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 lineals
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. El model lineal generalitzat
2.3.5. Ajust del model lineal generalitzat
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, l'avaluació de l'assignatura vindrà definida com la mitjana d'aquestes dues proves, sense tenir en compte els qüestionaris ni el treball.
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, sempre amb criteri crític. En cas de dubte sobre els resultats obtinguts, podeu consultar al professorat de l’assignatura. Qualsevol altre ús d’IA generativa haurà de ser explicat, compartint sempre que sigui possible la interacció amb l’agent utilitzat.
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 (prova escrita i prova amb ordinador).
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.