Temario - Departamento de Informática

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