Análisis Multivariante

Introducir al alumno en el estudio de diversas técnicas para el análisis de datos en Veterinaria, comenzando con el análisis estadístico bivariante para continuar con el estudio de diversas técnicas de dependencia e interdependencia para el análisis de datos multivariantes. Se pretende que los estudiantes adquieran los conocimientos que les permitan identificar situaciones en las que es posible y necesario un análisis multivariante de los datos. Así como, saber emplear el programa R en la obtención de resultados e interpretar las salidas. Los objetivos finales son: conocer los métodos multivariantes, las herramientas para decidir si se cumplen las condiciones para aplicarlos, obtener e interpretar los resultados.

La memoria del título contempla para esta materia los siguientes contenidos:

Análisis multivariante: técnicas de dependencia, técnicas de interdependencia. Comparación de grupos o tratamientos: ANOVA y MANOVA. Modelos de regresión. Estimación de parámetros. Predicción. Inferencia. Explicar y predecir la pertenencia de un individuo a un grupo: modelos con respuesta cualitativa. Criterios para discriminar o separar grupos: análisis discriminante. Reducción de la dimensión: análisis de componentes principales y análisis de correspondencias. Técnicas de agrupación: análisis de conglomerados.

Estos contenidos serán desarrollados de acuerdo con el siguiente temario:

TEMA 1. EL ANÁLISIS MULTIVARIANTE EN VETERINARIA.
Clasificación de las técnicas multivariantes.
R: programa de aplicación en medicina veterinaria.

TEMA 2. REVISIÓN DE CONCEPTOS BÁSICOS DE INFERENCIA ESTADÍSTICA.
Análisis inicial de los datos: valores perdidos, datos atípicos, normalidad, homocedasticidad.
Estimación por intervalos de confianza. Contraste de hipótesis.

TEMA 3. COMPARACIÓN DE GRUPOS O TRATAMIENTOS: ANÁLISIS DE LA VARIANZA.
Análisis de la varianza con un factor.
Comparaciones múltiples.
Análisis de la varianza con dos factores.
Pruebas no paramétricas.
Análisis multivariante de la varianza.

TEMA 4. MODELOS DE REGRESIÓN.
Correlación.
Regresión lineal simple.
Inferencia en la estimación del modelo y en la predicción.
Regresión curvilínea.
Regresión múltiple.
Análisis de la colinealidad.
Predicción y diagnosis del modelo.

TEMA 5. EXPLICAR Y PREDECIR LA PERTENENCIA DE UN INDIVIDUO A UN GRUPO: MODELOS CON RESPUESTA CUALITATIVA.
Regresión logística binaria.
Inferencia sobre los parámetros.
Predicción.
Curva ROC.

TEMA 6. CRITERIOS PARA DISCRIMINAR O SEPARAR GRUPOS: ANÁLISIS DISCRIMINANTE.
Clasificación con dos grupos.
Evaluación de la capacidad de predicción del modelo.
Clasificación con más de dos grupos.

TEMA 7. REDUCCIÓN DE LA DIMENSIÓN: ANÁLISIS DE COMPONENTES PRINCIPALES Y ANÁLISIS DE CORRESPONDENCIAS.
Obtención de las componentes principales y correlación con las variables originales.
Selección del número de componentes a retener.
Introducción al análisis factorial.
Análisis de correspondencias simples.

TEMA 8. TÉCNICAS DE AGRUPACIÓN: ANÁLISIS DE CONGLOMERADOS.
Procedimientos jerárquicos.
Dendograma.
Distintos métodos de formación de grupos.
Análisis no jerárquico: k-medias.
Análisis de resultados en combinación con otras técnicas multivariantes.

PROGRAMA DE PRÁCTICAS
Prácticas de ordenador: TRATAMIENTO DE DATOS CON R y R-Commander.

-AM OR1: Revisión de Bioestadística con R y R-Commander.
-AM OR2: Test paramétricos y non paramétricos de comparación de poblaciones.
-AM OR3: Modelos de regresión: regresión simple, múltiple y regresión logística. (1/2)
-AM OR4: Modelos de regresión: regresión simple, múltiple y regresión logística. (2/2)
-AM OR5: Análisis discriminante. Descripción y clasificación.
-AM OR6: Análisis dimensional. Representaciones gráficas.
-AM OR7: Aplicaciones del análisis de conglomerados.

SEMINARIOS
-AM S1: Revisión de conceptos básicos de inferencia estadística: Interpretación de los resultados mediante ordenador.
-AM S2: Planteamiento interactivo del diseño estadístico de un experimento.

Tiempo previsto para cada bloque temático (horas presenciales). HE=horas expositivas, HS=horas de seminario, HI=horas interactivas.
Temas 1 y 2. Tiempo previsto: 1HE, 0HS, 3HI.
Tema 3. Tiempo previsto: 2HE, 1HS, 3HI.
Tema 4. Tiempo previsto: 2HE, 1HS, 3HI.
Temas 5 y 6. Tiempo previsto: 2HE, 1HS, 3HI.
Tema 7. Tiempo previsto: 2HE, 1HS, 2HI.
Tema 8. Tiempo previsto: 1HE, 0HS, 1HI.

Bibliografía básica:
-Daniel, W. W. (2006): Bioestadística: base para el análisis de las ciencias de la salud. Limusa Wiley coop.
-Ekstrom,C. T.; Sorensen, H. (2014). Statistical Data Analysis for the Life Sciences. CRC Press.
-Everitt, B. S.; Hothorn, T. (2010): A Handbook of statistical Analyses Using R. Chapman & Hall/CRC.
-Grafen, A.; Hails, R. (2003). Modern Statistics for the Life Science. Oxford University Press.
-Kaps, M.; Lamberson, W. (2004): Bioestatistics for Animal Science. CABI Publishing.
-Martínez González, M. A. (ed) (2006): Bioestadística amigable. Díaz de Santos.
-Peña Sánchez de Rivera, D. (2002): Análisis de datos multivariantes. Mc Graw Hill.
-Rencher, A. C. (2002): Methods of multivariate analysis. Wiley
-Zar, J. H. (2010): Biostatistical Analysis. Pearson.

Bibliografía complementaria:
-Aldás, J.; Uriel, E. (2017): Análisis multivariante aplicado con R. Paraninfo.
-Álvarez Cáceres, R. (2007): Estadística aplicada a las Ciencias de la Salud. Díaz de Santos.
-Bate, S.T; Clark, R. A. (2014): The design and statistical analysis of animal experiments. Cambridge University Press.
-Denis, D.J. (2020). Univariate, Bivariate, and Multivariate Statistics Using R. Wiley
-Everitt, B. (2005). An Rand S-PLUS Companion to Multivariate Analysis. Springer
-Everitt, B. y Hothorn, T. (2011). An Introduction to Applied Multivariate Analysis with R. Springer
-Guisande González C. et all (2011): Tratamiento de datos con R, Statistica y SPSS. Díaz de Santos.
-Hair, J. F. et all (2004): Análisis multivariante. Prenticen Hall.
-Herrera Haro, J. G.; García Artiga, C. (2010): Bioestadística en Ciencias Veterinarias (Procedimientos de Análisis con SAS). Universidad Complutense de Madrid.
-Johnson, D. E. (2000): Métodos Multivariados aplicados al análisis de datos. Internacional Thomson Editores.
-Logan, M. (2010): Biostatistical design and analysis using R: a practical guide. Wiley-Blackwell.
-Maindonald, J.; Braun, W. J. (2010): Data Analysis and Graphics Using R. An Example-Based Approach. Cambridge.
-Martín Alvarez P.J. (2006): Prácticas de tratamiento estadístico de datos con el programa SPSS para windows: aplicaciones en el área de ciencia y tecnología de alimentos. Consejo Superior de Investigaciones Cientificas.
-Pardo, A.; San Martín, R. (2010): Análisis de datos en ciencias sociales y de la salud II. Editorial Síntesis.
-Pérez López, C. (2024): Análisis Multivariante de Datos. Aplicaciones con R. Ibergarceta Publicaciones.
-Petrie,A.; Watson,P. (2006): Statistics for Veterinary and Animal Science. Blackwell.
-Quinn, G. P., Keough, M. J. (2002): Experimental Design and Data Analysis for Biologists. Cambridge University Press.
-Rial Boubeta, A.; Varela Mallou, J. (2008): Estadística práctica para investigación en Ciencias de la Salud. Ed. Netbiblo.
-Véliz Capuñay, C. (2017): Análisis multivariante. Métodos estadísticos multivariantes para la investigación. Cengage Learning Editores.
-Zelterman, D. (2015). Applied Multivariate Statistics With R. Springer

Competencias generales del Grado en Veterinaria:

o GVUSC01. Capacidad de aprendizaje y adaptación.
o GVUSC02. Capacidad de análisis y síntesis.
o GVUSC03. Conocimientos generales sobre el área de trabajo.
o GVUSC04. Planificación y gestión del trabajo.
o GVUSC05. Capacidad de aplicar los conocimientos en la práctica.
o GVUSC06. Capacidad de trabajar de forma autónoma y en equipo.
o GVUSC07. Habilidad para trabajar en un contexto internacional.
o GVUSC08. Liderazgo, iniciativa y espíritu emprendedor.
o GVUSC09. Capacidad de comunicarse en distintos ámbitos.
o GVUSC10. Compromiso ético y asunción de responsabilidades.

Competencias disciplinares:

o CEDVUSC 01. Conocimiento genérico de los animales, de su comportamiento y de las bases de su identificación.
o CEDVUSC 13. Conocer los aspectos organizativos, económicos y de gestión en todos aquellos campos de la profesión veterinaria.

Competencias profesionales:

o D1VUSC 03. Realizar técnicas analíticas básicas e interpretar resultados clínicos, biológicos y químicos.
o D1VUSC 15. Asesoramiento y gestión, técnica y económica, de empresas de ámbito veterinario en un contexto de sostenibilidad.
o D1VUSC 17. Realizar informes técnicos propios de las competencias veterinarias.

Competencias académicas:

o CEAVUSC 01. Analizar, sintetizar, resolver problemas y tomar decisiones en los ámbitos profesionales de el/la veterinario/a.
o CEAVUSC 03. Divulgar la información obtenida durante el ejercicio profesional de el/la veterinario/a de forma fluida, oral y escrita, con otros colegas, autoridades y la sociedad en general
o CEAVUSC 04. Buscar y gestionar la información relacionada con la actividad de el/la veterinario/a.
o CEAVUSC 05. Conocer y aplicar el método científico en la práctica profesional incluyendo la medicina basada en la evidencia.
o CEAVUSC 06. Saber buscar asesoramiento y ayuda profesionales.
o CEAVUSC 07. Tener conocimientos básicos de una lengua extranjera, especialmente en aspectos técnicos relacionados con las Ciencias Veterinarias.
o CEAVUSC 08. Ser consciente de la necesidad de mantener actualizados los conocimientos, habilidades y actitudes de las competencias profesionales mediante un proceso de formación permanente.

Competencias transversales:

o CTVUSC 01. Capacidad para el razonamiento y la argumentación.
o CTVUSC 02. Capacidad para obtener información adecuada, diversa y actualizada por diversos medios, como información bibliográfica e Internet, y analizarla de una forma crítica.
o CTVUSC 03. Capacidad para elaborar y presentar un texto organizado y comprensible.
o CTVUSC 04. Capacidad para realizar una exposición en público de forma clara, coherente y escueta.
o CTVUSC 05. Habilidad en el manejo de las TICs.
o CTVUSC 06. Utilización de información en lengua extranjera.
o CTVUSC 07. Capacidad para resolver problemas mediante la aplicación integrada de sus conocimientos.

En todos los temas se hará la exposición de los contenidos con un enfoque centrado en la aplicación, presentando los principios de cada técnica de forma breve, desarrollando las explicaciones de los pasos a seguir mediante ejercicios. Todas las clases se realizarán contando con ordenador, para que los alumnos hagan el seguimiento de todos los ejemplos y realicen los ejercicios en el propio ordenador. El tratamiento de los datos se hará con el programa estadístico R.

Esta materia figurará entre las ofertadas desde la USC-Virtual (campus virtual de la USC). Aquí se podrá encontrar todo el material de apoyo para las clases presenciales (presentaciones con ordenador, prácticas...) y la información relativa al seguimiento de la materia (calendario de trabajo, enlaces con páginas web, datos de los problemas…). Se podrán consultar dudas y aprovechar todos los recursos que se ofertan desde el Campus virtual de la USC. Es imprescindible el uso del curso virtual para recoger los trabajos propuestos y entregar las soluciones.

Las clases se impartirán en el Seminario del Departamento de la materia en la Facultad de Ciencias.

La evaluación da materia se hará mediante evaluación continua y las actividades de evaluación al final del semestre:
1.- El examen de la materia, al final del semestre, tendrá una valoración máxima de 5 puntos en la calificación final.
La evaluación al final del semestre se hará mediante una prueba escrita con cuestiones, fundamentalmente prácticas, sobre los conceptos, modelos y procedimientos estudiados en las clases.
Habrá dos oportunidades que tendrán lugar en las fechas oficiales fijadas por el centro.

2.- Las actividades de evaluación continua tendrán una valoración máxima de 5 puntos en la calificación final.
A lo largo del curso se propondrán actividades para la evaluación del seguimiento continuo de las clases, valorándose la participación y rendimiento en las clases expositivas e interactivas, así como la elaboración de los trabajos y problemas que se propongan al remate de cada tema. Estos trabajos se realizarán fuera del horario de la actividad docente, debiendo entregarse en los plazos establecidos a través del Campus virtual.
Las fechas de entregas de estos trabajos serán las siguientes:
1ª actividad en la semana 3
2ª actividad en la semana 5
3ª actividad en la semana 7
4ª actividad en la semana 9
5ª actividad en la semana 11

La ponderación de cada una de estas actividades será de un 20% de la nota final de la evaluación continua.
Las notas que se obtengan en este apartado 2 de la primera oportunidad se conservan para la segunda oportunidad del curso académico.

No hay criterios diferentes de evaluación para estudiantes que tengan concedida dispensa de asistencia.

La prueba final será presencial.

Para superar la materia será necesario:
Obtener por lo menos 2 puntos (sobre 5) en la prueba de evaluación final
Obtener por lo menos 2 puntos (sobre 5) en las actividades de evaluación continua
Obtener por lo menos una calificación de 5 sumadas las actividades de evaluación continua y de evaluación final
En el caso de no obtener por lo menos 4 puntos (sobre 10) en la prueba de evaluación al final del semestre, esa será la nota de la materia. En otro caso, la nota de la materia será la suma de la nota de la prueba de evaluación final y la nota de la evaluación continua.

Para aquellos estudiantes que repitan la asignatura, y su nota en el apartado 2 del curso anterior sea superior o igual a 5 (sobre 10), se conserva la nota del curso anterior en el aparatado 2. En dicho caso, la nota del apartado 2 del presente curso será la máxima entre la nota del apartado 2 del curso pasado y la nota del apartado 2 del curso actual.

Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo establecido en la “Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de las calificaciones”.

ECTS: 3

Docencia expositiva (AM): 10 h.
Docencia Interactiva: 19 h. (Seminarios (AM S): 4 h. Prácticas (AM OR): 15 h.)
Tutoría grupo reducido (AM T): 1h.
Total presencial: 30h.

No presencial:
Estudio individual: 15h
Elaboración de memorias de prácticas: 4h
Revisión bibliográfica, biblioteca, etc.: 2h
Resolución de casos/problemas: 18h
Realización de exámenes: 2h
Otras actividades propuestas por los profesores: 4h
Total no presencial (estimadas): 45 h.
Carga de trabajo total estimada: 75 h.

- Asistencia y participación activa en las clases.

- El seguimiento de las lecturas que se propongan y la consulta de la bibliografía.

- Uso de las tutorías, tanto en las horas asignadas como a través de la USC-Virtual.

Para cursar esta materia el alumno debería haber aprobado la Bioestadística de primer curso.
El profesorado de esta materia a lo largo del proceso formativo utilizará dos idiomas: castellano y gallego.