Pla docent de l'assignatura

 

 

Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Tècniques Estadístiques d'Anàlisi de Dades

Codi de l'assignatura: 568353

Curs acadèmic: 2021-2022

Coordinació: Francesc Oliva Cuyas

Departament: Departament de Genètica, Microbiologia i Estadística

crèdits: 6

Programa únic: S

 

 

Hores estimades de dedicació

Hores totals 150

 

Activitats presencials i/o no presencials

60

 

-  Pràctiques de laboratori

Presencial

 

60

Treball tutelat/dirigit

40

Aprenentatge autònom

50

 

 

Competències que es desenvolupen

 

 

Competències bàsiques

• Adquisició de coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i/o aplicació d’idees, sovint en un context de recerca.

• Capacitat d’aplicar els coneixements adquirits i de resoldre problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb l’àrea d’estudi.

• Capacitat d’integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d’una informació que, tot i ser incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l’aplicació dels coneixements i judicis.

• Capacitat de comunicar les conclusions, i els coneixements i les raons últimes que les sustenten, a públics especialitzats i no especialitzats d’una manera clara i sense ambigüitats.

• Habilitats d’aprenentatge que permetin continuar estudiant d’una forma que ha de ser en gran manera autodirigida o autònoma.

 

Competències generals

• Capacitat d’interpretar qualitativament i quantitativament els resultats d’un treball experimental.

 

Competències específiques

• Capacitat d’utilitzar tècniques per analitzar i tractar la informació ambiental.

• Capacitat d’aplicar eines i mètodes per a l’estudi dels ecosistemes (Ecologia).

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements

• Proporcionar els fonaments bàsics i com cal aplicar algunes de les eines d’estadística univariant i multivariant més habitualment emprades en l’anàlisi de dades en ecologia i gestió del medi natural.

• Saber escollir les tècniques d’anàlisi de dades més adients en funció dels objectius establerts i la tipologia de les dades.

• Saber aplicar i interpretar les tècniques esmentades, coneixent-ne les limitacions.

• Ser capaç d’utilitzar llibreries d’anàlisi estadística de dades en l’entorn de programació R.

• Ser capaç d’utilizar el software estadístic PRIMER

 

 

Blocs temàtics

 

1. Introducció general a l’assignatura i als diferents programaris estadístics utilitzats

*  Introducció conceptual a l’assignatura. Presentació i justificació del programari emprat. El programari PRIMER/PERMANOVA+. El mòdul Ginkgo de VegAna. R Project: introducció al llenguatge i a l’R Studio, gestió de dades i alguns primers càlculs

2. El model lineal i el disseny d’experiments

*  El model lineal general. Regressió lineal simple i múltiple. Diagnòstics de regressió. Introducció al disseny d’experiments. ANOVA i ANCOVA. Presentació i resolució de casos amb R

3. El model lineal generalitzat

*  Introducció al model lineal generalitzat. Diagnòstics, avaluació de l’ajust i selecció de models. Regressió logística i Poisson. Presentació i resolució de casos amb R

4. Models lineals mixtos

*  Fonaments dels models lineals mixtos: què són i quan cal usar-los. Models mixtos amb variables categòriques. Models mixtos amb variables contínues. Presentació i resolució de casos amb R

5. Introducció a les tècniques d’anàlisi multivariant de dades

*  Matrius de dades, vector de mitjanes, matriu de covariàncies i matriu de correlacions. Distàncies i similituds. Transformacions de variables i mesures de distàncies i similituds recomanables en l’anàlisi de dades en ecologia. Tècniques de representació, tècniques de classificació i tècniques d’inferència estadística

6. Inferència multivariant: MANOVA i PERMANOVA

*  MANOVA (Multivariate Analysis of Variance). El problema de la no-normalitat de les dades i utilització de tests basats en permutacions: PERMANOVA. Presentació i resolució de casos pràctics.

7. L’anàlisi de components principals

*  Introducció a la tècnica i objectius. Elecció del nombre de components i interpretació. Rotació varimax. Relació amb l’anàlisi factorial. Presentació i resolució de casos pràctics amb R.

8. Escalat multidimensional mètric i no mètric (multidimensional scaling)

*  Funcions de proximitat entre objectes. Reducció de la dimensió mitjançant una matriu de proximitats. MDS mètric i no mètric.Presentació i resolució de casos pràctics amb R.

9. Introducció a les eines d’anàlisi de conglomerats (cluster analysis)

*  Anàlisi de conglomerat jeràrquic: dendrogrames. Mètodes no jeràrquics: k-mitjanes i Fuzzy c-means. Estratègies per elegir el nombre de clústers. Presentació i resolució de casos pràctics amb Ginkgo i R

10. L’anàlisi discriminant

*  Construcció i avaluació d’una regla discriminant. El discriminador lineal de Fisher o discriminador canònic. Selecció de variables. Un mètode d’anàlisi discriminant basat en distàncies. Presentació i resolució de casos pràctics amb Ginkgo i R

11. Algunes tècniques d’anàlisi canònica

*  Relació i projeccions a l’espai entre dues matrius de dades: expliquen les variables «ambientals» la presència i/o abundància de les espècies? Anàlisi de redundància (RDA) i anàlisi canònica de correspondències (CCA). Generalització per a qualsevol tipus de distància entre els sites d’espècies: dbRDA (Distance Based Redundancy Analysis). Presentació i resolució de casos pràctics amb PRIMER / PERMANOVA i R.

12. Casos pràctics finals

*  • Presentació de casos que han de permetre als estudiants el plantejament i la utilització de diverses tècniques treballades en el curs, tan de la part d’univariant com de multivariant.

** El temari i continguts presentats són els previstos en el desenvolupament de l’assignatura, llevat que les restriccions imposades pel govern i/o les autoritats sanitàries obliguin a una priorització o reducció d’aquests continguts, així com de la presencialitat.

 

 

Metodologia i activitats formatives

 

Classes presencials realitzades íntegrament a l’aula d’informàtica. Presentació de casos que permetin integrar els conceptes i les tècniques presentades. Es proposaran casos pràctics que hauran de resoldre els estudiants amb el programari adequat, amb el seguiment i la tutorització del professor/a. Especial èmfasi en la metodologia, les condicions d’aplicabilitat de les tècniques i la seva interpretació, sense aprofundir més enllà de lo estrictament necessari en la part més teòrica de les eines utilitzades.

* La metodologia docent proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin les autoritats sanitàries.

 

 

Avaluació acreditativa dels aprenentatges

 

• 60% Avaluació continuada: 2 proves presencials (30% cada prova) realitzades en el decurs del desenvolupament de l’assignatura. Cada prova tindrà dos blocs: univariant i multivariant. En el cas que l’estudiant hagi superat cadascuna de les proves i blocs amb un mínim de 4,0 (puntuació mínima per a cadascun dels quatre blocs, és a dir, els dos d’univariant i els dos de multivariant) pot optar a no presentar-se a la prova de síntesi final; en el cas que així ho decideixi, la seva qualificació final serà la mitjana aritmètica de les dues proves d’avaluació continuada.

• 40% Prova de síntesi final presencial

* L’avaluació proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin el govern i/o les autoritats sanitàries.