 2018)
wwwpdbmbookcom
ALLISON Cecelia L et al SQL for Microsoftreg Access 2nd ed Plano Texas Wordware 2008
CONNOLLY Thomas Met al Sistemas de bases de datos 4a ed Madrid Pearson Educacioacuten 2005
DATE CJ Introduccioacuten a los sistemas de bases de datos Madrid Pearson Educacioacuten 2001
GENNIK Jonathan SQL Pocket GuideSebastopol CA OrsquoReilly 2011
KRIEGEL Alex Discovering SQL A Hands-On Guide for Beginners Indianapolis Wiley 2011
PRAIRIE Katherine The essential PROC SQL handbook fo SAS USERS Cary (NC) SAS Institute 2005
SILBERSCHATZ Abraham et al Database System Concepts New York McGraw-Hill 2011
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Fonaments dAdministracioacute dEmpreses
Codi de lassignatura 361211
Curs acadegravemic 2019-2020
Coordinacioacute JOAN CARLES GIL MARTIN
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Ser capaccedil de demostrar coneixements generals del concepte drsquoempresa i drsquoorganitzacioacute i delrol de lrsquoempresari i saber classificar una organitzacioacute empresarial segons els diferents criteris enespecial saber-ne identificar les formes juriacutediques meacutes adients
mdash Conegraveixer el funcionament de lrsquoempresa com a sistema els diferents subsistemes o agravereesfuncionals i els seus objectius aixiacute com saber identificar els models drsquoorganitzacioacute aplicables
mdash Demostrar que es coneixen les dimensions del proceacutes de direccioacute influegravencia estrategravegiaplanificacioacute organitzacioacute direccioacute de persones control i decisioacute
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute dels recursos humans per a lesempreses i demostrar coneixements bagravesics dels principals processos en aquesta agraverea
mdash Ser capaccedil drsquoentendre la importagravencia i els objectius de la gestioacute financera a les empreses idemostrar coneixements bagravesics dels principals processos en aquesta agraverea en especial lacomptabilitat lrsquoanagravelisi del cicle curt mdashexplotacioacutemdash del cicle llarg mdashinversioacutemdash i les fonts definanccedilament adients
mdash Ser capaccedil drsquoaplicar els conceptes financers bagravesics per analitzar la viabilitat econogravemica drsquounprojecte analitzar econogravemicament les diferents alternatives drsquouna decisioacute i fer el seguimenteconogravemic drsquoun pressupost
mdash Ser capaccedil drsquoentendre els principals conceptes comercials com ara mercats demandacompetegravencia comportament del client i els principals megravetodes per al seu estudi com ara lainvestigacioacute de mercats
mdash Ser capaccedil de demostrar coneixements bagravesics dels instruments de magraverqueting i la sevautilitzacioacute
mdash Ser capaccedil de demostrar coneixements bagravesics dels principals objectius de la direccioacutedrsquooperacions i dels principals processos en aquesta agraverea
Referits a habilitats destreses
mdash Capacitat comunicativa (capacitat de comprendre i drsquoexpressar-se oralment i per escrit encatalagrave castellagrave i en una tercera llengua i dominar el llenguatge especialitzat)
mdash Capacitat de buscar utilitzar i integrar la informacioacute
mdash Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees drsquoaplicacioacute
Blocs temagravetics
1 Introduccioacute a lrsquoempresa
Introduccioacute al concepte drsquoempresa i al rol de lrsquoempresari Criteris de classificacioacute de lesdiferents tipologies drsquoempreses formes juriacutediques i empresa familiar Descripcioacute de lrsquoempresa
com a sistema dels seus subsistemes i dels models i els criteris bagravesics drsquoorganitzacioacute
2 Direccioacute
Presentacioacute de les dimensions del proceacutes de direccioacute influegravencia estrategravegia planificacioacuteorganitzacioacute direccioacute de persones control i decisioacute
3 Recursos humans
Descripcioacute de la importagravencia i objectius de lrsquoagraverea de recursos humans aixiacute com delsprincipals processos drsquoaquesta agraverea funcional
4 Finances
Descripcioacute dels objectius de lrsquoagraverea de finances aixiacute com dels principals processos drsquoaquestaagraverea funcional a curt i llarg termini i de les fonts de financcedilament Descripcioacute de lacomptabilitat com a sistema drsquoinformacioacute i com a proceacutes i dels conceptes comptables bagravesicsper analitzar lrsquoequilibri financer Utilitzacioacute dels costos per a la presa de decisions Anagravelisidrsquoinversions Control pressupostari
5 Comercial i magraverqueting
Descripcioacute dels objectius de lrsquoagraverea comercial i magraverqueting aixiacute com dels principalsconceptes com ara mercats demanda competegravencia comportament del client i dels principalsmegravetodes per al seu estudi com ara la investigacioacute de mercats Descripcioacute dels instruments demagraverqueting i la seva utilitzacioacute
6 Operacions
Descripcioacute dels objectius de lrsquoagraverea drsquooperacions aixiacute com dels principals processosdrsquoaquesta agraverea funcional
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi
2 Classes pragravectiques en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de casos pragravectics
A meacutes es demana als estudiants lrsquoexecucioacute drsquoun treball de camp relacionat amb lrsquoassignatura
Aquesta assignatura no requereix el desdoblament del grup en subgrups en cap activitat
Avaluacioacute acreditativa dels aprenentatges
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenicaLrsquoavaluacioacute continuada eacutes la forma recomanada i desitjable de cursar aquesta assignatura per treurersquon elmagravexim profit Lrsquoalumnat que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica hade fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb lrsquoantelacioacute suficient
Els elements drsquoavaluacioacute continuada soacuten els seguumlents
mdash Participacioacute a classe 10 de la nota
mdash Lliurament de la pragravectica 1 i lliuraments parcials (en acabar el tema 3 laquoRecursos humansraquo) 10 dela nota
mdash Lliurament de la pragravectica 2 i lliuraments parcials (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Lliurament de la pragravectica 3 i lliuraments parcials (en acabar el tema 6 laquoOperacionsraquo) 20 de lanota
mdash Prova drsquoestudi continuat 1 (en acabar el tema 3 laquoRecursos humansraquo) 15 de la nota
mdash Prova drsquoestudi continuat 2 (en acabar el tema 4 laquoFinancesraquo) 15 de la nota
mdash Prova drsquoestudi continuat 3 (en acabar el tema 6 laquoOperacionsraquo) 15 de la nota
La pragravectica 1 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb aspectes genegraverics de lrsquoempresa la seva direccioacute i la gestioacute dels seusrecursos humans Eacutes requisit indispensable lliurar aquesta pragravectica per fer la prova drsquoestudi continuat 1(PEC 1)
La pragravectica 2 consisteix a respondre una segraverie de quumlestions basades en lrsquoestudi drsquoun cas referent a unaempresa fictiacutecia i relacionades amb la gestioacute econogravemica i financera Eacutes requisit indispensable lliuraraquesta pragravectica per fer la prova drsquoestudi continuat 2 (PEC 2)
La pragravectica 3 es basa en un petit treball de camp que ha de permetre respondre una segraverie de quumlestionsrelacionades amb les agraverees funcionals de comercial i magraverqueting i operacions Eacutes requisit indispensablelliurar aquesta pragravectica per fer la prova drsquoestudi continuat 3 (PEC 3)
La prova drsquoestudi continuat 1 (PEC 1) consisteix en una segraverie de preguntes curtes relacionades amb lapragravectica 1 i amb el tema 1 laquoIntroduccioacute a lrsquoempresaraquo el tema 2 laquoDireccioacuteraquo i el tema 3 laquoRecursoshumansraquo
La prova drsquoestudi continuat 2 (PEC 2) consisteix en una segraverie drsquoexercicis numegraverics i preguntes curtesrelacionades amb la pragravectica 2 i amb el tema 4 laquoFinancesraquo
La prova drsquoestudi continuat 3 (PEC 3) consisteix en una segraverie de preguntes curtes relacionades amb eltema 5 laquoComercial i magraverquetingraquo i el tema 6 laquoOperacionsraquo
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableix i que es fa puacuteblica amb lrsquoantelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute) Aquesta prova permet obtenir la qualificacioacute magravexima a lrsquoassignatura
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicasrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MAYNAR Pilar et al(coord) La economiacutea de la empresa en el espacio de educacioacuten superior MadridMcGraw-Hill 2013
FUENTES Mariacutea del Mar et al Fundamentos de direccioacuten y administracioacuten de empresas MadridPiraacutemide 2014
OCHOA Carlos Economiacutea y Organizacioacuten de Empresas San Sebastiaacuten Editorial Donostiarra 1996
Pagravegina web
Instituto Nacional de Estadiacutestica
Institut drsquoEstadiacutestica de Catalunya
Eurostat
Foment del Treball Nacional
PIMEC Patronal de la Petita i Mitjana Empresa de Catalunya
Barcelona Activa
El canal de televisioacuten de los emprendedores - Fundacioacuten Banesto Sociedad y Tecnologiacutea
Emprende aprendiendo - Canal de YouTube para emprendedores
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Inferegravencia Estadiacutestica
Codi de lassignatura 361221
Curs acadegravemic 2019-2020
Coordinacioacute PEDRO DELICADO USEROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de model estadiacutestic paramegravetric de mostra aleatograveria simple de mida n idrsquoestadiacutestic fonaments de bona part dels megravetodes estadiacutestics que es desenvoluparanposteriorment
Conegraveixer el concepte drsquoestimador Conegraveixer els conceptes de biaix dispersioacute risc i consistegravenciadrsquoun estimador Fita de Cramer-Rao Estimacioacute UMVU (uniformly minimum variance unbiased)
Conegraveixer els principals megravetodes drsquoestimacioacute en especial lrsquoestimacioacute de magravexima versemblanccedila
Conegraveixer el concepte drsquoestimador per intervals aixiacute com alguns megravetodes de construccioacutedrsquointervals de confianccedila
Conegraveixer el concepte de prova drsquohipogravetesi nivell de significacioacute potegravencia funcioacute depotegravencia Teorema de Neyman-Pearson Proves UMP (uniformly most powerful)
Conegraveixer la prova de la raoacute de versemblanccedila aixiacute com les seves propietats asimptogravetiquesConegraveixer la relacioacute drsquoaquesta prova amb moltes proves drsquohipogravetesi clagravessiques
Referits a habilitats destreses
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors ograveptims de lesfamiacutelies paramegravetriques meacutes bagravesiques
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament els estimadors perintervals dels paragravemetres estadiacutestics meacutes corrents
Assolir un nivell de cagravelcul suficient per poder obtenir expliacutecitament proves UMP quan nrsquohi hagiaixiacute com desenvolupaments bagravesics de la prova de la raoacute de versemblanccedila
Blocs temagravetics
1 Model estadiacutestic
Models paramegravetrics i no paramegravetrics Dades i mostres Estadiacutestics i estimadors Visioacutepanoragravemica de la inferegravencia estadiacutestica estimacioacute puntual per intervals i proves drsquohipogravetesi
11 Dades i models
Models paramegravetrics i no paramegravetrics Dades i mostres El teorema de Glivenko-
Cantelli Estadiacutestics i estimadors El teorema de Fisher
12 Principals blocs temagravetics de la inferegravencia estadiacutestica
Estimacioacute puntual per intervals i proves drsquohipogravetesi
2 Criteris drsquoavaluacioacute drsquoestimadors
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao Resultatsper a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU Criteris asimptogravetics consistegravencianormalitat asimptogravetica eficiegravencia asimptogravetica
21 Error sistemagravetic i precisioacute drsquoun estimador
Biaix variagravencia error quadragravetic mitjagrave Informacioacute de Fisher Fita de Cramer-Rao
Resultats per a famiacutelies exponencials Suficiegravencia Estimacioacute UMVU
22 Criteris asimptogravetics
Consistegravencia normalitat asimptogravetica eficiegravencia asimptogravetica
3 Megravetodes de construccioacute drsquoestimadors
Megravetode dels moments Magravexima versemblanccedila Estimadors de Bayes Altres megravetodessubstitucioacute (laquoplug-inraquo) versemblances modificades (condicional laquoprofileraquo etc)
31 Megravetodes clagravessics drsquoestimacioacute
Megravetode dels moments Magravexima versemblanccedila
32 Altres megravetodes drsquoestimacioacute
Estimadors de Bayes
4 Megravetodes de construccioacute i avaluacioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics Nocions drsquointervals deconfianccedila simultanis
41 Megravetodes bagravesics de construccioacute drsquointervals de confianccedila
Megravetode del pivot Megravetode de Neyman Intervals asimptogravetics
5 Megravetodes de construccioacute i avaluacioacute de proves drsquohipogravetesi
Hipogravetesis simples i compostes Lema de Neyman-Person Proves uniformement meacutes potentsi proves no esbiaixades i localment meacutes potents Raoacute de versemblanccedila Comportamentasimptogravetic de la prova de la raoacute de versemblanccedila Obtencioacute de proves clagravessiques a partir de laraoacute de versemblanccedila Proves de Wald i dels laquoscoresraquo
51 Conceptes bagravesics
Hipogravetesis simples i compostes Nivell de significacioacute i potegravencia
52 Proves de potegravencia magravexima i relacionades
Teorema de Neyman-Person Proves uniformement meacutes potents i proves no
esbiaixades i localment meacutes potents
53 Prova de la raoacute de versemblanccedila
Raoacute de versemblanccedila Comportament asimptogravetic de la prova de la raoacute de
versemblanccedila Obtencioacute de proves clagravessiques a partir de la raoacute de versemblanccedila
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent mdash Classes de teoria (30 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratiusmdash Classes de problemes (30 hores) amb la resolucioacute de problemes drsquouna llistamdash Treball tutelat (40 hores) amb entrevistes i treball a casa per anar seguint els aprenentatgesmdash Treball autogravenom (50 hores) drsquoestudi miacutenim imprescindible per memoritzar i entendre la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
TS tasques setmanals de correccioacute automagravetica (quumlestionaris Moodle)EP examen parcialEF examen finalNota global 06EF + 025 MagravexEFEP + 015 MagravexEFTS
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Examen final de tota la mategraveria amb un valor del 100
Hi ha un examen de reavaluacioacute que teacute caracteriacutestiques similars a lrsquoexamen drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CUADRAS Carlos Mordf Problemas de Probabilidades y Estadiacutestica Vol 2 Barcelona Edicions de laUniversitat de Barcelona 2016
Molt recomanable
DeGROOT M H SCHERVISH M J Probability and Statistics Boston Pearson Education 2012
PENtildeA D Fundamentos de Estadiacutestica Madrid Alianza 2008
EVANS M J ROSENTHAL J Probabilidad y Estadiacutestica Barcelona Reverte 2013
Evans MJ amp Rosenthal JS Probability and Statistics The Science of Uncertainty Second EditionFreeman 2010
Casella G amp Berger RL Statistical inference 2nd ed Pacific Grove Duxbury Pacific Groove CA USA2002 ISBN 0534243126
Text electrogravenic
Goacutemez G amp Delicado P Curso de Inferencia y Decisioacuten Autoedicioacuten 2006
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Inferegravencia Estadiacutestica
Codi de lassignatura 361205
Curs acadegravemic 2019-2020
Coordinacioacute LOURDES RODERO DE LAMO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials
(Algunes classes setmanals de 2 hores esdesdoblen en 2 grups simultanis amb dosprofessors per resoldre problemes ipragravectiques drsquoordinador)
60
- Teoricopragravectica 40
- Pragravectiques de problemes
(2 grups de pragravectiques de problemessimultanis amb dos professors)
8
- Pragravectiques dordinadors
(2 grups de pragravectiques amb ordinadorssimultanis amb dos professors)
12
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
- Capacitat dordenar representar i resumir amb criteris objectius la informacioacute proporcionada perun conjunt de dades
Objectius daprenentatge
Referits a coneixements
bull Conegraveixer els tipus de mostreig bagravesics i les distribucions en el mostreig en les situacions meacuteshabitualsbull Conegraveixer les propietats desitjables dels estimadors i saber verificar si un estimador lescompleixbull Conegraveixer la metodologia general de les proves drsquohipogravetesi Calcular els errors de tipus I i II drsquounaprovabull Conegraveixer la relacioacute entre els resultats de les proves drsquohipogravetesi i dels intervals de confianccedilabull Saber fer servir les proves drsquohipogravetesi i els intervals de confianccedila com a eines per a la presa dedecisionsbull Saber traduir les preguntes que apareixen en contextos aplicats a la formulacioacute adequada entermes paramegravetrics
Referits a habilitats destreses
bull Calcular intervals de confianccedila en les situacions meacutes habitualsbull Calcular la mida mostral necessagraveria per garantir un nivell de confianccedila i una precisioacute donadesbull Calcular i interpretar les proves sobre mitjanes i variagravencies suposant normalitat sobrepercentatges en una binomial sobre paragravemetres drsquouna distribucioacute Poissonbull Calcular la mida mostral necessagraveria per garantir la potegravencia drsquouna prova drsquohipogravetesibull Utilitzar megravetodes no paramegravetrics
Blocs temagravetics
1 Inferegravencia estadiacutestica introduccioacute i conceptes bagravesics
11 Introduccioacute objectius i programa de lrsquoassignatura
12 Estudi drsquoun cas real
13 Context i objectius de la inferegravencia estadiacutestica
14 Poblacioacute i mostra Mostreig aleatori simple
15 Estadiacutestics i distribucioacute en el mostreig
16 Distribucions en el mostreig de la proporcioacute la mitjana i la variagravencia mostrals
2 Estimacioacute puntual
21 El problema de lrsquoestimacioacute puntual Paragravemetre i estimador
22 Lrsquoestimador usual drsquouna proporcioacute
23 Els estimadors usuals de lrsquoesperanccedila i de la variagravencia poblacionals Cas llei normal
24 El megravetode dels moments
25 Propietats dels estimadors
26 Calcular estimadors amb R
3 Estimacioacute per intervals
31 Concepte drsquointerval de confianccedila
32 Interval de confianccedila per a una proporcioacute
33 Intervals de confianccedila per a la mitjana Cas normal i cas general
34 Interval de confianccedila per a la variagravencia Cas normal
35 Interval per a la diferegravencia de mitjanes (dades aparellades o mostres independents)
Cas normal i cas general
36 Intervals calculats amb R
4 Proves drsquohipogravetesi per a una poblacioacute Conceptes fonamentals
41 Plantejament del problema drsquouna prova drsquohipogravetesi Tipus drsquohipogravetesis Errors de tipus I
i II
42 Metodologia general drsquouna prova lrsquoestadiacutestic de la prova com a mesura de
discrepagravencia entre les dades i la hipogravetesi nulmiddotla Aquests conceptes es plantegen en
termes de la prova per a una proporcioacute
43 Nivell de significacioacute i regioacute criacutetica El valor p La funcioacute de potegravencia
44 Prova per a la mitjana poblacional La prova Z i la prova t de Student
45 Determinacioacute de la grandagraveria mostral per garantir un nivell de confianccedila i una
precisioacute donades
46 Prova per a la variagravencia drsquouna llei normal
47 Fent proves drsquohipogravetesi amb R
5 Comparacioacute de dues poblacions
51 Comparacioacute de les mitjanes de dues poblacions a partir de dades aparellades
52 Comparacioacute de les mitjanes de dues poblacions independents
53 Comparacioacute de les proporcions de dues poblacions independents
54 Comparacioacute de les variagravencies de dues poblacions normals independents La prova F
55 Interval de confianccedila per a la diferegravencia de mitjanes (dades aparellades o mostres
independents)
56 Interval de confianccedila pel quocient de variagravencies
57 Relacioacute entre la regioacute drsquoacceptacioacute drsquouna prova drsquohipogravetesi i lrsquointerval de confianccedila
58 Comparant mostres de dues poblacions amb R
6 Proves no paramegravetriques basades en la llei de khi al quadrat
61 La prova de khi al quadrat de Pearson per lrsquoajust de la mostra a una distribucioacute
62 Proves de normalitat
63 La prova de khi al quadrat drsquoindependegravencia per a dades categograveriques
64 La prova de khi al quadrat drsquohomogeneiumltat per a dades categograveriques
7 Proves no paramegravetriques basades en rangs
71 Comparacioacute de dues mostres aparellades la prova dels signes i la prova de Wilcoxon
dels rangs signats
72 Comparacioacute de dues mostres independents prova de Mann-Whitney-Wilcoxon
Metodologia i activitats formatives
El pla docent es desglossa en tres tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara la resolucioacute de problemes i lrsquoestudi de casos pragravectics Lescategories desglossades soacuten 1 Classes en quegrave srsquoexposen els principals conceptes teograverics srsquoilmiddotlustren amb exercicis i es resolenproblemes
2 Classes de resolucioacute de problemes Classes especiacutefiques per treballar i resoldre problemes i queserveixen per aprofundir els conceptes teograverics
3 Classes de laboratori en quegrave srsquousa el programari R i que serveixen per treballar els conceptes teogravericsper analitzar conjunts de dades i per resoldre problemes
4 Activitats no presencials dirigides Lrsquoestudiant ha de fer servir lrsquoe-status per resoldre exercicis i casosEn grup ha de dur a terme un treball de camp (en total 47 hores drsquoactivitats dirigides no presencials)
Les classes de resolucioacute de problemes i de laboratori es fan amb el grup desdoblat en dos subgrups i dosprofessors diferents El professorat assigna els estudiants als grups
En el Campus Virtual es deixen altres eines complementagraveries com aramdash Llistes de problemes solucionats amb laquoclauraquo pedagogravegica per complementar els laboratorismdash Viacutedeos que expliquen com es resol un problema per complementar els laboratorismdash Articles amb casos reals en quegrave lrsquoestadiacutestica teacute un paper importantmdash Enllaccedilos a pagravegines web amb continguts drsquoestadiacutestica io amb dades
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
El procediment drsquoavaluacioacute consisteix en
1 La realitzacioacute durant el periacuteode lectiu drsquouna prova parcial [PP] que val el 15 de la qualificacioacutetotal composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 50 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
3 El lliurament de 4 exercicis amb lrsquoajut de lrsquoe-status [ES] (activitat no presencial associada als tipus 2 i4 de lrsquoapartat laquoMetodologiaraquo) Es puntuen per separat i a la mitjana aritmegravetica de les puntuacions licorrespon el 75 de la nota total Els lliuraments srsquohan de fer gradualment al llarg de tot el periacuteodeque duri el curs i srsquoanuncien en el Campus Virtual
4 La resposta de quumlestionaris a Kahoot plantejats durant algunes sessions de teoria [K] (activitatpresencial associada al tipus 1 i al tipus 2 de lrsquoapartat laquoMetodologiaraquo) La qualificacioacute drsquoaquest apartateacutes la mitjana aritmegravetica de les 5 millors qualificacions (entre 6) dels diferents quumlestionaris a Kahootplantejats durant el curs que srsquoanuncien en el Campus Virtual
5 El lliurament de resultats i conclusions drsquoun treball de camp [TC] que val el 20 de la qualificacioacutetotal (activitat no presencial) El treball es divideix en tres parts laquoQuumlestionariraquo (pes del 3 )laquoPresentacioacute de dadesraquo (pes del 5 ) i laquoAnagravelisi i conclusionsraquo (pes del 12 ) Les tres parts espuntuen per separat Es fan tres lliuraments el primer a lrsquoinici de marccedil el segon a lrsquoinici drsquoabril i eldarrer a final de maig Srsquoinforma lrsquoalumnat dels resultats Aquest treball requereix que lrsquoestudiantordeni representi resumeixi i tregui conclusions del conjunt de dades que ha recollit
Cagravelcul de la qualificacioacute total
[QT] = 015[PP] + 05[PS] + 0075[ES] +0075 [K]+ 020[TC] si PSgt 35
[QT] = [PS] si PS lt35
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova final i uacutenica que suposa el 100 de la qualificacioacute final es duu a terme en la data fixada pelConsell Docent i consta de les dues parts seguumlents
1 La realitzacioacute durant el periacuteode drsquoexagravemens drsquouna prova de siacutentesi [PS] que val el 75 de laqualificacioacute total composta permdash Preguntes de caire teograveric io conceptual (associades al tipus 1 de lrsquoapartat laquoMetodologiaraquo)
mdash Un problema del mateix tipus dels fets a classe (associats al tipus 2 de lrsquoapartat laquoMetodologiaraquo)mdash Un problema tipus estudi drsquoun cas basat en un output de R (associat al tipus 3 de lrsquoapartatlaquoMetodologiaraquo)
2 La realitzacioacute durant el periacuteode drsquoexagravemens drsquoun exercici global drsquoanagravelisi de dades amb R fet a lrsquoaulainformagravetica [PR] que val el 25 de la qualificacioacute total
Cagravelcul de la qualificacioacute total
[QT] = 075[PS] + 025 [PR] si PSgt 35
[QT] = [PS] si PS lt35
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2008
PENtildeA Daniel et al Introduccioacuten a la estadiacutestica para las ciencias sociales Madrid McGraw-HillInteramericana de Espantildea 1997
EVANS Michael et al Probabilidad y estadiacutestica Barcelona Reverte 2005
DeGROOT Morris H et al Probability and statistics Boston Pearson Education 2012
QUINTELA Alejandro Problemas estimulantes de Probabilidad y Estadiacutestica Lulucom 2013
MARTIacuteN-PLIEGO Francisco Javier Problemas de inferencia estadiacutestica Madrid Editorial AC 2005
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol 2 Inferencia estadiacutesticaBarcelona EUB 2000
UGARTE Mariacutea Dolores Probability and Statistics with R Boca Raton (Fla) [etc] Chapman amp Hall CRC2008
Pagravegina web
ARRIAZA A J et al Estadiacutestica Baacutesica con R y R-Commander Caacutediz Universidad de Caacutediz Servicio dePublicaciones 2008
Versioacute en liacutenia httpknuthucaesmoodlecourseviewphpid=51
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Informagravetica
Codi de lassignatura 361180
Curs acadegravemic 2019-2020
Coordinacioacute JAUME BAIXERIES JUVILLA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 45
Aprenentatge autogravenom 45
Recomanacions
La participacioacute a classe especialment a les sessions de problemes i la presentacioacute dels problemesproposats soacuten drsquoespecial interegraves per aprovar lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica i
la gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Assolir els coneixements bagravesics sobre els computadors i sobre la informagravetica per podervalorar-ne els avantatges i les limitacionsmdash Entendre lrsquoarquitectura clagravessica drsquoun computador el seu funcionament i els paragravemetres del seurendimentmdash Entendre les nocions elementals i els principis bagravesics de lrsquoalgoriacutesmicamdash Identificar les estructures algoriacutesmiques bagravesiques i els tipus de dades simplesmdash Conegraveixer i identificar els algorismes sequumlencials de recorregut i de cercamdash Conegraveixer els principis de la programacioacute procedimental i del disseny descendent drsquoalgorismes(tegravecnica top-down)mdash Reconegraveixer les accions i funcions com a elements funcionals bagravesics del disseny algoriacutesmicmdash Entendre i identificar els tipus estructurats de dades com ara els vectors les taules lescadenes i les tuplesmdash Identificar els algorismes bagravesics associats a alguns tipus estructurats de dades algorismes decerca i algorismes drsquoordenacioacutemdash Identificar els conceptes fonamentals i una bona part de lrsquoestructura sintagravectica i semagraventica drsquounllenguatge de programacioacute com ara R
Referits a habilitats destreses
mdash Usar un computador de manera eficient aixiacute com saber mourersquos cogravemodament per Internetmdash Utilitzar les estructures algoriacutesmiques bagravesiques i els tipus de dades simples per dissenyaralgorismes senzillsmdash Aplicar quan srsquoescaigui els algorismes sequumlencials de recorregut i de cerca per dissenyaralgorismesmdash Aplicar els principis del disseny descendent drsquoalgorismes (tegravecnica top-down)mdash Utilitzar les nocions drsquoaccions i funcions com a elements funcionals bagravesics del dissenyalgoriacutesmicmdash Analitzar i utilitzar quan srsquoescaigui els tipus estructurats de dades com ara els vectors lestaules les cadenes i les tuplesmdash Utilitzar quan srsquoescaigui els algorismes bagravesics associats a alguns tipus estructurats de dadesalgorismes de cerca i algorismes drsquoordenacioacutemdash Traduir els dissenys algoriacutesmics a un llenguatge de programacioacute com ara R
Blocs temagravetics
1 Introduccioacute a lrsquoalgoriacutesmica
11 Nocions elementals objectes entorn estats accions algorismes assercions i
programes
12 Estructures algoriacutesmiques bagravesiques
13 Tipus de dades simples
14 Instruccions drsquoentrada i sortida
2 Algorismes sequumlencials i anagravelisi descendent
21 Algorismes sequumlencials de cerca
22 Algorismes sequumlencials de recorregut
23 Anagravelisi descendent subproblemes procediments i funcions paragravemetres tipus de
paragravemetres
3 Constructors de tipus i algorismes
31 Algorismes bagravesics de cerca i recorregut en vectors
Metodologia i activitats formatives
El megravetode docent es basa en activitats presencials activitats de treball dirigit i activitats drsquoaprenentatgeautogravenom
Activitats presencials
Activitats teoricopragravectiques activitats que es duen a terme a les aules docents en quegrave lrsquoobjectiu eacutespresentar les eines i tegravecniques incloses com a continguts de lrsquoassignatura i alhora resoldre i analitzarels problemes relacionats amb la teoria presentada de forma intercalada
Activitats de laboratori activitats que es fan a les aules drsquoinformagravetica de la Facultat en quegrave lrsquoobjectiu eacuteslrsquoaprenentatge pragravectic de la programacioacute aixiacute com lrsquoaplicacioacute pragravectica del que srsquoha vist a les activitatsteoricopragravectiques en els ordinadors
Activitats de treball dirigit
Treball pragravectic (PRAC) activitat semipresencial en equip que consisteix en el disseny i la implementacioacutedrsquoun programa informagravetic El seu propogravesit eacutes lrsquoaplicacioacute pragravectica dels coneixements i les tegravecniques vistesa classe de laboratori aixiacute com fomentar el treball en equip per tal drsquoaconseguir el grau previstdrsquoaprenentatge de la mategraveria
Activitats complementagraveries (ACT) activitats tant en grup com individuals per fomentar lrsquoaprenentatgeactiu dels fonaments de la informagravetica i del disseny algoriacutesmic
Activitats drsquoaprenentatge autogravenom
Corresponen a les activitats seguumlents
mdash Estudi dels temes teograverics despreacutes de la seva exposicioacute a classemdash Resolucioacute de problemesmdash Preparacioacute i realitzacioacute de les proves escrites
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
1 Dues proves escrites que consisteixen en la resolucioacute per escrit drsquoun conjunt drsquoexercicis oproblemes
a) Un examen de seguiment del curs que no elimina temari es duu a terme a la meitat del curs(PARCIAL)
b) Un examen final (FINAL)
2 Una pragravectica (PRAgraveCTICA)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
El cagravelcul de la nota es fa segons el procediment seguumlent
(a) Si la nota de lrsquoexamen final (FINAL) eacutes meacutes gran o igual a 4
NOTAFINAL = 03 PRAgraveCTICA + MAgraveX (05 FINAL + 02 PARCIAL 07 FINAL)
(b) Si la nota de lrsquoexamen final (FINAL) eacutes estrictament menor a 4
FINAL
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen que avalua els coneixements de tota lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BAIXERIES Jaume (coord) et al Introduccioacute a la Informagravetica Exercicis Barcelona Edicions de laUniversitat de Barcelona 2016
BOTELLA Pere (coord) Fonaments de Programacioacute Colmiddotleccioacute Manuals Nuacutem 39 Barcelona EDIUOC2001
MATLOFF Norman S The Art of R programming a tour of statistical software design San Francisco NoStarch Press 2011
Pagravegina web
Espai virtual de lrsquoassignatura en el Campus Virtual de la UB
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Investigacioacute Operativa
Codi de lassignatura 361225
Curs acadegravemic 2019-2020
Coordinacioacute Luis Ortiz Gracia
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 52
- Pragravectiques dordinadors 8
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Afavorir la capacitacioacute per detectar formular i resoldre mitjanccedilant models drsquoinvestigacioacute operativaproblemes de presa de decisions
Introduir lrsquouacutes de determinades estructures bagravesiques de modelitzacioacute i especiacuteficament aquellesque soacuten objecte de desenvolupament en altres assignatures de la mategraveria impartides en el grau
Referits a habilitats destreses
Mostrar els elements genegraverics en el necessari proceacutes drsquoabstraccioacute
Interpretar de forma agravemplia i rigorosa els resultats drsquoaplicar les eines i tegravecniques incloses en elscontinguts de lrsquoassignatura
Referits a actituds valors i normes
Comprendre els avantatges i els inconvenients de la modelitzacioacute com a pas previ en el proceacutesde resolucioacute de problemes reals
Evidenciar la utilitat potencial i les limitacions de lrsquoinstrumental matemagravetic en la resolucioacute deproblemes sistematitzats
Blocs temagravetics
1 El proceacutes de modelitzacioacute
Introduccioacute a la identificacioacute dels elements que componen el sistema drsquoestudi i la sevarepresentacioacute formal en termes matemagravetics
11 Definicioacute drsquoinvestigacioacute operativa i primers exemples
12 Formalitzacioacute matemagravetica del model de programacioacute lineal
13 Solucioacute gragravefica del model de programacioacute lineal
14 Fonaments geomegravetrics de la programacioacute lineal
2 Resolucioacute dels models lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute per donar resposta alsproblemes plantejats sobre el sistema drsquoestudi A fi de concentrar lrsquoatencioacute en els aspectesmeacutes conceptuals la discussioacute es limita al cas lineal
21 Megravetode del siacutemplex
22 Anagravelisi de sensibilitat
23 Solucioacute del model amb Excel
3 Formulacioacute i resolucioacute dels models no lineals drsquooptimitzacioacute
Srsquointrodueix la capacitat de la resolucioacute de models drsquooptimitzacioacute en el cas dels models nolineals
31 Introduccioacute a la programacioacute no lineal
32 Algoritmes drsquooptimitzacioacute no lineal en una variable
33 Exemples drsquoaplicacioacute en finances
34 Solucioacute del model amb Excel
Metodologia i activitats formatives
Despreacutes de definir el contingut de la mategraveria i presentar-ne els oriacutegens mitjanccedilant diferents exempleses discuteixen els passos en el proceacutes de modelitzacioacute i es posen de manifest els avantatges de laformalitzacioacute matemagravetica en lrsquoestudi de problemes reals Els principis genegraverics srsquoubiquen en el marc de laprogramacioacute lineal i no lineal i la presa de decisions en situacions deterministes Ategraves que lesexplicacions intenten evidenciar la logravegica que hi ha darrere dels diferents plantejaments la metodologiaaplicada a les classes intenta propiciar la participacioacute de lrsquoalumnat a lrsquohora de jutjar la validesa delsmodels proposats en cada cas
Srsquoimparteixen sessions a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha de posar en pragravectica la resolucioacute deproblemes drsquooptimitzacioacute amb el programari recomanat
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Es fan tres proves escrites al llarg del curs La primera correspon al bloc 1 i teacute un pes drsquoun 30 lasegona correspon al bloc 2 i teacute un pes drsquoun 40 i la tercera correspon al bloc 3 i teacute un pes drsquoun 30 La nota drsquoavaluacioacute continuada eacutes la mitjana de les tres notes
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per avaluar-se amb una prova final i uacutenica que suposa el 100 de la nota Lrsquoestudiant que vulgui renunciar alrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableix i quees fa puacuteblica amb lrsquoantelacioacute suficient
Un cop posades les notes finals lrsquoalumnat que no hagi superat lrsquoassignatura teacute dret a una prova dereavaluacioacute durant el mes de juliol que teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenicaSrsquohi poden presentar tots els estudiants independentment que hagin optat per lrsquoavaluacioacute uacutenica ocontinuada
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
RAGSDALE Cliff T Spreadsheet Modeling amp Decision Analysis 6th ed Mason Ohio South-WesternCengage Learning 2008
HILLIER Frederick S et al Investigacioacuten de operaciones Meacutexico DF McGraw-Hill 2002
TAHA Hamdy A Investigacioacuten de operaciones Meacutexico Pearson Educacioacuten 2004
BARTHOLOMEW-BIGGS M Nonlinear optimization with financial applications Kluwer academic publishers2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute a la Probabilitat
Codi de lassignatura 361201
Curs acadegravemic 2019-2020
Coordinacioacute Marta Cubedo Cullere
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques de problemes 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Conegraveixer el concepte de probabilitat probabilitat condicionada i independegravencia estocagravestica
Conegraveixer els models bagravesics univariants i les seves propietats Identificar si srsquoadequumlen a undeterminat context aplicat
Conegraveixer el concepte de distribucioacute bivariant
Conegraveixer i saber interpretar intuiumltivament les lleis dels grans nombres i el teorema central delliacutemit
Referits a habilitats destreses
Calcular probabilitats a partir de lrsquoespecificacioacute del model proporcionada per la funcioacute de densitato la de distribucioacute de variables discretes i contiacutenues
Calcular moments de variables discretes i contiacutenues
Blocs temagravetics
1 Introduccioacute
11 Perspectiva histograverica
12 Algunes paradoxes clagravessiques de la probabilitat i lrsquoestadiacutestica
13 Introduccioacute als espais de probabilitat
14 Cagravelcul combinatori
2 Probabilitat condicionada i independegravencia estocagravestica
21 Probabilitat condicionada
22 Foacutermula de les probabilitats compostes
23 Independegravencia estocagravestica
24 Foacutermula de les probabilitats totals i foacutermula de Bayes
3 Variables aleatograveries i funcions de distribucioacute
31 Variables aleatograveries discretes
32 Variables aleatograveries contiacutenues
33 Funcions de probabilitat i de densitat
34 Funcions de distribucioacute
35 Introduccioacute al canvi de variable
4 Esperanccedila matemagravetica i variagravencia
41 Esperanccedila matemagravetica Propietats
42 Variagravencia Propietats
43 Moments drsquouna variable aleatograveria
5 Models de probabilitat univariants meacutes frequumlents
51 Models discrets univariants bagravesics
52 Models continus univariants bagravesics
6 La distribucioacute normal univariant
61 Definicioacute i propietats La llei normal tipificada o estagravendard
62 Cagravelcul de probabilitats i percentils amb la llei normal
63 Introduccioacute a les lleis dels grans nombres i al teorema central del liacutemit
64 Aproximacioacute de les lleis binomial i Poisson per la llei normal
7 Vectors aleatoris bivariants
71 Concepte general funcioacute de distribucioacute conjunta
72 Cas discret funcioacute de probabilitat conjunta funcions de probabilitat marginals i
condicionades Independegravencia estocagravestica
73 Cas absolutament continu densitat conjunta densitats marginals i condicionades
Independegravencia estocagravestica
Metodologia i activitats formatives
El pla docent es desglossa en dos tipus metodologravegics bagravesics presencials que es complementen ambactivitats no presencials dirigides com ara el lliurament de problemes o lrsquoestudi de casos pragravectics deseguiment automatitzat Les categories desglossades soacuten
1 Classes magistrals combinades dins la mateixa sessioacute amb la resolucioacute de problemes pregraveviamentplantejats Es programa durant 15 setmanes del semestre una sessioacute setmanal de 2 hores (30 horespresencials en total)
2 Intensificacioacute de resolucioacute de problemes Es programa durant 15 setmanes del semestre una sessioacutesetmanal de 2 hores Cal dividir el grup en dos subgrups (30 hores presencials en total)
3 Activitats no presencials dirigides Amb el suport drsquoeines informagravetiques amb correccioacute automatitzadaquumlestionaris Moodle que es duen a terme des del Campus Virtual es fa un seguiment del treballautogravenom de lrsquoestudiant (40 hores drsquoactivitats dirigides no presencials en total)
Avaluacioacute acreditativa dels aprenentatges
El procediment drsquoavaluacioacute continuada consisteix en
mdash La realitzacioacute durant el periacuteode drsquoexagravemens i en la data marcada pel Consell Docent drsquouna prova desiacutentesi que compta un 60 de la qualificacioacute final i consta drsquouna segraverie de problemes de caragravecter aplicati drsquoalguna pregunta de caire conceptual Cal treure una nota miacutenima de 45 sobre 10 en aquesta provade siacutentesi perquegrave es pugui ponderar en el cagravelcul de la qualificacioacute final de lrsquoavaluacioacute continuada
mdash La realitzacioacute drsquouna prova parcial (no eliminatograveria de mategraveria) cap a la meitat del semestre i quecompta un 30 de la qualificacioacute final La data concreta drsquoaquesta prova parcial es publica en elCampus Virtual durant les primeres setmanes del curs
mdash El lliurament de problemes proposats en els quumlestionaris Moodle que es fan al llarg del curs i usantel Campus Virtual tambeacute es puntuen separadament i la mitjana de les puntuacions compta el 10 dela qualificacioacute final Les dates de lliurament drsquoaquests quumlestionaris es publiquen en el CampusVirtual durant el curs
Avaluacioacute uacutenica
Lrsquoalumnat que renunciiuml a lrsquoavaluacioacute continuada ho ha de fer per escrit Srsquoavalua amb una prova uacutenicaen la mateixa data de la prova de siacutentesi de lrsquoavaluacioacute continuada
Lrsquoavaluacioacute uacutenica consisteix en una prova objectiva en la qual es reflecteix el coneixement delrsquoassignatura que compregraven la totalitat del temari i que compta el 100 de la qualificacioacute final
Reavaluacioacute
La prova de reavaluacioacute que es duu a terme en la data marcada pel Consell Docent eacutes la mateixa tantper a qui hagi fet lrsquoavaluacioacute continuada com per a qui hagi fet lrsquoavaluacioacute uacutenica La reavaluacioacuteconsisteix en una prova global de tota lrsquoassignatura i la qualificacioacute final es correspon al 100 de laqualificacioacute obtinguda en aquesta prova de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MARTIN-PLIEGO Francisco Javier et al Problemas de Probabilidad Madrid Paraninfo 2006
MARTIN-PLIEGO Francisco Javier Estadiacutestica I Probabilidad Madrid Paraninfo 2004
ALEA M Victograveria et al Estadiacutestica aplicada a les ciegravencies econogravemiques i socials Barcelona [etc]Universitat de Barcelona McGraw Hill 1999
PENtildeA Daniel Fundamentos de Estadiacutestica Madrid Alianza 2001
PENtildeA Daniel Estadiacutestica Modelos y meacutetodos 1 Fundamentos Madrid Alianza 1991
CUADRAS Carlos Mariacutea Problemas de Probabilidades y Estadiacutestica Vol1 y Vol2 Barcelona Edicions dela Universitat de Barcelona 2000
DeGROOT Morris H et al Probability and Statistics 4th ed Boston Pearson Education 2012
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Introduccioacute al Cagravelcul
Codi de lassignatura 361174
Curs acadegravemic 2019-2020
Coordinacioacute JOSE ANTONIO LUBARY MARTIacuteNEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 60
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Manipular les desigualtats
Conegraveixer les funcions elementals i les seves propietats
Identificar dominis i recorreguts de funcions definides a partir de les funcions elementals
Conegraveixer i aplicar criteris per calcular liacutemits
Calcular derivades i determinar rectes tangents a gragravefiques de funcions
Trobar els polinomis de Taylor de funcions drsquouna variable
Trobar extrems locals de funcions drsquouna variable
Aproximar funcions elementals per polinomis de Taylor
Conegraveixer les tegravecniques bagravesiques drsquointegracioacute i calcular agraverees planes
Utilitzar criteris de convergegravencia drsquointegrals improgravepies
Verificar la convergegravencia de successions i segraveries
Blocs temagravetics
1 Els nombres reals
Propietats bagravesiques dels nombres reals Valor absolut Intervals
2 Funcions Liacutemits i continuiumltat
Conceptes generals Liacutemits de funcions Cagravelcul de liacutemits Continuiumltat Estudi de les funcionselementals Continuiumltat en intervals teoremes de Weierstrass i de Bolzano Resolucioacuteaproximada drsquoequacions megravetode de la biseccioacute
3 Derivacioacute Polinomis de Taylor
Concepte de derivada Sentit geomegravetric de la derivada Cagravelcul de derivades Derivabilitat enintervals teorema del valor mitjagrave Regla de LrsquoHocircpital Polinomi de Taylor Aproximacioacutepolinogravemica Foacutermula de Taylor i residu de Lagrange Aplicacioacute a lrsquoestudi local de funcionsRepresentacioacute gragravefica de funcions Extrems absoluts en intervals tancats
4 Integracioacute
El problema de lrsquoagraverea Integral de Riemann Propietats de la integral El teoremafonamental del cagravelcul Cagravelcul de primitives Integracioacute aproximada Integrals improgravepies
5 Successions i segraveries
Convergegravencia de successions Teorema de la convergegravencia monogravetona Cagravelcul de liacutemitsConvergegravencia de segraveries Criteris per a segraveries de termes positius Segraveries alternades Sumacioacutede segraveries Sumacioacute aproximada
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe) 1 Classes de teoria en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com a continguts delrsquoassignatura i reflexionar-hi 2 Classes de problemes en quegrave lrsquoobjectiu eacutes la resolucioacute lrsquoanagravelisi io la discussioacute de problemes basatsen aquestes tegravecniques
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute de lrsquoassignatura es basa en dos tipus drsquoactivitatsmdash Dues proves de seguiment del curs Valor 20 de la nota final cadascuna La primera a lacinquena setmana de classe la segona a la desena setmanamdash Una prova final Valor 60 de la nota final
Avaluacioacute uacutenica
Lrsquoalumnat que ho prefereixi (especialment si no pot assistir regularment a classe) pot optar per unaprova final i uacutenica que suposa el 100 de la nota
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BARTLE Robert Gardner et al Introduccioacuten al anaacutelisis matemaacutetico de una variable Meacutexico Limusa 1996
BURGOS Juan Caacutelculo infinitesimal de una variable Madrid Mc Graw Hill 2007
BRADLEY Gerald L Caacutelculo Vol 1 Caacutelculo de una variable Madrid Prentice Hall Iberia1998
DEMIDOVICH B et al Problemas y ejercicios de anaacutelisis matemaacutetico Madrid Paraninfo 1993
LUBARY Joseacute Antonio et al Caacutelculo para Ingenieriacutea Informaacutetica Barcelona Edicions UPC 2008
TOMEO Venancio et al Problemas resueltos de caacutelculo en una variable Madrid Thomson 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Bayesians
Codi de lassignatura 361222
Curs acadegravemic 2019-2020
Coordinacioacute XAVIER PUIG ORIOL
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Tenir nocions bagravesiques de probabilitat inferegravencia i de R
Altres recomanacions
Tenir inquietuds per aprendre a traveacutes de la informacioacute que ens donen les dades
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu principal drsquoaquesta assignatura eacutes que lrsquoestudiant acabi amb un bon coneixement idomini de la modelitzacioacute bayesiana tant pel que respecta a coneixement teograveric com pragravecticAquest coneixement li ha de permetre davant drsquoun objectiu o pregunta drsquouna banda interveniren el disseny de lrsquoexperiment o experiments necessaris per tal drsquoobtenir les dades objectedrsquoestudi i de lrsquoaltra analitzar-les satisfactograveriament i treurersquon conclusions per aconseguir lrsquoobjectiuo respondre la pregunta
I com a objectius especiacutefics
mdash Conegraveixer el paper de la distribucioacute a priori el paper de les distribucions a priori de referegravencia icom passar de la distribucioacute a priori a la distribucioacute a posteriori
mdash Resoldre problemes drsquoinferegravencia bayesiana de forma analiacutetica quan srsquoutilitzen models de lafamiacutelia exponencial i distribucions a priori conjugades
mdash Utilitzar els megravetodes de Montecarlo mitjanccedilant programari especiacutefic que permeten simular ladistribucioacute a posteriori i com fer inferegravencia utilitzant aquestes simulacions
mdash Conegraveixer la diferegravencia entre model bayesiagrave jeragraverquic i no jeragraverquic
mdash Conegraveixer com validar i comparar models bayesians i com fer prediccions
Blocs temagravetics
1 Model bayesiagrave
11 Model estadiacutestic
12 Els quatre problemes de lrsquoestadiacutestica
13 La versemblanccedila
14 Model bayesiagrave
15 Distribucioacute a posteriori
16 Distribucioacute predictiva a priori i a posteriori
17 Eleccioacute de la distribucioacute a priori
2 Inferegravencia bayesiana
21 Distribucioacute a posteriori com a estimador
22 Estimacioacute puntual
23 Estimacioacute per interval
24 Proves de dues hipogravetesis
25 Generalitzacioacute de les proves drsquohipogravetesi
3 Computacioacute bayesiana
31 Necessitat drsquointegrar
32 Simulacioacute de Montecarlo basada en cadenes de Markov (MCMC)
33 Convergegravencia de les cadenes
4 Models jeragraverquics5 Validacioacute i construccioacute de models
Metodologia i activitats formatives
Pretenem centrar els objectius drsquoaprenentatge en lrsquoestudiant i adequar la docegravencia a lrsquoassolimentdrsquoaquests objectius Per aixograve volem que les classes presencials siguin valuoses per aprendre i que lestasques que cal fer fora de lrsquoaula estiguin ben pensades i definides
Hi ha dos tipus de sessions presencials classes de teoria i classes de pragravectiques les quals com amiacutenim soacuten la meitat de les sessions
A les classes de teoria (2 hores setmanals) srsquoexposen els conceptes teograverics i en general soacuten classesexpositives en quegrave srsquointercala sovint la realitzacioacute drsquoexercicis o o de discussions entre els estudiants Enaquestes classes tambeacute es treballa lrsquoaprenentatge a traveacutes de casos pragravectics mitjanccedilant tegravecniquesdrsquoaprenentatge cooperatiu
A les classes de pragravectiques es resolen casos pragravectics amb lrsquoajuda del programari estadiacutestic R WinBugsJAGS o STAN (a lrsquoaula drsquoinformagravetica) Les classes de pragravectiques es desdoblen en dos grups i eacutes elprofessorat qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura teacute una doble finalitat drsquouna banda verificar el grau en quegrave cada estudiantha assolit els objectius qualificant-lo amb una nota drsquoaltra banda donar realimentacioacute als estudiants alllarg del curs de com treballen per tal de poder redreccedilar a temps situacions no adequades
La nota de lrsquoassignatura es calcula de la manera seguumlent
Nota = 030Npract + 02NExParc + 005NExPrac + 05NExFinal
en quegrave Npract eacutes la nota dels treballs lliurats a les classes pragravectiques juntament amb altres activitatsdrsquoavaluacioacute continuada NExParc eacutes la nota de lrsquoexamen parcial (que es fa a meitat de curs) i NExFinaleacutes la nota de lrsquoexamen final
Avaluacioacute uacutenica
Els alumnes que ho vulguin poden optar a ser avaluats amb una prova final i uacutenica La nota es calculade la manera seguumlent
Nota = NExFinal
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BOLSTAD William M Introduction to Bayesian Statistics 2nd ed Hoboken NJ John Wiley 2007
GELMAN Andrew Bayesian data analysis 3rd ed London Chapman amp Hall 2014
CONGDON Peter Applied Bayesian Modelling Wiley 2014
KRUSCHKE John K Doing Bayesian Data Analysis A Tutorial with R JAGS and Stan AmsterdamAcademic Press 2015
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes de Mostratge
Codi de lassignatura 361209
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Ramirez Mitjans
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 225
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 15
Treball tutelatdirigit 60
Aprenentatge autogravenom 30
Competegravencies que es desenvolupen
- Capacitat de detectar i formular les necessitats pel que fa a lanagravelisi dinformacioacute en les diferentsinstitucions i situacions i didentificar les fonts de variabilitat i incertesa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Diferenciar clarament poblacions finites i infinites
Conegraveixer els megravetodes usuals drsquoextraccioacute drsquouna mostra
Saber escollir lrsquoestimador pertinent en funcioacute del megravetode drsquoextraccioacute
Entendre la fitxa tegravecnica drsquouna enquesta
Saber programar en R lrsquoextraccioacute drsquouna mostra
Saber programar en R lrsquoestimacioacute de les funcions de la mostra com a mitjana total i proporcioacute
Saber calcular la mida de la mostra
Referits a habilitats destreses
Aprendre a treballar en grup
Aprendre que en lrsquoaplicacioacute dels megravetodes de mostreig srsquoha de tenir un alt grau de pragmatisme
Aprendre que hi ha sempre una distagravencia entre la realitat (marcs mostrals imperfecteslimitacions de cost errors no mesurables etc) i la teoria
Aprendre que aquesta distagravencia entre realitat i teoria exigeix un gran rigor
Blocs temagravetics
1 Introduccioacute Etapes drsquouna enquesta Teoria de mostreig = disseny de mostra + estimacioacute2 Teoremes liacutemit com a fonament del mostreig3 Estadiacutestics i estimadors Propietats dels estimadors Error en lrsquoestimacioacute Error mostral
Mesura de lrsquoerror mostral4 Records drsquoestimacioacute de la mitjana en una poblacioacute infinita Comparacioacute de les propietats
drsquoestimadors competitius (per exemple mitjana mostral i mitjana truncada) Mostreig enpoblacioacute finita Mostreig basat en el disseny Especificitat de mostreig en poblacioacute finitanecessitat de marc mostral identificacioacute de les unitats informacioacute auxiliar no-respostes
5 Extraccioacute aleatograveria simple Amb reposicioacute i sense Disseny de la mostra La mitjana mostralcom a estimador Propietats de mitjana mostral en cas de reposicioacute i de no-reposicioacute El casparticular de lrsquoestimacioacute drsquouna proporcioacute Algorismes per lrsquoextraccioacute simple La sevaimplementacioacute en el programa Sampling
6 Extraccioacute estratificada Informacioacute auxiliar i extraccioacute estratificada Poblacioacute i estratsRepartiment de la mostra proporcional i ograveptim Funcions del Sampling per al disseny
estratificat7 Introduccioacute a lrsquoextraccioacute amb probabilitats desiguals Informacioacute auxiliar i extraccioacute amb
probabilitats desiguals Mostreig sistemagravetic amb probabilitats desiguals Breu presentacioacute delsalgorismes per escissioacute Funcions del Sampling per al disseny amb probabilitats desiguals
8 Extraccioacute en conglomerats Nocioacute drsquoextraccioacute bietapa Funcions del Sampling per alrsquoextraccioacute en conglomerats
9 Nocions bagravesiques de recomposicioacute de no-respostes10 Megravetodes no probabiliacutestics drsquoextraccioacute de la mostra
Metodologia i activitats formatives
Lrsquoensenyament drsquoaquesta assignatura teacute a la vegada un fort component teograveric i un fort componentaplicat Es dona molta importagravencia a un extens coneixement del programari Sampling paquet de R
Es presenten els conceptes formalment i srsquoutilitzen les pragravectiques per posar en relleu les propietats delsdiferents megravetodes drsquoextraccioacute de la mostra De fet primer es fa una aproximacioacute empiacuterica a lespropietats i despreacutes srsquoenuncien A meacutes a meacutes la resolucioacute de problemes a classe eacutes fonamental peraprofundir i consolidar els coneixements
Meacutes concretament les classes es divideixen en
mdash Sessions de teoria drsquoacord amb la temporalitzacioacute lliurada a comenccedilament del curs Es fa unapresentacioacute senzilla dels conceptes teograverics i srsquoinsisteix en les nocions que hi ha darrere les foacutermules Esfan poques demostracions perograve srsquoinsisteix en les nocions presents en les foacutermules Es demana unaparticipacioacute activa als estudiants
mdash Sessions de problemes Srsquoutilitzen per fixar els conceptes teograverics presentats a la classe de teoriaAquestes sessions tambeacute permeten consolidar els conceptes drsquoestimacioacute presentats a les classes deteoria
mdash Sessions de laboratori Soacuten molt importants Srsquoutilitzen per tenir una aproximacioacute empiacuterica alsconceptes teograverics que srsquoestudien a la classe de teoria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Tres exagravemens parcials amb preguntes de teoria i problemes La part pragravectica srsquoavalua lliurant lespragravectiques fetes a classe segons les entregues
El primer parcial es fa en acabar el disseny estratificat El segon parcial es fa en acabar el dissenymultietapa I el tercer parcial es fa lrsquouacuteltima setmana de curs
Per tenir nota drsquoavaluacioacute continuada cal presentar-se a tots els parcials i haver lliurat totes lespragravectiques fetes a classe i els scripts utilitzats
Es poden proposar activitats a classe que substitueixin part de la nota o completin la nota dels exagravemensparcials
Avaluacioacute uacutenica
Examen uacutenic amb teoria problemes i pragravectica A la part de pragravectica es demana a lrsquoestudiant que utilitziel programari Sampling (paquet de R) per fer en el moment de lrsquoexamen una o dues pragravectiques de lesfetes a classe i lliurar els resultats en el format previst a lrsquoenunciat de la pragravectica corresponent Per feraquestes pragravectiques lrsquoestudiant disposa del formulari i de lrsquoajuda del paquet
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ARDILLY Pascal et al Sampling Methods Exercices and Solutions New York Springer 2006
CLAIRIN Reacutemy et al Manual de muestreo Madrid La Muralla Salamanca Hespeacuterides 2001
COCHRAN William Gemmell Teacutecnicas de muestreo Meacutexico Compantildeiacutea Editorial Continental 1984
DESROSIEgraveRES Alain La poliacutetica de los grandes nuacutemeros Historia de la razoacuten estadiacutestica BarcelonaMelusina 2004
KISH Leslie Muestreo de encuestas Meacutexico Trillas 1979
PEacuteREZ Ceacutesar Muestreo estadiacutestico Conceptos y problemas resueltos Madrid Prentice Hall 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics en Mineria de Dades
Codi de lassignatura 361253
Curs acadegravemic 2019-2020
Coordinacioacute TOMAS ALUJA BANET
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoestudiant ha de tenir un esperit per a la resolucioacute de problemes mitjanccedilant la programacioacute drsquoalgorismessenzills
Cal tenir una bona base sobretot de les assignatures Anagravelisi Multivariant i Models Lineals
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer la tipologia dels principals problemes de la mineria de dades
Referits a habilitats destreses
Avaluar la qualitat de les dades i la necessitat de preprocessar-les
Identificar les tegravecniques estadiacutestiques io drsquoaprenentatge automagravetic meacutes apropiades al problemaque srsquoha de resoldre
Implementar algorismes senzills drsquoaprenentatge
Avaluar els resultats obtinguts
Presentar els resultats en un entorn professional per a la presa de decisions
Blocs temagravetics
1 Introduccioacute a la mineria de dades
Tipus de problemes problemes de modelitzacioacute problemes de ciegravencia problemes detransaccions i problemes de magraverqueting
2 Visualitzacioacute de les dades
Visualitzacioacute de dades multivariants Reduccioacute de la dimensionalitat Megravetodes de seleccioacute iextraccioacute de variables
3 Clusteritzacioacute (o clustering)
Megravetodes de particioacute directa jeragraverquics i estadiacutestica matemagravetica
4 Arbres de decisioacute
Arbres de classificacioacute i regressioacute (CART)
5 Regles drsquoassociacioacute
Algorisme a priori
6 Metodologia de validacioacute
laquoHoldoutraquo validacioacute creuada i laquobootstrapraquo
7 Regles de classificacioacute Anagravelisi discriminada paramegravetrica
LDA QDA i Naive Bayes
8 Discriminacioacute no paramegravetrica
Veiumlns meacutes propers
9 Megravetodes flexibles de discriminacioacute
Magravequines de vectors suport
10 Xarxes neuronals
Discriminacioacute pel perceptroacute multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversioacute de dades en coneixement per a la presa dedecisions i com a tal constitueix la fase central del proceacutes drsquoextraccioacute de coneixement a partir de basesde dades La mineria de dades eacutes un punt de trobada de diferents disciplines lrsquoestadiacutesticalrsquoaprenentatge automagravetic (machine learning) les tegravecniques de bases de dades i els sistemes per a lapresa de decisions Juntes permeten afrontar molts problemes actuals pel que fa al tractament de lainformacioacute
Lrsquoassignatura introdueix les tegravecniques meacutes usuals per a la resolucioacute de tres tipus de problemesfonamentals lrsquoanagravelisi de dades binagraveries (laquotransaccionsraquo) lrsquoanagravelisi de dades cientiacutefiques (per exemple degenogravemica) i lrsquoanagravelisi de dades drsquoempreses els quals configuren bona part dels problemes actuals quetracta la mineria de dades Com a objectiu paralmiddotlel hi ha utilitzar el R un potent entorn de programacioacutelliure
Les classes es divideixen per tant en la presentacioacute de les eines estadiacutestiques i drsquoaprenentatge semprea partir de lrsquoexposicioacute de casos reals i fent egravemfasi en els conceptes implicats les seves propietats lainterpretabilitat i lrsquoaplicacioacute de resultats i en classes de laboratori en quegrave els alumnes han de posar enpragravectica les experteses adquirides en la resolucioacute de problemes
Finalment i ategraves que la finalitat de lrsquoassignatura eacutes la resolucioacute de problemes reals cada estudiant ha deresoldre un cas pragravectic entre els casos posats a disposicioacute lliurement o entre el problema cercat perlrsquoestudiant amb el vistiplau del professor
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute eacutes comprensiva en el sentit que avalua totes les competegravencies especiacutefiques del curs lesdestreses algoriacutesmiques i la capacitat per enfrontar-se a problemes reals
Hi ha dues qualificacions de notes una nota obtinguda per examen sobre els coneixements adquirits(nota T) i la nota obtinguda en un treball pragravectic (P) que srsquoha de presentar a final de curs
La nota final srsquoobteacute de la ponderacioacute seguumlent Nota final = 05T + 05P
A meacutes es valoren les intervencions a classe que permeten pujar la nota fins a un 10
En cas que lrsquoestudiant no superi lrsquoavaluacioacute continuada sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Avaluacioacute uacutenica
Lrsquoestudiant teacute dret en qualsevol cas a presentar-se a lrsquoexamen final de lrsquoassignatura per obtenir unaavaluacioacute uacutenica i final Aquesta avaluacioacute consta drsquoun examen final meacutes el lliurament drsquoun treballpragravectic equivalent al dut a terme en lrsquoavaluacioacute continuada
En cas que lrsquoestudiant no superi la prova drsquoavaluacioacute uacutenica sempre teacute dret a presentar-se a lrsquoexamenextraordinari (de repesca) del mes de juliol amb les mateixes condicions que a lrsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALUJA Tomagraves et al Aprender de los datos el anaacutelisis de componentes principales una aproximacioacutendesde el Data Mining Barcelona EUB 1999
HAND D J Construction and assessment of classification rules Chichester [etc] Wiley 1997
HASTIE Trevor et al The Elements of statistical learning New York Springer 2001
HERNAacuteNDEZ Joseacute et al Introduccioacuten a la mineriacutea de datos Madrid Pearson 2004
WITTEN I H et al Data mining practical machine learning tools and techniques with javaimplementations San Francisco [Calif] [etc] Morgan Kaufmann 2002
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Estadiacutestics per a Finances i Assegurances
Codi de lassignatura 361242
Curs acadegravemic 2019-2020
Coordinacioacute Ana Maria Perez Marin
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs en cagravelcul de probabilitats variables aleatograveries distribucionsde probabilitat caracteriacutestiques de les distribucions de probabilitat (esperances variagravencies etc) iinferegravencia estadiacutestica Tambeacute es recomana que tingui coneixements previs en agravelgebra de successos Ategravesque les classes pragravectiques es fan en anglegraves cal que lrsquoestudiant tingui un nivell adequat drsquoaquestallengua
Altres recomanacions
Com que es tracta drsquouna assignatura amb un elevat contingut teograveric de demostracioacute es recomanaque lrsquoalumnat tingui una bona base matemagravetica (integracioacute derivacioacute etc)
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
Objectius daprenentatge
Referits a coneixements
mdash Especificar correctament les mesures de risc i rendibilitat drsquoactius i carteres aixiacute com elsmodels bagravesics de risc colmiddotlectiu i individual mdash Interpretar adientment el binomi diversificacioacute i correlacioacute mdash Conegraveixer i utilitzar els models de probabilitat meacutes habituals en les finances i assegurances aixiacutecom la forma drsquoobtenir-los a traveacutes drsquouna mostra de dades i amb suport informagraveticmdash Saber quins processos estocagravestics srsquoutilitzen per modelar preus en finances i la seva aplicacioacutebasada en la simulacioacute estadiacutestica (mitjanccedilant suport informagravetic)mdash Saber quins soacuten els models drsquoeleccioacute ograveptima de carteres drsquoactius que srsquoutilitzen i la sevaimplementacioacute amb suport informagraveticmdash Saber les especificitats de les segraveries temporals aplicades en finances especialment els modelsde volatilitat canviant en el tempsmdash Saber construir una taula de mortalitat per a assegurances de vidamdash Modelitzar el nombre de sinistres i els danys totals en assegurances no de vidamdash Aprendre a tarifar assegurances de vida i assegurances no de vidamdash Conegraveixer els elements bagravesics sobre reserves i solvegravencia
Referits a habilitats destreses
mdash Saber analitzar gragraveficament lrsquoevolucioacute temporal dels preus i analitzar-ne la situacioacutemdash Dissenyar i implementar amb suport informagravetic els models drsquooptimitzacioacute i gestioacute de carteresdrsquoactiusmdash Dissenyar i implementar amb suport informagravetic les mesures de risc (VaR)mdash Desenvolupar i debatre activitats mdashamb suport informagraveticmdash que utilitzin tot el proceacutes drsquoanagravelisiestadiacutestica necessari en la inversioacute financera lrsquoanagravelisi del risc i en assegurances
Referits a actituds valors i normes
Srsquoespera una actitud molt dinagravemica de lrsquoalumnat en el seguiment de lrsquoassignatura Aixiacute sovintsrsquointerrompen les classes teograveriques amb la finalitat que lrsquoestudiant pugui desenvolupar algun delsplantejaments exposats pel professorat i que es resol en la mateixa sessioacute
Blocs temagravetics
1 Introduccioacute a les assegurances
11 Conceptes de teoria general de les assegurances (cobertura prima sinistralitat
compensacioacute reserves solvegravencia)
2 Estadiacutestica per a les assegurances de vida
21 Cagravelcul de probabilitats de supervivegravencia i mortalitat
22 Taules de mortalitat
23 Models de projeccioacute de la mortalitat
24 Assegurances de vida i rendes vitaliacutecies
25 Valoracioacute dels productes drsquoinvalidesa
3 Estadiacutestica per a les assegurances generals
31 Distribucions estadiacutestiques contiacutenues (lognormal de Pareto i de valors extrems)
32 Distribucions estadiacutestiques discretes (de Poisson binomial negativa)
33 Model de risc colmiddotlectiu
34 Tarifacioacute reserves i solvegravencia
4 Introduccioacute als mercats financers preus i riscos
41 Nocions bagravesiques dels mercats financers (mercat monetari renda fixa renda
variable divises i derivats)
42 Preus i rendibilitats
43 Mesures de risc clagravessiques i alternatives Volatilitat dinagravemica i condicional
5 Estadiacutestica aplicada als mercats borsaris
51 Patrons de comportament
52 Filtres i oscilmiddotladors tegravecnics
53 Trading algoriacutetmic
6 Estadiacutestica aplicada a la gestioacute de carteres
61 Correlacioacute i gestioacute de carteres
62 Cogravepules i dependegravencia entre actius
63 Models drsquooptimizacioacute i frontera eficient
64 Sistemes automagravetics de gestioacute Robo-Advisor
65 Indicadors de performance i estils de gestioacute
7 Estadiacutestica aplicada a la gestioacute del risc
71 Tipologia de riscos financers
72 Mesura del risc de mercat VaR
73 Alternatives en presegravencia de Fat Tails CVaR
74 Teoria del valor extrem
Metodologia i activitats formatives
Es fan classes presencials de teoria i classes pragravectiques Les classes pragravectiques es fan en anglegraves i soacuten dedos tipusmdash plantejament de casos aplicats i exercicismdash resolucioacute de situacions pragravectiques amb lrsquouacutes de lrsquoordinador
Avaluacioacute acreditativa dels aprenentatges
Es proposen exercicis per avaluar lrsquohabilitat de lrsquoestudiant en lrsquoaplicacioacute i desenvolupament delsconceptes explicats durant les classes En concret es proposen quatre exercicis en les dates(orientatives) seguumlents
mdash Prova 1 (estadiacutestica per a les assegurances) primera quinzena drsquooctubremdash Prova 2 (estadiacutestica per a les assegurances) primera quinzena de novembremdash Prova 3 (estadiacutestica per a les finances) primera quinzena de desembremdash Prova 4 (estadiacutestica per a les finances) primera quinzena de gener
Dins la modalitat drsquoavaluacioacute continuada eacutes obligatori lliurar de manera correcta les quatre pragravectiquesAquestes pragravectiques tenen un pes en la nota final del 50 (cadascuna un 125 de la nota final) Enlrsquoavaluacioacute drsquoaquestes pragravectiques es valora la capacitat drsquoaprenentatge i responsabilitat
Hi ha una prova final de tancament en la data oficial que teacute un pes del 50 en la nota final Aquestaprova consta de vuit exercicis (quatre per a la part drsquoestadiacutestica per a les assegurances i quatre per a lapart drsquoestadiacutestica per a les finances) i els alumnes en la modalitat drsquoavaluacioacute continuada han de fernomes dos exercicis de la part drsquoestadiacutestica per a les assegurances (escollits entre els quatre proposats)i dos de la part drsquoestadiacutestica per a les finances (escollits entre els quatre proposats) Els dos exercicis dela part drsquoestadiacutestica per a les assegurances tenen un pes del 50 de la nota de lrsquoexamen i els altresdos exercicis de la part de finances tambeacute tenen un pes del 50 de la nota de lrsquoexamen Per fermitjana amb la nota dels exercicis pragravectics lliurats es demana de treure a lrsquoexamen un miacutenim drsquo15punts a la part drsquoestadiacutestica per a les assegurances (dels 5 punts que teacute aquesta part de lrsquoexamen) idrsquo15 punts a la part drsquoestadiacutestica per a les finances (dels 5 punts drsquoaquesta part)
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en un examen escrit en la data oficial Consta de vuit exercicis quatre per ala part drsquoestadiacutestica per a les assegurances i quatre per a la part drsquoestadiacutestica per a les finances Elsquatre exercicis de la part drsquoestadiacutestica per a les finances tenen un pes del 50 de la nota final i elsaltres quatre un 50 Per aprovar es demana un miacutenim de 2 punts a la part drsquoestadiacutestica per a lesassegurances i de 2 punts a la part drsquoestadiacutestica per a les finances
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AYUSO M et al Estadiacutestica actuarial vida Barcelona Publicacions i Edicions de la Universitat deBarcelona 2007
SARABIA Joseacute Mariacutea et al Estadiacutestica actuarial teoriacutea y aplicaciones Madrid Pearson Prentice Hall2007
PEacuteREZ-TORRES Joseacute Luis Conociendo el seguro Barcelona Umeser 2001
HERNAacuteNDEZ Benjamiacuten Bolsa y Estadiacutestica Bursaacutetil Madrid Diacuteaz de Santos 2000
DANIELSSON Joacuten Financial Risk Forecasting Chichester John Wiley 2012
BORRELL Maacuteximo et al Estadiacutestica Financiera aplicacioacuten a la formacioacuten y gestioacuten de carteras de rentavarible Madrid Centro de Estudios Ramoacuten Areces 1997
TORRA Salvador MONTE Enric Modelos Neuronales aplicados en Economiacutea Casos praacutecticos medianteMathematica Neural Networks Barcelona Addlink Media 2013
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes No Paramegravetrics i de Remostreig
Codi de lassignatura 361224
Curs acadegravemic 2019-2020
Coordinacioacute Sergi Civit Vives
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Srsquointrodueixen els principals conceptes ies consoliden amb la resolucioacute deproblemes ilmiddotlustratius)
375
- Pragravectiques dordinadors
(Pragravectiques) 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Compromiacutes egravetic (capacitat criacutetica i autocriacutetica capacitat de mostrar actituds coherents amb lesconcepcions egravetiques i deontologravegiques)
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat didentificar les propietats dels diferents megravetodes destimacioacute els seus avantatges iinconvenients contextualitzats en una situacioacute concreta
- Capacitat dutilitzar els diferents procediments de contrast dhipogravetesi per respondre preguntes enun context especiacutefic
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de model estadiacutestic no paramegravetric o lliure de la distribucioacute
mdash Conegraveixer els fonaments de les proves de significacioacute basades en rangs i les principalsalternatives no paramegravetriques basades en aquest enfocament a les proves drsquohipogravetesiparamegravetriques meacutes comunes
mdash Conegraveixer els fonaments de les proves de significacioacute basades en permutacions i les principalsalternatives de permutacions a les proves drsquohipogravetesi paramegravetriques meacutes comunes
mdash Conegraveixer el megravetode jackknife Conegraveixer els fonaments del megravetode bootstrap Assimilar la ideadel remostreig bootstrap Conegraveixer els principals tipus drsquointervals de confianccedila bootstrapAssimilar la idea de la suavitzacioacute de corbes i la seva aplicacioacute a la regressioacute no paramegravetrica i alrsquoestimacioacute no paramegravetrica de la funcioacute de densitat
Referits a habilitats destreses
mdash Davant drsquoun problema concret saber determinar quin enfocament no paramegravetric o deremostreig eacutes el meacutes adient Aquesta habilitat inclou saber utilitzar meacutes drsquoun megravetode alhora comara bootstrap i estimacioacute no paramegravetrica de la densitat en un mateix problema de classificacioacute
mdash Assolir un nivell drsquoexpertesa suficient per portar a la pragravectica els megravetodes no paramegravetrics i deremostreig Per exemple saber implementar correctament la simulacioacute bootstrap adient a unasituacioacute donada
Blocs temagravetics
1 Proves de permutacions i drsquoaleatoritzacioacute
Suficiegravencia i completesa de lrsquoestadiacutestic ordinal inferegravencia condicionada a la mostra Mostresno aleatograveries i proves drsquoaleatoritzacioacute Tests de permutacions exactes i de Montecarlo Algunstests de permutacions dades aparellades significacioacute del coeficient de correlacioacute ANOVA drsquounfactor Intervals de confianccedila i tests de permutacions
11 Enfocament de Fisher i de Pitman Suficiegravencia i completesa de lrsquoestadiacutestic ordinal
Inferegravencia condicionada a la mostra Mostres no aleatograveries i proves drsquoaleatoritzacioacute Tests
de permutacions exactes i de Montecarlo
12 Alguns tests de permutacions bagravesics dues mostres independents dades aparellades
significacioacute de la correlacioacute ANOVA drsquoun factor
13 Intervals de confianccedila i tests de permutacions
2 Megravetodes basats en lrsquoestimacioacute de la funcioacute de distribucioacute i en el remostreig
Simulacioacute o remostreig bootstrap El principi laquoplug-inraquo i el bootstrap Estimacioacute bootstrapdel biaix i de lrsquoerror estagravendard Megravetode jackknife estimacioacute del biaix i de lrsquoerror estagravendarddrsquoun estimador Intervals de confianccedila percentil i bootstrap-t Relacioacute amb el contrastdrsquohipogravetesi
21 Simulacioacute i bootstrap El principi plug-in Bootstrap exacteTipus drsquoerror Aplicacions
bagravesiques del bootstrap
22 Jackknife Justificacioacute heuriacutestica Correccioacute del biaix i estimacioacute de lrsquoerror estagravendard
23 Intervals de confianccedila bootstrap bootstrap-t percentil i BCa
24 Bootstrap i contrast drsquohipogravetesi
3 Estadiacutestica no paramegravetrica basada en rangs
Fonamentacioacute de la inferegravencia basada en rangs Principals proves drsquohipogravetesi test deWilcoxon dels rangs amb signe test de Kruskal-Wallis test de Friedman Correlacioacute deKendall i de Spearman
31 Rangs Fonamentacioacute de la inferegravencia basada en rangs Pegraverdua drsquoinformacioacute
32 Prova de Mann-Whitney-Wilcoxon
33 Prova de Wilcoxon dels rangs amb signe
34 Prova de Kruskal-Wallis
35 Prova de Friedman
36 Correlacioacute de Kendall i de Spearman Proves de significacioacute
4 Megravetodes de suavitzacioacute i estadiacutestica no paramegravetrica
Suavitzacioacute Kernel concepte Nocions de regressioacute no paramegravetrica Nocions drsquoestimacioacute noparamegravetrica de la funcioacute de densitat Aplicacions a problemes de discriminacioacute classificacioacutedeterminacioacute de modes etc
41 Introduccioacute a la suavitzacioacute Kernel
42 Nocions de regressioacute no paramegravetrica
43 Nocions drsquoestimacioacute no paramegravetrica de la funcioacute de densitat
44 Aplicacions a problemes de discriminacioacute classificacioacute determinacioacute de modes
45 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica
5 Casos drsquoestudi drsquoestadiacutestica no paramegravetrica i remostreig
Sobre diversos conjunts de dades es valoraran els megravetodes meacutes adients per acomplirdeterminats objectius i srsquoaplicaran procurant fer egravemfasi en les conclusions
Metodologia i activitats formatives
Les 150 hores previstes es reparteixen de la manera seguumlent
mdash Classes de teoria (225 hores) en quegrave srsquointrodueixen els principals conceptes i es consoliden amb laresolucioacute de problemes ilmiddotlustratius
mdash Classes de problemes (15 hores) amb la resolucioacute de problemes drsquoaplicacioacute plantejats a classe deteoria i dels petits treballs plantejats en la seccioacute de treball tutelat
mdash Classes pragravectiques (225 hores) classes en quegrave es fa servir lrsquoordinador orientades a la consolidacioacutedels conceptes estudiats Es resolen casos pragravectics utilitzant eines apropiades i es fan simulacions i altresexercicis ilmiddotlustratius dels conceptes teograverics
mdash Treball tutelat (40 hores) petits treballs de simulacioacute per dur a terme fora de classe amb la finalitatde consolidar conceptes a partir de lrsquoautoaprenentatge
mdash Treball autogravenom (50 hores) estudi miacutenim imprescindible per assimilar la mategraveria
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
mdash Una avaluacioacute parcial (obligatograveria) transcorreguts uns dos mesos de curs (aproximadament ameitat del semestre) del temari tractat del curs Consisteix en un examen parcial que srsquoanuncia ambantelacioacute Indiquem com a laquoxraquo la puntuacioacute obtinguda
mdash Valoracioacute del seguiment fet a lrsquoestudiant Es basa en la realitzacioacute drsquoexercicis o treballs proposatsdurant el curs (anomenades tasques miacutenim 2) i la participacioacute a classe Indiquem com a laquoyraquoaquesta nota
mdash Una prova final de siacutentesi de tota la mategraveria En diem laquozraquo de la nota corresponent
Per tenir nota drsquoavaluacioacute continuada cal haver-se presentat a la prova parcial i a la prova final desiacutentesi i haver fet els treballs que srsquohagin proposat (tasques) No fer alguna drsquoaquestes activitatscomporta la qualificacioacute de laquono presentatraquo
La nota drsquoavaluacioacute continuada es calcula de la manera seguumlent 030 x + 02 y + 05 z La ponderacioacute
parcialsiacutentesi pot variar en el sentit que es valora positivament una evolucioacute a millor del parcial al finalsempre que en el parcial srsquohagi obtingut una puntuacioacute miacutenima de 4 sobre 10
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode dematriculacioacute dels estudiants) i per tant sense possibilitat de canvis
Examen final de tota la mategraveria amb un valor del 100 i on srsquoinclou un exercici global drsquoanagraveliside dades amb R fet a lrsquoaula informagravetica
La prova de reavaluacioacute sempre teacute les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica (eacutes a dir unvalor del 100 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
HOLLANDER Myles et al Nonparametric Statistical Methods 2nd ed New York [etc] Wiley 1999
SIEGEL Sidney et al Estadiacutestica no parameacutetrica aplicada a las ciencias de la conducta Meacutexico Trillas2009
GOOD Phillip I Permutation Parametric and Bootstrap Tests of Hypotheses New York Springer 2005
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Megravetodes Numegraverics
Codi de lassignatura 361213
Curs acadegravemic 2019-2020
Coordinacioacute MARIA ANGELA GRAU GOTES
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Programari
httpsmatlabmathworkscom
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Estudi dels megravetodes presentatsExagravemens sobre conceptes bagravesics delrsquoassignatura un miacutenim de 2 repartits enel calendari)
30
- Pragravectiques dordinadors
(Resolucioacute drsquoexercicis amb els algorismesi megravetodes del curs Srsquoavalua)
30
Treball tutelatdirigit
(Resolucioacute drsquoexercicis amb els algorismes imegravetodes del curs pragravectiques drsquoordinador acasa i a lrsquoaula)
40
Aprenentatge autogravenom
(Preparacioacute de la documentacioacute dels treballspragravectics que srsquohan de presentar peravaluar)
50
Recomanacions
Es recomana haver cursat les assignatures Introduccioacute al Cagravelcul Introduccioacute a la Informagravetica AgravelgebraLineal
Altres recomanacions
Es recomana haver cursat o estar cursant les assignatures Programacioacute i Cagravelcul de DiversesVariables
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacuteoperativa
- Capacitat per utilitzar el raonament logravegic i els instruments matemagravetics en un context
Objectius daprenentatge
Referits a coneixements
Aprendre les tegravecniques numegraveriques meacutes bagravesiques i usar-les com a eina per trobar solucions aproblemes en quegrave per diverses raons els megravetodes analiacutetics queden descartats
Referits a habilitats destreses
Lrsquoaplicacioacute pragravectica dels megravetodes que es presenten requereix lrsquouacutes drsquoordinadors i lrsquouacutes i elconeixement del programari adequat Matlab per implementar els megravetodes presentats en lesexplicacions de classe
Blocs temagravetics
1 Preliminars
Aritmegravetica en coma flotant Anagravelisi de lrsquoerror Sumacioacute de segraveries
11 Representacioacute aritmegravetica en coma flotant
111 Conceptes bagravesics fonts drsquoerror xifres significatives problemes inestables
112 Error numegraveric definicions errors drsquoarrodoniment errors de truncament
113 Lrsquoaritmegravetica a lrsquoordinador punt fix punt flotant
12 Anagravelisi de lrsquoerror
121 Errors en les operacions en punt flotant
122 Propagacioacute de lrsquoerror nombres de condicioacute algorismes amb cancelmiddotlacioacute
13 Sumacioacute de segraveries
131 Cagravelcul de la suma drsquouna segraverie megravetodes de comparacioacute
132 Acceleracioacute de la convergegravencia
2 Agravelgebra lineal numegraverica
Resolucioacute de sistemes lineals compatibles determinats megravetodes directes i megravetodesiteratius Nombre de condicioacute drsquouna matriu Sistemes lineals sobredeterminats descomposicioacuteen valors singulars Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
21 Resolucioacute de sistemes lineals compatibles determinats
211 Megravetodes directes megravetodes de Gauss megravetodes de factoritzacioacute LU Txoleski
QR Cagravelcul de matrius inverses Fites de lrsquoerror
212 Megravetodes iteratius megravetodes de Jacobi Gauss-Seidel de sobrerelaxacioacute Raoacute de
convergegravencia i estimacioacute de lrsquoerror
22 Sistemes lineals sobredeterminats
221 Descomposicioacute en valors singulars
23 Vectors i valors propis
231 Megravetode de la potegravencia per al cagravelcul de vectors i valors propis
3 Resolucioacute drsquoequacions no lineals
Megravetodes per a la resolucioacute drsquoequacions en una variable biseccioacute secant Newton punt fixOrdre de convergegravencia Megravetodes de Newton i del punt fix per a la resolucioacute drsquoequacions demeacutes drsquouna variable
31 Megravetodes per a la resolucioacute drsquoequacions en una variable
311 Megravetodes de la biseccioacute Megravetode de la secant Megravetode de Newton Megravetodes del
punt fix
312 Ordre de convergegravencia drsquoun megravetode iteratiu
32 Megravetodes per a la resolucioacute drsquoequacions en meacutes drsquouna variable
321 Megravetode de Newton Megravetodes del punt fix
4 Funcions aproximacioacute derivacioacute i integracioacute
Aproximacioacute de funcions interpolacioacute polinogravemica i foacutermula de Taylor Error en lainterpolacioacute polinomial Diferenciacioacute numegraverica algunes foacutermules drsquoaproximacioacute per al cagravelculde derivades Error Extrapolacioacute de Richardson Integracioacute numegraverica foacutermules de Newton-Cotes Megravetode de Romberg Megravetodes de Montecarlo
41 Aproximacioacute de funcions
411 Interpolacioacute polinogravemica i foacutermula de Taylor
412 Error en la interpolacioacute polinogravemica
42 Diferenciacioacute numegraverica
421 Foacutermules per al cagravelcul aproximat de derivades
43 Integracioacute numegraverica
431 Foacutermules de Newton-Cotes megravetode dels trapezis regla de Simpson etc
432 Megravetode de Romberg
44 Megravetodes de Montecarlo
Metodologia i activitats formatives
Classes expositives i magistrals per a les sessions teoricopragravectiques Les classes de problemes a lrsquoaulainformagravetica es desdoblen en dos o meacutes grups El professorat assigna els estudiants als grups En lessessions de problemes a lrsquoaula informagravetica es treballa amb el programari Matlab en els ordinadors delrsquoaula
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La nota final eacutes la suma ponderada de quatre notes NF = 03NP + 03NT + 04NE
mdash Nota NP (30 ) bull Treball a lrsquoaula drsquoinformagravetica dels algorismes estudiats amb sessions puntuables bull Treball de desenvolupament de programes pragravectics fora de lrsquohorari lectiu magravexim un per tema
mdash Nota NT (30 ) Exagravemens parcials sobre conceptes bagravesics de lrsquoassignatura magravexim un per temamdash Nota NE (40 ) Exagravemens parcials de resolucioacute de problemes amb el programari emprat en el curs
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Es recomana seguirlrsquoavaluacioacute continuada de treballs amb el programari Matlab
La nota final eacutes la suma ponderada de tres notes NF = 03NPC + 03NET + 04NEF
mdash Examen final de pragravectiques amb el programari emprat en el curs (30 ) Nota NPCmdash Examen final sobre conceptes bagravesics de lrsquoassignatura (30 ) Nota NETmdash Examen final de resolucioacute de problemes amb el programari emprat en el curs (40 ) Nota NEF
Reavaluacioacute
La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
GRAUMiquel et al Cagravelcul numegraveric Barcelona UPC 1993
Referegravencia bagravesica
KENNEDY William Jo et al Statistical Computing Statistics textbooks and monographs 33 New York[etc] Marcel Dekker 1980
Referegravencia bagravesica
KINCAID David et al Anaacutelisis numeacuterico las matemaacuteticas del caacutelculo cientiacutefico Buenos Aires [etc]Addison-Wesley Iberoamericana 1994
Referegravencia complementagraveria
STOER Josef et al Introduction to Numerical Analysis Texts in Applied Mathematics 12 3rd ed NewYork Springer Verlag 2002
Referegravencia bagravesica
THISTED Ronald A Elements of Statistical Computing Numerical computation New York [etc]Chapman and Hall 1988
Referegravencia complementagraveria
VANDERGRAFT James S Introduction to numerical Computations New York Academic Press 1983
Referegravencia bagravesica
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals
Codi de lassignatura 361231
Curs acadegravemic 2019-2020
Coordinacioacute Francisco De Asis Carmona Pontaque
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques de problemes 225
- Pragravectiques dordinadors 225
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoestadiacutestica matemagravetica i sobretot drsquoinferegravencia estadiacutestica
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures que contenen aquestes mategraveries comara Agravelgebra Lineal i Inferegravencia Estadiacutestica ja que contenen tots els conceptes bagravesics que srsquoutilitzaran
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
(Lrsquoalumnat ha de poder identificar un model lineal estimar-ne els paragravemetres i avaluar les hipogravetesisque es plantegin sobre aquest model I tambeacute ha de ser capaccedil de validar-lo)
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu central de lrsquoassignatura eacutes conegraveixer els models lineals i la seva aplicacioacute a les situacionsmeacutes usualsmdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model linealmdash Conegraveixer els mecanismes de decisioacute associats a les principals proves drsquohipogravetesi en modelslinealsmdash Saber caracteritzar un model de regressioacute lineal simple i muacuteltiplemdash Saber com es validen els models de regressioacute linealmdash Saber caracteritzar alguns models drsquoanagravelisi de la variagravencia senzills
Referits a habilitats destreses
mdash Saber resoldre lrsquoestimacioacute dels paragravemetres drsquoun model lineal mdash Saber analitzar les principals proves drsquohipogravetesi en models lineals mdash Saber calcular un model de regressioacute lineal mdash Saber validar els models de regressioacute lineal mdash Saber resoldre alguns models drsquoanagravelisi de la variagravencia senzills mdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtinguts
Blocs temagravetics
1 Regressioacute lineal simple
11 Estimacioacute dels coeficients de regressioacute per miacutenims quadrats
12 Descomposicioacute de la variabilitat
13 Coeficient de correlacioacute i coeficient de determinacioacute
14 Inferegravencia sobre els paragravemetres de regressioacute
15 Prediccioacute
16 Plantejament matricial
2 Models de regressioacute
21 Regressioacute lineal muacuteltiple
22 Mesures drsquoajust
23 Inferegravencia sobre els coeficients de regressioacute
24 Coeficients de regressioacute estandarditzats
25 Regressioacute polinogravemica
26 Introduccioacute a la diagnosi del model
3 El model lineal
31 Estimacioacute de paragravemetres per miacutenims quadrats
32 Propietats dels estimadors
33 Contrast drsquohipogravetesi lineal
34 Contrast de models
35 Funcions paramegravetriques estimables
4 El model lineal de lrsquoanagravelisi de la variagravencia
41 Model drsquoun factor
42 Comparacioacute de mitjanes
43 Altres models
44 Introduccioacute a lrsquoanagravelisi de la covariagravencia
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
A les classes de problemes es resolen exercicis Es donen indicacions de quins exercicis cal treballar cadasetmana de manera que lrsquoalumnat pugui resoldrersquols abans drsquoassistir a classe i si escau dedicar la sessioacutea resoldre dubtes Els problemes consisteixen en la resolucioacute drsquoexercicis de caragravecter teograveric o aplicatencaminats a la comprensioacute dels conceptes bagravesics de cada tema
Un component important de lrsquoassignatura eacutes el treball amb ordinador Al llarg del curs es donenindicacions de com treballar amb el llenguatge estadiacutestic R de manera que els estudiants puguin fer-loservir tant per dur a terme els programes o les simulacions que srsquoencarreguin com els cagravelculs i lesanagravelisis de dades que es plantegin Les pragravectiques drsquoordinador es destinen a fer problemes numegraverics perveure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de les dades mitjanccedilant models lineals
Opcionalment es pot fer un treball Per tal que el professorat el revisi cal discutir-lo conjuntament abansde presentar-lo
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada En aquest sentit a mig curs es fa una provacurta (de dues hores) que no eacutes eliminatograveria de mategraveria Si srsquoaprova aquesta curta sersquon fa una altra afinal de curs Per a lrsquoalumnat que no superi la primera prova hi ha una prova final de siacutentesi
Les dates de les proves es fan puacutebliques el primer dia de classe perquegrave els alumnes es puguinprogramar les activitats i no hi faltin
Opcionalment es pot demanar de presentar treballs o problemes solucionats si aixiacute ho especifica elprofessorat a principi de curs
Lrsquoestudiant que falti a alguna prova per causes justificades pot recuperar com a magravexim una prova eldia de la prova de siacutentesi Si no es fa cap prova curta o no lliura els treballs o problemes demanats srsquohadrsquoavaluar de forma uacutenica el dia que marqui el Consell Docent
La nota final de lrsquoavaluacioacute continuada eacutes
04xP1+04xP2+02xO o 04xP1+ 06xP2 o PS
en quegrave P1 eacutes la prova curta 1 P2 eacutes la prova curta 2 O eacutes el treball o exercicis opcionals i PS eacutes laprova de siacutentesi
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CARMONA Francesc Modelos lineales Barcelona Publicacions i Edicions de la Universitat de Barcelona2005
Eacutes un bon llibre de models lineals tot i que teacute un nivell massa elevat pelscontinguts que es donen a lrsquoensenyament
FARAWAY Julian James Linear Models with R Chapman amp HallCRC Press 2014
PENtildeA Daniel Estadiacutestica Modelos y Meacutetodos Vol 2 Madrid Alianza 1991
Eacutes un llibre que recull part de lrsquoassignatura
RAWLINGS John O Applied Regression Analysis a research tool New York [etc] Springer 1998
Tot i ser en anglegraves eacutes un llibre molt bo amb molts exemples comentats
MONTGOMERY Douglas C et al Introduction to Linear Regression Analysis 2nd ed New York [etc]Wiley 1992
OLIVA Francesc et al Propietats i eines drsquoagravelgebra matricial per a estadiacutestica Barcelona Universitat deBarcelona 1995
Pagravegina web
The R Project for Statistical Computing
LyX - El procesador de documentos
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Models Lineals Generalitzats
Codi de lassignatura 361234
Curs acadegravemic 2019-2020
Coordinacioacute JORDI CORTES MARTINEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Eacutes molt important que lrsquoestudiant tingui bons coneixements de matemagravetiques en especial drsquoagravelgebramatricial drsquoinferegravencia estadiacutestica i habilitats en el tractament de dades en diferents formats
Eacutes recomanable que lrsquoestudiant tingui aprovades les assignatures relacionades amb la modelitzacioacute i lainferegravencia estadiacutestica com ara Models Lineals Inferegravencia Estadiacutestica i Econometria aixiacute com SoftwareEstadiacutestic ja que contenen conceptes i eines que srsquoutilitzaran extensament
Competegravencies que es desenvolupen
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els processos drsquoestimacioacute de paragravemetres en un model lineal generalitzatmdash Saber caracteritzar un model de regressioacute lineal amb resposta normal binagraveria (regressioacutelogiacutestica) i entera o de Poisson (models log-lineals)mdash Conegraveixer els indicadors estadiacutestics de bondat de lrsquoajust i de la seva validesa per a la diagnosi ivalidacioacute dels models lineals proposats a nivell predictiu mdash Saber com es fa el proceacutes de validacioacute drsquoun model lineal generalitzatmdash Saber interpretar els resultats inferencials que es deriven de lrsquoajust drsquoun model linealgeneralitzatmdash Conegraveixer lrsquoextensioacute a models lineals generalitzats drsquoefectes aleatoris o models mixtos quan lesdades no soacuten independents
Referits a habilitats destreses
mdash Saber estimar els paragravemetres drsquoun model lineal generalitzatmdash Saber analitzar les principals proves drsquohipogravetesi associades als models lineals generalitzatsmdash Saber validar els models lineals generalitzats ajustatsmdash Saber resoldre alguns models lineals generalitzats drsquouacutes frequumlent model lineal generalregressioacute logiacutestica i models log-linealsmdash Ser capaccedil drsquointerpretar de manera rigorosa els resultats obtingutsmdash Ser capaccedil de triar entre les diverses possibilitats proporcionades per un paquet estadiacutestic tanta nivell de capacitats modeliacutestiques com de sortida de la informacioacute per tal de poder extreureconclusions drsquoutilitat en el proceacutes de modelitzacioacute concret que desenvolupa
Blocs temagravetics
1 Introduccioacute als models lineals generalitzats
11 Hipogravetesi del model Forma canogravenica paragravemetres
12 Propietat dels scores matriu drsquoinformacioacute esperada
13 Funcioacute drsquoenllaccedil rol
14 Mesures de bondat (desviagravencia (D i Drsquo) i R2)
15 Inferegravencia raoacute de versemblances i estadiacutestics de Wald
2 Models per resposta normal
21 Regressioacute lineal muacuteltiple cas particular drsquoMLGz
22 Matrius de disseny efectes principals i interaccions
23 Model lineal general
24 Diagnosi i validacioacute seleccioacute del model anagravelisi de residus valors influents
Diagrames de residus parcials
3 Models per resposta binagraveria
31 Regressioacute logiacutestica resposta binomial
32 Interpretacioacute dels enllaccedilos habituals (logravegit progravebit i cloglog)
33 Estimacioacute inferegravencia i validacioacute
34 Presentacioacute de casos drsquoestudi
4 Models per comptatges
41 Models log-lineals resposta de Poisson
42 Modelitzacioacute de taules de contingegravencia
43 Estimacioacute inferegravencia i validacioacute
44 Diagnosi i tractament de la sobredispersioacute
45 Presentacioacute de casos drsquoestudi
5 Models lineals generalitzats amb efectes aleatoris
51 Models lineals generalitzats per a mesures repetides i dades longitudinals
52 Predictor lineal amb efectes aleatoris
53 Models lineals mixtos resposta gaussiana
54 Models lineals mixtos generalitzats resposta binomial i de Poisson
Metodologia i activitats formatives
Aquesta eacutes una assignatura presencial basada en un sistema de classes magistrals El professoratexposa a classe els continguts bagravesics de lrsquoassignatura i dona indicacions precises de com treballar-la(quegrave llegir per reforccedilar els conceptes i de quines fonts quins exercicis fer quines pragravectiques drsquoordinadoretc)
Un component important de lrsquoassignatura eacutes el treball amb ordinador i conjunts de dades reals Al llargdel curs es donen indicacions de com treballar amb lrsquoentorn estadiacutestic R de manera que els estudiantspuguin fer-lo servir tant per dur a terme els exercicis pragravectics que srsquoencarreguin com les anagravelisis dedades que es plantegin
Les pragravectiques soacuten totes drsquoordinador per veure diferents aspectes de la modelitzacioacute i lrsquoanagravelisi de lesdades mitjanccedilant models lineals generalitzats Les sessions de laboratori es desdoblen cada setmana eacutesa dir cadascun dels dos subgrups drsquoun grup complet teacute dues hores de laboratori setmanal El professorateacutes qui assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
La forma general drsquoavaluacioacute eacutes lrsquoavaluacioacute continuada en quegrave srsquoavalua
1 Conegraveixer i entendre alguns dels models meacutes importants de relacioacute lineal entre variables de la famiacuteliaexponencial
2 Davant de la descripcioacute drsquoun joc de dades ser capaccedil de formular correctament el model estadiacutesticassociat adient
3 Davant de la formulacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquoun paragravemetreestimar els paragravemetres del model mitjanccedilant lrsquouacutes del paquet estadiacutestic adequat
4 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar la bondat del model tot interpretant lainformacioacute facilitada pel programa estadiacutestic
5 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat saber interpretar-ne els estimadors en termes de lafuncioacute drsquoenllaccedil emprada
6 Davant dels resultats de lrsquoestimacioacute drsquoun model lineal amb resposta de la famiacutelia exponencial drsquounparagravemetre mitjanccedilant un paquet estadiacutestic adequat valorar gragraveficament la bondat del model sempreque el nombre de paragravemetres sigui reduiumlt
7 Davant de diversos models lineals generalitzats per un conjunt de dades fixat apuntar cap a laseleccioacute del millor model uacutes de variables com a factor o com a covariant introduccioacute de termes drsquoordresuperior al lineal en les covariables
8 Conegraveixer i entendre les limitacions de les propietats asimptogravetiques dels estadiacutestics implicats enlrsquoestimacioacute i validacioacute dels models lineals generalitzats
9 Conegraveixer els indicadors estadiacutestics de bondat del model desviagravencia estadiacutestic de Pearson AIC BIC
En aquest sentit al llarg del curs es fa una prova parcial que no eacutes eliminatograveria de mategraveria La data dela prova es fa puacuteblica el primer dia de classe perquegrave els alumnes es puguin programar les activitats i nohi faltin Tambeacute hi ha un examen final
Al llarg del curs srsquoha de presentar una segraverie de casos drsquoestudi solucionats que juntament amb elsexagravemens donen lloc a la nota final de curs
La nota final es basa en la foacutermula seguumlent
Magravexim02 x P1 + 03 x T + 05 x PF 03 x T + 07 x PF
P1 nota de lrsquoexamen parcialT nota mitjana de lliuraments de casos drsquoestudiPF nota de lrsquoexamen final
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Lrsquoavaluacioacute uacutenica eacutes una prova objectiva que es fa en la data marcada pel Consell Docent i que compregravenla totalitat dels temes i el lliurament dels treballs fets com a casos drsquoestudi
03 x T + 07 x PF
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
McCULLAGH Peter et al Generalized linear models London [etc] Chapman amp Hall 1989
FOX John Applied Regression Analysis and Generalized Linear Models Los Angeles [etc] SAGE 2008
FOX John et al An R Companion to Applied Regression Thousand Oaks Calif SAGE 2011
DOBSON Annette J An Introduction to generalized linear models Boca Raton CRC Press Chapman ampHall 2008
FARAWAY Julian James Extending the Linear Model with R Generalized Linear Mixed Effects andNonparametric Regression Models Boca Raton (Mass) Chapman amp HallCRC 2006
PINHEIRO Joseacute C et al Mixed-Effects Models in S and S-PLUS New York (NY) [eTc] Springer 2000
Pagravegina web
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute en Enginyeria
Codi de lassignatura 361258
Curs acadegravemic 2019-2020
Coordinacioacute M PAZ LINARES HERREROS
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 30
Aprenentatge autogravenom 60
Recomanacions
Requisits
361227 - Programacioacute No Lineal i Fluxos en Xarxes (Recomanada)
361226 - Programacioacute Lineal i Entera (Recomanada)
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar iintegrar la informacioacute)
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de la investigacioacute operativa habituals en optimitzacioacute en enginyeria i usarcorrectament la terminologia progravepia de lrsquoagraverea
Formular matemagraveticament i resoldre computacionalment mitjanccedilant lrsquouacutes de llenguatges demodelitzacioacute per a programacioacute matemagravetica problemes drsquooptimitzacioacute en enginyeria de diversesagraverees
Interpretar els resultats dels models drsquooptimitzacioacute en enginyeria i ser capaccedil drsquoelaborar informes ipresentacions on srsquoexposin els resultats
Blocs temagravetics
1 Optimitzacioacute en enginyeria del transport
Introduccioacute als models de localitzacioacute Heuriacutestiques de resolucioacute Problema del viatjant decomerccedil (TSP) Problema de rutes de vehicles (VRP) Models de rutes per a aplicacions de lalogiacutestica urbana laquostreet routingraquo Heuriacutestiques de resolucioacute Anagravelisi de problemes especiacuteficsde la logiacutestica a ciutats localitzacioacute de sensors per a la captura drsquoinformacioacute de tragravensit gestioacutedinagravemica de flotes de vehicles serveis de missatgeria recollida de residus
2 Optimitzacioacute en enginyeria de lrsquoenergia
Introduccioacute a lrsquooperacioacute de sistemes de potegravencia el sistema de produccioacute i transportdrsquoenergia nacional generacioacute regulada vs liberalitzada el mercat elegravectric majorista
Optimitzacioacute de lrsquooperacioacute regulada dels sistemes de potegravencia modelitzacioacute dels generadorsde turbina laquoeconomic dispatchraquo (ED) laquooptimal power flowraquo (OPF) laquounit commitmentraquo (UC)Optimitzacioacute de lrsquooperacioacute de mercats elegravectrics models de cassacioacute del mercat modelsdrsquooferta ograveptima de compra i venda drsquoenergia Modelitzacioacute i resolucioacute computacional delrsquooperacioacute de sistemes de potegravencia
Metodologia i activitats formatives
Les classes srsquoorganitzen al voltant drsquoestudis de cas drsquoaplicacioacute dels models i algorismes drsquooptimitzacioacute ala resolucioacute de problemes reals de lrsquoenginyeria de transport enginyeria de dades i enginyeria de lageneracioacute elegravectrica Dins de cada part del curs es fa una introduccioacute a lrsquoagraverea drsquoaplicacioacute es descriuen lescaracteriacutestiques dels models i algorismes drsquooptimitzacioacute i es resolen computacionalment casos pragravecticsreals Lrsquoalumnat ha de preparar un conjunt de projectes en quegrave ha de resoldre exemples de casos realsde les diferents agraverees drsquoaplicacioacute
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada consisteix en quatre pragravectiques dos per cada bloc de lrsquoassignatura Cada pragravecticaes fa en acabar el tema corresponent Els dos blocs tenen el mateix pes en la nota drsquoavaluacioacutecontinuada que es calcula fent la mitjana aritmegravetica de les notes obtingudes a les diferents pragravectiques
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova pragravectica a lrsquoaula drsquoinformagravetica en quegrave lrsquoestudiant ha deresoldre algun cas pragravectic relacionat amb els problemes estudiats a classe
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
DASKIN MS et al Location Models in Transportation En HALL Randolph W (ed) Handbook ofTransportation Science Boston [etc] Kluwer Academic 2003
TOTH Paolo et al (eds) The Vehicle Routing Problem Philadelphia Society for Industrial and AppliedMathematics 2002
ZHU Jizhong Optimization of Power System Operation Piscataway NJ Wiley-IEEE 2009
GOacuteMEZ EXPOacuteSITOAntonio et al (eds) Electric energy systems analysis and operation Boca RatonFla CRC Press 2009
WILLENBORG Leon et al Elements of statistical disclosure control New York Barcelona [etc] Springer2000
CRISTIANINI Nello et al An Introduction to Support Vector Machines And Other Kernel-Based LearningCambridge [etc] Cambridge University Press 2000
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Optimitzacioacute Financera
Codi de lassignatura 361257
Curs acadegravemic 2019-2020
Coordinacioacute Jose Bonifacio Saez Madrid
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Exposicioacute de continguts teograverics irealitzacioacute drsquoexemples drsquoaplicacioacute)
44
- Pragravectiques de problemes
(Plantejament i resolucioacute de problemes) 10
- Pragravectiques dordinadors
(Plantejament i resolucioacute amb ordinadorde problemes reals del moacuten financer)
6
Treball tutelatdirigit
(Realitzacioacute de les tasques encarregades pelprofessor)
40
Aprenentatge autogravenom
(Estudi personal per entendre lrsquoassignatura ipreparar les proves drsquoavaluacioacute)
50
Recomanacions
No hi ha requisits obligatoris per cursar aquesta assignatura De totes maneres per aprofitar millor elcurs es recomana
mdash Tenir coneixements previs drsquoestadiacutestica descriptiva
mdash Tenir coneixements bagravesics de cagravelcul diferencial i drsquoagravelgebra lineal
mdash Conegraveixer el funcionament drsquoExcelreg
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
- Treball en equip (capacitat de colmiddotlaborar amb els altres i de contribuir a un projecte comuacute capacitat de colmiddotlaborar en equips interdisciplinaris i en equips multiculturals)
- Capacitat daprenentatge i responsabilitat (capacitat danagravelisi de siacutentesi de visions globals idaplicacioacute dels coneixements a la pragravectica capacitat de prendre decisions i dadaptacioacute a novessituacions)
- Capacitat per usar els megravetodes estadiacutestics com a fonament de la presa de decisions enorganitzacions de diferents agravembits professionals
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Conegraveixer les eines financeres per valorar actius de renda fixa i de renda variable
Conegraveixer les diferents formes de mesurar i quantificar la rendibilitat i el risc drsquoun actiu financer
Conegraveixer els megravetodes drsquoanagravelisi i descomposicioacute del risc drsquouna cartera de valors
Conegraveixer el proceacutes complet de les diferents etapes que hi ha a lrsquohora de gestionar de formaograveptima una cartera de valors mobiliaris
Conegraveixer els models clagravessics drsquooptimitzacioacute financera aplicats a la gestioacute activa i passiva decarteres amb lrsquoobjectiu de trobar carteres diversificades
Conegraveixer els megravetodes de performance existents en el mercat per avaluar lrsquoeficiegravencia de lesdecisions preses pels gestors de carteres
Referits a habilitats destreses
Desenvolupar megravetodes que pugin avaluar quan un actiu financer esta infravalorat o sobrevalorat
Desenvolupar megravetodes que permetin determinar els moments idonis per comprar o vendre unactiu de renda variable aplicant les eines estadiacutestiques de lrsquoanagravelisi tegravecnica borsagraveria
Analitzar amb diferents criteris financers la viabilitat o no drsquoun projecte drsquoinversioacute
Aprendre a resoldre amb ordinador els problemes drsquooptimitzacioacute financera aplicats a laconstruccioacute de carteres eficients i ser capaccedilos de presentar els resultats
Referits a actituds valors i normes
Entendre al llarg del curs que el funcionament dels mercats financers teacute un fort componentsubjectiu i que de vegades influeixen en els resultats finals la sort i lrsquoatzar i en drsquoaltres elcomportament agregat dels inversors enfront del coneixement de determinades variablesmacroeconogravemiques no esperades
Aprendre a treballar en equip per obtenir resultats ograveptims atesa la gran quantitat drsquoinformacioacuteque apareix diagraveriament en els mercats financers
Blocs temagravetics
1 El mercat financer espanyol
La borsa a Espanya
Identificacioacute dels actius financers
Formes de valoracioacute drsquouna accioacute
Ordres de compravenda drsquoaccions
Drets econogravemics de les accions
Iacutendexs borsaris
2 Fonaments financers
Operacioacute financera
Interegraves simple venccedilut
Descompte comercial
Interegraves compost
Rendes financeres
Funcions financeres drsquoExcel
3 Rendibilitat de productes financers
Rendibilitat efectiva nominal i contiacutenua
Cagravelcul i interpretacioacute de la TAE TIR TRE RS TGR i TAR
Valoracioacute de lletres del tresor imposicions a termini fix efectes comercials
Valoracioacute de fons drsquoinversioacute plans de previsioacute bons de lrsquoestat preacutestecs liacutesing
Rendibilitat esperada drsquoun actiu
Rendibilitat histograverica drsquouna cartera drsquoactius
Rendibilitat esperada drsquouna cartera drsquoactius
4 Risc financer
Definicioacute de risc
Mesures de risc drsquoun actiu financer
Mesures de risc drsquouna cartera drsquoactius financers
Relacioacute entre diversificacioacute i risc
Control del risc drsquouna cartera drsquoactius
Funcions drsquoExcel relacionades amb el risc
5 Gestioacute de carteres
Poliacutetica drsquoinversioacute drsquouna cartera
Megravetodes de seleccioacute drsquoactius per construir una cartera
Megravetodes de seleccioacute dels moments ograveptims per comprar i vendre
Megravetodes per valorar la gestioacute realitzada drsquouna cartera
6 Optimitzacioacute de carteres
Construccioacute de carteres de renda variable
Elements fonamentals de les carteres de renda fixa
Obtencioacute de carteres ograveptimes amb ordinador
Construccioacute de carteres mixtes de renda fixa i variable
Metodologia i activitats formatives
Les 150 hores estimades que lrsquoestudiant ha de dedicar a aquesta assignatura es divideixen de la maneraseguumlent
mdash 46 hores presencials en quegrave el professor treballa els conceptes teograverics del programa i presentaexemples drsquoaplicacioacute dels conceptes teograverics explicats per a una millor comprensioacute i obtencioacute delsobjectius de coneixements i habilitats especiacutefics Es fomenta lrsquoesperit criacutetic a lrsquohora drsquoobtenir conegraveixer icalcular les diferents mesures de rendibilitat i risc necessagraveries per construir formalment les carteresograveptimes diversificades de renda fixa i variable
mdash 14 hores presencials en quegrave es plantegen resolen i interpreten problemes del moacuten financer Enprincipi drsquoaquestes hores estagrave previst fer 2 sessions de 2 hores a les aules drsquoinformagravetica drsquouna bandaper aprofitar les aplicacions informagravetiques existents en els mercats financers i poder aprofundir enlrsquoaplicacioacute i interpretacioacute dels conceptes teograverics i drsquoaltra banda per resoldre problemes reals del mercatque requereixen un nombre elevat de variables sobretot si es volen construir carteres ograveptimes eficients idiversificades
mdash 40 hores no presencials de treball tutelat i dirigit en quegrave lrsquoalumnat pot resoldre els dubtes que se lihan plantejat en el desenvolupament i execucioacute dels treballs (individuals i en grup) que proposa elprofessor a cada estudiant o grup de manera diferenciada i personalitzada
mdash 50 hores drsquoaprenentatge autogravenom en quegrave lrsquoestudiant ha drsquoestudiar i treballar pel seu compte perpoder assolir amb garanties els objectius de lrsquoaprenentatge Tambeacute eacutes recomanable que mitjanccedilant lapremsa diagraveria i Internet estigui informat de lrsquoevolucioacute dels mercats financers
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute continuada es fa al llarg del curs i teacute principalment tres parts associades a les competegravenciesque srsquohan descrit per a aquesta assignatura
1 Avaluacioacute del joc de simulacioacute a la borsa espanyola
Al llarg del curs lrsquoestudiant duu a terme operacions de compravenda drsquoaccions del mercat espanyol amblrsquoobjectiu de construir una cartera que maximitzi la rendibilitat En funcioacute de la rendibilitat assolida per
la cartera a final de curs cada estudiant obteacute una nota que teacute una ponderacioacute del 10 respecte de lanota final Amb aquesta simulacioacute es desenvolupen les capacitats de prendre decisions drsquoadaptacioacute anoves situacions del mercat financer drsquoentendre el comportament dels seus companys enfront lesinversions realitzades i drsquointerpretar situacions i problemes reals
2 Avaluacioacute de treballs presentats al llarg del curs
Al llarg del curs es demanen tres treballs
El primer treball associat als continguts del tercer bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballen els conceptes de valoracioacute drsquoun producte financer o projecte drsquoinversioacute i larendibilitat drsquouna accioacute de lrsquoIBEX 35 Aquest primer treball teacute una ponderacioacute del 25 respecte de lanota final i permet desenvolupar les capacitats de formular dissenyar proposar modelitzar analitzarvalidar interpretar i resoldre problemes reals dels mercats financers
El segon treball associat als continguts del quart bloc temagravetic eacutes individual i diferent per a cadaestudiant srsquohi treballa entre drsquoaltres el concepte de risc de la mateixa accioacute de lrsquoIBEX 35 seleccionadaper al primer treball Desenvolupa les capacitats drsquoanagravelisi i drsquointerpretacioacute dels coneixements estadiacutesticsassolits en cursos anteriors a la pragravectica dels mercats financers Aquest segon treball pondera un 15 de la nota final
El tercer treball associat als continguts del sisegrave bloc temagravetic eacutes en grup cada estudiant aporta lainformacioacute obtinguda per la seva accioacute en els dos treballs anteriors i conjuntament han de construir unacartera ograveptima segons algun dels models de gestioacute de carteres explicats a classe Aquest treball teacute unaponderacioacute del 10 respecte de la nota final i desenvolupa la capacitat de formular i gestionarprojectes perograve sobretot la capacitat de treballar en equip ja que cada membre ha de colmiddotlaborar ambels altres i contribuir a un projecte comuacute
Els treballs han de presentar-se dintre dels terminis marcats pel professor i es valora si lrsquoestudiant haassolit totes les competegravencies que es demanen en cadascun
3 Avaluacioacute dels coneixements
Al final del segon bloc temagravetic en la data fixada pel professor es duu a terme una prova escritaassociada al primer i segon bloc temagravetic La prova eacutes eminentment pragravectica perograve tambeacute incloupreguntes de reflexioacute i raonament respecte del funcionament del mercat financer espanyol i els seusfonaments Aquesta prova teacute una ponderacioacute del 10 respecte de la nota final
Al final de curs i en la data i lloc que fixi el Consell Docent lrsquoestudiant pot presentar-se a una provaescrita en la qual ha de posar de manifest la seva capacitat drsquoaprenentatge dels coneixements teograverics ipragravectics adquirits al llarg del curs amb la formulacioacute resolucioacute i presa de decisions de problemesfinancers No eacutes obligatori presentar-se a aquesta prova ja que amb la suma de la nota del joc desimulacioacute en borsa la prova escrita i les notes dels treballs pot haver superat els 5 punts quesrsquoexigeixen per aprovar lrsquoassignatura En cas contrari lrsquoestudiant ha de presentar-se i treure la nota queli falta per superar els 5 punts Aquesta prova teacute una ponderacioacute del 30 respecte de la nota final Enaquesta prova tambeacute es valora la capacitat de lrsquoestudiant per memoritzar i comprendre les foacutermules quehan aparegut al llarg del curs i la capacitat psicologravegica drsquoentendre el comportament dels seuscompanys enfront drsquouna determinada situacioacute que proposa el professor el dia de la prova
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data que
fixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignaturala nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient Qui opti per ferlrsquoavaluacioacute uacutenica de lrsquoassignatura ha de fer la mateixa prova escrita que fan els alumnes drsquoavaluacioacutecontinuada en la data i el lloc que determini el Consell Docent perograve en aquest cas aquesta provaescrita teacute una ponderacioacute del 100 de la nota final La nota miacutenima per aprovar eacutes de 5 punts
Reavaluacioacute
Els estudiants que no superin lrsquoassignatura poden presentar-se a lrsquoexamen de reavaluacioacute en la data quefixi el Consell Docent Aquesta prova escrita inclou els continguts teograverics i pragravectics de tota lrsquoassignatura ila nota miacutenima per aprovar eacutes de 5 punts La nota de lrsquoexamen de reavaluacioacute eacutes la qualificacioacute final delrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALEXANDER Gordon J et al Fundamentos de inversiones Teoriacutea y praacutectica Meacutexico DF [etc] PearsonEducacioacuten 2003
BODIE Zvi et al Principios de inversiones Madrid [etc] McGraw-HillInteramericana de Espantildea 2004
BODIE Zvi et al Finanzas Meacutexico [etc] Pearson Educacioacuten 2003
CORDOBA Miguel Anaacutelisis financiero Renta fija fundamentos y operaciones Madrid Thomson 2003
ELTON Edwin J et al Modern portfolio theory and investment analysis New York [etc] Wiley 1995
GOacuteMEZ-BEZARES Fernando Gestioacuten de carteras eficiencia teoriacutea de cartera CAPM APT BilbaoDescleacutee de Brouwer 2016
MARIN Joseacute Mariacutea et al Economiacutea Financiera Barcelona Antoni Bosch 2001
MARKOWITZ Harry M Portfolio selection efficient diversification of investments Oxford Basil Blackwell1991
MURPHY John J Anaacutelisis teacutecnico de los mercados financieros Barcelona Gestioacuten 2000
SANCHEZ Joseacute L (dir) Curso de Bolsa y Mercados Financieros Barcelona Ariel 2007
SHARPE William F Portfolio Theory and Capital Markets New York [etc] McGraw-Hill 2000
SUAacuteREZ Andreacutes-Santiago Decisiones oacuteptimas de inversioacuten y financiacioacuten en la empresa MadridPiraacutemide 2014
TERCENtildeO Antonio Matemaacutetica financiera Madrid Piraacutemide 1997
VILLALBA Daniel Teoriacutea y praacutectica de la gestioacuten de carteras Madrid BME 2016
Pagravegina web
wwwaiafcom
wwwinvertiacom
wwweleconomistaes
wwwbolsamaniacom
wwwcnmves
wwwbolsamadrides
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Principis dEconomia
Codi de lassignatura 361210
Curs acadegravemic 2019-2020
Coordinacioacute Antonio Manresa Sanchez
Departament Departament dEconomia
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 15
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Per millorar la productivitat es recomana que lrsquoestudiant vingui a classe havent fet la lectura del temacorresponent del manual de lrsquoassignatura
Competegravencies que es desenvolupen
- Capacitat comunicativa (capacitat de comprendre i dexpressar-se oralment i per escrit en catalagravecastellagrave i una tercera llengua amb domini del llenguatge especialitzat capacitat de cercar usar i
integrar la informacioacute)
- Compromiacutes social i orientacioacute cap a la sostenibilitat
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes realsadaptant els models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
Lrsquoobjectiu fonamental de lrsquoassignatura eacutes que lrsquoestudiant conegui els principis bagravesics delrsquoeconomia tant en la seva vessant microeconogravemica com en la macroeconogravemica Tambeacute eacutesimportant que sigui capaccedil drsquoaplicar els coneixements teograverics a la realitat econogravemica mitjanccedilantexemples exercicis i problemes pragravectics Aixiacute mateix eacutes essencial que aprengui la terminologiaeconogravemica els instruments i models emprats per arribar a comprendre i analitzar el moacuten real atraveacutes de lrsquoanagravelisi econogravemica com a instrument bagravesic per assolir-ho
En concret es busca assolir les competegravencies seguumlents capacitat per interpretar dadeseconogravemiques i resoldre problemes econogravemics capacitat drsquoanagravelisi i siacutentesi capacitat drsquoorganitzacioacutei planificacioacute habilitat per analitzar i buscar informacioacute que proveacute de diferents fonts
Blocs temagravetics
1 Introduccioacute a lrsquoeconomia
11 Conceptes bagravesics
12 La frontera de possibilitats de produccioacute
2 Anagravelisi microeconogravemica
21 Activitat econogravemica
22 Produccioacute
23 Demanda
24 Mercat
25 Estructures de mercat
26 Fallades del mercat
3 Anagravelisi macroeconogravemica
31 Magnituds macroeconogravemiques
32 Renda consum estalvi inversioacute
33 Diner i mercats financers
34 Oferta i demanda agregades Inflacioacute
35 Desocupacioacute El mercat de treball
36 Intervencioacute puacuteblica
4 Economia internacional
41 Comerccedil internacional
42 Balanccedila de pagaments
43 Tipus de canvi
Metodologia i activitats formatives
El seguiment de lrsquoassignatura es fa mitjanccedilant
1 Assistegravencia a classe on srsquoexpliquen i es treballen els continguts meacutes complicats de la bibliografiabagravesica Setmanalment es planteja lrsquoanagravelisi de casos extrets de la premsa o drsquoinformes econogravemics sobreconceptes teories i models del contingut del programa
2 Autoaprenentatge Lrsquoestudiant desenvolupa activitats de manera autogravenoma per consolidar conceptesaixiacute com per resoldre exercicis plantejats pel professorat
3 Srsquoutilitza el Campus Virtual com a canal de comunicacioacute per tal de facilitar els materials o avisos quecorresponguin
4 Sessions pragravectiques amb el grup desdoblat en quegrave es duen a terme diferents tipus drsquoactivitatsactivitats drsquoavaluacioacute continuada resolucioacute drsquoexercicis presentacions tutories per grup discussioacute detextos relacionats amb el temari explicat a lrsquoaula pregraveviament proposats a lrsquoestudiant com a lecturaAquestes sessions consisteixen en un total de 5 hores per a cada subgrup durant el curs La planificacioacutedrsquoaquestes sessions es detalla en el programa de lrsquoassignatura
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Al llarg del curs es fan dues proves escrites drsquoavaluacioacute continuada la suma de les dues suposen el100 de la nota final La primera prova escrita es duu a terme un cop acabat el primer bloc temagravetic (ameitat del semestre) i la segona un cop acabat el segon bloc temagravetic (a final del semestre)
Lrsquoestudiant que vulgui renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-hoabans de la data que srsquoestableixi i que es fa puacuteblica amb prou antelacioacute
La prova de lrsquoavaluacioacute uacutenica consisteix en un uacutenic examen de tota la mategraveria
Avaluacioacute uacutenica
Qui opti per lrsquoavaluacioacute uacutenica ha de fer un uacutenic examen drsquoacord amb el programa amb preguntes deraonament teograveric i la resolucioacute de problemes La data de lrsquoexamen estagrave fixada pel Consell Docent(abans del periacuteode de matriculacioacute dels estudiants) La reavaluacioacute teacute les mateixes caracteriacutestiques quela prova drsquoavaluacioacute uacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
MANKIW N Gregory Principios de Economia Madrid Paraninfo 2014
BERNANKE Ben et al Principios de Economia Madrid Mc Graw Hill 2007
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Probabilitat i Processos Estocagravestics
Codi de lassignatura 361218
Curs acadegravemic 2019-2020
Coordinacioacute Jose Maria Oller Sala
Departament Departament de Genegravetica Microbiologia i Estadiacutestica
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 45
- Pragravectiques de problemes 10
- Pragravectiques dordinadors 5
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Haver cursat les assignatures de 1r curs Introduccioacute a la Probabilitat Introduccioacute al Cagravelcul Agravelgebra Lineal
Altres recomanacions
Assistir a classe sempre
Competegravencies que es desenvolupen
- Capacitat dutilitzar els procediments matemagravetics especiacutefics habituals en estadiacutestica i investigacioacute operativa
- Capacitat de proposar modelitzar analitzar validar i interpretar situacions i problemes reals adaptant els
models teograverics a les necessitats especiacutefiques de les diferents agraverees daplicacioacute
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer els models multivariants bagravesics i les seves propietatsmdash Conegraveixer el concepte de la funcioacute generatriu de probabilitat i la generadora de momentsmdash Conegraveixer els diferents tipus de convergegravencies de successions de variables aleatograveries i els principalsresultats associats llei dels grans nombres i teorema del liacutemit centralmdash Conegraveixer el concepte de proceacutes estocagravestic i les seves propietats bagravesiquesmdash Conegraveixer els principals tipus de processos estocagravestics i identificar les situacions reals a les quals soacutenaplicables
Referits a habilitats destreses
mdash Calcular probabilitats a partir del model del vector aleatorimdash Calcular densitats marginals i funcions de vectors aleatorismdash Calcular matrius de covariagravencies i coeficients de correlacioacutemdash Calcular funcions generatrius de probabilitat i de moments mdash Comprovar quan una successioacute de variables aleatograveries convergeixmdash Determinar la matriu de transicioacute drsquouna cadena de Markov amb espai drsquoestats finit
Blocs temagravetics
1 Distribucions multivariants
11 Variables aleatograveries multivariants discretes i contiacutenues
12 Marginals i condicionades Independegravencia de variables aleatograveries
13 Matriu de variagravencies i covariagravencies Coeficient de correlacioacute
14 Lrsquoesperanccedila condicionada com a variable aleatograveria
15 Transformacions de variables aleatograveries multivariants
2 Distribucioacute normal multivariant
21 Normal bivariant
22 Normal multivariant
23 Prediccioacute en el cas de la normal bivariant
24 Distribucions relacionades amb la normal
3 Funcions generatrius
31 Segraveries de potegravencies
32 Funcioacute generatriu de probabilitat
33 Funcioacute generadora de moments
4 Convergegravencia de variables aleatograveries
41 Convergegravencia en distribucioacute
42 Teorema del liacutemit central
43 Altres tipus de convergegravencies de variables aleatograveries
44 Lleis dels grans nombres
45 Convergegravencies de sumes de variables aleatograveries i drsquoaltres transformacions
5 Processos estocagravestics
51 Cadenes de Markov
52 Passeigs aleatoris
53 Processos de ramificacioacute
54 Processos de Poisson
Metodologia i activitats formatives
El megravetode docent es basa en tres tipus drsquoactivitats presencials (a classe)
mdash Classes de teoria Dues sessions setmanals (dues hores + una hora) on es presenta el material delrsquoassignatura Srsquoemfasitzen les idees i els conceptes Es miren amb detall les demostracions que pel seu continguti desenvolupament resulten pedagogravegicament creatives i formatives
mdash Classes de problemes Sessions drsquouna hora setmanal (durant 10 setmanes) Els alumnes disposen al principide cada tema de la colmiddotleccioacute de problemes corresponent En finalitzar cada tema es deixen les solucions en elCampus Virtual El professorat indica amb antelacioacute quins soacuten els problemes que cal treballar per a la classeseguumlent Tambeacute comenta les diferents formes drsquoabordar-los i els resol a la pissarra En ocasions es deixa temps ala mateixa classe perquegrave els alumnes resolguin algun problema
mdash Pragravectiques drsquoordinador Sessions drsquouna hora setmanal (durant 5 setmanes) Es treballa amb el programa RTots els alumnes que puguin han de portar a classe els seus portagravetils i compartir-los amb els que no en tinguinEls alumnes disposen al principi de cada tema drsquoun guioacute de la pragravectica En finalitzar cada tema es deixa unapossible solucioacute en el Campus Virtual
A meacutes a meacutes es proposen setmanalment activitats (problemes per resoldre pragravectiques amb lrsquoordinador) que elsestudiants han de fer no presencialment i lliurar la setmana seguumlent Aquestes activitats srsquoavaluen
Es fa servir el Campus Virtual com a repositori del material del curs i tambeacute per concretar les activitatsproposades setmanalment Alguns dels lliuraments de feines es fan directament en el Campus Virtual
Srsquoespera que els alumnes assisteixin a classe sempre ja que una assistegravencia irregular no permet assolir lescompetegravencies que lrsquoassignatura es marca com a objectius
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Eacutes lrsquoopcioacute recomanada per als estudiants que assisteixen regularment a classe (que haurien de ser tots) Constade tres parts
1 Lliurament setmanal de problemes (LliuSetm)
2 Examen parcial en finalitzar el tema 1 (ExParcial)3 Examen final que coincideix amb la data de lrsquoavaluacioacute uacutenica (ExFinal)
Aquestes tres parts avaluen les competegravencies de lrsquoassignatura
Els exagravemens parcial i final tenen la mateixa estructura amb una part de preguntes de teoria i entre dos i quatreproblemes El pes de les preguntes de teoria eacutes entre un 20 i un 30 del total
La qualificacioacute global de lrsquoassignatura eacutesGlobal = 020 Max(LliuSetm ExFinal) + 025 Max(ExParcial ExFinal) + 055 ExFinalPer tant la nota dels lliuraments setmanals i del parcial es tenen en compte (amb pesos respectius del 20 idel 25 del global) nomeacutes si soacuten superiors a la nota de lrsquoexamen final
Els estudiants que no es presentin a lrsquoexamen final tenen un laquoNo presentatraquo com a qualificacioacute global delrsquoassignatura
Avaluacioacute uacutenica
Els estudiants poden optar entre dues formes drsquoavaluacioacute avaluacioacute continuada o avaluacioacute uacutenica Qui vulguirenunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica ha de fer-ho abans de la data que srsquoestableixi ique es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica consta de dues parts teoria (amb un pes entre el 20 i el 30 ) i problemes (ambun pes entre el 70 i el 80 ) Els continguts drsquoaquestes proves soacuten semblants (en temagravetica i dificultat) als deles classes presencials Aquestes proves avaluen les competegravencies de lrsquoassignatura
La prova drsquoavaluacioacute uacutenica es fa en la data fixada pel Consell Docent (abans del periacuteode de matriculacioacute delsestudiants)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
CHUNG Kai Lai Elementary probability theory with stochastic processes and an introduction to mathematicalfinance New 4th ed York [etc] Springer 2003
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior Chung 1983)
DeGROOT Morris H et al Probability and statistics 2nd ed Reading (Mass) [etc] Addison-Wesley 2012
(Hi ha la versioacute en castellagrave drsquouna edicioacute anterior DeGroot 1988)
GRIMMETT Geoffrey et al Probability and random processes Oxford [etc] Oxford University Press 2001
GRIMMETT Geoffrey et al Probability An Introduction Oxford Clarendon Press1986
JULIAgrave DE FERRAN Olga et al Probabilitats problemes i meacutes problemes Barcelona Publicacions i Edicions de laUniversitat de Barcelona 2005
GUT Allan An Intermediate Course in Probability New York [etc] Springer 2009
PITMAN Jim Probability New York Springer 1993
SANZ Marta Probabilitats Barcelona Edicions Universitat de Barcelona 1999
GRINSTEAD Charles M et al Introduction to probability Providence (RI) American Mathematical Society 2006
(Accessible via webhttpwwwdartmouthedu~chanceteaching_aidsbooks_articlesprobability_bookbookhtml)
EVANS Michael John et al Probability and Statistics The Science of Uncertainty New York WH Freeman andCompany 2010
EVANS Michael John et al Probabilidad y estadiacutestica La ciencia de la incertidumbre Barcelona Reverte 2005(Trad de Probability and Statistics The science of uncertainty First Edition 2003)
PENtildeA Daniel Fundamentos de estadiacutestica Madrid Alianza 2008
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute
Codi de lassignatura 361192
Curs acadegravemic 2019-2020
Coordinacioacute MARTA FAIREacuteN GONZALEZ
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Competegravencies que es desenvolupen
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer i entendre les diferents estructures de dades en lrsquoentorn de programacioacute estadiacutesticaR i les seves diferegravenciesmdash Entendre la necessitat drsquoestructurar les dades en un algorisme i les diferents possibilitatsdepenent de les necessitats del problemamdash Entendre per quegrave de vegades cal usar una estructura de dades o una altra per resoldre unproblemamdash Conegraveixer les tegravecniques bagravesiques de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Referits a habilitats destreses
mdash Aplicar els coneixements sobre estructures de dades per resoldre problemes de mitjanaenvergaduramdash Aplicar els coneixements bagravesics de lrsquoanagravelisi drsquoeficiegravencia drsquoun algorisme
Blocs temagravetics
1 Repagraves drsquoeines fonamentals de la programacioacute
11 Els vectors
12 Esquema de recorregut i esquema de cerca
13 Disseny descendent (accions i funcions)
2 Les matrius (taules)
21 Conceptes
22 Recorreguts i acceacutes
3 Combinacioacute de dades de diferent tipus (List)
31 Introduccioacute i conceptes generals
32 Construccioacute i operacions amb el tipus List
4 Estructures de dades meacutes complexes (Data Frames)
41 Introduccioacute i conceptes bagravesics
42 Construccioacute i operacions amb Data Frames
43 Combinacions drsquoestructures
Metodologia i activitats formatives
El megravetode docent es basa en dos tipus drsquoactivitats presencials (a classe)
1 Classes de teoria i problemes en quegrave lrsquoobjectiu eacutes presentar les eines i tegravecniques incloses com acontinguts de lrsquoassignatura i alhora resoldre i analitzar els problemes relacionats amb la teoriapresentada de manera intercalada
2 Classes de laboratori (pragravectiques drsquoordinador) que es duen a terme a les aules drsquoinformagravetica de laFacultat en quegrave lrsquoobjectiu eacutes lrsquoaplicacioacute pragravectica del que srsquoha vist a les classes de teoria i problemes enels ordinadors i especialment el desenvolupament de programes
El grup es desdobla en dos per a les classes de teoria tots els estudiants tenen el mateix horari i fan lesclasses dos professors En canvi el grup es desdobla en tres per a les classes de laboratori (pragravectiquesdrsquoordinador) tambeacute tots els estudiants fan el mateix horari i imparteixen les classes tres professors
Avaluacioacute acreditativa dels aprenentatges
Lrsquoavaluacioacute de lrsquoassignatura es basa principalment en dos tipus drsquoactivitats
a) Dues proves escrites que no eliminen temari i que consisteixen en la resolucioacute per escrit drsquounconjunt drsquoexercicis o problemesmdash Una prova de seguiment que es duu a terme a la meitat del curs (NEPar) Aquesta prova es fa cap ala meitat del semestremdash Una prova final (NEFin) Es fa el mateix dia que la prova drsquoavaluacioacute uacutenica
b) Una prova pragravectica que es fa en els ordinadors (NPRAC) en lrsquouacuteltima classe de laboratori
El cagravelcul de la nota final es fa segons el procediment seguumlent
NCON = Magravex ((03 NEPar + 07 NEFin) NEFin)
NFINAL = 03 NPRAC + 07 NCON
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una uacutenica prova escrita que dona la nota final (NFINAL)
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHO Alfred V et al Estructuras de datos y algoritmos Willmington Del Addison-WesleyIberoamericana 1988
MATLOFF Norman S The Art of R Programming A Tour of Statistical Software Design San Francisco NoStarch Press 2011
BRAUN John et al First Course in Statistical Programming with R Cambridge Cambridge University2007
Text electrogravenic
The R Project for Statistical Computing
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute Lineal i Entera
Codi de lassignatura 361226
Curs acadegravemic 2019-2020
Coordinacioacute F JAVIER HEREDIA CERVERA
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica
(Classes de teoria i problemes) 375
- Pragravectiques dordinadors
(Laboratoris computacionals ambSASOR)
225
Treball tutelatdirigit
(Realitzacioacute i seguiment dels exercicis deteoria i laboratori proposats a classe)
38
Aprenentatge autogravenom 52
Recomanacions
Tenir els coneixements i habilitats bagravesiques drsquoanagravelisi agravelgebra lineal programacioacute investigacioacute operativa iSAS de les assignatures seguumlentsmdash Introduccioacute al Cagravelcul Agravelgebra Lineal Cagravelcul de Diverses Variables Megravetodes Numegravericsmdash Introduccioacute a la Informagravetica Programacioacute
mdash Software Estadiacutestic (SAS)mdash Introduccioacute a la Investigacioacute Operativa
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
- Capacitat per utilitzar el megravetode doptimitzacioacute apropiat per als diferents models dinvestigacioacuteoperativa
Objectius daprenentatge
Referits a coneixements
Conegraveixer els models de presa de decisioacute meacutes importants de la investigacioacute operativa en diversoscamps drsquoaplicacioacute
Analitzar problemes de presa de decisioacute amb lrsquoobjectiu de formular i resoldre computacionalmentel model drsquooptimitzacioacute meacutes adient
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal i dels seusalgorismes de resolucioacute aixiacute com de les tegravecniques drsquoanagravelisi de sensibilitat
Comprendre les propietats matemagravetiques dels problemes de programacioacute lineal entera i dels seusalgorismes de resolucioacute
Referits a habilitats destreses
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal a problemesacadegravemics de dimensioacute reduiumlda
Resoldre problemes pragravectics mitjanccedilant lrsquoaplicacioacute de tegravecniques drsquoanagravelisi de sensibilitat a modelsde programacioacute lineal
Aplicar sense ajut computacional els algorismes estudiats de programacioacute lineal entera aproblemes acadegravemics de dimensioacute reduiumlda
Resoldre problemes reals de presa de decisioacute mitjanccedilant lrsquouacutes drsquoalgun programari drsquooptimitzacioacute dereferegravencia corresponent als diferents algorismes drsquooptimitzacioacute estudiats al llarg del curs
Blocs temagravetics
1 Introduccioacute a la programacioacute lineal (PL)
11 Formulacioacute de problemes de programacioacute lineal
12 Representacioacute gragravefica i solucioacute de problemes de programacioacute lineal
13 Repagraves de conceptes drsquoagravelgebra lineal Complexitat algoriacutesmica
14 Implementacioacute i resolucioacute computacional de problemes de programacioacute lineal amb el
procediment OPTMODEL de SASOR (laboratori 1)
2 Teoria de programacioacute lineal i algorisme del siacutemplex
21 Geometria en programacioacute lineal poliedres i conjunts convexos punts extrems
vegravertexs i solucions bagravesiques degeneracioacute existegravencia i optimitat dels punts extrems
22 Lrsquoalgorisme del siacutemplex condicions drsquooptimitat desenvolupament de lrsquoalgorisme del
siacutemplex implementacions del megravetode del siacutemplex cagravelcul de solucions inicials factibles
eficiegravencia computacional de lrsquoalgorisme del siacutemplex
23 Estudi computacional de lrsquoalgorisme del siacutemplex procediment OPTLP de SASOR
(laboratori 2)
3 Dualitat en programacioacute lineal i anagravelisi de sensibilitat
31 Teoria de dualitat motivacioacute del problema dual teorema de dualitat i de folga
complementagraveria variables duals i costos marginals lrsquoalgorisme del siacutemplex dual
32 Anagravelisi de sensibilitat anagravelisi de sensibilitat local anagravelisi de sensibilitat global
programacioacute paramegravetrica
33 Anagravelisi de sensibilitat global amb SASOR programacioacute amb el procediment
OPTMODEL (laboratori 3)
4 Models de programacioacute lineal entera (PLE)
41 Definicioacute i formulacioacute de problema de PLE i PLE mixta
42 Formulacions vagravelides fortes i ideals de problemes de programacioacute entera
43 Implementacioacute de problemes PLE amb SASOR (PROC OPTMODEL) i enllaccedil amb bases
de dades SAS (laboratori 4)
5 Algorismes de programacioacute lineal entera
51 Introduccioacute repagraves de lrsquoalgorisme de ramificacioacute i poda (branch-and-bound)
classificacioacute dels megravetodes de programacioacute lineal entera
52 Algorismes de plans de tall algorisme genegraveric talls de Gomory algorisme de plans
de tall de Gomory
53 Algorismes de ramificacioacute i tall (branch-and-cut) algorisme genegraveric de ramificacioacute i
tall (branch-and-cut)
54 Resolucioacute eficient de les relaxacions lineals reoptimitzacioacute amb el siacutemplex dual
55 Implementacioacute i resolucioacute computacional de problemes PLE amb SASOR
procediment OPTMILP (laboratori 5)
Metodologia i activitats formatives
Classes de teoria sessions magistrals en quegrave amb lrsquoajut de les transparegravencies de classe esdesenvolupen els aspectes formals de lrsquoassignatura ilmiddotlustrats amb nombrosos exemples numegravericsdescrits tant a les transparegravencies com a la pissarra
Classes de problemes sessions participatives en quegrave amb lrsquoajut de la Colmiddotleccioacute drsquoExercicis de Teoriade lrsquoassignatura es vol facilitar la comprensioacute dels continguts de les classes de teoria Cada setmana esproposen uns exercicis de la colmiddotleccioacute que es resolen i discuteixen a la pissarra a la sessioacute seguumlentAlgunes drsquoaquestes sessions es destinen a la resolucioacute i discussioacute dels controls de teoria
Sessions de laboratori sessions participatives destinades a la formulacioacute matemagravetica laimplementacioacute computacional i lrsquoanagravelisi de les solucions dels problemes drsquooptimitzacioacute estudiats alrsquoassignatura amb el programari de modelitzacioacute i optimitzacioacute SASOR Cada setmana es proposen unsexercicis de la Colmiddotleccioacute drsquoExercicis de Laboratori de lrsquoassignatura que es resolen i discuteixen a lasessioacute seguumlent Per a les sessions de laboratori es desdobla el grup en dos grups de laboratori queimparteixen simultagraveniament dos professors
Avaluacioacute acreditativa dels aprenentatges
Activitats de lrsquoavaluacioacute continuada
bull Controls de teoria proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb les propietats dels models i algorismes drsquooptimitzacioacute NCT eacutes la mitjana aritmegravetica deles notes sobre 10 dels controls de teoria
bull Controls de laboratori proves fetes a classe amb lrsquoobjectiu de fer el seguiment dels aprenentatgesrelacionats amb la formulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemesdrsquooptimitzacioacute NCL eacutes la mitjana aritmegravetica de les notes sobre 10 dels controls de laboratori
bull Prova drsquoavaluacioacute final de teoria i de laboratori prova per acreditar lrsquoadquisicioacute de les habilitats
teoricopragravectiques de lrsquoassignatura Consta de dos exagravemens diferents de teoria i laboratori ambnotes NAT i NAL respectivament
Nota drsquoavaluacioacute continuada srsquoobteacute aplicant lrsquoexpressioacute
NAC = 06min 10 FCTNAT + 04min 10 FCLNAL
on FCT i FCL soacuten factors entre 1 i 12 que srsquoobtenen a partir de les notes dels controls de teoriai laboratori respectivament segons les foacutermules
FCT = 1 + (2NCT10)10 i FCL = 1 + (2NCL10)10
Alliberament de mategraveria pel resultat dels controls Els alumnes amb NCT gt= 7 i cap nota decontrol de teoria lt 4 o NCL gt= 7 i cap nota de control de laboratori lt 4 queden alliberats delrsquoobligacioacute de fer la prova drsquoavaluacioacute final corresponent Si un alumne que pot alliberar mategraveria espresenta a la prova drsquoavaluacioacute final per tal de calcular la NAC es pren la millor nota entre els controls ila prova final eacutes a dir
max min 10 FCTNAT NCT i max min 10 FCLNAL NCL
Nota miacutenima per tal drsquoaprovar lrsquoavaluacioacute continuada cal que NAC gt= 5 i que NAT i NAL siguin gt=4
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
La prova drsquoavaluacioacute uacutenica eacutes la mateixa prova drsquoavaluacioacute final de teoria i de laboratori de lrsquoavaluacioacutecontinuada Consta de les parts seguumlents
bull Prova drsquoavaluacioacute de teoria examen per avaluar els aprenentatges relacionats amb les propietatsdels models i algorismes drsquooptimitzacioacute Consta drsquoun test (sense apunts) i un conjunt drsquoexercicis teograverics(amb transparegravencies de classe)
bull Prova drsquoavaluacioacute de laboratori examen per avaluar els aprenentatges relacionats amb laformulacioacute matemagravetica implementacioacute i resolucioacute computacional de problemes drsquooptimitzacioacute Constadrsquoun exercici pragravectic a lrsquoaula drsquoinformagravetica amb el programari usat durant el curs i les transparegravencies declasse
La nota drsquoavaluacioacute uacutenica srsquoobteacute aplicant lrsquoexpressioacute NAU = 06NAT + 04NAL on NAT i NAL soacutenrespectivament la nota sobre 10 de la prova drsquoavaluacioacute de teoria i de laboratori Per tal drsquoaprovarlrsquoavaluacioacute uacutenica cal que NAU gt= 5 i que NAT i NAL siguin gt= 4 La data de la prova drsquoavaluacioacuteuacutenica eacutes la fixada pel Consell Docent
La reavaluacioacute consisteix en una prova amb les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BERTSIMAS Dimitris et al Introduction to linear optimization Belmont (Mass) Athena Scientific1997
Text electrogravenic
HEREDIA FJavierTransparegravencies de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Transparegravencies de Laboratori de Programacioacute Lineal i Entera amb SASOR
HEREDIA F Javier Exercicis de Teoria de Programacioacute Lineal i Entera
PDF disponible mitjanccedilant el Campus Virtual
HEREDIA F Javier Exercicis de Laboratori de Programacioacute Lineal i Entera amb SASOR
PDF disponible mitjanccedilant el Campus Virtual
SASOR 93 Userrsquos Guide Mathematical Programming
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Programacioacute No Lineal i Fluxos en Xarxes
Codi de lassignatura 361227
Curs acadegravemic 2019-2020
Coordinacioacute Julia De Frutos Cachorro
Departament Departament de Matemagravetica Econogravemica Financera i Actuarial
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 30
- Pragravectiques dordinadors 30
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Coneixements i habilitats bagravesiques de les assignatures seguumlents Cagravelcul de Diverses Variables AgravelgebraLineal i Programacioacute Lineal i Entera
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
Objectius daprenentatge
Referits a coneixements
Lrsquoassignatura es basa en lrsquoestudi i resolucioacute de problemes de decisioacute mitjanccedilant tegravecniques quepermeten la identificacioacute i avaluacioacute sistemagravetica de totes les opcions de decisioacute del problema Ameacutes sempre que la naturalesa del problema que srsquoha de resoldre ho permeti eacutes convenientformular aquests problemes en termes matemagravetics
En la modelitzacioacute de problemes mitjanccedilant la programacioacute no lineal (PNL) srsquoafegeix una visioacutemeacutes propera de la realitat estudiada Lrsquoobjectiu del curs en relacioacute amb la PNL eacutes poderdeterminar la decisioacute ograveptima drsquoun problema a meacutes en el cas que el problema estigui subjecte arestriccions eacutes convenient saber si el problema teacute o no teacute solucioacute i en cas de tenir-ne quina eacutesla seva localitzacioacute i naturalesa Respecte a la temagravetica dels fluxos en xarxes com que gran part dels problemes es podenresoldre per programacioacute lineal lrsquoobjectiu del curs eacutes exposar tant les nocions elementals de lateoria com reconegraveixer els diferents tipus de problemes de fluxos en xarxes i estudiar algorismesespeciacutefics per resoldrersquols
Referits a habilitats destreses
Respecte a la programacioacute no lineal (PNL) es preteacuten que lrsquoestudiant sigui capaccedil demdash Formalitzar situacions simples mitjanccedilant problemes de programacioacute no linealmdash Aplicar els conceptes de la programacioacute no lineal per trobar resultats i deduir-ne la naturalesamdash Interpretar els resultats obtinguts en el context del modelmdash Analitzar models de lrsquoeconomia des del punt de vista de la PNLmdash Aplicar la PNL a problemes drsquooptimitzacioacute en estadiacutesticamdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiades i lrsquouacutes de programesinformagravetics com ara SAS i Excel
Respecte als fluxos en xarxes es preteacuten que lrsquoestudiant sigui capaccedil demdash Formular els problemes mitjanccedilant programes linealsmdash Distingir les particularitats dels diferents tipus de xarxesmdash Formalitzar situacions simples com a fluxos en xarxes identificant els elements i elsprocediments de resolucioacutemdash Aplicar diferents tipus drsquoalgorismes en un mateix model de xarxa i comparar-ne els resultatsmdash Resoldre problemes mitjanccedilant lrsquoaplicacioacute de les tegravecniques estudiadesmdash Interpretar els resultats i desenvolupar una capacitat criacuteticamdash Definir i resoldre problemes de fluxos en xarxes mitjanccedilant lrsquouacutes de programes informagravetics comara SAS i Excel
Blocs temagravetics
1 Programacioacute no lineal
11 Introduccioacute a la programacioacute no lineal conceptes preliminars i definicions
12 Resolucioacute de problemes de programacioacute no lineal sense restriccions
13 Megravetodes de programacioacute no lineal basats en lrsquoaproximacioacute
14 Programacioacute no lineal amb restriccions megravetode de multiplicadors de Lagrange i
condicions de Kuhn-Tucker
15 Algorismes de resolucioacute de problemes no lineals restringits
16 Aplicacions
2 Fluxos en xarxes
21 Models de xarxes definicions bagravesiques i exemples
22 Problema de la trajectograveria meacutes curta
23 Problema de flux magravexim
24 Problema de flux amb cost miacutenim en una xarxa
25 Altres aplicacions
Metodologia i activitats formatives
La metodologia amb la qual es volen assolir els objectius de lrsquoassignatura consisteix drsquouna banda enclasses magistrals de caragravecter teoricopragravectic i de lrsquoaltra en activitats pragravectiques a lrsquoordinador Respectede les classes es preteacuten que lrsquoanagravelisi de diferents exemples condueixi a la necessitat de definirconceptes bagravesics i que despreacutes aquests conceptes i procediments srsquoapliquin a exemples meacutes complexosprovinents de la realitat econogravemica Per aixograve les activitats pragravectiques que es proposen tenen un paperimportant en lrsquoassoliment drsquoaquests objectius
Avaluacioacute acreditativa dels aprenentatges
Com a norma general lrsquoavaluacioacute ha de ser continuada En cas que lrsquoestudiant manifesti que no potcomplir els requisits drsquouna avaluacioacute continuada teacute dret a una avaluacioacute uacutenica Aquesta decisioacute ha deconstar per escrit amb una cogravepia per a lrsquoestudiant i una altra per al professor abans de la data quesrsquoestableixi i que es fa puacuteblica amb prou antelacioacute
Avaluacioacute continuada
Lrsquoavaluacioacute continuada consisteix en dues proves escrites presencials al final de cada bloc temagravetic i dediferents pragravectiques a lrsquoordinador al llarg del curs El calendari de les proves escrites es fa puacuteblic en elCampus Virtual a lrsquoinici de cada curs
La nota de curs (o nota drsquoavaluacioacute continuada) segueix la foacutermula seguumlent
Nota de curs = Nota de proves escrites 07 + Nota de pragravectiques 03
On Nota de proves escrites = (Nota prova 1 + Nota prova 2) 2
Per poder superar el curs mitjanccedilant lrsquoavaluacioacute continuada srsquoexigeix que la nota del curs sigui igual osuperior a 5 (sobre 10) i que a cadascuna de les proves escrites descrites anteriorment srsquoobtingui coma miacutenim un 35 (sobre 10)
Tots els estudiants que no hagin superat lrsquoassignatura amb lrsquoavaluacioacute continuada tenen dret a unaprova de reavaluacioacute La prova de reavaluacioacute teacute les mateixes caracteriacutestiques que la prova drsquoavaluacioacuteuacutenica
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica consisteix en una prova de preguntes teograveriques i pragravectiques i que teacute lloc en la dataoficial drsquoexagravemens Per poder superar el curs srsquoexigeix que la nota drsquoaquesta prova sigui igual o superiora 5 (sobre 10)
ReavaluacioacuteTots els estudiants que no hagin superat lrsquoassignatura ja sigui mitjanccedilant avaluacioacute continuada oavaluacioacute uacutenica tenen dret a una prova de reavaluacioacute La prova de reavaluacioacute teacute les mateixescaracteriacutestiques que la prova drsquoavaluacioacute uacutenica descrita anteriorment i teacute lloc en la data oficialdrsquoexagravemens de reavaluacioacute
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
AHUJA Ravindra K et al Network Flows Theory algorithms and applications Upper Saddle River (NJ)Prentice Hall 1993
WINSTON Wayne L Investigacioacuten de operaciones Aplicaciones y algoritmos Meacutexico Thomson 2005
MARTIacuteN Quintiacuten et al Investigacioacuten Operativa Problemas y ejercicios resueltos Madrid [etc] PearsonEducacioacuten 2005
TAHA Hamdy A Investigacioacuten de operaciones 9a ed Meacutexico [etc] Pearson Educacioacuten 2012
BALBAacuteS Alejandro et al Programacioacuten Matemaacutetica 2a ed Madrid AC 1990
PEacuteREZ Joaquiacuten et al Teoria de juegos Madrid [etc] Prentice Hall 2004
IZQUIERDO Josep Maria et al Jocs cooperatius i aplicacions econogravemiques Barcelona Edicions de laUniversitat de Barcelona 1999
BAZARAA Mokhtar S et al Linear programming and network flows Hoboken NJ John Wiley amp Sons2010
OSBORNE Martin J An introduction to Game Theory New York [etc] Oxford University Press 2004
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Software Estadiacutestic
Codi de lassignatura 361214
Curs acadegravemic 2019-2020
Coordinacioacute KLAUS LANGOHR
Departament Departament dEconometria Estadiacutestica i Economia Aplicada
cregravedits 6
Programa uacutenic S
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 15
- Pragravectiques dordinadors 45
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Es recomana haver cursat les assignatures de primer curs
Competegravencies que es desenvolupen
- Capacitat creativa i emprenedora (capacitat de formular dissenyar i gestionar projectes capacitatde cercar i integrar nous coneixements i actituds)
-
Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per usar interpretar documentar i adaptar eines informagravetiques per a lanagravelisi estadiacutestica ila gestioacute de bases de dades que permeti lajust de models i la resolucioacute de problemes
Objectius daprenentatge
Referits a habilitats destreses
Desenvolupar aplicacions estadiacutestiques estructurades i eficients amb lrsquouacutes de programari(software) estadiacutestic de referegravencia desplegant les competegravencies adquirides a les assignatures deprogramacioacute
Aplicar models i tegravecniques estudiats en altres assignatures drsquoestadiacutestica i investigacioacute operativaamb lrsquouacutes de programari estadiacutestic de referegravencia tant comercial com de lliure distribucioacute
Distingir els avantatges i inconvenients dels principals paquets de programari estadiacutestic
Blocs temagravetics
1 El llenguatge de programacioacute R
11 Creacioacute i manipulacioacute drsquoobjectes bagravesics de R vectors matrius i data frames
12 Importacioacute de dades a R i exportacioacute de resultats
13 Estadiacutestica descriptiva i procediments gragravefics bagravesics
14 Programacioacute bagravesica i creacioacute de funcions progravepies
2 El llenguatge SAS
21 Edicioacute depuracioacute i combinacioacute de dades Transformacioacute de variables
22 Principals mograveduls drsquoanagravelisi de dades
Metodologia i activitats formatives
Sessions en aules amb ordinadors mdash sessions expositives del professorat seguides drsquoun exemple o pragravectica guiadamdash sessions de pragravectica drsquoun cas proposatmdash sessions de plantejament de casos per resoldre de forma autogravenoma
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Lrsquoavaluacioacute continuada de lrsquoassignatura es basa en la mitjana de les notes de cadascun dels dosllenguatges treballats (amb un miacutenim de 4 sobre 10 en cadascun) Cadascuna de les dues notes es basaen un parell drsquoexagravemens (70 ) i un treball pragravectic (30 ) El treball tant amb R com amb SASconsisteix a buscar un conjunt de dades analitzar-lo amb les eines apreses a classe i en un apartat deprogramacioacute drsquouna funcioacute Es valora positivament el fet de buscar un conjunt de dades original i lacreativitat en la programacioacute de la funcioacute
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi i que es fa puacuteblica amb antelacioacute suficient
Avaluacioacute uacutenica
Lrsquoavaluacioacute uacutenica de lrsquoassignatura consisteix en un examen final (70 ) i en el lliurament dels treballspragravectics amb R i SAS (30 )
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
BRAUN John MURDOCH Duncan A First course in statistical programming with R CambridgeCambridge University 2007
CRAWLEY Michael J Statistics an introduction using R Chichester Wiley amp Sons cop 2005
DALGAARD Peter Introductory statistics with R New York Springer cop 2002
MURRELL Paul R Graphics Boca Raton (Fla) Chapman amp HallCRC 2006
MUENCHEN Robert A R for SAS and SPSS Users New York Springer 2011
DELWICHE Lora D The Little SAS book a primer Cary (NC) SAS Institute 1995
EVERITT BS et al A Handbook of statistical analyses using SAS Boca Raton (Fla) Chapman ampHallCRC 2009
HATCHER Larry Step-by-step basic statistics using SAS student guide Cary (NC) SAS Institute 2003
PEacuteREZ Ceacutesar El Sistema estadiacutestico SAS Madrid Pearson Educacioacuten 2001
Revisat pels Serveis Linguumliacutestics de la UB
Pla docent de lassignatura
Dades generals
Nom de lassignatura Teoria de Cues i Simulacioacute
Codi de lassignatura 361228
Curs acadegravemic 2019-2020
Coordinacioacute ESTEVE CODINA SANCHO
Departament Facultat dEconomia i Empresa
cregravedits 6
Programa uacutenic S
Meacutes informacioacute
Hores estimades de dedicacioacute Hores totals 150
Activitats presencials 60
- Teoricopragravectica 375
- Pragravectiques de problemes 15
- Pragravectiques dordinadors 75
Treball tutelatdirigit 40
Aprenentatge autogravenom 50
Recomanacions
Lrsquoalumnat ha de tenir coneixements previs enmdash Cagravelcul de probabilitats variables aleatograveries distribucions de frequumlegravencies i estadiacutestics (mitjanavariagravencia etc)mdash Cagravelcul i anagravelisi realmdash Programacioacute
Es recomana haver cursat les assignatures
mdash Estadiacutestica Descriptivamdash Introduccioacute a la Informagraveticamdash Introduccioacute a la Probabilitatmdash Introduccioacute al Cagravelculmdash Programacioacutemdash Probabilitat i Processos Estocagravesticsmdash Introduccioacute a la Investigacioacute Operativamdash Inferegravencia Estadiacutestica
Altres recomanacions
Per tal drsquoafavorir que lrsquoalumnat assoleixi els objectius drsquoaquesta mategraveria es recomana
mdash Assistir regularment a classe per facilitar la implicacioacute personal en lrsquoaprenentatge i laparticipacioacute en les activitats en grup
mdash Exercitar hagravebits de disciplina continuada i sistemagravetica en el propi treball intelmiddotlectual i lrsquoaplicacioacutemdasho aprenentatge si escaumdash drsquoestrategravegies de treball autogravenom i de recursos drsquoavaluacioacute formativaproposats pel professorat
mdash Utilitzar de manera continuada els recursos de la mategraveria
mdash Seguir les activitats pragravectiques com a mitjagrave drsquoaprofundiment en el domini dels procediments ide les habilitats bagravesiques de lrsquoassignatura i de la seva didagravectica i tambeacute com a sistema peraprofundir en els coneixements teograverics de la mategraveria
mdash Fer com a miacutenim una visita per semestre al professorat de la mategraveria
Competegravencies que es desenvolupen
- Capacitat per seleccionar el megravetode meacutes adequat en la realitzacioacute dun estudi estadiacutestic davaluarles possibles alternatives i si eacutes procedent incloure-hi lanagravelisi de costos i de recursos disponibles
- Capacitat dutilitzar llenguatges de programacioacute per a la implementacioacute dalgoritmes i de sistemesde gestioacute de bases de dades
- Capacitat per aplicar les tegravecniques estadiacutestiques i la investigacioacute operativa en la millora de laqualitat i la productivitat en diferents entorns (tecnologravegics industrials etc)
- Capacitat per identificar els principals models de la investigacioacute operativa i conegraveixer-ne lespropietats i lagravembit daplicacioacute
- Capacitat per detectar formular i donar solucioacute mitjanccedilant models dinvestigacioacute operativa aproblemes de presa de decisioacute de les diferents organitzacions integrant si eacutes necessari elsresultats de les anagravelisis estadiacutestiques
Objectius daprenentatge
Referits a coneixements
mdash Conegraveixer el concepte de temps de vida residual i aplicar-lo a lrsquoentorn dels sistemes drsquoespera
mdash Conegraveixer i estar en disposicioacute drsquoidentificar els diferents components drsquoun sistema drsquoespera i lesseves interrelacions
mdash Conegraveixer les principals magnituds fonamentals que intervenen en un sistema de cues i comaquestes reflecteixen el funcionament drsquoaquest sistema aixiacute com les interrelacions entreaquestes magnituds
mdash Conegraveixer i aplicar les propietats dels models drsquoespera exponencials
mdash Identificar les distribucions de probabilitat subjacents en els diferents processos queintervenen en un sistema drsquoespera
mdash Conegraveixer els megravetodes vistos a lrsquoassignatura per generacioacute de nombres aleatoris
mdash Conegraveixer el paper de la simulacioacute com a eina metodologravegica per avaluar models de cues isistemes drsquoinventari
Referits a habilitats destreses
mdash Calcular lrsquoesperanccedila del temps de vida residual i condicional
mdash Identificar el model de cues adequat i de les distribucions de probabilitat per arribades iserveis
mdash Calcular i fer estimacions de les magnituds fonamentals dels sistemes drsquoespera
mdash Identificar la influegravencia en el rendiment dels sistemes drsquoespera de diferents tipus de canvis enla seva configuracioacute
mdash Desenvolupar models de simulacioacute de sistemes de cues i inventaris
mdash Saber emprar el megravetode de mitjanes per lots a partir de resultats drsquouna simulacioacute
Blocs temagravetics
1 Introduccioacute als processos de renovacioacute
Propietats importants dels processos estocagravestics de renovacioacute que intervenen en la teoriade cues
11 Definicioacute
12 La propietat drsquoabsegravencia de memograveria
2 Cues exponencials
Principals models derivats dels processos de naixement i mort
21 Conceptes bagravesics sistemes drsquoespera
22 Estimacioacute dels paragravemetres en models de cues
23 Models exponencials de cues
3 Cues no exponencials
En moltes situacions reals les hipogravetesis progravepies de les cues MM no es verifiquen En algunscasos eacutes possible emprar megravetodes analiacutetics o fer aproximacions En aquest bloc es presentenles meacutes comunes
31 Introduccioacute als models no exponencials
4 Simulacioacute
Per a alguns sistemes com ara cues meacutes complexes o sistemes drsquoinventari els modelsanaliacutetics esdevenen molt complexos Una forma alternativa drsquoobtenir solucions dels anteriorssistemes eacutes mitjanccedilant models de simulacioacute En aquest bloc srsquoexaminen les metodologies meacutesrellevants per construir i explotar models de simulacioacute
41 Conceptes bagravesics
42 Megravetodes de Montecarlo
43 Metodologia de la simulacioacute
44 Processos de mostreig en simulacioacute
Metodologia i activitats formatives
La metodologia drsquoensenyament inclou quatre tipus de sessions sessions de teoria sessions deproblemes io exercicis sessions de laboratori i sessions de seguiment del treball de curs
mdash Les sessions de teoria consisteixen en lrsquoexposicioacute dels continguts de lrsquoassignatura generalment amblrsquoajut drsquoun conjunt de transparegravencies que srsquoalternen amb la pissarra en la qual srsquoestenen i tambeacute esdesenvolupen exemples adequats
mdash Les sessions de problemes consisteixen en la resolucioacute ja sigui per part del professor o solmiddotlicitant lacooperacioacute dels estudiants drsquoun conjunt drsquoexercicis cadascun de certa extensioacute i amb enunciatsrecopilats en una colmiddotleccioacute de la qual nomeacutes es disposa de les solucions finals dels exercicis
mdash Les sessions de laboratori consisteixen en la utilitzacioacute de recursos de programari per tal de resoldreaspectes pragravectics com ara lrsquoestimacioacute dels paragravemetres dels models de cues estudiats a classe de teorialrsquoevolucioacute de les longituds de cua la generacioacute i anagravelisi de mostres de nuacutemeros pseudoaleatoris lrsquoanagraveliside mostres de resultats de simulacioacute
mdash En les sessions de seguiment del treball de curs srsquoexposa el contingut dels lliuraments parcials quehan drsquoefectuar-se drsquoaquest treball i es responen les quumlestions particulars de cada treball
mdash Algunes classes especialment si soacuten de problemesordinadors es desdoblen en diferents grups Elprofessorat assigna els estudiants als grups
Avaluacioacute acreditativa dels aprenentatges
Avaluacioacute continuada
Aquesta eacutes lrsquoavaluacioacute habitual La comprensioacute de lrsquoassignatura i de les habilitats que es desenvolupenpoden ser avaluades de manera continuada mitjanccedilant dos exagravemens parcials i un de final Cada examenparcial avalua dos blocs de teoria i el seu pes en la nota de teoria eacutes del 50 Els exagravemens parcialstenen caragravecter alliberador dels blocs corresponents sempre que la nota obtinguda sigui superior o iguala 35 (sobre 10) aleshores no cal presentar-se a lrsquoexamen final dels blocs alliberats pels parcials Elprimer examen parcial es fa a meitat del semestre i el segon examen parcial al final de les classesIgualment formen part de lrsquoavaluacioacute continuada les pragravectiques de laboratori lliurades i avaluadesdurant el curs
Lrsquoassignatura inclou el desenvolupament drsquoun treball amb un lliurament parcial al llarg del periacuteodedocent Aquest lliurament parcial passa a formar part de lrsquoavaluacioacute continuada i val el 30 del total dela nota corresponent al treball Aquest treball de curs srsquoha de lliurar en la data marcada per a lrsquoexamenfinal
La nota de lrsquoassignatura es compon drsquoun 60 de la part teograverica un 20 dels exercicis de laboratori iun 20 del treball de curs
Tots els estudiants que no hagin superat lrsquoassignatura tenen dret a una prova de reavaluacioacute durant elmes de juliol amb les caracteriacutestiques de la prova drsquoavaluacioacute uacutenica La reavaluacioacute permet obtenir laqualificacioacute magravexima i srsquohi poden presentar tots els estudiants independentment que hagin optat perlrsquoavaluacioacute uacutenica o continuada
Avaluacioacute uacutenica
Els estudiants que vulguin renunciar a lrsquoavaluacioacute continuada i acollir-se a lrsquoavaluacioacute uacutenica han de fer-ho abans de la data que srsquoestableixi que es fa puacuteblica amb antelacioacute suficient Srsquoopta llavors per fer unexamen final que decideix el 100 de la nota
Els diferents megravetodes drsquoavaluacioacute (uacutenica i continuada) inclouen lrsquoavaluacioacute de les competegravenciesassociades a lrsquoassignatura
Fonts dinformacioacute bagravesica
Consulteu la disponibilitat a CERCABIB
Llibre
ALLEN Arnold O Probability Statistics and Queueing Theory Boston Academic Press 1990
Font associada al bloc 3
BRATLEY Paul et al A Guide to Simulation New York [etc] Springer 1987
Font associada al bloc 4
HILLIER FS et al Introduction to Operations Research Oakland CA Holden day Inc 1986
Font associada al bloc 2
LAW Averill M et al Simulation modeling and analysis New York [etc] McGraw-Hill 1991
Font associada al bloc 4
TRIVEDI Kishor Shridharbhai et al Probability and Statistics with Reliability Queueing and ComputerScience Applications New York [etc] John Wiley amp Sons 2002
Font associada al bloc 1Pagravegina web
httpwww-eioupcesteachingTCiS
Repositori de material docent Exagravemens material de pragravectiques exercicistransparegravencies de classe i apunts
Text electrogravenic
CODINA E MONTERO L Teoria de Cues Apunts
Font associada als blocs 2 i 3
CODINA E MONTERO L Introduccioacute a la Simulacioacute i a la generacioacute de Nordms aleatoris
Font associada al bloc 4
CODINA E Teoria de Cues Transparegravencies de classe
Font associada als blocs 2 i 3
Revisat pels Serveis Linguumliacutestics de la UB
Grado en Estadiacutestica (interuniversitarioUB-UPC)
Con el grado en Estadiacutestica (acreditado con excelencia por AQU Catalunya) coordinado por la Universitat de Barcelona (UB)y con la participacioacuten de la UPC cursaraacutes materias vinculadas a la estadiacutestica la probabilidad la investigacioacuten operativa lainformaacutetica o la economiacutea que te permitiraacuten disentildear meacutetodos para recoger datos y transformarlos en informacioacuten uacutetil para latoma de decisiones en empresas organizaciones e instituciones dirigir procesos de control y mejora de la calidad y elaborarestudios de opinioacuten puacuteblica informes estadiacutesticos estudios epidemioloacutegicos y ensayos cliacutenicos en el aacutembito de la sanidad Estosestudios se imparten conjuntamente con la Universidad de Barcelona (UB) y esto enriquece la formacioacuten gracias a la unioacuten dela experiencia del profesorado de las dos universidades en los aacutembitos de la ingenieriacutea y la tecnologiacutea la economiacutea las cienciassociales y las ciencias de la salud
El grado se imparte en la Facultad de Matemaacuteticas y Estadiacutestica (FME)
DATOS GENERALES
Duracioacuten4 antildeos
Carga lectiva240 creacuteditos ECTS (incluido el trabajo de fin de grado) Un creacutedito equivale a 25-30 horas de trabajo
Tipos de docenciaPresencial
Nota de corte del curso 2019-20209512
Horariosturnos1ordm y 2ordm (mantildeana) y 3ordm y 4ordm (tarde)
Precios y becasPrecio aproximado por curso 2326 euro (3489 euro para no residentes en la UE) Consulta el porcentaje de minoracioacuten enfuncioacuten de la renta (becas y modalidades de pago)
Tiacutetulo oficialInscrito en el registro del Ministerio de Educacioacuten Cultura y Deporte
ACCESO
Plazas nuevo ingreso50
Nota de corte del curso 2019-20209512 Notas de corte
Ponderaciones PAUTabla de ponderaciones de las materias para la fase especiacutefica
Coacutemo accederTodas las viacuteas de acceso preinscripcioacuten y matriacutecula
Convalidaciones de CFGSConvalidaciones de CFGS
Legalizacioacuten de documentosLos documentos expedidos por estados no miembros de la Unioacuten Europea ni firmantes del Acuerdo sobre el espacio
econoacutemico europeo tienen que estar legalizados por viacutea diplomaacutetica o con correspondiente apostilla
SALIDAS PROFESIONALES
Salidas profesionalesSalud y ciencias naturales servicios de sanidad medicina salud puacuteblica industria farmaceacuteutica ensayos cliacutenicos
sanidad animal medio ambiente ciencias de la vida bioinformaacutetica y agriculturaData Science
Economiacutea y Finanzas ciencias actuariales seguros banca evaluacioacuten de riesgos y concesioacuten de creacuteditos bolsa
gestioacuten de carteras de valores anaacutelisis financiero investigacioacuten de mercados anaacutelisis de la competencia o poliacuteticasde preciosAdministraciones puacuteblicas actividades en institutos oficiales de estadiacutestica proyecciones demograacuteficas tendencias
sociales mercado de trabajo asignacioacuten oacuteptima de recursos etcIndustria y servicios (incluyendo la informaacutetica) disentildeo de experimentos control de calidad mejora de procesos y
productos logiacutestica gestioacuten de inventarios planificacioacuten de la produccioacuten y gestioacuten oacuteptima de recursos y sistemasenergeacuteticosDocencia e investigacioacuten
ORGANIZACIOacuteN
Organizacioacuten del estudio
La duracioacuten de los estudios es de cuatro antildeos organizados en ocho cuatrimestres todas las asignaturas del plan deestudios son de 6 ECTS excepto el trabajo de fin de grado que es de 18 ECTS
Calendario acadeacutemicoCalendario acadeacutemico de los estudios universitarios de la UPC
Normativas acadeacutemicasNormativa acadeacutemica de los estudios de grado de la UPC
Acreditacioacuten y reconocimiento de idiomasLos estudiantes de grado deben acreditar la competencia en una tercera lengua para obtener el tiacutetulo de gradoCertifica tu nivel de idiomas
Facultad de Matemaacuteticas y Estadiacutestica (FME)
PLAN DE ESTUDIOS
Asignaturas creacuteditosECTS
Tipo
PRIMER CURSO
Aacutelgebra Lineal 6 Obligatoria
Estadiacutestica Descriptiva 6 Obligatoria
Fundamentos de Administracioacuten de Empresas 6 Obligatoria
Introduccioacuten a la Inferencia Estadiacutestica 6 Obligatoria
Introduccioacuten a la Informaacutetica 6 Obligatoria
Introduccioacuten a la Investigacioacuten Operativa 6 Obligatoria
Asignaturas creacuteditosECTS
Tipo
Introduccioacuten a la Probabilidad 6 Obligatoria
Introduccioacuten al Caacutelculo 6 Obligatoria
Principios de Economiacutea 6 Obligatoria
Programacioacuten 6 Obligatoria
SEGUNDO CURSO
Caacutelculo de Diversas Variables 6 Obligatoria
Disentildeo de Encuestas 6 Obligatoria
Estadiacutestica para la Gestioacuten de la Calidad 6 Obligatoria
Estadiacutestica Puacuteblica 6 Obligatoria
Inferencia Estadiacutestica 6 Obligatoria
Meacutetodos de Muestreo 6 Obligatoria
Meacutetodos Numeacutericos 6 Obligatoria
Probabilidad y Procesos Estocaacutesticos 6 Obligatoria
Programacioacuten Lineal y Entera 6 Obligatoria
Software Estadiacutestico 6 Obligatoria
TERCER CURSO
Anaacutelisis Multivariante 6 Obligatoria
Disentildeo de Experimentos 6 Obligatoria
Econometriacutea 6 Obligatoria
Estadiacutestica para la Biociencia 6 Obligatoria
Ficheros y Bases de Datos 6 Obligatoria
Meacutetodos Bayesianos 6 Obligatoria
Meacutetodos No Parameacutetricos y de Remuestreo 6 Obligatoria
Modelos Lineales 6 Obligatoria
Programacioacuten No Lineal y Flujos en Redes 6 Obligatoria
Teoriacutea de Colas y Simulacioacuten 6 Obligatoria
CUARTO CURSO
Anaacutelisis de Series Temporales 6 Obligatoria
Anaacutelisis de Supervivencia 6 Optativa
Demografiacutea 6 Optativa
Estadiacutestica Industrial 6 Optativa
Estadiacutestica Meacutedica 6 Optativa
Estadiacutestica para la Mejora de la Calidad 6 Optativa
Meacutetodos Estadiacutesticos en Mineriacutea de Datos 6 Optativa
Meacutetodos Estadiacutesticos para el Maacuterqueting 6 Optativa
Meacutetodos Estadiacutesticos para Finanzas y Seguros 6 Optativa
Modelos Lineales Generalizados 6 Obligatoria
Optimizacioacuten en Ingenieriacutea 6 Optativa
Asignaturas creacuteditosECTS
Tipo
Optimizacioacuten Financiera 6 Optativa
Praacutecticas Empresariales I 6 Optativa
Praacutecticas Empresariales II 6 Optativa
Trabajo de Fin de Grado 18 Proyecto
Septiembre 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Bachelors degree in Statistics(interuniversity UB-UPC degree)
The bachelorrsquos degree in Statistics coordinated by the Universitat de Barcelona (UB) and with the UPC as a participant willprovide you with the training you need in statistics probability operations research computer science and economics Thecourse will give you the necessary grounding to design methods for collecting and transforming data into valuabledecision-making input for companies organisations and institutions to manage quality control and improvement processesand to produce public opinion studies statistical reports epidemiological studies and clinical trials in the field of health careThe course is offered jointly with the University of Barcelona (UB) so students reap the rewards of a richer learning experiencebenefiting from the combined expertise of UPC and UB teaching staff in engineering and technology economics and social andhealth sciences
This bachelors degree is taught at School of Mathematics and Statistics (FME)
GENERAL DETAILS
Duration4 years
Study load240 ECTS credits (including the bachelors thesis) One credit is equivalent to a study load of 25-30 hours
DeliveryFace-to-face
Fees and grantsApproximate fees per academic year euro2326 (euro3489 for non-EU residents) Consult the public fees system based onincome (grants and payment options)
Official degreeRecorded in the Ministry of Educations degree register
ADMISSION
Places50
Registration and enrolmentWhat are the requirements to enrol in a bachelors degree course
Legalisation of foreign documentsAll documents issued in non-EU countries must be legalised and bear the corresponding apostille
PROFESSIONAL OPPORTUNITIES
Professional opportunitiesHealth and natural sciences health services medicine public health pharmaceutical industry clinical trials animal
health environment life sciences bioinformatics and agricultureData Science
Economics and finance actuarial science insurance banking risk assessment and lending stock markets
management of securities portfolios financial analysis market research competitor analysis and pricing policyPublic administration activities at official statistics institutes demographic projections studies of social trends and
the labour market optimal allocation of resources etcIndustry and services (including informatics) experimental design quality control improvement of processes and
products logistics inventory management production planning and optimal management of resources and energysystemsTeaching and research
ORGANISATION
Academic calendarGeneral academic calendar for bachelorrsquos masterrsquos and doctoral degrees courses
Academic regulationsAcademic regulations for bachelorrsquos degree courses at the UPC
Language certification and credit recognitionQueries about language courses and certification
School of Mathematics and Statistics (FME)
CURRICULUM
Subjects ECTScredits
Type
FIRST COURSE
Descriptive Statistics 6 Compulsory
Fundamentals of Business Administration 6 Compulsory
Introduction to Calculus 6 Compulsory
Introduction to Informatics 6 Compulsory
Introduction to Operations Research 6 Compulsory
Introduction to Probability 6 Compulsory
Introduction to Statistical Inference 6 Compulsory
Linear Algebra 6 Compulsory
Principles of Economics 6 Compulsory
Programming 6 Compulsory
SECOND COURSE
Integer and Linear Programming 6 Compulsory
Multivariable Calculus 6 Compulsory
Numerical Methods 6 Compulsory
Official Statistics 6 Compulsory
Probability and Stochastic Processes 6 Compulsory
Sampling Methods 6 Compulsory
Statistical Inference 6 Compulsory
Statistical Software 6 Compulsory
Statistics for Quality Management 6 Compulsory
Subjects ECTScredits
Type
Survey Design 6 Compulsory
THIRD COURSE
Bayesian Methods 6 Compulsory
Econometrics 6 Compulsory
Experimental Design 6 Compulsory
Files and Databases 6 Compulsory
Linear Models 6 Compulsory
Multivariate Analysis 6 Compulsory
Non-Linear Programming and Network Flows 6 Compulsory
Non-Parametric and Resampling Methods 6 Compulsory
Queueing Theory and Simulation 6 Compulsory
Statistics for Biosciences 6 Compulsory
FOURTH COURSE
Demography 6 Optional
Engineering Optimisation 6 Optional
Financial Optimisation 6 Optional
Generalised Linear Models 6 Compulsory
Industrial Statistics 6 Optional
Medical Statistics 6 Optional
Practicum I 6 Optional
Practicum II 6 Optional
Statistical Methods for Data Mining 6 Optional
Statistical Methods for Finance and Insurance 6 Optional
Statistical Methods for Marketing 6 Optional
Statistics for Quality Improvement 6 Optional
Survival Analysis 6 Optional
Time Series Analysis 6 Compulsory
Bachelors Thesis 18 Project
September 2019 UPC Universitat Politegravecnica de Catalunya middot BarcelonaTech
Top Related