Bioestadística y Análisis de Datos

Usted está aquí

Inicio » 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

  • Laura Aviñó Esteban ( )

Otros

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

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. Adquisición de conocimiento básico de inferencia estadística.
    Competencias relacionadas: K2, K3, K5, S4, S8, C3, C6,
  2. 2. Uso de la estadística para resolver problemas biológicos.
    Competencias relacionadas: K2, K3, K5, S2, S4, S8,
  3. 3. Aprender a usar el software R para analizar datos biológicos.
    Competencias relacionadas: K5, S2, S3, S4, S8, C3,

Contenidos

  1. Prueba de hipótesis y prueba t de Student.
    Razonamiento estadístico, estadístico de contraste, valor p, región de rechazo, errores tipo I y II, datos apareados.
  2. Relaciones en datos categóricos, prueba de bondad de ajuste.
    Tablas de contingencia, el chi-cuadrado.
  3. Análisis de la varianza, ANOVA de un solo factor, procedimientos de comparaciones múltiples.
    Análisis de la varianza, ANOVA de un solo factor, procedimientos de comparación múltiple.
  4. ANOVA de dos factores.
    Partición de la variación, efectos principales e interacción.
  5. Correlación y regresión.
    Aspectos descriptivos e inferenciales de la correlación y la regresión lineal simple.
  6. Análisis de regresión múltiple. Correlación parcial.
    Interpretación de los coeficientes de regresión, prueba de significancia.
  7. Tamaño del efecto y un resumen de los métodos de inferencia.
    Valores p, tamaño de la muestra, tamaño del efecto y potencia estadística.

Actividades

Actividad Acto evaluativo


Clases teóricas expositivas.



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



Examen parcial.


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

Examen final.


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

Metodología docente

Las clases teóricas son principalmente de tipo expositivo. También habrá sesiones basadas en problemas y sesiones prácticas con R.

Método de evaluación

Para la evaluación de la asignatura, se tendrá en cuenta la nota del examen parcial (P), la del examen final (F) y la de las sesiones de R (R), y se combinarán siguiendo la fórmula siguiente:
Nota = max(0.2·P + 0.2·R + 0.6·F ; 0.2·R + 0.8·F)

Se considera que un estudiante se ha presentado a la asignatura si se ha presentado al examen final. Si el estudiante se ha presentado pero ha suspendido la asignatura, podrá hacer el examen de reevaluación (RT) y, en ese caso, la nota se calculará como 0.2·R + 0.8·RT (no se tendrá en cuenta la nota del examen parcial).

Bibliografía

Básica:

Web links