## 29708 - Statistics

### Syllabus Information

2023/24
Subject:
29708 - Statistics
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
Degree:
434 - Bachelor's Degree in Mechanical Engineering
ECTS:
6.0
Year:
1
Semester:
434-First semester o Second semester
107-Second semester
Subject type:
Basic Education
Module:
---

### 1. General information

This subject covers aspects of data collection, presentation, analysis and processing, as well as Probability, Statistical Inference and Optimization, modeling real situations in the presence of uncertainty. The final objective is that the student integrates the knowledge acquired in the subject in the formative context of the degree and that they are self-sufficient in the use of statistical techniques that may be useful in the professional practice of the mechanical engineer . All the training provided by this subject contributes transversally to AGENDA 2030 and SDGs, training the student for its development and management. Students are advised to study the subject constantly throughout the whole term.

### 2. Learning results

2.1 Competencies

Specific competencies:

C12: Ability to solve mathematical problems that may arise in engineering. Ability to apply knowledge of Statistics and Optimization.

Generic competencies:

C4: Ability to solve problems and make decisions with initiative, creativity and critical thinking.

C5: Ability to communicate and transmit knowledge, skills and abilities in Spanish.

2.2- Learning Results

Apply data processing and analysis techniques.

Know the fundamental concepts, applications and results of probability.

Understand the concepts of unidimensional and multidimensional random variables.

Master the modeling of engineering environments under stochastic nature by means of random variables and their applications in uncertainty situations.

Know the sampling and estimation techniques.

Know how to use statistical hypothesis testing and its application in decision making.

Ability to prepare, understand and critique reports based on statistical analysis.

Ability to identify and formulate optimization problems.

2.3- Importance of learning tesults

This subject teaches the basic principles of decision making in the presence of uncertainty. Students develop competencies to address real problems and to work with real data and learn to recognize and handle models that serve to solve different situations in the presence of randomness.

A mechanical engineer must regularly handle information from databases and must be able to make decisions based on the analysis of this information. Decision-making requires an exploratory treatment of the data as well as hypothesis testing, which makes statistical techniques essential.

Students learn to pose and solve simple optimization problems.

In addition, students work in groups and with real data, so they also develop team collaboration skills in solving real problems.

### 3. Syllabus

Module 1: Exploratory data analysis in the computer laboratory.

Module 2: Probability distribution models.

Module 3: Sampling, estimation and hypothesis testing.

Module 4: Introduction to optimization.

Contents of the Computer Laboratory Internships:

One-dimensional descriptive statistics.

Two-dimensional descriptive statistics: Regression and correlation.

Probability distributions of discrete and continuous random variables.

Confidence intervals: means, variances and proportions.

Contrasts of equality of means, variances and proportions. Calculation of the p-value.

Goodness-of-fit test. Contingency tables.

Optimization.

The planning of the sessions will be in accordance with the academic calendar and schedules established by the center.

The 6 credits of the subject are divided into 3 ECTS taught to the whole group in which there will be presentations of the theory and examples that motivate its usefulness in the field of Engineering; and 3 ECTS in small groups aimed at developing skills for the approach and resolution of problems that resemble real situations. Half of these last 3credits will take place in the computer classroom.

### 5. Assessment system

1.A test during the teaching period of Module 2.

2.A test of Module 3.

3.A test on the contents developed in the practical classes in the Computer Laboratory.

4.A Statistical Report applying various statistical techniques seen and to be carried out prior to the official call.

Students who do not take test 1 must take it in the official exam of the subject.

The percentage of the final grade for test 1 is 40% and for each of the three remaining tests is 20%. To pass the 60% that tests 1 and 2 represent, the student must obtain at least 4 points (out of 10) in each of them and a minimum weightedaverage of 4.5 points (out of 10).

In order to pass the 40% that tests 3 and 4 represent, the student must obtain at least 4 points (out of 10) in each of them and an average of at least 5 points (out of 10).

To pass the subject, the student must obtain a final grade of at least 5 points, out of 10.

The overall assessment test will consist of tests equivalent to tests 1, 2, 3 and 4.

### Información del Plan Docente

2023/24
Asignatura:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
Créditos:
6.0
Curso:
1
Periodo de impartición:
434-Primer semestre o Segundo semestre
107-Segundo semestre
Clase de asignatura:
Formación básica
Materia:

### 1. Información básica de la asignatura

En esta asignatura se cubren aspectos de recopilación, presentación, análisis y tratamiento de datos, así como de Probabilidad, Inferencia Estadística y Optimización, modelando situaciones reales en presencia de incertidumbre. El objetivo final es que el alumno integre los conocimientos que se cursan en la asignatura en el contexto formativo de la titulación y que sea autosuficiente en la utilización de las técnicas estadísticas que podrán ser de utilidad en el ejercicio profesional del ingeniero mecánico. Toda la formación que aporta esta asignatura contribuye de forma transversal a la AGENDA 2030 y ODS, capacitando al estudiante para su desarrollo y gestión. Se aconseja a los alumnos estudiar la asignatura de manera constante a lo largo de todo el cuatrimestre.

2.1 Competencias
Competencias específicas:
C12: Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para
aplicar los conocimientos sobre Estadística y Optimización.
Competencias genéricas:
C4: Capacidad para resolver problemas y tomar decisiones con iniciativa, creatividad y razonamiento crítico.
C5: Capacidad para comunicar y transmitir conocimientos, habilidades y destrezas en castellano.

Aplica las técnicas de tratamiento y análisis de datos.
Comprende los conceptos de variable aleatoria unidimensional y multidimensional.
Domina el modelado de entornos de la ingeniería bajo naturaleza estocástica mediante variables aleatorias y sus
aplicaciones en situaciones de incertidumbre.
Conoce las técnicas de muestreo y estimación.
Sabe cómo utilizar contrastes de hipótesis estadísticas y su aplicación en la toma de decisiones.
Tiene capacidad para identificar y formular problemas de Optimización.

2.3. Importancia de los resultados de aprendizaje
Esta asignatura enseña los principios básicos de la toma de decisiones en presencia de incertidumbre. Los estudiantes
desarrollan competencias para abordar problemas reales y para trabajar con datos reales y aprenden a reconocer y manejar modelos que sirven para resolver diferentes situaciones en presencia de aleatoriedad.
Un ingeniero mecánico debe manejar con regularidad información procedente de bases de datos y ha de estar capacitado
para tomar decisiones a partir del análisis de la misma. La toma de decisiones requiere un tratamiento exploratorio de los
datos así como el planteamiento de contrastes de hipótesis, con lo que se hacen imprescindibles las técnicas estadísticas.
Los estudiantes aprenden a plantear y resolver problemas sencillos de Optimización.
Además, los estudiantes trabajan en grupo y con datos reales, por lo que también desarrollan competencias de colaboración en equipo en la resolución de problemas reales.

### 3. Programa de la asignatura

Módulo 1: Análisis exploratorio de datos en el laboratorio informático.

Módulo 2: Modelos de distribución de probabilidad.

Módulo 3: Muestreo, estimación y contrastes de hipótesis.

Módulo 4: Introducción a la optimización.

Contenidos de las Prácticas en laboratorio informático:

Estadística descriptiva bidimensional: Regresión y correlación.

Distribuciones de probabilidad de variables aleatorias discretas y continuas.

Intervalos de confianza: medias, varianzas y proporciones.

Contrastes de Igualdad de medias, varianzas y proporciones. Cálculo del p-valor.

Contraste de bondad del ajuste. Tablas de contingencia.

Optimización.

La planificación de las sesiones se ajustarán a lo dispuesto en el calendario académico y horarios fijados por el centro.
Los 6 créditos de la asignatura se dividen en 3 ECTS impartidos al grupo completo en los que se harán exposiciones de la
teoría y ejemplos que motivan su utilidad en el ámbito de la Ingeniería; y 3 ECTS en grupos reducidos dirigidos a desarrollar
destrezas para el planteamiento y la resolución de problemas que se asemejen a situaciones reales. La mitad de estos 3
últimos créditos se llevarán a cabo en el aula de informática.

### 5. Sistema de evaluación

1.Una prueba durante el periodo de docencia del Módulo 2.

2.Una prueba del Módulo 3.

3.Una prueba sobre los contenidos desarrollados en las clases de prácticas en Laboratorio Informático.

4.Un Informe Estadístico donde se apliquen varias técnicas estadísticas vistas y a realizar antes de la convocatoria oficial.

Los alumnos que no realicen la prueba 1, deberán realizarla en la convocatoria oficial de la asignatura.

El porcentaje de la nota final de la prueba 1 es el 40% y el de cada una de las tres pruebas restantes el 20%. Para superar el 60% que suponen las pruebas 1 y 2, el alumno ha de obtener al menos 4 puntos (sobre 10) en cada una de ellas y una media ponderada mínima de 4.5 puntos (sobre 10).

Para superar el 40% que suponen las pruebas 3 y 4, el alumno ha de obtener al menos 4 puntos (sobre 10) en cada una de ellas y una media de al menos 5 puntos (sobre 10).

Para superar la asignatura el alumno deberá obtener una nota final de al menos 5 puntos (sobre 10).

La prueba global de evaluación constará de unas pruebas equivalentes a las pruebas 1, 2, 3 y 4.