Modelos Estadísticos y Procesos Estocásticos

Usted está aquí

Inicio » Modelos Estadísticos y Procesos Estocásticos
Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
EIO;UAB
This course equips students with the concepts required to understand key statistical methods used in bioinformatics methods such as the Hidden Markov Model (HMM) and the Generalised Linear Model (GLM) used in NGS data analysis. Logistic regression, Poisson regression and Mixed models will treated in detail.
Previously introduced probability and statistical concepts are developed and extended. Main subjects include: probability distributions, convergence concepts and large sample results; stochastic processes, probability transition matrix and Markov chains; maximum likelihood and Bayesian estimation; hypothesis tests, likelihood ratio tests and multiple testing issues.

Profesorado

Responsable

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

Otros

  • Nuria Perez Alvarez ( )

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.

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. C3 - Communicate orally and in writing with others in the English language about learning, thinking and decision making outcomes.
    Competencias relacionadas: 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.
    Competencias relacionadas: 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.
    Competencias relacionadas: 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.
    Competencias relacionadas: K3,
  5. S2 - Computationally analyze DNA, RNA and protein sequences, including comparative genome analyses, using computation, mathematics and statistics as basic tools of bioinformatics.
    Competencias relacionadas: 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.
    Competencias relacionadas: S3,
  7. S4 - Develop specific tools that enable solving problems on the interpretation of biological and biomedical data, including complex visualizations.
    Competencias relacionadas: 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.
    Competencias relacionadas: S8,

Contenidos

  1. Introduction
    Introduction
  2. Maximum likelihood estimation
    Maximum likelihood estimation
  3. Likelihood ratio tests
    Likelihood ratio tests
  4. GLM: Logistic regression
    GLM: Logistic regression
  5. GLM: Poisson regression
    GLM: Poisson regression
  6. Mixed effects models
    Mixed effects models
  7. Bayesian Inference
    Bayesian Inference
  8. Advanced Bayesian Inference
    Advanced Bayesian Inference
  9. Markov models
    Markov models

Actividades

Actividad Acto evaluativo


Theoretical expository lectures


Objetivos: 2 3 4 7
Contenidos:
Teoría
23h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
30h

Problem solving sessions


Objetivos: 1 2 3 4 6 7 8
Contenidos:
Teoría
0h
Problemas
28h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
40h

Mid term exam


Objetivos: 1 2 8
Semana: 9
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Final term exam


Objetivos: 1 2 8
Semana: 18
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Practical assignments (2)


Objetivos: 1 2 3 4 5 6 7 8
Contenidos:
Teoría
0h
Problemas
2h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
20h

Re-evaluation exam

Only the students that after the evaluation have a grade equal or greater than 3 can perform the re-evaluation exam. In the re-evaluation exam only the theoretic part can be retake.
Objetivos: 1 8
Semana: 1 (Fuera de horario lectivo)
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Metodología docente

Lectures will be mainly of expository type. There will be also problem-based sessions and practical sessions using R.

Método de evaluación

The course assessment is as follows:
30% corresponds to 2 practical assignments (to be done by pairs),
and 70% consists of a 2 partial theoretical exams taken at mid term (35%) and final term (35%).

Recuperation Information
Only the students that after the evaluation have a grade equal or greater than 3 can perform the re-evaluation exam. In the re-evaluation exam only the theoretic part can be retake.

Bibliografía

Básica:

Capacidades previas

Basic knowledge of statistics and probability.