Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 102 Horas de Tutorías: 2 Clase Expositiva: 12 Clase Interactiva: 34 Total: 150
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Estadística, Análisis Matemático y Optimización
Áreas: Estadística e Investigación Operativa
Centro Facultad de Ciencias
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: 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 curvilínea. 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 comparación de promedios.
-Análisis de variables categóricas.
-Análisis de la varianza y comparaciones múltiples.
-Modelos de regresión.
-Métodos multivariantes clásicos con R.
Bibliografía básica
-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.
-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.
-EVERITT, B. S.; HOTHORN, T. (2010). A Handbook of statistical analysis Using R. Chapman & Hall RC.
-MAINDONALD, J.; BRAUN, W. J. (2010). Data Analysis and Graphics Using R. An Example Based Approach. Cambridge.
-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. y JORDÁ GIL, V. (2018). Prácticas de estadística con R. Pirámide.
-ZAR, J.H. (2010). Biostatistical Analysis. Pearson.
Bibliografía complementaria
-DAWSON, B.; TRAPP, R. G. (2005). Bioestadística médica. Manual Moderno.
-GRAFEN, A.; HAILS, R. (2003). Modern Statistics for the Life Science. Oxford University Press.
-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.
-MARTÍN ÁLVAREZ 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 Científicas.
-MUÑOZ SERRANO, A. (1996). Estadística aplicada uni y multivariante (Tomos I e II). Junta de Andalucía, Consejería de Agricultura y Pesca.
-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.
PLAN DE ADAPTACIÓN DE LAS ACTIVIDADES DOCENTES A LOS ESCENARIOS ESTABLECIDOS POR LA USC
Debido a la naturaleza y contenidos de esta materia, así como a la metodología empleada, la modalidad presencial será prioritaria para todos los tipos de clases (expositivas, prácticas y tutorías)
La adaptación de las actividades docentes al escenario adoptado se hará como se indica a continuación.
Escenario 1
La docencia expositiva e interactiva será de carácter presencial.
Para las tutorías la modalidad presencial será prioritaria si bien parte de ellas se podrán realizar de manera telemática.
Escenario 2
Siempre y cuando se cumplan las condiciones de seguridad requeridas en este escenario, se mantendrán presenciales las clases expositivas e interactivas, así como parcialmente las tutorías.
En el caso de que no sea posible impartir la totalidad de las clases expositivas e interactivas de manera presencial, pasarían a ser parcialmente no presenciales, priorizando la presencialidad cuando sea posible.
Escenario 3
La docencia será completamente no presencial.
Para la docencia se programarán actividades en modalidad simultánea y no simultánea, priorizando la modalidad simultánea para las actividades de evaluación.
Modalidad de docencia no presencial
Las actividades docentes no presenciales indicadas en los escenarios 2 y 3 se realizarían a través de los diferentes medios telemáticos disponibles en la USC, preferentemente el Campus Virtual y MS Teams.
Para dichas actividades docentes se respectará el horario establecido por el centro y podrán tener lugar de forma simultánea o no simultánea.
Para la realización de tutorías, así como para mantener una comunicación directa con los estudiantes se empleará el foro del Campus Virtual, MS Teams o el correo electrónico.
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 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.
El sistema de evaluación será el mismo independientemente del escenario en el que se desenvuelva la docencia, con la única diferencia de que las actividades de evaluación podrán ser presenciales en el aula o en remoto mediante los medios telemáticos disponibles en la USC siguiendo las directrices que establezca la USC.
Indicación referida al plagio y al uso indebido de las tecnologías en la realización de las actividades de evaluación continua y las pruebas de evaluación: para los casos de realización fraudulenta de tareas 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.
PLAN DE CONTINGENCIA
PLAN DE ADAPTACIÓN DE LAS ACTIVIDADES DOCENTES A LOS ESCENARIOS ESTABLECIDOS POR LA USC
--Metodología--
Debido a la naturaleza y contenidos de esta materia, así como a la metodología empleada, la modalidad presencial será prioritaria para todos los tipos de clases (expositivas, prácticas y tutorías)
La adaptación de las actividades docentes al escenario adoptado se hará como se indica a continuación.
Escenario 1
La docencia expositiva e interactiva será de carácter presencial.
Para las tutorías la modalidad presencial será prioritaria si bien parte de ellas se podrán realizar de manera telemática.
Escenario 2
Siempre y cuando se cumplan las condiciones de seguridad requeridas en este escenario, se mantendrán presenciales las clases expositivas e interactivas, así como parcialmente las tutorías.
En el caso de que no sea posible impartir la totalidad de las clases expositivas e interactivas de manera presencial, pasarían a ser parcialmente no presenciales, priorizando la presencialidad cuando sea posible.
Escenario 3
La docencia será completamente no presencial.
Para la docencia se programarán actividades en modalidad simultánea y no simultánea, priorizando la modalidad simultánea para las actividades de evaluación.
Modalidad de docencia no presencial
Las actividades docentes no presenciales indicadas en los escenarios 2 y 3 se realizarían a través de los diferentes medios telemáticos disponibles en la USC, preferentemente el Campus Virtual y MS Teams.
Para dichas actividades docentes se respectará el horario establecido por el centro y podrán tener lugar de forma simultánea o no simultánea.
Para la realización de tutorías, así como para mantener una comunicación directa con los estudiantes se empleará el foro del Campus Virtual, MS Teams o el correo electrónico.
--Evaluación--
El sistema de evaluación será el mismo independientemente del escenario en el que se desenvuelva la docencia, con la única diferencia de que las actividades de evaluación podrán ser presenciales en el aula o en remoto mediante los medios telemáticos disponibles en la USC siguiendo las directrices que establezca la USC.
Indicación referida al plagio y al uso indebido de las tecnologías en la realización de las actividades de evaluación continua y las pruebas de evaluación: para los casos de realización fraudulenta de tareas 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”.
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 [at] usc.es
- Categoría
- Profesor/a: Colaborador
| 15.01.2021 10:00-14:00 | Grupo /CLE_01 | 1P AULA 2 PRIMERA PLANTA |
| 23.06.2021 16:00-17:00 | Grupo /CLE_01 | 0P AULA 7 PLANTA BAJA |