|
Tipo A
|
Código |
Competencias Específicas |
| |
Comú |
| |
AC5 |
Percebre, apreciar i utilitzar la diversitat d'àmbits de coneixement que participen a l'àrea de la nutrició i el metabolisme. |
| |
Professionalitzador |
| |
Recerca |
|
Tipo B
|
Código |
Competencias Transversales |
| |
Comú |
| |
BC2 |
Resoldre problemes complexos de forma efectiva. |
|
Tipo C
|
Código |
Competencias Nucleares |
| |
Comú |
| |
CC2 |
Utilitzar de manera avançada les tecnologies de la informació i la comunicació. |
| Objetivos |
Competencias |
| Calcular mesures estadístiques descriptives d'un conjunt de dades poblacionals agrupades o no en intervals. |
AC5
|
BC2
|
CC2
|
| Calcular probabilitats de diversos successos quan es treballa amb alguna de les distribucions següents: binomial, Poisson, uniforme discreta, uniforme contínua, exponencial, normal, t de Student, khi-quadrat, F de Fisher. |
AC5
|
BC2
|
CC2
|
| Construir l'interval de confiança per a: la mitjana, la diferència de mitjanes, la variància, el quocient de variàncies, una proporció i la diferència de proporcions a partir de dades mostrals. |
AC5
|
BC2
|
CC2
|
| Aplicar contrastos d'hipòtesis per a: la mitjana, la diferència de mitjanes, la variància, el quocient de variàncies, una proporció i la diferència de proporcions a partir de dades mostrals. |
AC5
|
BC2
|
CC2
|
| Contrastar si un o diversos factors influeixen sobre una variable resposta. |
AC5
|
BC2
|
CC2
|
| Calcular les mesures relacionades amb les regressions lineals, simples i múltiples, i no lineals simples. |
AC5
|
BC2
|
CC2
|
| Aplicar algun programa informàtic per a la resolució de problemes d'inferència estadística o d'anàlisi multivariant de dades. |
AC5
|
BC2
|
CC2
|
| Interpretar el resultats proporcionats per algun programa informàtic quan s'aplica alguna de les tècniques d'inferència estadística o d'anàlisi multivariant de dades. |
AC5
|
BC2
|
CC2
|
| tema |
Subtema |
| 1. Introducció a l’anàlisi de dades. |
1.1. Concepte d’Estadística. Contingut de l’Estadística. 1.2. Concepte de població, mostra, individu i variable estadística. 1.3. Classificació de les variables estadístiques. 1.4. Distribució de freqüències. Representacions gràfiques. 1.5. Agrupació de dades en intervals. 1.6. Paràmetres de posició. 1.7. Paràmetres de dispersió. |
| 2. Models de distribució de probabilitats. |
2.1. Distribucions discretes: Bernoulli, binomial, Poisson, uniforme. 2.2. Distribucions contínues: uniforme, exponencial, normal. 2.3. Llei normal general. Llei normal reduïda: N(0,1). 2.4. Distribucions deduïdes de la normal: khi-quadrat, t de Student i F de Snedecor. 2.5. Convergència a la llei normal: teorema del límit central. 2.6. Exemples d’aproximació d’algunes distribucions a la distribució normal. 2.7. Ús de les taules estadístiques. |
| 3. Intervals de confiança. |
3.1. Concepte d’estimador i de paràmetre. Estimació puntual i estimació per intervals. 3.2. Propietats dels estimadors: biaix, eficiència i consistència. 3.3. Alguns mètodes d’estimació: el mètode dels moments i el mètode del màxim de versemblança. 3.4. Noció d’interval de confiança. Coeficient de confiança. 3.5. Determinació d’alguns intervals de confiança per a: la mitjana, la diferència de mitjanes, la variància, el quocient de variàncies, una proporció i la diferència de proporcions. |
| 4. Contrast d’hipòtesis. |
4.1. Hipòtesis estadístiques. Tipus d’hipòtesis. 4.2. Concepte de regió crítica i regió d’acceptació. 4.3. Tipus d’errors. Potència d’un contrast. Nivell de significació. 4.4. Aplicació dels contrastos d’hipòtesis per: la mitjana, la diferència de mitjanes, la variància, el quocient de variàncies, una proporció i la diferència de proporcions. |
| 5. Anàlisi de la variància (ANOVA). |
5.1. Generalitats sobre l’anàlisi de la variància. 5.2. Disseny ANOVA d’un factor. 5.3. Disseny ANOVA de dos factors sense interacció. Blocs aleatoritzats. 5.4. Disseny ANOVA de dos factors amb interacció. 5.5. SPSS: disseny ANOVA amb dos factors o més. 5.6. Anàlisis de la covariància (ANCOVA). 5.7. Mesures repetides. |
| 6. Regressió lineal. |
6.1. Relació entre variables. 6.2. Model de regressió mostral simple. 6.3. Regressió lineal simple: estimació de paràmetres pel mètode dels mínims quadrats. 6.4. Regressió lineal simple: mesures de bondat d’ajust. 6.5. Regressió lineal simple: construcció d’intervals de predicció. 6.6. Regressió no lineal. 6.7. Regressió lineal múltiple. 6.8. Contrastos de significació. 6.9. Resultats amb el prgrama Excel. 6.10. Resultats amb el programa SPSS. |
| 7. Anàlisi multivariant. |
7.1. Classificació dels mètdoes d'anàlisi multivariant. 7.2. Anàlisi factorial. Anàlisi de components principals. 7.3. Anàlisi clúster no jeràrquic. 7.4. Anàlisi clúster jeràrquic. 7.5. Anàlisi discriminant. |
| Metodologías :: Pruebas |
| |
Competencias |
(*) Horas en clase |
Horas fuera de clase |
(**) Horas totales |
| Activitats Introductòries |
|
1 |
0 |
1 |
| |
| Sessió Magistral |
|
9 |
18 |
27 |
| Pràctiques a través de TIC en aules informàtiques |
|
9 |
36 |
45 |
| |
| Atenció personalitzada |
|
1 |
0 |
1 |
| |
| Proves pràctiques |
|
1 |
0 |
1 |
| |
(*) En el caso de docencia no presencial, serán las horas de trabajo con soporte virtual del profesor.
(**) Los datos que aparecen en la tabla de planificación son de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías
| |
descripción |
| Activitats Introductòries |
Introducció de l'assignatura on s'expliquen els continguts a treballar, els objectius a avaluar, la metodologia que s'usa i el mètode d'avaluació. |
| Sessió Magistral |
El professor explica els continguts teòrics de cada tema. S'usa la pissarra i la projecció dels apunts. |
| Pràctiques a través de TIC en aules informàtiques |
Es demanen als alumnes que facin i lliurin pràctiques, realitzades amb ordinador, relacionades amb els continguts que s'estan treballant en cada moment. Aquestes pràctiques formen part de l'avaluació continuada de l'assignatura. |
| Atenció personalitzada |
Els alumnes poden tenir atenció personalitzada de qualsevol aspecte del curs durant les hores d'atenció d'alumnes i en les hores de resolució d'exercicis i pràctiques a l'aula d'informàtica. |
| |
| Atenció personalitzada |
| Pràctiques a través de TIC en aules informàtiques |
|
|
descripción |
| Els alumnes poden tenir atenció personalitzada de qualsevol aspecte del curs durant les hores d'atenció d'alumnes i en les hores de resolució d'exercicis i pràctiques a l'aula d'informàtica. |
|
| |
descripción |
Peso |
| Pràctiques a través de TIC en aules informàtiques |
Es valorarà l’aprofitament de les pràctiques. Per no veure penalitzada la nota d’aquesta part, es demana un mínim d’assistència del 80% a les classes. |
50% |
| Proves pràctiques |
Examen final de caràcter pràctic i de síntesi. Es permet l’ús dels apunts i del material del curs. |
50% |
| |
|
Otros comentarios y segunda convocatoria |
|
L'assignatura té convocatòria única. Durant les proves d'avaluació, els telèfons mòbils, tablets i altres aparells que no siguin expressament autoritzats per la prova, han d'estar apagats i fora de la vista. La realització demostrativament fraudulenta d'alguna activitat avaluativa d'alguna assignatura tant en suport material com virtual i electrònic comporta a l'estudiant la nota de suspens d'aquesta activitat avaluativa. Amb independència d'això, davant la gravetat dels fets, el centre pot proposar la iniciació d'un expedient disciplinari, que serà incoat mitjançant resolució del rector o rectora. |
| Bàsica |
Mateo, J.M., Estadística pràctica pas a pas, ,
|
|
| Complementària |
|
|
(*)La Guía docente es el documento donde se visualiza la propuesta académica de la URV. Este documento es público y no es modificable, excepto en casos excepcionales revisados por el órgano competente o debidamente revisado de acuerdo la normativa vigente. |
|