| Competencias |
| Tipo A | Código | Competencias Específicas |
| CE9 | Capacidad para aplicar tests estadísticos y algoritmos de análisis multivariante en datos clínicos, ómicos, bioquímicos y de otras fuentes | |
| Tipo B | Código | Competencias Transversales |
| Tipo C | Código | Competencias Nucleares |
| Resultados de aprendizaje |
| Tipo A | Código | Resultados de aprendizaje |
| CE9 |
Entiende los conceptos básicos de estadística Conoce los diferentes tipos de distribuciones de variables aleatorias Aplica los modelos y algoritmos estadísticos adecuados en biología Conoce la teoría y la estadística asociada al diseño de experimentos (DOE) Determina la certeza o probabilidad de las conclusiones que se pueden extraer de los datos, así como descartar ocurrencias poco probables Utiliza técnicas multivariantes de análisis de datos para visualizar tendencias o posibles medidas erróneas Es capaz de aplicar técnicas de correlación de datos que permitan descubrir interrelaciones entre diferentes procesos biológicos Es capaz de aplicar técnicas de fusión de características para obtener conclusiones holísticas sobre experimentos con muchos datos y/o variables Conoce y aplica algoritmos multivariantes o de reconocimiento de patrones para la predicción de variables a partir de los datos de un experimento de laboratorio Es capaz de calibrar tests de diagnóstico basados en técnicas multivariantes, reconocimiento de patrones, algoritmos de inteligencia artificial o aprendizaje maquina (machine learning). | |
| Tipo B | Código | Resultados de aprendizaje |
| Tipo C | Código | Resultados de aprendizaje |
| Contenidos |
| tema | Subtema |
| Introducción | |
| El llenguatge R | |
| Exploración de datos | |
| Explorando relaciones entre variables | |
| Probabilidad | |
| Variables Aleatorias y distribuciones de probabilidad | |
| Estimación | |
| Test de hipótesis | |
| Inferncia estadística sobre la relación entre dos variables | |
| Análisis de la variància (ANOVA) | |
| Análisis de Variables Categóricas | |
| Análisis de Regresión | |
| Análisis de clusters | |
| Análisis Bayesiano | |
| Análisis multivariante de datos |
| Planificación |
| Metodologías :: Pruebas | ||||||||||
| Competencias | (*) Horas en clase |
Horas fuera de clase |
(**) Horas totales | |||||||
| Actividades introductorias |
|
1 | 0 | 1 | ||||||
| Sesión magistral |
|
28 | 42 | 70 | ||||||
| Prácticas en laboratorios |
|
22 | 36 | 58 | ||||||
| Prácticas a través de TIC |
|
8 | 12 | 20 | ||||||
| Atención personalizada |
|
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 | |
| Actividades introductorias | Actividad descriptiva de la asignatura y de la organización del curso |
| Sesión magistral | Explicación en el aula los contenidos teóricos de la asignatura |
| Prácticas en laboratorios | Realización de de análisis estadísticos en el ámbito de ingeniería biomédica, empleando las herramientas descritas en las clases magistrales |
| Prácticas a través de TIC | Utilización de software y entornos como Matlab y R para realizar análisis estadístico y tratamiento de datos en el contexto de ingeniería biomédica. |
| Atención personalizada | Realización de consultas con los profesores de la asignatura |
| Atención personalizada |
| descripción |
| Se recomienda emplear de manera periódica las horas de consultas de los profesores para resolver dudas o tratar cualquier aspecto relacionado con la asignatura. |
| Evaluación |
| Metodologías | Competencias | descripción | Peso | ||||
| Sesión magistral |
|
Resolución de 2 pruebas parciales consistentes en tests con respuestas objetivas. |
50 |
||||
| Prácticas en laboratorios |
|
Resolución de las prácticas en el laboratorio. Realización de un informe. | 25 | ||||
| Prácticas a través de TIC |
|
Examen final de la parte relacionada con las prácticas y el uso del lenguaje R | 25 | ||||
| Otros |
| Otros comentarios y segunda convocatoria | |||
|
Es necesario obtener un mínimo de 4 de cada una de las partes para poder realizar el cálculo de la nota final. Si se obtiene menos de 4 en alguna de las partes, se considera que no es apta. Es necesario el seguimiento continuado de las sesiones de laboratorio para aprobar la asignatura. La falta de asistencia y trabajo en el laboratorio no será recuperable en segunda convocatoria. |
|||
| Fuentes de información |
| Básica |
Babak Shahbaba, Biostatistics with R: An Introduction to Statistics Through Biological Data, DOI 10.1007/978-1-4614-13, Springer, 2012
Wayne W. Daniel, Biostatistics: Basic concepts and Methodology for the Heath Sciences, ISBN: 978-0-470-41333-3, Wiley, 2010 |
||||||||
La bibliografia complementaria se anunciará en la presentación de la asignatura. |
|||||||||
| Complementaria | |||||||||
| Recomendaciones |
| Asignaturas que continúan el temario | ||
|
||
| Asignaturas que se recomienda haber cursado previamente | ||||
|
||||
| Otros comentarios | |
| Las asignaturas del mismo ámbito que continuan el temario en semestres posteriores son: - Tratamiento digital de bioseñales - Procesado de imágenes biomédicas -Tecnologías ómicas y tratamiento de datos - Biología computacional y analítica de datos biomédicos |
(*)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.