Estadística Aplicada i Quantificació de la Incertesa (250COD007) – Curs 2026/27 PDF
Temari
Exemples d’incertesa en models computacionals; exemples de propagació empírica de la incertesa; estadística descriptiva; probabilitat condicional; teorema de Bayes; variables aleatòries univariants i multivariants; distribucions conjuntes, marginals i condicionals; matrius de covariància i correlació; dependència versus independència; mapes d’incertesa entrada-sortida.
Dedicació
7h Grup granAproximació funcional de models basats en dades; superfícies de resposta polinòmiques; compromís biaix-variància; verificació i validació; descomposició de l’error en quantificació de la incertesa; mínims quadrats no lineals; regularització; variogrames i correlació espacial; processos gaussians com a superfícies de resposta estocàstiques; incertesa en la predicció.
Dedicació
10h Grup granMostreig aleatori i estratificat; mostreig per hipercub llatí; conceptes de reducció de la variància; integració de Monte Carlo; convergència; propagació de la incertesa mitjançant Monte Carlo; exploració versus explotació; mostreig d’importància; esdeveniments rars; anàlisi de sensibilitat; índexs de Sobol; classificació de paràmetres segons la seva influència; simplificació de models.
Dedicació
10h Grup granParadigma bayesià; distribucions a priori, versemblança i distribució posterior; actualització bayesiana amb dades; calibratge versus validació de models; mètodes de Monte Carlo basats en cadenes de Markov (MCMC); algorisme de Metropolis-Hastings; diagnòstics de convergència.
Dedicació
12h Grup granTemes avançats més enllà de les metodologies fonamentals presentades a l’assignatura.
Dedicació
6h Grup gran