Modelització Avançada
Codi: 104865 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| 2503852 Estadística Aplicada | OB | 3 |
Professor/a de contacte
- Nom:
- Ferran Torres Benitez
- Correu electrònic:
- ferran.torres@uab.cat
Equip docent
- Jose Rios Guillermo
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
S’assumeix l’assoliment previ de coneixements suficients tant en estadística teòrica (models lineals, inferència estadística i càlcul de probabilitats) com en maneig aplicat de programari estadístic. Les pràctiques es podran seguir amb R, SAS o Stata.
És prerequisit un nivell d’anglès suficient per a comprendre articles científics per aplicar coneixements de modelització.
Objectius
Aprendre diferents estratègies de modelització per l'anàlisi de dades, tant pel que fa a la vessant teòrica com a les seves aplicacions. Proporcionar els coneixements aplicats en quant a disseny, organització, realització, supervisió, anàlisi, interpretació i difusió de resultats.
Els objectius generals de l'assignatura són:
- Conèixer les bases per a l’aplicació dels diferents models
- Entendre criteris per a selecció de variables en funció dels objectius
- Adquirir coneixements sobre la interpretació e implicacions de diferents models
- Adquirir i aplicar coneixements de programació
Resultats d'aprenentatge
- CM09 (Competència) Valorar l'adequació dels models amb la utilització i interpretació correcta d'indicadors i gràfics.
- CM09 (Competència) Valorar l'adequació dels models amb la utilització i interpretació correcta d'indicadors i gràfics.
- CM10 (Competència) Modificar el programari existent, si el model estadístic proposat ho requereix, o crear un nou programari, si és necessari.
- KM12 (Coneixement) Proporcionar les hipòtesis experimentals de la modelització, tenint en compte les implicacions tècniques i ètiques que s'hi relacionen.
- KM12 (Coneixement) Proporcionar les hipòtesis experimentals de la modelització, tenint en compte les implicacions tècniques i ètiques que s'hi relacionen.
- SM12 (Habilitat) Interpretar els resultats obtinguts per a formular conclusions sobre les hipòtesis experimentals.
- SM14 (Habilitat) Utilitzar gràfics de visualització de l'ajust i de l'adequació del model.
Continguts
- Conceptes bàsics en estadística aplicada a modelització
- Obtenció, supervisió i preparació de les dades
- Mesures d’efecte i models relacionats. Selecció de models en funció del disseny
- Models usats en estudis amb factors de confusió i modificadors de l’efecte. Paper de diferents (co)variables
- Aplicació de models de regressió logística multivariant i variants
- Propensity score i altres alternatives per control de factors de confusió
- Meta-anàlisi ajustats per a dades individuals
- Mesures repetides ajustades amb efectes fixes i aleatoris
Hi haurà exemples pràctics a cada bloc i els alumnes hauran de lliurar les pràctiques fetes en grups
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Classe pràctica | 50 | 2 | |
| Classe teòrica | 50 | 2 |
Activitats dirigides:
- Classes teòriques (TE). Cada bloc temàtic s’iniciarà amb una o varies classes teòriques presencials on el professor explicarà els conceptes clau, fomentarà la interacció i discussió de dubtes, i donarà les pautes guia per al seguiment i preparació de les activitats complementàries.
El material docent de suport contindrà els continguts essencials de les classes teòriques, estarà disponible amb antelació al Campus Virtual de l’assignatura, i es recomana als alumnes que el tinguin disponible durant la classe (format ordinador, tableta o paper) per a facilitar el seu seguiment.
- Pràctiques de Laboratori (PLAB). S’executaran les pràctiques relacionades amb els conceptes teòrics. Es treballarà per ampliar i consolidar els coneixements científics i tècnics previs, i s’usarà articles científics que afavoreixin la discussió.
Activitats autònomes
- Test d’Autoaprenentatge. Es facilitaran tests d’autoaprenentatge amb retroalimentació, emprant les utilitats de qüestionaris de l’aula Moodle del campus virtual de l’assignatura, per a facilitar el repàs de la matèriasincronitzada amb la impartició del temari.
- Treball en grup. Es farà varis treballs en equip on es tractarà de aplicar els coneixements aproximant-se a una situació real tutelat pel professor. Caldrà resoldre problemes plantejat en el que caldrà consultar diverses fonts i l’ús de programari estadístic. Es promourà la capacitat d'anàlisi, el raonament i l'expertesa de l'alumne en la resolució de problemes relacionats amb el camp professional.
- Estudi personal. Malgrat l’assignatura està eminentment enfocada a la implementació pràctica dels coneixements en modelització avançada, caldrà un esforç individual mínim per assentar les classes teòriques.
Tutories i atenció personal als estudiants
S’espera que els estudiants assisteixin a classe i consultin els dubtes participant activament en la discussió de les mateixes. No obstant, podeu consultar amb els professors usant el foro del campus virtual i els correus electrònics indicats a l’equip docent
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.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Avaluació continuada presencial a classe | 15% | 4 | 0,16 | CM09, CM10, KM12, SM12, SM14 |
| Examen 1 | 15% | 6 | 0,24 | CM09, CM10, KM12, SM12, SM14 |
| Examen 2 | 15% | 6 | 0,24 | CM09, CM10, KM12, SM12, SM14 |
| Tests d'autoaprenentatge | 10% | 4 | 0,16 | CM09, CM10, KM12, SM12, SM14 |
| Treballs pràctics | 45% | 30 | 1,2 | CM09, CM10, KM12, SM12, SM14 |
En el cas de que es compleixin els criteris per promitjar, llavors la nota final de l’assignatura es calcularà usant les ponderacions descrites en aquest apartat. En cas contrari, caldrà recuperar les activitats afectades per tal poder fer el promig. Cal obtenir un mínim de 5 punts sobre 10 per a aprovar l'assignatura.
Per avaluar el grau d'assoliment de les competències, es comptarà amb els següents instruments i ponderacions:
Exàmens
Es faran dos exàmens parcials amb una ponderació del 15% cadascú on els alumnes hauran de contestar preguntes sobre els conceptes teòrics i aplicats. La nota mínima per ponderar és de 3 sobre 10.
Aquestes activitats són obligatòries. Per a poder accedir a recuperació cal haver-se efectuat el 80% de les activitats avaluables, i haver-se presentat als 2 parcials.
Treballs de pràctiques
Aquestes activitats són obligatòries i cal tenir al menys una nota de 4 sobre 10 en cadascuna de d’elles, en cas contrari caldrà recuperar les activitats afectades. Les pràctiques puntuen un 45% de la nota global de l'assignatura.
Lliuraments fora de termini:
- El lliurament de les pràctiques fora de termini implicarà una penalització del 20% sobre la nota obtinguda.
Aquestes activitats són obligatòries i recuperables.
Activitats d’autoaprenentatge
Tindran un pes del 10% sempre que s’haginrealitzat al menys un 80% de les activitats, en cas contrari la nota d’aquesta part serà un zero. No hi ha nota mínima per aquestes activitats.
Lliuraments fora de termini:
- El lliurament d’aquestes activitats tard i fins a 48 hores fora de termini, implicarà una penalització del 20% sobre la nota obtinguda.
- El lliurament tardà d’activitats en posterioritat a aquest marge de 48 hores, comportarà que es computin com no realitzades de cara a l’avaluació.
Aquestes activitats no són obligatòries però tampoc són recuperables.
Formació i avaluació continuada
Es recorda que l’avaluació es farà d’acord als continguts comentats pel professorat a classe, i que per tant l’assistència presencial és altament recomanable donat que no tota la informació és accessible al campus virtual.
A més, durant el curs es farà avaluació continuada i caldrà haver participat amb un 80% de les activitats avaluatives per a que ponderi en un 15%, en cas contrari la nota d’aquesta part serà un zero. S'usaran d'eines estàndard d'innovació docent que controlen la participació a classe. No hi ha nota mínima per aquestes activitats.
Aquestes activitats no són obligatòries però tampoc són recuperables.
Resum de criteris i pesos per l’avaluació de l’assignatura
|
Participació1 |
Participació mínima2 |
Nota mínima3 |
Activitat Recuperable4 |
Ponderació5 |
|
|
Examen 1erparcial |
Obligatòria |
100% |
3 |
Obligatòria |
15% |
|
Examen 2onparcial |
Obligatòria |
100% |
3 |
Obligatòria |
15% |
|
Treballs pràctics |
Obligatòria |
100% |
4 |
Obligatòria |
45% |
|
Auto- aprenentatge |
Voluntària |
≥80% |
NA |
No recuperable |
10% |
|
Avaluació continuada |
Voluntària |
≥80% |
NA |
No recuperable |
15% |
NA: No aplicable
1: Participació obligatòria implica que la no participació caldrà recuperar-la per ponderar, i si no es fa no es podrà promitjar i per tant superar l’assignatura. Participació voluntària implica que no és obligatòria però que tampoc es podrà recuperar en posterioritat.
2: Valor de participació mínima per ponderar, en cas contrari les activitats comptaran com a 0
3: Nota mínima sobre 10 punts per ponderar amb la resta, en cas de no assolir el mínim s’haurà de recuperar l’activitat en concret, siguin quines siguin la resta de notes de la mateixa tipologia
4: Quan l’activitat és recuperable cal recuperar-la si no s’obté la nota mínima. En cas d’activitat no recuperable, la nota no es podrà recuperar, i per tant ponderarà a la nota final encara que sigui 0 o inferior a qualsevol llindar.
5: Valor de ponderació si es compleixen els criteris previs
Bibliografia
Faraway, J. (2006). Extending the Linear Model with R. Chapman & Hall.
Hosmer, D.W.; Lemeshow, S. & Sturdivant, R.X. (2013) Applied Logistic Regression. 3rd ed. Wiley.
Pinheiro JC & Bates D (2000) Mixed-Effects Models in S and S-PLUS. Springer.
T Hastie, R Tibshirani, J Friedman. (2009) The Elements of Statistical Learning. Data Mining, Inference and Prediction, Springer, New York.
Therneau T, Grambsch P. Modeling Survival Data: Extending the Cox Model (Statistics for Biology and Health). Springer-Verlag New York Inc.; Edición: 1st ed. 2000.
Venables, W. & Ripley, B. (2002). Modern Applied Statistics with S-PLUS. Springer
Verbeke G, Molenberghs G. Linear Mixed Models for longitudinal Data. New York: Springer-Verlag, 2000.
Programari
SAS version 9.4 software (© SAS Institute Inc., Cary, NC, USA)
STATA (© Stata Corporation, College Station, TX, USA) and
R (© 2010 R free software foundation: http://www.r-project.org).
Llista d'idiomes
| Nom | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (PLAB) Pràctiques de laboratori | 1 | Català | segon quadrimestre | tarda |
| (TE) Teoria | 1 | Català | segon quadrimestre | tarda |