Bioestadística y Análisis de Datos

Usted está aquí

Inicio » Estudios » Grados » Grado en Bioinformática » Plan de estudios » Asignaturas » Bioestadística y Análisis de Datos
Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos
Departamento
UPF
Este curso proporciona una descripción general de los conceptos y métodos esenciales para analizar datos biomédicos. El objetivo es conseguir una comprensión profunda de los principios estadísticos y su aplicación en las ciencias biológicas. Empezamos con una introducción fundamental a la teoría de la probabilidad y la inferencia estadística. Luego, los estudiantes explorarán técnicas estadísticas específicas fundamentales para el análisis de datos biomédicos.
A lo largo del curso, se utilizarán ejemplos reales para ilustrar estos métodos, mejorando la comprensión y aplicación prácticas. La experiencia de aprendizaje incluye una combinación de clases teóricas presenciales, sesiones prácticas y breves tareas para reforzar conceptos clave.

Profesorado

Responsable

  • Hafid Laayouni el Alaoui ( )

Otros

  • Ferriol Calvet Riera ( )
  • Mohammadmahdi Hajimoradkhani ( )

Horas semanales

Teoría
2
Problemas
2
Laboratorio
0
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Resultados de aprendizaje

Resultados de aprendizaje

Conocimientos

  • K2 - Identificar los métodos estadísticos y computacionales y los modelos matemáticos que permiten resolver problemas en los campos de la biología molecular, la genómica, la investigación médica y la genética de poblaciones.
  • K3 - Identificar los fundamentos matemáticos, las teorías informáticas, los esquemas algorítmicos y los principios de organización de la información aplicables al modelado de sistemas biológicos y a la resolución eficiente de problemas bioinformáticos mediante el diseño de herramientas computacionales.
  • K5 - Identificar la naturaleza de las variables biológicas que es preciso analizar, así como los modelos matemáticos, los algoritmos y las pruebas estadísticas adecuadas para desarrollar y evaluar análisis estadísticos y herramientas computacionales.

Habilidades

  • S2 - Analizar computacionalmente secuencias de ADN, ARN y proteínas, incluyendo análisis comparativos de genomas, usando la computación, las matemáticas y la estadística como herramientas básicas de la bioinformática.
  • S3 - Resolver problemas en los campos de la biología molecular, la genómica, la investigación médica y la genética de poblaciones mediante la aplicación de métodos estadísticos y computacionales y modelos matemáticos.
  • S4 - Elaborar herramientas específicas que permitan la resolución de problemas sobre la interpretación de datos biológicos y biomédicos, incluyendo visualizaciones complejas.
  • S8 - Enfrentarse a la toma de decisiones, y defenderlas con argumentos, en la resolución de problemas de las áreas de biología, así como, dentro de los ámbitos adecuados, las ciencias de la salud, las ciencias de la computación y las ciencias experimentales.

Competencias

  • C3 - Comunicarse de forma oral y escrita con otras personas, en lengua inglesa, sobre los resultados del aprendizaje, de la elaboración del pensamiento y de la toma de decisiones.
  • C6 - Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar este conocimiento.

Objetivos

  1. 1. Acquisition of the basic knowledge of statistical inference.
    Competencias relacionadas: C3, C6, K2, K3, K5, S4, S8,
  2. 2. Using statistics for solving biological problems.
    Competencias relacionadas: K2, K3, K5, S2, S4, S8,
  3. 3. Learning how to use R software to analyse biological data
    Competencias relacionadas: C3, K5, S2, S3, S4, S8,

Contenidos

  1. Hypothesis testing and student t test.
    Statistical reasoning, test statistic, p-value, rejection area, errors type I and II, paired data
  2. Relationships in categorical data, goodness-of-fit test.
    Contingency tables. The chi-square
  3. Analysis of variance. One-way ANOVA, multiple comparison procedures
    Variation partition, Sum of squares and Mean squares, ANOVA table. Bonferroni correction
  4. Two-way ANOVA.
    Variation partition, main effects and interaction
  5. Correlation and regression.
    Descriptive and inferential aspects of correlation and simple linear regression.
  6. Multiple regression analysis. Partial correlation
    Interpretation of regression coefficients, test of significance
  7. Effect Size and a summary of inference methods.
    P-values, sample size, effect size and statistical power.

Actividades

Actividad Acto evaluativo


Theoretical expository lectures



Teoría
27h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
45h



Mid term exam


Objetivos: 1 2
Semana: 1
Teoría
0h
Problemas
2h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Final exam


Objetivos: 1 2 3
Semana: 1
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Metodología docente

Las Les clases de teoria serán principalmente de tipo expositivo. También habrá sesiones de problemas y sesiones prácticas utilizando R.

Método de evaluación

For the evaluation of the subject, the grade of the partial exam (P), the grade of the final exam (F) and the grade of the R sessions (R) will be taken into account and will be combined with the following formula:
Grade=max(0.2*P+0.2*R+0.6*F;0.2*R+0.8*F)

A student is considered to have taken the subject if he/she takes the final exam. If the student has taken the subject but has failed, then the student may take the re-evaluation exam (RT) and in this case the grade for the subject will be 0.2*R+0.8*RT (the partial score is not used).

Bibliografía

Básica:

  • Statistics for the life Sciences. - M.L. Samuel, J.A. Witmer, A. Shaffner.,
  • Understandable Statistics: Concepts and Methods - Charles Henry Brase and Corrinne Pellillo Brase.,
  • https://leanpub.com/biostat - Julie Vu, Dave Harrington,
    https://leanpub.com/biostat

Web links