Models Estadístics i Processos Estocàstics

Esteu aquí

Inici » Estudis » Graus » Grau en Bioinformàtica » Pla d'estudis » Assignatures » Models Estadístics i Processos Estocàstics
Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
EIO;UAB
Aquest curs dota els estudiants dels conceptes necessaris per comprendre els mètodes estadístics clau utilitzats en bioinformàtica com el model de Markov ocult (HMM) i el model lineal generalitzat (GLM) utilitzat en l'anàlisi de dades de NGS. Es tractarà detalladament la regressió logística, la regressió de Poisson i els models mixtes.
Es desenvolupen i s'amplien conceptes de probabilitat i estadística introduïts prèviament. Els temes principals inclouen: distribucions de probabilitat, conceptes de convergència i resultats per a mostres grans; processos estocàstics, matriu de transició de probabilitat i cadenes de Markov; màxima versemblança i estimació bayesiana; proves d'hipòtesi, probabilitat proves de ràtio i problemes de testos múltiples.

Professorat

Responsable

  • Mireia Besalú Mayol ( )
  • Pere Puig Casado ( )

Altres

  • Nuria Perez Alvarez ( )

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.

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. C3 - Communicate orally and in writing with others in the English language about learning, thinking and decision making outcomes.
    Competències relacionades: C3,
  2. C6 - Detect deficiencies in the own knowledge and overcome them through critical reflection and the choice of the best action to expand this knowledge.
    Competències relacionades: C6,
  3. K2 - Identify mathematical models and statistical and computational methods that allow for solving problems in the fields of molecular biology, genomics, medical research, and population genetics.
    Competències relacionades: K2,
  4. K3 - Identify the mathematical foundations, computational theories, algorithmic schemes and information organization principles applicable to the modeling of biological systems and to the efficient solution of bioinformatics problems through the design of computational tools.
    Competències relacionades: K3,
  5. S2 - Computationally analyze DNA, RNA and protein sequences, including comparative genome analyses, using computation, mathematics and statistics as basic tools of bioinformatics.
    Competències relacionades: S2,
  6. S3 - Solve problems in the fields of molecular biology, genomics, medical research and population genetics by applying statistical and computational methods and mathematical models.
    Competències relacionades: S3,
  7. S4 - Develop specific tools that enable solving problems on the interpretation of biological and biomedical data, including complex visualizations.
    Competències relacionades: S4,
  8. S8 - Make decisions, and defend them with arguments, in the resolution of problems in the areas of biology, as well as, within the appropriate fields, health sciences, computer sciences and experimental sciences.
    Competències relacionades: S8,

Continguts

  1. Presentació
    Presentació del contingut del curs
  2. Estimació de màxima versemblança
    Estimació de màxima versemblança
  3. Test de raó de versemblança
    Test de raó de versemblança
  4. Regressió logística
    Regressió logística
  5. Regressió de Poisson
    Regressió de Poisson
  6. Models d'efectes mixtes
    Models d'efectes mixtes
  7. Inferència bayesiana
    Inferència bayesiana
  8. Inferència bayesiana avançada
    Inferència bayesiana avançada
  9. Models de Markov
    Models de Markov

Activitats

Activitat Acte avaluatiu



Classes de resolució de problemes


Objectius: 1 2 3 4 6 7 8
Continguts:
Teoria
0h
Problemes
28h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
40h

Examen parcial 1


Objectius: 1 2 8
Setmana: 9
Teoria
2h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Examen parcial 2


Objectius: 1 2 8
Setmana: 18
Teoria
2h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h


Examen de recuperació

A la recuperació només poden anar els alumnes que tinguin un mínim de 3 en la nota final, recuperant només la part de Teoria.
Objectius: 1 8
Setmana: 1 (Fora d'horari lectiu)
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

Les classes seran principalment de tipus expositiu. També hi haurà sessions orientades a l'aprenentatge a partir de la resolució de problemes i sessions pràctiques amb R.

Mètode d'avaluació

La nota de l'assignatura es calculara a partir de les notes de 2 exercicis pràctics lliurats pels estudiants en grups de dos (30%) i 2 examens parcials: un examen parcial de Teoria al mig del curs (35%), un altre examen parcial de Teoria al final del curs (35%).
A la recuperació només poden anar els alumnes que tinguin un mínim de 3 en la nota final, recuperant només la part de Teoria.

Bibliografia

Bàsica:

Capacitats prèvies

Coneixements bàsics d'estadística i probabilitat.