Mètodes per a l'Anàlisi de Dades
Codi: 106220 Crèdits: 6| Titulació | Tipus | Curs | Semestre |
|---|---|---|---|
| 2504235 Ciència, Tecnologia i Humanitats | OB | 2 | 1 |
Professor/a de contacte
- Nom:
- Francesc Xavier Roque Rodriguez
- Correu electrònic:
- xavier.roque@uab.cat
Idiomes dels grups
Podeu accedir-hi des d'aquest enllaç. Per consultar l'idioma us caldrà introduir el CODI de l'assignatura. Tingueu en compte que la informació és provisional fins a 30 de novembre de 2023.
Equip docent extern a la UAB
- Ana Arribas Gil
Prerequisits
No n'hi ha.
Objectius
En aquesta matèria s'abordaran idees bàsiques de probabilitat i estadística, amb l'objectiu de donar a l'alumnat les eines i conceptes que permeten avui dia l'anàlisi i la gestió de la informació quantitativa.
Competències
- Analitzar qüestions relacionades amb la ciència i la tecnologia en societat aplicant formes bàsiques i essencials de raonament matemàtic i estadístic.
- Introduir canvis en els mètodes i els processos de l'àmbit de coneixement per donar respostes innovadores a les necessitats i demandes de la societat.
- Que els estudiants hagin demostrat posseir i comprendre coneixements en un àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi.
- Que els estudiants puguin transmetre información idees, problemes i solucions a un públic tan especialitzat com no especialitzat.
- Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica.
Resultats d'aprenentatge
- Analitzar dades de manera rigorosa per extreure'n conseqüències.
- Aplicar a problemes concrets les principals distribucions estadístiques, el concepte de regressió a la mitjana, i les nocions bàsiques d'inferència estadística.
- Descriure alguns dels resultats en l'avantguarda de les ciències, però adaptats perquè els puguin comprendre alumnes sense coneixements profunds de la matèria.
- Explicar els conceptes matemàtics bàsics i familiaritzar-se amb el raonament matemàtic.
- Fer estimacions d'ordre de magnitud i evitar fal·làcies i errors comuns en l'ús d'informació numèrica i en la interpretació de resultats científics (proves diagnòstiques, assaigs clínics, etc.).
- Formular i aplicar models i llenguatges de programació a la resolució de problemes bàsics d'estadística i probabilitats.
- Recopilar i interpretar dades i informacions sobre les quals fonamentar les pròpies conclusions incloent-hi, quan sigui necessari i pertinent, la reflexió sobre assumptes d'índole social, científica o ètica.
- Resumir els fonaments de les tecnologies de gestió i anàlisi de dades, així com les eines de representació de la informació.
- Utilitzar amb competència eines de programari per analitzar, sintetitzar i transmetre informació quantitativa, en particular utilitzant gràfiques i recursos d'infografia.
Continguts
Introducció: dades, informació, coneixement
On trobar informació? Recursos, tècniques de cerca, fiabilitat
Alfabetització numèrica: percentatges, ordres de magnitud, linealitat i no linealitat
Tècniques gràfiques de representació de la informació i visualització científica
Fulls de càlcul com a eines per a tractament bàsic i representació de dades
Correlació i causalitat. De les dades a les teories
Correlació discreta: el problema de la classificació. Sensibilitat vs especificitat. Teorema de Bayes
Senyal i soroll: fenòmens aleatoris. Distribucions binomial, normal i de Poisson.
Correlació contínua. Regressió a la mitjana
Introducció a la inferència estadística: enquestes i assaigs clínics
Fonaments de programació per a l'anàlisi de dades
Metodologia
Teoria: Classes teòriques amb material de suport disponible via web.
Pràctiques: Classes de problemes resolts en pissarra. Classes amb ordinador utilitzant programari estadístic.
Tutories col·lectives per a resoldre els problemes, dubtes etc.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Activitats formatives
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Classes pràctiques | 16 | 0,64 | 1, 5, 7, 9 |
| Classes teòriques | 33 | 1,32 | 1, 2, 3, 4, 5, 6, 7, 8, 9 |
| Tipus: Supervisades | |||
| Tutoria i supervisió de treballs | 4,25 | 0,17 | 1, 2, 9 |
| Tipus: Autònomes | |||
| Estudi i elaboració de treballs | 94,75 | 3,79 | 1, 2, 3, 4, 5, 6, 7, 8, 9 |
Avaluació
Avaluació continuada
Realització de dues proves escrites amb un pes del 40% de la nota final.
Treball final en grups amb un pes de 10% de la nota final.
Examen final
Realització d'un examen al final del curs amb un pes del 50% de la nota final.
En la convocatòria extraordinària l'estudiant farà un nou examen i rep el màxim de 100% de la nota en aquest examen o una nota ponderant aquest examen amb 50% i el treball de curs amb 50%, igual que en la convocatòria ordinària.
En cas que l'estudiant cometi qualsevol tipus d'irregularitat que pugui conduir a una variació significativa de la qualificació d'un acte d'avaluació, aquest serà qualificat amb 0, independentment del procés disciplinari que pugui derivar-se d'això. En cas que es verifiquin diverses irregularitats en els actes d'avaluació d'una mateixa assignatura, la qualificació final d'aquesta assignatura serà 0.
Avaluació única
L'alumnat que opti pel sistema d'Avaluació única haurà de lliurar dues proves escrites (50%) i fer un examen (50%), en la data indicada.
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Examen final | 50% | 2 | 0,08 | 1, 2, 3, 4, 5, 6, 8 |
| Prova escrita 1 | 20% | 0 | 0 | 1, 2, 4, 5, 7, 9 |
| Prova escrita 2 | 20% | 0 | 0 | 1, 2, 4, 5, 7, 9 |
| Treball final en grup | 10% | 0 | 0 | 1, 2, 4, 5, 6, 7, 9 |
Bibliografia
Bibliografia bàsica
C. Criado Pérez. La mujer invisible. Descubre cómo los datos configuran un mundo hecho por y para los hombres. Barcelona: Seix Barral, 2020.
D. Huff. Cómo mentir con estadísticas. Barcelona: Crítica, 2015.
D. Peña y J. Romo. Introducción a la Estadística para las Ciencias Sociales. Madrid: Mc Graw Hill Interamericana, 1997.
I. Portilla. Estadística descriptiva para comunicadore. Pamplona: Editorial EUNSA, 2004.
Bibliografia complementària
D. Rowntree. Statistics Without Tears. London: Penguin Books, 2018.
G. Klass. Just Plain Data Analysis. Lanham, MD: Rowman & Littlefield, 2012 (2nd. ed.).
Programari
No es requereix programari específic.