Módulo/Materia
- Materia Nivel 1: Optatividad
- Materia Nivel 2: Optatividad
Subir
Descripción/Contenidos
Conceptos básicos de modelización de sistemas complejos. Evaluación de modelos matemáticos de simulación. Análisis de sensibilidad global y de incertidumbre de modelos. Parametrización de modelos. Postprocesado de los resultados. Simulación en clúster de computación.
Subir
Competencias genéricas
- CB2- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB3- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- CB4- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
Subir
Competencias específicas
- CG1- Aplicar la capacidad analítica y de abstracción, la intuición y el pensamiento lógico adquiridos para identificar y analizar problemas complejos y buscar y formular soluciones en un entorno multidisciplinar.
- CG2- Expresar, argumentar y razonar adecuadamente sobre los aspectos que son propios del grado, siendo capaces de plantear nuevas preguntas, integrarlas en el contexto adecuado y generar un avance en el conocimiento científico y profesional.
- CG4- Colaborar en trabajos propios de la actividad investigadora e iniciar estudios de posgrado con orientación profesional o a la investigación.
- CE3- Identificar las variables del medio físico de interés para los seres vivos, conociendo las variaciones de las mismas y su impacto en los ecosistemas y su funcionamiento.
- CE4- Entender la estructura y dinámica de las poblaciones y las consecuencias de la alteración de los ecosistemas así como las posibles variables implicadas en la estabilidad de los mismos.
- CE25- Capacidad para el tratamiento, análisis y presentación de datos experimentales mediante los procedimientos adecuados y las herramientas informáticas necesarias.
Subir
Resultados aprendizaje
- RA1. Comprender los principios básicos de modelización matemática de sistemas naturales complejos.
- RA2. Realizar análisis de sensibilidad de modelos matemáticos
- RA3. Analizar la incertidumbre de modelos matemáticos
Subir
Metodología
Metodología-Actividad |
Horas presenciales |
Horas no presenciales |
A1- Clases expositivas/participativas |
13 |
|
A2- Prácticas |
13 |
|
A3- Realización de trabajos/proyectos en grupo |
2 |
13 |
A4- Estudio y trabajo autónomo del estudiante |
|
30 |
A5- Tutorías |
|
2 |
A6- Pruebas de evaluación |
2 |
|
Total |
30 |
45 |
Subir
Idiomas
Castellano.
Subir
Evaluación
Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) |
Carácter recuperable |
Nota mínima requerida |
RA1, RA2, RA3 |
Trabajos e informes |
40% |
Recuperable mediante la entrega del informe corregido según las indicaciones del profesor |
|
RA1, RA2, RA3 |
Exposición oral |
10% |
Sí |
|
RA1, RA2, RA3 |
Prueba escrita. |
50% |
Recuperable mediante prueba escrita |
Para aprobar la asignatura es necesaria una calificación final mayor o igual que 5/10 |
Subir
Temario
- Tema 1. Introducción a sistemas complejos. Modelos matemáticos.
- Tema 2. Análisis de sensibilidad local. Análisis de sensibilidad global y de incertidumbre de modelos, método de Sobol y Morris.
- Tema 3. Simulación en clúster de computación. Herramientas de scripting: preprocesado y postprocesado.
- Tema 4. Técnicas rápidas de visualización de resultados.
(*) Nota: no se diferencia entre temario teórico y práctico ya que toda la docencia se impartirá en un aula de informática, aplicándose con casos prácticos los algoritmos explicados en cada tema.
Subir
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
- Bolker B., 2008. Ecological Models and Data in R. Princeton University Press. ISBN: 0691125228
- Saltelli A., S. Tarantola, F. Campolongo and M. Ratto, 2004. Sensitivity analysis in practice. A Guide to Assessing Scientific Models. John Wiley & Sons Ltd. Chichester, UK. 219 p. ISBN: 9780470870938
- Saltelli A., M. Ratto, F. Campolongo, J. Cariboni, D. Gatelli, M. Saisana and S. Tarantola, 2008. Global Sensitivity Analysis. The Primer. John Wiley & Sons Ltd. Chichester, UK. 292 p.
- Saltelli A., M. Ratto, S. Tarantola and F. Campolongo, 2005. Sensitivity Analysis for Chemical Models. Chem. Rev. 105, 7, 2811-282.
- Healy K., 2018. Data Visualization: A Practical Introduction. Princeton University Press. 292 p. ISBN: 0691181616
Subir
Lugar de impartición
Aula de informática, los casos prácticos se desarrollarán en la misma aula de informática
Subir