CG1 - Aprender a aplicar los conocimientos adquiridos y a explotar su potencial para la resolución de problemas en entornos
nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) en el tratamiento estadístico-computacional de la
información.
CG2 - Elaborar adecuadamente y con originalidad argumentos motivados y proyectos de trabajo, redactar planes, así como formular
hipótesis y conjeturas razonables en su área de especialización.
CG3 - Integrar los conocimientos adecuados y enfrentarse a la complejidad de emitir juicios en función de criterios, de normas
externas o de reflexiones personales justificadas.
CG4 - Comunicar y presentar públicamente ideas, procedimientos o informes de investigación, así como asesorar a personas
u organizaciones en el tratamiento estadístico-computacional de la información. La presentación de estas ideas debe transmitir
de forma clara y precisa las conclusiones de forma que sean entendidas tanto por el especialista como por el profano en temas
estadístico-computacionales.
CG5 - Comprender y utilizar el lenguaje y las herramientas matemáticas para modelizar y resolver problemas complejos,
reconociendo y valorando las situaciones y problemas susceptibles de ser tratados matemáticamente.
CG6 - Conocer los modelos, métodos y técnicas relevantes en distintas áreas de aplicación de la Estadística matemática
participando en la creación de nuevas tecnologías que contribuyan al desarrollo de la Sociedad de la Información.
CG7 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendo su
rango de aplicabilidad y limitaciones.

CT1 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y poseer las competencias que suelen
demostrarse por medio de la elaboración y defensa de argumentos y en la resolución de problemas y estudio de casos. Esto implica,
más concretamente: Integrar creativamente conocimientos y aplicarlos a la resolución de problemas complejos, perseguir objetivos
de calidad en el desarrollo de su actividad profesional, adquirir capacidad para la toma de decisiones y de dirección de recursos
humanos, ser capaz de mostrar creatividad, iniciativa y espíritu emprendedor para afrontar los retos de su actividad, valorar la
importancia de los métodos estadístico-computacionales en el contexto industrial, económico, administrativo, medio ambiental y
social.
CT2 - Tener la capacidad de reunir e interpretar datos relevantes para emitir juicios que incluyan una reflexión sobre temas
relevantes de índole científica, tecnológica y empresarial. Demostrar razonamiento crítico y gestionar información científica y
técnica de calidad, bibliografía, bases de datos especializadas y recursos accesibles a través de Internet.

CE1 - Adquisición de una formación sólida y rigurosa en temas avanzados de Estadística, Matemática computacional, Modelos
estocásticos y Metodología de la toma de Decisiones aplicadas al tratamiento de la Información.
CE2 - Capacidad para planificar la resolución de un problema en función de las herramientas de que se disponga y, en su caso, de
las restricciones de tiempo y recursos.
CE3 - Capacidad para utilizar aplicaciones informáticas estadísticas, de cálculo numérico y simbólico, visualización gráfica,
optimización u otras para resolver problemas con un elevado grado de complejidad.
CE4 - Desarrollar habilidades de aprendizaje en Estadística Computacional y Matemáticas, así como en sus respectivas
aplicaciones, que permitan al alumno continuar estudiando y profundizando en la materia de modo autónomo, así como el
desarrollo profesional con un alto grado de independencia.
CE5 - Resolver problemas y casos reales planteados en el tratamiento estadístico-computacional de la información generada en los
ámbitos de la ciencia, la tecnología y la sociedad mediante habilidades de modelización matemática, estimación y computación.
CE6 - Desarrollar programas que resuelvan problemas matemáticos utilizando para cada caso el entorno computacional adecuado.
CE7 - Capacidad de utilización de herramientas de búsqueda de recursos bibliográficos así como manejo, gestión y análisis de
grandes bases de datos.

Sesiones académicas teóricas.

Sesiones académicas de problemas.

Introducción al uso de software especializado.

1,2

1,8

2

Entrega y exposición de trabajos: 60%
Asistencia y participación activa: 30%
Prueba escrita: 10%

- Klir, GJ; Yuan, B (1995) Fuzzy Sets and Fuzzy Logic: Theory and Applications. Prentice Hall.
- Trillas, E; Eciolaza, L (2015) Fuzzy Logic. An Introductory Course for Engineering Students. Studies in Fuzziness and Soft Computing, Springer.
- Hanss, M (2005) Applied Fuzzy Arithmetic. An Introduction with Engineering Applications. Springer-Verlag Berlin Heidelberg.
- Fodor, J; Roubens, M (1994) Fuzzy preference modelling and multicriteria decision support. Kluwer Academic Publishers.
- Artículos científicos relacionados con las diferentes temáticas tratadas.