• Descripció

 La bioestadística tracta de l'aplicació de l'estadística a problemes de ciències de la vida (denominada habitualment biometria) o de la salut (comunament descrita en aquest cas com bioestadística). Com totes les ciències aplicades, consta d'una o més disciplines bàsiques, aquí l'estadística, l'aplicació de la qual se centra o especialitza en un determinat àmbit, aquí la biologia, la bioinformàtica o la medicina.

Els fonaments de bioestadística que es presenten en aquesta assignatura discorren al llarg de les dues idees que s'acaben d'esmentar. D'una banda es busca establir els conceptes i mètodes bàsics sobre probabilitat i estadística que tot practicant d'aquesta disciplina ha de conèixer. Al mateix temps, atès que a aquesta la segueixen altres assignatures, cal que serveixi per fonamentar-les. En resum,  una part de l'assignatura deu servir per presentar idees bàsiques i l'altra servir de base sobre la qual construir desenvolupaments posteriors, en aquest programa o uns altres que li puguin seguir.

Per a això l'assignatura s'organitzarà en tres blocs que es descriuen amb detall més endavant: Models probabilístics, conceptes d'inferència estadística i aplicacions.

Per acabar aquesta descripció general val la pena dir dues coses sobre que "no és" la bioestadística. La bioestadística no és estadística "diluïda" perquè puguin entendre-la professionals sense formació matemàtica. És estadística de qualsevol tipus o nivell que s'aplica a problemes de ciències de la vida. La bioestadística no és tampoc epidemiologia, psicometria o genètica estadística: Aquestes disciplines es recolzen, com la bioestadística, en l'estadística, alhora que s'apliquen a ciències de la vida, però la seva trajectòria ha estat ja prou deixa anar com perquè pugui considerar-les-hi independents de la qual aquí ens ocupa.

• L'assignatura en el conjunt del pla d'estudis

 Aquesta assignatura es troba al principi del pla d'estudis per dos motius: D'una banda, perquè presenta els conceptes bàsics que tot usuari de la (bio)estadística deu conèixer, servint de pont entre un eventual formació prèvia i aquest màster. Per l'altre, perquè estableix les bases sobre les quals construir les altres assignatures, sent per tant aquesta l'única posició raonable: abans de les altres matèries.

• Camps professionals en què es projecta

La bioestadística ha tingut sempre una gran aplicació en les ciències de la vida. La hi troba en multitud d'àmbits, que van des de la recerca agrícola, contribuint a estudis de millora vegetal (transgènica o no), fins a la "Salut pública" -per exemple ajudant a dissenyar enquestes de qualitat de vida. Passant naturalment per la recerca mèdica de petita escala (anàlisi de dades en estudis senzills) o de grans dimensions (per exemple assajos clínics multicèntrics, per exemple per a la vacuna de la malària en múltiples països africans).
Les competències i habilitats concretes que d'aquesta assignatura es deriven haurien de preparar per a la realització d'anàlisis estadístiques bàsiques, per la qual cosa es projecta en qualsevol camp professional en què deguin realitzar-se tractaments de dades, des del control de qualitat en el laboratori, les ciències ambientals o la recerca biomèdica bàsica.

Exemples de perfils professionals que fan un ús important dels conceptes i tècniques desenvolupats en aquesta assignatura són els següents:

• Investigadors de qualsevol àmbit de ciències de la vida que hagin de dissenyar experiments, organitzar la seva informació o analitzar les dades obtingudes.
• Personal de suport en hospitals, laboratoris o centres de recerca que pugui necessitar tractar la informació generada per l'activitat pròpia del centre.
• Analistes de dades, bioestadística@s o «data scientists», terme de recent aparició que es refereix a professionals amb coneixement d'anàlisi de dades però també d'informàtica i gestió de dades a la web entre altres habilitats.
• Bioinformàtic. No es tracta d'una confusió del pla docent sinó generalitzada: molts científics creuen que necessiten un bioinformàtic però les tasques pel qual ho pensen és el de bioestadístic.

• Coneixements previs

Aquesta assignatura pot afrontar-se amb dos tipus de coneixements previs:

• Seria ideal certa formació matemàtica -un curs d'àlgebra i càlcul i algun d'estadística bàsica- per poder avançar ràpidament i fonamentar els conceptes que potser s'hagin adquirit des d'una perspectiva pràctica.
• En absència d'aquesta base, els requeriments seran una mica més amplis, atès que caldrà treballar alhora els aspectes tècnics, conceptuals i l'aplicació.
• Coneixements bàsics de R. En cas de no tenir-los aquestos  aniran adquirint-se a l'hora en la asignatura software para l'anàlisi de dades

Ara bé, és un fet,  que la formació estadística i matemàtica és d'allò més heterogènia pel que, en comptes d'assumir que es coneix tot el que s'hauria de conèixer, es disposaran d'apuntadors "" adequats a material de reforç, amb la finalitat de disposar d'informacions bàsiques sobre les tècniques que s'utilitzessin en l'assignatura.

• Objectius i competències

Aquesta assignatura pretén establir les bases probabilístiques i estadístiques per a l'estudi de temes més avançats alhora que presentar les eines bàsiques de tota anàlisi de dades.

Les capacitats a adquirir seran:

• Coneixement dels fonaments de probabilitat adequats per modelitzar situacions d'interès en problemes biològics alhora que per fonamentar els mètodes estadístics presentats en la segona part de l'assignatura i resta del  programa
  
• Coneixement dels mètodes estadístics bàsics per a l'anàlisi de dades quantitatives o qualitatius en un context paramètric o no paramètric.
• Coneixement a nivell conceptual i/o operatiu -segons el cas- de conceptes i tècniques més avançats amb la finalitat de tenir, alhora que unes eines bàsiques, una perspectiva àmplia de la  bioestadística.

• Continguts

Els continguts s'organitzen per temes, els quals s'agrupen en activitats no avaluables, que és el bloc d'informació tal com es veu a l'aula. Al final de cada exercici habrà un parell d'activitats per debatre

Unitat I. Probabilitat i variables aleatòries

1.1. Introducció: Models probabilístics en Biologia.

1.2. Probabilitat i regles de càlcul de probabilitats.

1.3 Independència i Probabilitat condicionada. Teorema de Bayes

1.4. La modelització de la variabilitat biològica: Variables aleatòries

1.5. Característiques de les variables aleatòries: Esperanza i variància

1.6. Distribucions de probabilitat univariables.

Unitat II: Probabilitat i variables aleatòries (II)

2.1. Variables aleatòries multidimensionales.

2.2 Distribucions conjuntes, marginals i condicionals,.

2.3 Valors esperats, covariància i correlació.

2.4 Distribucions multivariantes: Multinomial i Normal bivariante.

Unitat III: Introducció a la  inferència estadística: mostreig i estimació

3.1. Els problemes de la inferència estadística.

3.2. Mostreig i distribucions en el mostreig.

3.3. La versemblança i el seu paper en la inferència estadística

3.4. El problema de l'estimació. Tipus d'estimadors.

3.5. Mètodes d'obtenció d'estimadors. Estimadors màxim versemblants  i estimadors bayesianos.

3.6. Propietats dels estimadors.

3.7. Aplicacions: Estimació de l'error estàndard i càlcul de la grandària mostral

Unitat IV Estimació mitjançant intervals de confiança.

4.1. Estimadors per interval: intervals de confiança

4.2. Intervals de confiança per a característiques d'una població normal (mitjana, variància),

4.3. Els mètodes bootstrap. Estimació de l'error estàndard i intervals de confiança bootstrap.

4.4. Intervals de confiança per a proporcions binomiales

4.5. Intervals de confiança per a paràmetres en mostra grans i per a casos generals (taxes, OR, ...)

Unitat V: Proves d'hipòtesis

5.1. Conceptes bàsics: proves d'hipòtesis i de significació, proves unilaterals i bilaterals, tipus d'error, valors crítics de test i p-valoris

5.2. Potència d'un test. Càlculs de potència i de grandària de la mostra. Grandària de l'efecte.

5.3. Mètodes de construcció de tests.

5.4. Proves de normalitat. El test de Shapiro-Wilks

5.5. Proves d'hipòtesis per constrastar variables quantitatives: Proves Paramètricas t-test i Anova

5.6 Proves d'hipòtesis per constrastar variables quantitatives: Proves d'hipòtesis no paramètricas de Wilcoxon i Kruskal-Wallis

Unitat VI: Aplicacions dels tests estadístics

6.1. Contrastos per a dades categòriques. Proves binomiales, ji quadrat i test de Fisher.

6.2. Proves de comparació de proporcions

6.3. Tests ji quadrat. Proves d'independència, d'homogeneïtat i de bondat d'ajust

6.4. Test exacte de Fisher.

Unitat VII: Mètodes de computació intensiva i comparacions múltiples

7.1. Tests de permutacions; Què?, Quan?, Com?

7.2. El bootstrap en contrast d'hipòtesi

7.3 El problema de les comparacions múltiples

7.4. Mètodes de control d'error: FWER i FDR

• Consulta dels recursos d'aprenentatge de què disposa l'assignatura

• Recursos d'aprenentatge i eines de suport

Donat que la bioestadística es una ciència amb un cos de coneixement ben consolidat i que el nivell de procedència de l'alumnat es ben diferent, s'ha considerat no incloure uns apunts que siguin un plagi dels llibres existents i s'ha plantejat millor utilitzar quatre llibres de diferent nivell i enfoc, per a que cadascú trie el mes adient a les seves necessitats. En cada unitat s'indicara el llibre i capítol que serveix de base per a la millor comprensió del contingut. A més en la introducció del tema es proporcionaran petits resums dels principals punts .

A més es proporcionaran debats de caràcter voluntari que tractaran els principals punts del tema des de un punt de vista pràctic i conceptual De la discussió entre l'alumant i la presentació final dels exercicis resolts es preten fixar els continguts del tema. 

La descripció general dels llibres es la següent. 

• Bioestadística. http://www.bioestadistica.uma.es/baron/bioestadistica.pdf
  

És un text de bioestadística en castellà de la Universitat de Màlaga que desenvolupa molt bé la matèria del curs i que disposa d'exercicis i preguntes test per a autoavaluació, té una versió en paper: Rius F, Wärnberg J (2014): Bioestadística 2ª Edició. Ed. Paranimfo.  Per aquells que entreu de nou en el mone de la bioestadística, aquest llibre es de fàcil comprensió, però te algunes mancances en algún punt concret del temari que us comentarem. 

• Caffo B Statistical Inference for Data Science. (2016) https://leanpub.com/littleinferencebook http://biblioteca.uoc.edu/docs_elec/epub/BR/Statistical_inference_for_date_science.pdf

Aquest llibre que teniu disponible en la biblioteca dels cursos que, des de la Universitat Johns Hopkins, organitzen en Coursera  està molt ben estructurat i contempla tots els aspectes d'una forma resumida per a l'anàlisi de dades en ciència. El llibre és senzill de seguir i a  més podeu accedir als vídeos desenvolupats pels autor  que acompanyen  les sessions que us poden ajudar a entendre alguns aspectes.

• Mathur-SK (2010) Statistical Bioinformatics with R (disponible biblioteca UOC)

Combina un enfocament tradicional, i no elemental, de l'estadística amb un plantejament a partir de problemes generats per la bioinformàtica, especialment l'anàlisi de dades de microarrays. La característica més notable d'aquest llibre és que es recolza constantment en el llenguatge R¹ amb la finalitat d'il·lustrar els conceptes mitjançant càlculs, gràfics o simulacions pel que una vegada més es pot seguir de diverses formes. Aquest llibre el podeu trobar a la biblioteca en forma electrònica i es podria considerar el llibre de text de l'assignatura. .

• Rafael A. Irizarry, Michael I. Love. Data Analysis for the Life Sciences with R(2015). Chapman and Hall/CRC . 0p. ISBN ISBN 9781498775670 - CAT# K29691. http://www.rwdc2.com/files/rafa.pdf

Aquest text es un manual d'ús transversal en diferents assignatures del Master, que va des de l'estadística bàsica fins a anàlisis mès sofisticats de bioinformàtica, utilitzant R com software de support. El llibre recull els principals conceptes i mostra exemples d'ús de la bioestadística, si be no recull tota l'informació necessaria.

Material de la asignatura de grado de la UOC. Estadística [Recurs electrònic] / Josep Gibergans Bàguena, Àngel J. Gil Estallo, Carles Rovira Escofet

Aquest material és el que s'utilitza en l'assignatura d'estadística en diversos graus de la UOC com Data Science o Informàtica. Aquesta ben explicat amb nombrosos exemples. Encara que el seu contingut no és exactament el de l'assignatura de el Màster pot ser d'utilitat per a refermar alguns conceptes i temes.

• Informacions sobre l'avaluació a la UOC

La Normativa acadèmica de la UOC disposa que el procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis fets.

La manca d'originalitat en l'autoria o el mal ús de les condicions en què es fa l'avaluació de l'assignatura és una infracció que pot tenir conseqüències acadèmiques greus.

Es qualificarà l'estudiant amb un suspens (D/0) si es detecta manca d'originalitat en l'autoria d'alguna activitat avaluable (pràctica, prova d'avaluació contínua (PAC) o final (PAF), o la que es defineixi al pla docent), sigui perquè ha utilitzat material o dispositius no autoritzats, sigui perquè ha copiat textualment d'internet, o ha copiat d'apunts, de materials, de manuals o d'articles (sense la citació corresponent), d'altres estudiants, o per qualsevol altra conducta irregular.

La qualificació de suspens (D/0) en les qualificacions finals d'avaluació contínua pot comportar l'obligació de fer l'examen presencial per a superar l'assignatura (si hi ha examen i si superar-lo és suficient per a superar l'assignatura segons indiqui el pla docent).

Quan aquesta mala conducta es produeixi durant la realització de les proves d'avaluació finals presencials, l'estudiant pot ser expulsat de l'aula, i l'examinador farà constar tots els elements i la informació relatius al cas.

D'altra banda, aquesta conducta pot donar lloc a la incoació d'un procediment disciplinari i l'aplicació, si escau, de la sanció que correspongui.

La UOC habilitarà els mecanismes que consideri oportuns per a vetllar per la qualitat de les seves titulacions i garantir l'excel·lència i la qualitat del seu model educatiu.

• Consulta del model d'avaluació