1. Bloc de probabilitat
1.1. Introducció a la probabilitat
1.1.1. Conceptes de probabilitat
1.1.2. Probabilitat condicionada
1.1.3. Independència d'esdeveniments
1.2. Variables aleatòries i les seves distribucions
1.2.1. Conceptes de variables aleatòries
1.2.2. Variables aleatòries contínues i discretes
1.3. Processos estocàstics i teoria de cues
1.3.1. Conceptes de processos estocàstics
1.3.2. Sistemes i xarxes de cues
2. Bloc d'estadística
2.1. Introducció a l'estadística descriptiva
2.1.1. Taules de freqüències
2.1.2. Estadístics bàsics per variables numèriques
2.1.3. Mesures d'associació entre variables
2.2. Inferència estadística
2.2.1. Introducció als contrasts d'hipòtesis
2.2.2. El teorema de límit central
2.2.3. Contrasts clàssics d'hipòtesis
2.3. Introducció als models de regressió
2.3.1. El model de regressió lineal
2.3.2. Preparació de dades per a la regressió
2.3.3. Ajust del model de regressió lineal
2.3.4. Introducció als models lineals generalitzats
2.4. Inferència en models lineals
2.4.1. Contrasts sobre els paràmetres d'un model de regressió lineal
2.4.2. Contrast Anova per models de regressió lineal
2.4.3. Prova de la raó de versemblances
L’avaluació de l’assignatura es basarà en les activitats d'avaluació mostrades a la taula "Activitats d'avaluació" amb les ponderacions assenyalades. Aquestes ponderacions seran vàlides únicament si la nota de les dues proves (prova del bloc 1 i prova del bloc 2) no són inferiors a 4 sobre 10.
En cas que alguna de les dues proves tingui una nota inferior a 4 sobre 10, la qualificació final de l’assignatura serà la mitjana de les dues proves escrites, sense tenir en compte la resta d’activitats d’avaluació contínua.
Un cop superada l'assignatura, per a la qualificació definitiva, es pot tenir en compte, a més de la suma de qualificacions, altres aspectes que es consideri convenient tenir en compte (participació a classe, realització de treballs voluntaris, etc.).
Es permet l’ús d’eines d’IA per a la cerca d’informació i el suport a l’aprenentatge, sempre amb criteri crític. Qualsevol ús d’IA generativa en activitats avaluables haurà de ser declarat, indicant l’eina utilitzada i, quan sigui possible, compartint la interacció mantinguda.
A l’aula on es faci l’activitat d’avaluació (prova del bloc 1 i prova del bloc 2) s’accedirà amb tots els aparells de comunicació (mòbils, ordinadors, tauletes, rellotges intel·ligents, etc.) apagats i dins les motxilles/bosses. L’incompliment d’aquesta norma suposarà una qualificació de 0 a l’activitat així com l’execució de les accions que descriu l’article 21 de la normativa reguladora dels processos d’avaluació i qualificació dels estudiants de la UdG.
Si durant el procés de correcció de l’activitat d’avaluació el professor determina l’existència d’un possible frau, aquest es reserva el dret de validar la qualificació obtinguda segons la metodologia d’avaluació que consideri oportuna.
Criteris específics de la nota «No Presentat»:
Qualsevol activitat d'avaluació no presentada tindrà la qualificació de 0. Una qualificació final de NP (no presentat) s'obtindrà només quan l'alumne no es presenti a cap de les proves escrites.
Avaluació única:
Constarà d'un únic examen final. L'assignatura quedarà superada si la nota resultant és superior o igual a 5 sobre 10. Caldrà comunicar la decisió d'avaluació a la Secretaria Acadèmica de l'Escola (més informació a avaluació única).
Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5 sobre 10.