Temario - Departamento De Informática

   EMBED

Share

Preview only show first 6 pages with water mark for full document please download

Transcript

SYLLABUS Departamento de Informática, Universidad Técnica Federico Santa María PROGRAMA DE ESTUDIOS CODIGO ASIGNATURA CREDITOS REQUISITOS CAMPUS DISTRIBUCIÓN HORARIA DOCENTES AYUDANTE AÑO Y SEMESTRE ILI-280 Estadística Computacional 4 MAT-023 Matemáticas III Casa Central y Santiago 3,0 hrs clases/semana 1,30 hrs ayudantías/semana 15,0 hrs laboratorio/semestre Héctor Allende Olivares (coordinador) [email protected] Rodrigo Salas Fuentes (Paralelo 1) [email protected] Carlos Valle Vidal (Paralelo 2) [email protected] Erick López Ovando [email protected] 2010, segundo semestre 1.- Introducción La Teoría de Probabilidades modela observaciones sujetas a incertidumbre. Aún cuando juegos de azar motivaron el desarrollo inicial del cálculo de probabilidades, hoy esta teoría provee modelos fundamentales, en confiabilidad, estadística industrial ecología, economía y econometría, epidemiología, finanzas, física, investigación de operaciones, marketing, meteorología, seguros y muchas otras áreas. Este curso presenta las ideas fundamentales de la Teoría de Probabilidades, desde su axiomatización hasta modelos probabilidad para situaciones de mediana complejidad. 2.- Objetivos 1) Alumno aplica la base conceptual de la teoría de probabilidades al desarrollo de modelos probabilísticos 2) Alumno aplica modelos de probabilidad a la solución de problemas de ingeniería 3) Alumno construye una base para otros cursos que usan modelos probabilísticos 4) Alumno desarrolla un dominio básico de R, un potente paquete computacional, gratuito, que ingenieros y científicos usan de modo intenso. Alumno construye código R para programar modelos probabilísticos 3.- Contenidos del Curso 1. Análisis Exploratorio de Datos: Clasificación de datos, representación de datos, métodos gráficos, diagramas de dispersión, transformaciones de datos, modelos de datos, datos e información, medidas de información, entropía, uso de software para análisis exploratorio de datos. 2. Construcción de modelos de probabilidad: fundamentos, interpretación y propiedades. Reglas para combinar probabilidades, el principio de Bayes, ILI-280: Estadística Computacional 1 análisis de decisión y su relación con la inteligencia artificial, computación bayesiana 3. Modelos de incertidumbre: Medidas de incertidumbre, algunas leyes de Incertidumbre discretas, algunas leyes de incertidumbre continuas, modelos exploratorios, leyes de incertidumbre multidimensional, transformaciones y aplicaciones a la confiabilidad y reparabilidad de sistemas computacionales 4. Contraste de hipótesis y estimación: Inferencia estadística clásica e inferencia Bayesiana. Distribuciones muestrales, distribuciones exactas, distribuciones empíricas, contrastes de hipótesis en la toma de decisiones, estimación parámetros, conjuntos confidenciales, intervalos de tolerancia. Ajuste de modelos de datos, análisis de sensibilidad de modelos. 5. Métodos estadísticos computacionales: Método de Monte Carlo, método de bootstrap, computación aleatorizada, comparaciones, Jackknife y validación cruzada. Métodos estadísticos computacionales en regresión lineal y no lineal, modelos de regresión libre en inteligencia artificial. 4.- Metodología El curso contempla tres actividades docentes: Cátedras Ayudantías Laboratorio de Estadística Computacional (LEC) Las cátedras presentan los contenidos, teoría y aplicaciones. Las ayudantías presentan principalmente ejercicios y aplicaciones que complementan las cátedras. El LEC es el vehículo de instrucción y práctica computacional. Las actividades requieren del alumno modelar fenómenos estocásticos, desarrollar código R para programar modelos probabilísticos, y examinar sus comportamientos con simulaciones. 5.- Evaluación El curso contempla dos tipos de evaluaciones: 1) 5 Evaluaciones realizadas durante el semestre académico (4 Pruebas + LEC) 2) Examen final (30% de la nota final). Las pruebas y el examen son acumulativas Pruebas: Cuatro (4) pruebas. Laboratorio de Estadística Computacional: Cinco (5) laboratorios con igual ponderación que dan origen a una nota LEC. Nota de presentación (NP): NP = (P1+P2+P3+P4+LEC)/5 Eximición Requiere la satisfacción conjunta de los dos requisitos siguientes 1) Rendir las cuatro pruebas 2) Alcanzar un promedio en Pruebas ≥ 55 (sin LEC) ILI-280: Estadística Computacional 2 3) Alcanzar una nota mínima de 30 en cada evaluación (Certamenes y LEC) Nota Final Preliminar (NFP): Si el alumno se exime del examen, entonces NFP=NP Si el alumno no se exime del examen, entonces NFP = (P1+…+P4+LEC)*0.7 + EX*0.3 Aprobará el curso el alumno que obtenga nota final (NFP) mayor o igual a 55 En caso contrario, el alumno reprueba el curso Ausencia a una evaluación: Si el alumno falta a una prueba, el alumno debe rendir el examen y su nota de examen reemplazará la prueba faltante. Este procedimiento se aplica sólo a la primera prueba que el alumno falte. Si el alumno falta a dos o más pruebas, recibirá un 0 en ellas excepto en la primera de las ausentes (que reemplazará por la nota del examen) Si un alumno no se exime del examen y no se presenta a rendirlo, su nota de examen será 0. No hay recuperación de actividades de cátedra, ayudantías, o laboratorios. 6.- Bibliografía Textos guias : • Sheldon M. Ross (2000), Probabilidad y Estadística para Ingeniería Mac Graw Hill 2th edition. • Rice, J.A. (2007) Mathematical Statistics and Data Analysis. Third Edition. Thomson Enlaces Importantes 1. http://www.r-project.org/ 2. http://www.revolution-computing.com/ Material complementario: • Enlaces relacionados con el texto guía: - Datos y fe de errata: http://www.stat.berkeley.edu/~rice/Book3ed/index.html - Sitio del curso que mantiene el autor: http://www.stat.berkeley.edu/users/rice/Stat135/ • Virtual Laboratories in Probability and Statistics: http://www.math.uah.edu/stat Department of Mathematical Sciences, University of Alabama in Huntsville ILI-280: Estadística Computacional 3 • DeGroot, Morris H and Schervish, Mark J. (2002) Probability and Statistics, 3rd Edition Addison Wesley; 3rd edition • Jay L. Devore, Probabilidad y Estadística para Ingeniería y Ciencias, quinta edición. Thompson Learning, 2001. Sheldon M. Ross (2006), Simulation, Prentice Hall (1999), 4th edition. • Nota : La responsabilidad académica de esta asignatura es del Departamento………..Informática de la Universidad ……………….. El coordinador de los cursos de estadística computacional es el profesor ……Héctor Allende Olivares… ILI-280: Estadística Computacional 4