Bioestadística i Anàlisi de Dades

Esteu aquí

Inici » Estudis » Graus » Grau en Bioinformàtica » Pla d'estudis » Assignatures » Bioestadística i Anàlisi de Dades
Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits
Departament
UPF
Aquest curs proporciona una descripció general dels conceptes i mètodes essencials per analitzar dades biomèdiques. L'objectiu és aconseguir una comprensió profunda dels principis estadístics i la seva aplicació a les ciències biològiques. Comencem amb una introducció fonamental a la teoria de la probabilitat i la inferència estadística. Després, els estudiants exploraran tècniques estadístiques específiques fonamentals per a l'anàlisi de dades biomèdiques.
Al llarg del curs, s'utilitzaran exemples reals per il·lustrar aquests mètodes, millorant la comprensió i l'aplicació pràctiques. L'experiència d'aprenentatge inclou una combinació de classes teòriques presencials, sessions pràctiques i tasques breus per reforçar conceptes clau.

Professorat

Responsable

  • Laura Aviñó Esteban ( )

Altres

  • Armand González Escalante ( )
  • Hafid Laayouni el Alaoui ( )
  • Michael Thompson ( )

Hores setmanals

Teoria
2
Problemes
2
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
6

Resultats d'aprenentatge

Resultats d'aprenentatge

Coneixements

  • K2 - Identificar els mètodes estadístics i computacionals i els models matemàtics que permeten resoldre problemes en els camps de la biologia molecular, la genòmica, la investigació mèdica i la genètica de poblacions.
  • K3 - Identificar els fonaments matemàtics, les teories informàtiques, els esquemes algorísmics i els principis d'organització de la informació aplicables al modelat de sistemes biològics i a la resolució eficient de problemes bioinformàtics mitjançant el disseny d'eines computacionals.
  • K5 - Identificar la naturalesa de les variables biològiques que cal analitzar, així com els models matemàtics, els algorismes i les proves estadístiques adequades per a desenvolupar i avaluar anàlisis estadístics i eines computacionals.

Habilitats

  • S2 - Analitzar computacionalment seqüències d'ADN, ARN i proteïnes, incloent anàlisis comparatives de genomes, usant la computació, les matemàtiques i l'estadística com a eines bàsiques de la bioinformàtica.
  • S3 - Resoldre problemes en els camps de la biologia molecular, la genòmica, la investigació mèdica i la genètica de poblacions mitjançant l'aplicació de mètodes estadístics i computacionals i models matemàtics.
  • S4 - Elaborar eines específiques que permetin la resolució de problemes sobre la interpretació de dades biològiques i biomèdiques, incloent visualitzacions complexes.
  • S8 - Enfrontar-se a la presa de decisions, i defensar-les amb arguments, en la resolució de problemes de les àrees de biologia, així com, dins dels àmbits adequats, les ciències de la salut, les ciències de la computació i les ciències experimentals.

Competències

  • C3 - Comunicar-se de forma oral i escrita amb altres persones, en llengua anglesa, sobre els resultats de l'aprenentatge, de l'elaboració del pensament i de la presa de decisions.
  • C6 - Detectar deficiències en el propi coneixement i superar-les mitjançant la reflexió crítica i l'elecció de la millor actuació per a ampliar aquest coneixement.

Objectius

  1. 1. Adquisició de coneixement bàsic d¿inferència estadística.
    Competències relacionades: K2, K3, K5, S4, S8, C3, C6,
  2. 2. Usar l'estadística per a resoldre problemes biològics
    Competències relacionades: K2, K3, K5, S2, S4, S8,
  3. Aprendre com usar el programari R per analitzar dades biològiques.
    Competències relacionades: K5, S2, S3, S4, S8, C3,

Continguts

  1. Test d¿hipòtesi i test t de Student.
    Raonament estadístic, estadístic de contrast, valor p, regió de rebuig, errors de tipus I i II, dades aparellades.
  2. Relacions en dades categòriques, test d¿ajustament (goodness-of-fit).
    Taules de contingència, el khi quadrat.
  3. Anàlisi de la variància, ANOVA d¿un sol factor, procediments de comparacions múltiples.
    Anàlisi de la variància, ANOVA d¿un sol factor, procediments de comparació múltiple.
  4. ANOVA de dos factors.
    Partició de la variació, efectes principals i interacció.
  5. Correlació i regressió.
    Aspectes descriptius i inferencials de la correlació i la regressió lineal simple.
  6. Anàlisi de regressió múltiple. Correlació parcial.
    Interpretació dels coeficients de regressió, test de significació.
  7. Mida de l¿efecte i un resum dels mètodes d¿inferència.
    Valors p, mida de la mostra, mida de l¿efecte i potència estadística.

Activitats

Activitat Acte avaluatiu


Classes teòriques expositives.



Teoria
27h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
45h



Examen parcial.


Objectius: 1 2
Setmana: 1
Teoria
0h
Problemes
2h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Examen final.


Objectius: 1 2 3
Setmana: 1
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

Les classes teòriques són principalment de tipus expositiu. També hi haurà sessions basades en problemes i sessions pràctiques amb R.

Mètode d'avaluació

Per a l'avaluació de l'assignatura, es tindrà en compte la nota de l'examen parcial (P), la de l'examen final (F), la de les sessions de R (R) i es combinaran seguint la fórmula següent:
Nota = max(0.2·P + 0.2·R + 0.6·F ; 0.2·R + 0.8·F)

Es considera que un estudiant s'ha presentat a l'assignatura si s'ha presentat a l'examen final. Si l'estudiant s'ha presentat però ha suspès l'assignatura, l'estudiant podrà fer l'examen de reavaluació (RT) i, en aquest cas, la nota es calcularà com 0.2·R + 0.8·RT (no es tindrà en compte la nota de l'examen parcial).

Bibliografia

Bàsica:

Web links