Guia docente 2023_24
Escuela de Ingeniería Industrial
Máster Universitario en Ingeniería Biomédica
 Asignaturas
  Estadística avanzada para la ingeniería biomédica
   Contenidos
Tema Subtema
Tema 1. Ampliación de diseño y análisis de experimentos Principios y conceptos básicos del diseño experimental. Diseños replicados. Factor de bloqueo. Interacción. Diseño factorial con dos factores: modelo, contrastes de hipótesis relevantes, tabla ANOVA II, modelo de efectos principales. Diseño factorial con tres factores. Diseños fraccionados. Fracción un-medio de un diseño 2^k: fracción principal y fracción complementaria. Fracciones de diseños con tres factores: cuadrados latinos.
Tema 2. Introducción al control de calidad Dimensiones de la calidad e la Ingeniería. Principios básicos del control estadístico de la calidad. Control por variables y control por atributos. Gráficos de control: límites de advertencia, límites de acción y reglas de decisión. Función de operación característica. Control por variables: gráfico x-barra, gráfico R, gráfico S, gráficos para medidas individuales. Análisis de la capacidad. Control por atributos: gráfico p, gráfico np, gráfico c y gráfico u.
Tema 3. Fiabilidad industrial y análisis de supervivencia Concepto de fiabilidad y medidas de fiabilidad. Función de fiabilidad y función de tasa de fallo. Tiempo medio residual de vida. Modelos probabilísticos notables: Exponencial, Gamma, Weibull, Lognormal, Loglogístico. Fiabilidad de sistemas. Estudios de fiabilidad: datos censurados y datos truncados. Métodos paramétricos de estimación e inferencia sobre la fiabilidad. Métodos no paramétricos: curvas Kaplan-Meier y Nelson-Aalen. Gráficos de bondad de ajuste. Tests de vida acelerada. Regresión de Cox. Múltiples tipos de fallo.
Tema 4. Métodos lineales en regresión y clasificación Modelo lineal y modelo lineal generalizado (logístico y Poisson). Estimación e inferencia. Evaluación y selección de modelos (error de predicción; criterios de información; validación cruzada y bootstrap). Selección de variables y regularización (selección de subconjuntos de variables; regresión paso a paso; regresión LASSO y Ridge). Reducción de la dimensión.
Tema 5. Métodos no lineales en regresión y clasificación Modelización de efectos no lineales: expansión en bases y regresión spline penalizada. Modelo aditivo generalizado. Estimación e inferencia. Métodos de regresión y clasificación basados en árboles: árboles de decisión y bosques aleatorios. Breve introducción a las máquinas de vectores de soporte (support vector machines) y a las redes neuronales.
Universidade de Vigo            | Rectorado | Campus Universitario | C.P. 36.310 Vigo (Pontevedra) | España | Tlf: +34 986 812 000