Titulación | Tipo | Curso | Semestre |
---|---|---|---|
2501230 Ciencias Biomédicas | FB | 1 | 2 |
No hay prerrequisitos oficiales, sin embargo se recomienda tener conocimientos previos de matemáticas elementales que incluyan los conceptos de derivación e integración.
La asignatura de Bioestadística y Análisis de datos tiene como objetivo fundamental el introducir al estudiante en el conocimiento y uso de las herramientas básicas del saber de acuerdo con el método científico.
La asignatura abordará los problemas relativos a la investigación en los campos de la Biología y de la Medicina con el método matemático y, especialmente, desde la teoría de probabilidades. Este enfoque permitirá cuantificar, de forma precisa, relaciones significativas entre los diversos fenómenos relacionados con la salud y la patología humana desde la perspectiva de la Investigación Biomédica.
Para alcanzar estos objetivos, el alumno deberá trabajar con diversas herramientas conceptuales, metodológicas e instrumentales necesarias para desarrollar una visión de la Biomedicina de acuerdo con el rigor científico.
TEMA 1. INTRODUCCIÓN
1.1. Definición y objetivos de la Estadística
1.2. Población y muestra
1.3. Estadística descriptiva, teoría de probabilidades y inferencia estadística
TEMA 2. ESTADÍSTICA DESCRIPTIVA MONOVARIABLE
2.1. Variables cualitativas y variables cuantitativas discretas. Frecuencias absoluta, relativa y acumulada. Representaciones gráficas
2.2. Variables cuantitativas continuas. Agrupación de datos: Tablas de frecuencias. Representaciones gráficas. Medidas de tendencia central: media, mediana y moda. Medidas de dispersión: rango, varianza, desviación típica y coeficiente de variación. Medidas morfológicas: sesgo y curtosis
TEMA 3. ESTADÍSTICA DESCRIPTIVA BIVARIABLE
3.1. Relación entre dos variables cualitativas. Relación entre una variable cualitativa y una variable cuantitativa continua. Relación entre dos variables cuantitativas continuas (coeficiente de correlación)
3.2. Datos apareados (medidas repetidas)
TEMA 4. TEORÍA DE PROBABILIDADES
4.1. Experimento aleatorio, espacio muestral y suceso
4.2. Operaciones con sucesos: unión, intersección, sucesos contrarios y diferencia de sucesos. Sucesos incompatibles
4.3. Frecuencias absolutas y relativas. Probabilidad
4.3. Probabilidad condicionada. Sucesos independientes. Probabilidad de la unión y interseccióde sucesos
4.4. Teorema de Bayes
4.5. Medida de la frecuencia de una enfermedad en la población. Incidencia y prevalencia
4.6. Evaluación de factores de riesgo. Riesgo relativo y odds ratio
4.7. Evaluación de criterios diagnóstico. Sensibilidad, especificidad, valores predictivos positivos y negativos
TEMA 5. VARIABLES ALEATORIAS
5.1. Variables aleatorias discretas y continuas
5.2. Función densidad de probabilidad, función distribución de probabilidad, esperanza matemática y varianza de variables aleatorias discretas y continuas
5.3. Distribuciones teóricas de variables aleatorias discretas: Binomial y Poisson
5.4. Distribuciones teóricas de variables aleatorias continuas: normal, χ2, t de Student y F de Fisher Snedecor
5.5. Teorema del límite central. Teorema de De Moivre. Distribución muestral. Intervalo de probabilidad
TEMA 6. ESTIMACIÓN DE PARÁMETROS
6.1. Métodos de estimación: intervalo de confianza. Diferencias entre intervalo de probabilidad e intervalo de confianza
6.2. Estimación de medias, varianzas y proporciones poblacionales. Determinación del tamaño de la muestra
TEMA 7. CONTRASTE DE HIPÓTESIS
7.1. Hipótesis nula y alternativa. Zonas de rechazo y no rechazo. Errores del tipo I o riesgo α y tipo II o riesgo β. Contrastes unilaterales y bilaterales. Nivel de significación. Determinación del tamaño de la muestra
7.2. Pruebas de conformidad: contrastes de medias, varianzas y proporciones muestrales con parámetros poblacionales
7.3. Pruebas de independencia: contrastes de medias, varianzas y proporciones muestrales. Test de Kolmogorov-Smirnov. Test no paramétrico de comparación de dos muestras: test de Mann-Whitney
7.4. Contraste de hipótesis de datos apareados. Test no paramétrico de Wilcoxon.
TEMA 8. RELACIÓN ENTRE UNA VARIABLE CUALITATIVA Y UNA VARIABLE CUANTITATIVA: ANÁLISIS DE LA VARIANZA y REGRESIÓN
8.1. ANOVA de un factor. Tests a priori y a posteriori
8.2. Regresión: mínimos cuadrados, significación de la recta de regresión e intervalos de confianza de parámetros poblacionales. Tests de linealidad e utilidad
TEMA 9. RELACIÓN ENTRE DOS VARIABLES CUANTITATIVAS ALEATORIAS: CORRELACIÓN
9.1. Coeficiente de correlación. Significación del coeficiente de correlación. Comparación entre regresión y correlación
TEMA 10. RELACIÓN ENTRE VARIABLES QUALITATIVES: ANÁLISIS DE FRECUENCIAS
10.1. Pruebas de bondad de ajuste de distribuciones de frecuencias en distribuciones teóricas
10.2. Tablas de contingencia. Pruebas de homogeneidad e independencia
10.3. Test de McNemar de datos apareados
Clases teóricas:
Las clases teóricas se impartirán con la metodología de tipo presencial −clases magistrales− aunque se posibilitará y estimulará al máximo la interacción y participación del alumnado. Las clases tendrán apoyo de medios audiovisuales. El material utilizado en clase por el profesor estará disponible en el Campus Virtual de la asignatura; se recomienda a los alumnos que la impriman y lleven a clase, para utilizarlo como apoyo a la hora de tomar apuntes. Se animará al alumno a profundizar en los conocimientos adquiridos en clase mediante la utilización de la bibliografía y software de simulación recomendados.
Clases de problemas / seminarios de prácticas:
Dado el carácter y la orientación de la asignatura las clases de problemas, intercaladas convenientemente con las de teoría, jugarán un papel clave en su desarrollo y en el aprendizaje de la materia.
Mediante el Campus Virtual se entregarán colecciones de problemas, organizados según los temas de la asignatura, que el alumno deberá ir desarrollando tanto en clase como individualmente. La mayor parte de estos problemas serán casos prácticos que en resolverlos permitan al alumno una mayor compresión de los conocimientos adquiridos en las clases de teoría y en el estudio personal.
En las clases de problemas, también se utilizarán herramientas como Kahoot para la consolidación de contenidos y como diagnóstico de los conocimientos adquiridos.
En los seminarios de prácticas, intercalados convenientemente con las clases de teoría, se introducirá la metodología y dinámica del software SPSS (u otro paquete estadístico), que el alumno deberá utilizar en las clases prácticas mediante, con el fin de lograr el aprendizaje objeto de la asignatura.
Clases prácticas:
Las clases prácticasson un punto fundamental para el correcto cumplimiento de los objetivos de la asignatura. En ellas el alumno deberá resolver casos prácticos, previamente seleccionados, mediante software estadístico. El aprendizaje contempla tanto la introducción y manipulación de datos, como el uso de las principales facilidades que ofrece este software para el análisis de datos. Las prácticas se llevarán a cabo individualmente o por parejas. El desarrollo de estas clases estará ligado a las clases teóricas y de problemas con buena correlación temporal.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clases de seminario/problemas | 6 | 0,24 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 14, 15, 16 |
Clases de teoría | 24 | 0,96 | 3, 4, 5, 6, 7, 8, 9, 11, 14, 16 |
Clases prácticas | 20 | 0,8 | 1, 2, 3, 5, 6, 7, 10, 16 |
Tipo: Supervisadas | |||
Prácticas de consolidación | 7 | 0,28 | 3, 4, 5, 6, 7, 8, 9, 10, 12, 16 |
Tipo: Autónomas | |||
Cuestionarios de practicas | 7 | 0,28 | 1, 4, 5, 7, 8, 9, 11, 14, 15, 16 |
Estudio personal | 42 | 1,68 | 1, 2, 3, 5, 6, 9, 10, 12, 15 |
Realización de problemas | 24 | 0,96 | 3, 4, 5, 7, 8, 9, 11, 14, 15 |
Realización de tests | 10 | 0,4 |
Las competencias de la asignatura se evaluaran según los siguientes criterios:
Exámenes teóricos: | ||
1era prueba parcial | T1 | 30% |
2a prueba parcial | T2 | 35% |
Exámenes practicos: | ||
1era prueba parcial | P1 | 10% |
2ona prueba parcial | P2 | 15% |
Asistencia y memorias de practicas | 10% |
Calificaciones:
Examen de Recuperación (Final):
Alumnos repetidores:
Revisión de exámenes:
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Examen de teoria y problemas - segundo parcial | 35% | 3 | 0,12 | 1, 3, 4, 5, 7, 8, 10, 11, 12, 13, 14, 15, 16 |
Examen de teoría y problemas - primer parcial | 30% | 3 | 0,12 | 1, 3, 5, 6, 9, 11, 13, 14, 15, 16 |
Examen práctico con ordenador - primer parcial | 10% | 2 | 0,08 | 1, 2, 3, 4, 7, 8, 11, 12, 13, 14, 15 |
Examen práctico con ordenador - segon parcial | 15% | 2 | 0,08 | 1, 2, 3, 4, 5, 7, 8, 10, 11, 12, 13, 14, 15 |
Bibliografía básica
Milton JS. Estadística para biología y ciencias de la salud. 3a. Edición. Madrid: Interamericana. McGraw-Hill, 2001.
Daniel WW. Bioestadística. Base para el análisis de las ciencias de la salud. 4a Edición. Limusa Wiley, 2002.
Sentís J, Pardell H, Cobo E, Canela J. Manual de Bioestadística. 3a. Edición. Barcelona: Masson, 2003.
Sorribas A, Abella F, Gómez X, March J. Metodologia estadística en ciències de la salut: Del disseny de l’estudi a l’anàlisi de resultats. Edicions de la Universitat de Lleida i F.V. Libros. 1997.
Ferrán M, SPSS para Windows. Programación y Análisis estadístico. McGraw-Hill, 1996.
Ferrán M, SPSS para Windows. Análisis Estadístico. McGraw-Hill, 2001.
Enlaces Web:
http://www.bioestadistica.uma.es/libro/
http://www.hrc.es/bioest/M_docente.html
https://link-springer-com.are.uab.cat/book/10.1007%2F978-3-319-20600-4
http://davidmlane.com/hyperstat/index.html
https://seeing-theory.brown.edu
Simuladores:
http://demonstrations.wolfram.com/ - http://demonstrations.wolfram.com/topic.html?topic=Statistics&limit=20
http://socr.ucla.edu/SOCR.html