|
||||||||||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción La asignatura en el conjunto del plan de estudios Campos profesionales en el que se proyecta Conocimientos previos Objetivos y competencias Contenidos Consulta de los materiales de los que dispone la asignatura Informaciones sobre la evaluación a la UOC Consulta del modelo de evaluación | ||||||||||||||||||||||||||||||||||||||
Este es el plan docente de la asignatura para el primer semestre del curso 2024-2025. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios. | ||||||||||||||||||||||||||||||||||||||
La bioestadística trata de la aplicación de la estadística a problemas de ciencias de la vida (denominada habitualmente biometría) o de la salud (comúnmente descrita en este caso como bioestadística). Como todas las ciencias aplicadas, consta de una o más disciplinas básicas, aquí la estadística, cuya aplicación se centra o especializa en un determinado ámbito, aquí la biología, la bioinformática o la medicina.
|
||||||||||||||||||||||||||||||||||||||
Esta asignatura se encuentra al principio del plan de estudios por dos motivos: Por un lado, porque presenta los conceptos básicos que todo usuario de la (bio)estadística debe de conocer, sirviendo de puente entre un eventual formación previa y este posgrado. Por el otro, porque establece las bases sobre las que construir las demás asignaturas, siendo por tanto ésta la única posición razonable: antes de las otras materias. |
||||||||||||||||||||||||||||||||||||||
La bioestadística ha tenido siempre una gran aplicación en las ciencias de la vida. Se la encuentra en multitud de ámbitos, que van desde la investigación agrícola, contribuyendo a estudios de mejora vegetal (transgénica o no), hasta la "Salud pública" -por ejemplo ayudando a diseñar encuestas de calidad de vida. Pasando naturalmente por la investigación médica de pequeña escala (análisis de datos en estudios sencillos) o de grandes dimensiones (por ejemplo ensayos clínicos multicéntricos, por ejemplo para evaluar la eficacia de la vacuna de la malaria en múltiples países africanos). Las competencias y habilidades concretas que de ésta asignatura se derivan deberían preparar para la realización de análisis estadísticos básicos, por lo que se proyecta en cualquier campo profesional en que deban de realizarse tratamientos de datos, desde el control de calidad en el laboratorio, las ciencias ambientales o la investigación biomédica básica. Ejemplos de perfiles profesionales que hacen un uso importante de los conceptos y técnicas desarrollados en esta asignatura son los siguientes: Investigadores de cualquier ámbito de ciencias de la vida que deban diseñar experimentos, organizar su información o analizar los datos obtenidos. Personal de soporte en hospitales, laboratorios o centros de investigación que pueda necesitar tratar la información generada por la actividad propia del centro. Analistas de datos, bioestadística@s o «data scientists», término de reciente aparición que se refiere a profesionales con conocimiento de análisis de datos pero también de informática y gestión de datos en la web entre otras habilidades. Bioinformático. No se trata de una confusión del plan docente sino generalizada: muchos científicos creen que necesitan un bioinformático pero las tareas en las que piensan son propias de un Bioestadístico |
||||||||||||||||||||||||||||||||||||||
Esta asignatura puede afrontarse con dos tipos de conocimientos previos. Sería ideal cierta formación matemática -un curso de álgebra y cálculo y alguno de estadística básica- para poder avanzar rápidamente y fundamentar los conceptos que quizás se hayan adquirido desde una perspectiva práctica. En ausencia de dicha base, los requerimientos serán algo más amplios, dado que será preciso trabajar a la vez los aspectos técnicos, conceptuales y la aplicación. Ahora bien, es un hecho harto sabido que la formación estadística y matemática es de lo más heterogénea por lo que, en vez de asumir que se conoce todo lo que se debería conocer, se dispondrán de "apuntadores" adecuados a material de refuerzo, con el fin de disponer de informaciones básicas sobre las técnicas que se utilizaran en la asignatura. |
||||||||||||||||||||||||||||||||||||||
Esta asignatura pretende establecer las bases probabilísticas y estadísticas para el estudio de temas más avanzados a la vez que presentar las herramientas básicas de todo análisis de datos. Las capacidades a adquirir serán: Conocimiento de los fundamentos de probabilidad adecuados para modelizar situaciones de interés en problemas biológicos a la vez que para fundamentar los métodos estadísticos presentados en la segunda parte de la asignatura y resto del posgrado. Conocimiento de los métodos estadísticos básicos para el análisis de datos cuantitativos o cualitativos en un contexto paramétrico o no paramétrico. Conocimiento a nivel conceptual y/o operativo -según el caso- de conceptos y técnicas más avanzados con el fin de tener, a la vez que unas herramientas básicas, una perspectiva amplia de la bioestadística. |
||||||||||||||||||||||||||||||||||||||
Los contenidos se organizan por temas, los cuales se agrupan en actividades no evaluables, que es el bloque de información tal como se ve en el aula. Al final de cada ejercicio habrà un par de actividades para debatir Unidad I. Probabilidad y variables aleatorias 1.1. Introducción: Modelos probabilísticos en Biología. 1.2. Probabilidad y reglas de cálculo de probabilidades. 1.3 Independencia y Probabilidad condicionada. Teorema de Bayes 1.4. La modelización de la variabilidad biológica: Variables aleatorias 1.5. Características de las variables aleatorias: Esperanza y varianza 1.6. Distribuciones de probabilidad univariantes.
Unidad II: Probabilidad y variables aleatorias (II) 2.1. Variables aleatorias multidimensionales. 2.2 Distribuciones conjuntas, marginales y condicionales,. 2.3 Valores esperados, covariancia y correlación. 2.4 Distribuciones multivariantes: Multinomial y Normal bivariante. 2.5. Introducción a los Procesos estocásticos y cadenas de Markov
Unidad III: Introducción a la inferencia estadística: muestreo y estimación 3.1. Los problemas de la inferencia estadística. 3.2. Muestreo y distribuciones en el muestreo. 3.3. La verosimilitud y su papel en la inferencia estadística 3.4. El problema de la estimación. Tipos de estimadores. 3.5. Métodos de obtención de estimadores. Estimadores máximo verosímiles y estimadores bayesianos. 3.6. Propiedades de los estimadores. 3.7. Aplicaciones: Estimación del error estándar y cálculo del tamaño muestral
Unidad IV Estimación mediante intervalos de confianza. 4.1. Estimadores por intervalo: intervalos de confianza 4.2. Intervalos de confianza para características de una población normal (media, varianza), 4.3. Los métodos bootstrap. Estimación del error estándar e intervalos de confianza bootstrap. 4.4. Intervalos de confianza para proporciones binomiales 4.5. Intervalos de confianza para parámetros en muestra grandes y para casos generales (tasas, OR, ...)
Unidad V: Pruebas de hipótesis 5.1. Conceptos básicos: pruebas de hipótesis y de significación, pruebas unilaterales y bilaterales, tipos de error, valores críticos de test y p-valores 5.2. Potencia de un test. Cálculos de potencia y de tamaño de la muestra. Tamaño del efecto. 5.3. Métodos de construcción de tests. 5.4. Pruebas de normalidad. El test de Shapiro-Wilks 5.5. Pruebas de hipótesis para constrastar variables cuantitativas: Pruebas Paramètricas t-test y Anova 5.6 Pruebas de hipótesis para constrastar variables cuantitativas: Pruebas de hipótesis no paramètricas de Wilcoxon y Kruskal-Wallis
Unidad VI: Aplicaciones de los tests estadísticos 6.1. Contrastes para datos categóricos. Pruebas binomiales, ji cuadrado y test de Fisher. 6.2. Riesgo relativo y razón de «odds» 6.3. Test exacto de Fisher. 6.4. Tests ji cuadrado. Pruebas de independencia, de homogeneidad y de bondad de ajuste
Unidad VII: Métodos de computación intensiva y comparaciones múltiples 7.1. Tests de permutaciones; ¿Qué?, ¿Cuando?, ¿Cómo? 7.2. El bootstrap en contraste de hipótesis 7.3 El problema de las comparaciones múltiples 7.4. Métodos de control de error: FWER y FDR
|
||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||
La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados. La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves. El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular. La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente). Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso. Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda. La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo. |
||||||||||||||||||||||||||||||||||||||
|