Professional Documents
Culture Documents
ANX-PR/CL/001-01
GUA DE APRENDIZAJE
ASIGNATURA
Diseo de experimentos y modelos de regresion
GA_05TI_55000020_2S_2016-17
UNIVERSIDAD POLITCNICA DE MADRID
Datos Descriptivos
Materias Estadistica
Carcter Basica
Datos Generales
Crditos 3 Curso 2
El plan de estudios Grado en Ingenieria en Tecnologias Industriales no tiene definidas asignaturas previas superadas para esta
asignatura.
Otros Requisitos
El plan de estudios Grado en Ingenieria en Tecnologias Industriales no tiene definidos otros requisitos para esta asignatura.
Conocimientos Previos
Asignaturas Previas Recomendadas
Estadistica
Algebra
GA_05TI_55000020_2S_2016-17 1
UNIVERSIDAD POLITCNICA DE MADRID
Competencias
CE6 - Aptitud para aplicar los conocimientos y capacidad para la resolucin de los problemas que puedan plantearse en la
ingeniera sobre estadstica.
CG1 - Conocer y aplicar conocimientos de ciencias y tecnologas bsicas a la prctica de la Ingeniera Industrial.
CG2 - Poseer capacidad para disear, desarrollar, implementar, gestionar y mejorar productos, sistemas y procesos en los
distintos mbitos industriales, usando tcnicas analticas, computacionales o experimentales apropiadas.
CG3 - Aplicar los conocimientos adquiridos para identificar, formular y resolver problemas dentro de contextos amplios y
multidisciplinarios, siendo capaces de integrar conocimientos, trabajando en equipos multidisciplinares.
CG6 - Poseer habilidades de aprendizaje que permitan continuar estudiando a lo largo de la vida para su adecuado desarrollo
profesional.
CG7 - Incorporar nuevas tecnologas y herramientas de la Ingeniera Industrial en sus actividades profesionales.
Resultados de Aprendizaje
RA83 - Interpretar y comunicar los resultados del anlisis estadstico con rigor utilizando el lenguaje apropiado.
RA84 - Comprender las limitaciones de los modelos estadsticos cuando se trabaja con problemas reales. Evaluar posibles
mtodos alternativos.
RA482 - Comparar dos o mas poblaciones con diseos totalmente aleatorizados: Anlisis de la varianza
RA42 - Situarse con actitud crtica ante la validez de los clculos y resultados.
RA480 - Conocer el alcance y las limitaciones de los modelos de regresin lineal. Seleccionar con criterio el modelo ms
adecuado entre diferentes alternativas
GA_05TI_55000020_2S_2016-17 2
UNIVERSIDAD POLITCNICA DE MADRID
Profesorado
Profesorado
Nota.- Las horas de tutora son orientativas y pueden sufrir modificaciones. Se deber confirmar los horarios de tutoras con el
profesorado.
GA_05TI_55000020_2S_2016-17 3
UNIVERSIDAD POLITCNICA DE MADRID
Descripcin de la Asignatura
Se pretende que los alumnos sean capaces de disear y analizar un experimento factorial con varios factores que puedan
interaccionar entre ellos y tambin sean capaces de construir un modelo de regresin lineal, hacer la diagnosis y si sta es
adecuada, realicen predicciones en el rango en el que el modelo es vlido.
Los alumnos a tal fin deben manejar el programa de clculo estadstico-cientfico R que se utiliza en las clases de resolucin de
problemas.
Temario
1. Anlisis de la Varianza
2. Diseo de Experimentos
3. Regresin Lineal
GA_05TI_55000020_2S_2016-17 4
UNIVERSIDAD POLITCNICA DE MADRID
Cronograma
Peso total de actividades de evaluacin continua: Peso total de actividades de evaluacin slo prueba final:
100% 100%
Semana Actividad Prensencial en Aula Actividad Prensencial en Otra Actividad Presencial Actividades Evaluacin
Laboratorio
Semana 1
Tema 1: Clases tericas
Duracin: 02:00
Semana 2
Tema 1: Problemas
Duracin: 02:00
Semana 3
Tema 2: Clases tericas
Duracin: 02:00
Semana 4
Tema 2: Problemas
Duracin: 02:00
Semana 5
Tema 2: Clases Tericas
Duracin: 02:00
Semana 6
Tema 2: Problemas
Duracin: 02:00
Semana 7
Tema 2: Problemas. Prueba de evaluacin continua
Resolucin con ordenador
Duracin: 01:00
Duracin: 02:00
EX: Tcnica del tipo Examen Escrito
PR: Actividad del tipo Clase de
Problemas Evaluacin continua
Actividad presencial
Semana 8
Tema 3: Clases Tericas
Duracin: 02:00
Semana 9
Tema 3: Problemas
Duracin: 01:00
Semana 10
Tema 3: Clases tericas
Duracin: 01:00
Tema 3: Problemas
Duracin: 01:00
GA_05TI_55000020_2S_2016-17 5
UNIVERSIDAD POLITCNICA DE MADRID
Semana 11
Tema 3: Clases tericas
Duracin: 01:00
Tema 3: Problemas
Duracin: 01:00
Semana 12
Tema 3: Clases tericas
Duracin: 01:00
Tema 3: Problemas
Duracin: 01:00
Semana 13
Tema 3: Clases tericas
Duracin: 01:00
Tema 3: Problemas
Duracin: 01:00
Semana 14
Tema 3: Clases tericas
Duracin: 01:00
Semana 15
Tema 3: Problemas con R Prueba de Evaluacin Continua
Duracin: 02:00 Duracin: 01:00
OT: Otras actividades formativas EX: Tcnica del tipo Examen Escrito
Evaluacin continua
Actividad presencial
Semana 16
Practicas con R
Duracin: 02:00
Semana 17
Examen Final
Duracin: 02:00
Actividad presencial
Nota.- El cronograma sigue una planificacin terica de la asignatura que puede sufrir modificaciones durante el curso.
Nota 2.- Para poder calcular correctamente la dedicacin de un alumno, la duracin de las actividades que se repiten en el tiempo
(por ejemplo, subgrupos de prcticas") nicamente se indican la primera vez que se definen.
GA_05TI_55000020_2S_2016-17 6
UNIVERSIDAD POLITCNICA DE MADRID
Actividades de Evaluacin
Semana Descripcin Duracin Tipo evaluacin Tcnica Presencial Peso Nota Competencias
evaluativa mnima evaluadas
7 Prueba de evaluacin continua 01:00 Evaluacin EX: Tcnica del S 50% 5 / 10 CG6, CG1, CG3,
continua tipo Examen CG8, CG2
Escrito
15 Prueba de Evaluacin Continua 01:00 Evaluacin EX: Tcnica del S 50% 5 / 10 CG8, CE6, CG2,
continua tipo Examen CG7
Escrito
17 Examen Final 02:00 Evaluacin slo EX: Tcnica del S 100% 5 / 10 CG6, CG1, CG3,
prueba final tipo Examen CG8, CE6, CG2,
Escrito CG7
Criterios de Evaluacin
Evaluacin continua: A lo largo del curso se realiza un examen de cada parte. Para aprobar la asignatura es necesario tener
aprobados los dos exmenes. Un examen se considera aprobado si la nota es igual o superior a cinco. La nota final ser igual a
la media aritmtica de las dos notas parciales. Cada examen tendr dos ejercicios: Cada ejercicio consistir en anlisis de datos
con el programa R en aulas informticas, adems de cuestiones de ejercicios de carcter ms numrico. Cada ejercicio tendr
una duracin de 30 minutos y se valuar sobre 5 puntos. La calificacin del examen ser la suma de las calificaciones de ambos
ejercicios.
Examen Final Ordinario (junio): El alumno que no haya aprobado los dos exmenes parciales tendr que realizar el examen final
ordinario para aprobar la asignatura. El examen final tendr dos partes, correspondientes a cada parte de la asignatura. El
alumno se examinar de las partes que no haya aprobado en los exmenes parciales. Para aprobar el examen ser necesario
tener aprobadas las dos partes (bien en los exmenes parciales o en el examen final), y la nota final ser igual a la media
aritmtica de las dos notas parciales.
Examen Final Extraordinario: Un examen nico para todos los alumnos. Ser necesario obtener una calificacin igual o superior
a cinco para aprobar la asignatura. Las calificaciones previas obtenidas en los exmenes parciales y final ordinario no sern
tenidas en cuenta en la evaluacin de este examen.
GA_05TI_55000020_2S_2016-17 7
UNIVERSIDAD POLITCNICA DE MADRID
Recursos Didcticos
Pea, D. , Regresin y diseo de experimentos, Alianza Editorial, 2010 Bibliografa Libro de texto
Juan, J. y otros, Problemas resueltos de Estadstica, Sntesis, 2000 Bibliografa Libro de problemas
Otra Informacin
Nota: El cronograma sigue una planificacin terica de la asignatura que puede sufrir modificaciones durante el curso.
GA_05TI_55000020_2S_2016-17 8