-
Créditos ECTS
Créditos ECTS: 6Horas ECTS Criterios/Memorias
Trabajo del Alumno/a ECTS: 102
Horas de Tutorías: 2
Clase Expositiva: 12
Clase Interactiva: 34
Total: 150Lenguas de uso
Castellano, GallegoTipo:
Materia Ordinaria Máster RD 1393/2007 - 822/2021Departamentos:
Estadística, Análisis Matemático y OptimizaciónÁreas:
Estadística e Investigación OperativaCentro
Facultad de CienciasConvocatoria:
Primer semestreDocencia:
Con docenciaMatrícula:
Matriculable | 1ro curso (Si) -
Introducir al alumno en las técnicas estadísticas clásicas de análisis de datos en la investigación. Dar a conocer las herramientas para decidir cuándo emplear cada técnica y verificar que se cumplen las condiciones para aplicarla. Capacitar al alumno para la obtención e interpretación de resultados estadísticos manejando el software R.
Tema 1.- Técnicas básicas de inferencia estadística.
Análisis inicial de los datos: valores perdidos, outliers, normalidad, homocedasticidad. Intervalos de confianza. Contraste de hipótesis.
Tema 2.- Diseño de experimentos y análisis de resultados.
Diseños con un factor. Análisis de la varianza. Comparaciones múltiples. Diseños con varios factores de interés (modelos sin replicación y con replicación). Medidas repetidas.
Tema 3.- Métodos no paramétricos y análisis de datos categóricos.
Tests no paramétricos para diseños completamente aleatorizados y diseños en bloques. Test Chi-cuadrado para proporciones y tablas de contingencia.
Tema 4.- Modelos de Regresión.
Correlación. Regresión lineal simple. Inferencia en la estimación del modelo y en la predicción. Regresión no lineal. Regresión múltiple. Análisis de la colinealidad. Diagnosis del modelo.
Tema 5.- Modelos con respuesta cualitativa.
Regresión logística binaria. Inferencia sobre los parámetros. Predicción. Curva ROC.
Tema 6.- Técnicas clásicas de análisis multivariante.
Técnicas de dependencia e interdependencia para el análisis de datos. Aplicaciones del análisis de componentes principales, análisis de correspondencias y análisis clúster.
Prácticas
Prácticas de ordenador: ANÁLISIS DE DATOS CON R.
-R: programa de aplicación en la investigación.
-Preparación de los datos. Estadística descriptiva. Análisis por grupos. Representaciones gráficas.
-Métodos paramétricos y no paramétricos de inferencia estadística.
-Test Chi-cuadrado para proporciones y tablas de contingencia.
-Modelos de regresión y regresión logística.
-Métodos multivariantes clásicos con R.Bibliografía básica
-ALDÁS, J.; URIEL, E. (2017): Análisis multivariante aplicado con R. Paraninfo.
-ALKARKHI, A. F. M.; ALQARAGHULI, W. A. A. (2019). Easy Statistics for Food Science with R. Academic Press.
-ÁLVAREZ CÁCERES, R. (2007). Estadística aplicada a las Ciencias de la Salud. Díaz de Santos.
-DANIEL, W. W. (2006). Bioestadística: base para el análisis de las ciencias de la salud. Limusa Wiley coop.
-EKSTROM,C. T.; SORENSEN, H. (2011). Statistical Data Analysis for the Life Sciences. CRC Press.
-LALANNE, C. ; MESBAH, M. (2016). Biostatistics and Computer-based Analysis of Health Data using R. ISTE Press Ltd and Elsevier Ltd. eBook ISBN: 9780081011751. URL: https://iacobus.usc.gal/permalink/34CISUG_USC/1od8vts/cdi_askewsholts_v…. Acceso 8-5-24.
-MARTÍNEZ GONZÁLEZ, M. A. (ed.) (2006). Bioestadística amigable. Díaz de Santos.
-RIUS, F.; BARÓN, F. J. (2008). Bioestadística. Thomson-Paraninfo.
-SAMUELS, M. L. et all (2012). Fundamentos de Estadística para las Ciencias de la Vida. Pearson.
-SARABIA ALEGRÍA, J.M; PRIETO MENDOZA, F. E JORDÁ GIL, V. (2018). Prácticas de estadística con R. Pirámide.
-ZAR, J.H. (2010). Biostatistical Analysis. Pearson.
Bibliografía complementaria
-EVERITT, B. S.; HOTHORN, T. (2010). A Handbook of statistical analysis Using R. Chapman & Hall RC.
-JOHNSON, D. E. (2000). Métodos Multivariados aplicados al análisis de datos. Internacional Thomson Ed.
-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.
-PARDO, A.; SAN MARTÍN, R. (2010). Análisis de datos en ciencias sociales y de la salud II. Editorial Síntesis.
-PEÑA SÁNCHEZ DE RIVERA, D. (2002). Análisis de datos multivariantes. Mc Graw Hill.
-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. E d. Netbiblo.Competencias generales
CG6: Ser capaz de intervenir en el diseño y desarrollo de alimentos más saludables.
CG7: Desarrollar destrezas y habilidades en el análisis y tratamiento estadístico de datos de tipo físico, químico, microbiológico y sensorial de los alimentos.
CG11: Adquirir formación para desarrollar la actividad investigadora, siendo capaces de formular hipótesis, recoger e interpretar la información para la resolución de problemas siguiendo el método científico, y comprendiendo la importancia y las limitaciones del pensamiento científico en los aspectos relacionados con la nutrición, la seguridad y la tecnología alimentaria.
Competencias básicas
CB7: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB9: Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
Competencias transversales
CT1: Capacidad de análisis y síntesis.
CT2: Capacidad para organizar y planificar.
CT3: Capacidad para trabajar en equipo.
CT5: Capacidad para usar tecnologías de la información y comunicación.
CT7: Capacidad para la resolución de problemas.
CT8: Capacidad para tomar decisiones.
CT10: Capacidad para el razonamiento crítico y la argumentación, y capacidad autocrítica.
CT12: Capacidad para utilizar información en lengua extranjera.
CT14: Capacidad de aplicar los conocimientos a la práctica.
Competencias específicas
CE1: Conocer la metodología de las técnicas estadísticas y los diseños muestrales, y ser capaz de formular hipótesis estadísticas en
problemas relacionados con la nutrición, la seguridad y la tecnología alimentaria.
CE2: Saber interpretar los resultados de análisis estadísticos relacionados con la nutrición, alimentación y aspectos sanitarios.En las clases presenciales se hará una breve exposición de la metodología estadística a abordar, desarrollándola mediante aplicaciones a supuestos prácticos. Todas las clases serán en el aula de informática para que los alumnos hagan el seguimiento de los ejemplos desde su planteamiento inicial, fijando los objetivos, organizando convenientemente la base de datos, obteniendo los resultados con el ordenador e interpretando la salida que proporciona el programa informático. En estas clases se emplearán unos guiones que estarán a disposición de los estudiantes en el campus virtual de la USC antes de cada sesión en el aula de informática.
Las actividades presenciales se completan con tutorías, exámenes y revisión.
En las actividades no presenciales, los alumnos realizarán trabajos individuales que consistirán en la resolución razonada de supuestos relacionados con los contenidos de cada tema. Se empleará el Campus Virtual de la USC para recoger los trabajos propuestos y entregar las soluciones.La evaluación se hará en base a los apartados siguientes.
Apartado 1. El examen de la materia, con un peso del 60%. Esta prueba abordará cuestiones sobre métodos estadísticos y la resolución razonada de problemas. Hay dos oportunidades que se realizarán en las fechas oficiales fijadas por el centro. Competencias a evaluar: CG7, CG11, CB7, CT1, CT5, CT7, CT14, CE1, CE2.
Apartado 2. Las actividades para la evaluación del seguimiento continuo de las clases expositivas e interactivas. Serán actividades presenciales y no presenciales y tendrán una valoración del 40% en la nota final. Competencias a evaluar: CG6, CG7, CG11, CB7, CB9, CT1, CT2, CT3, CT5, CT7, CT8, CT10, CT12, CT14,CE1, CE2.
Para que sea aplicable la evaluación en base a los dos apartados anteriores, será necesario una nota mínima de 4 sobre 10 en el apartado 1 de evaluación. Si non se alcanza ese mínimo en el apartado 1, la nota final máxima de la materia no podrá ser superior a 4.5 sobre 10.
Los estudiantes que no aprueben la materia en la primeira oportunidad tendrán que hacer una nueva prueba de evaluación del apartado 1 en la segunda oportunidad. La nota de la primeira oportunidad del apartado 2 se guarda para la segunda oportunidad.
Para los casos de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la “Normativa de evaluación del rendimiento académico de los estudiantes y de la revisión de las calificaciones”.ECTS = 6
Clases presenciales expositivas: 12 horas. Horas estimadas de trabajo no presencial: 18.
Clases presenciales interactivas: 34 horas. Horas estimadas de trabajo no presencial: 54.
Tutorías presenciales: 2 horas.
Trabajos individuales y/o en grupo. 15 horas estimadas de trabajo no presencial.
Realización de exámenes y revisión: 3 horas presenciales.
Horas presenciales totales: 51.
Horas totales estimadas de estudio y trabajo personal: 99.- Asistencia y participación activa en las clases.
- Realizar las actividades programadas en los plazos establecidos.
- Seguimiento de las lecturas que se propongan y consulta de la bibliografía.
- Uso de las tutorías, tanto en las horas asignadas a las mismas como a través de la USC-Virtual.
- En los exámenes, justificar todas las respuestas y emplear la notación estadística apropiada.El profesorado de esta materia utilizará dos idiomas: gallego y castellano.
-
Maria De Las Nieves Muñoz Ferreiro
Coordinador/a- Departamento
- Estadística, Análisis Matemático y Optimización
- Área
- Estadística e Investigación Operativa
- Teléfono
- 982824058
- Correo electrónico
- nieves.munoz@usc.es
- Categoría
- Profesor/a: Colaborador
-
1º semestre - Del 30 de Septiembre al 06 de Octubre Lunes 16:00-19:00 Grupo /CLIL_01 Castellano AULA INFORMÁTICA 2 Exámenes 10.01.2025 10:00-14:00 Grupo /CLE_01 AULA INFORMÁTICA 1 11.06.2025 16:00-20:00 Grupo /CLE_01 AULA INFORMÁTICA 1