Pla docent de l'assignatura

 

 

Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Estadística

Codi de l'assignatura: 361530

Curs acadèmic: 2021-2022

Coordinació: David Bernal Casas

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

59

 

-  Teoria

Presencial

 

39

 

-  Teoricopràctica

Presencial

 

12

 

-  Pràctiques d'ordinadors

Presencial

 

8

Treball tutelat/dirigit

44

Aprenentatge autònom

47

 

 

Competències que es desenvolupen

 

   -

Capacitat d'aprenentatge i responsabilitat (capacitat d'anàlisi, de síntesi, de visions globals i d'aplicació dels coneixements a la pràctica / capacitat de prendre decisions i d'adaptació a noves situacions).

   -

Integrar les evidències experimentals trobades en els estudis de camp o al laboratori amb els coneixements teòrics.

   -

Conèixer les eines bàsiques de la probabilitat i l'estadística per aplicar-les a l'anàlisi de dades procedents d'estudis ambientals.

   -

Manejar tècniques quantitatives d'anàlisi de dades en ciències ambientals.

   -

Analitzar, interpretar i modelitzar les dades ambientals.

Objectius d'aprenentatge

 

Referits a coneixements

En acabar de cursar l’assignatura, l’alumne ha de ser capaç de:

• Conèixer els conceptes bàsics de la inferència estadística, especialment la manera d’utilitzar i interpretar els intervals de confiança i els contrastos d’hipòtesis. Comprendre l’efecte que poden tenir la variabilitat, la grandària mostral i la precisió exigida per l’experimentador en els dos marcs inferencials principals.

 

• Adquirir, prèviament als coneixements d’inferència estadística, prou capacitat per reconèixer els models discrets i continus més rellevants en biologia, ja que el curs s’orienta fonamentalment a l’estadística paramètrica clàssica. Per aquesta mateixa raó, també cal consolidar els conceptes bàsics de la teoria de la probabilitat adquirits al batxillerat.

 

• Conèixer la regressió lineal simple i alguns rudiments d’estadística no paramètrica i de remostratge.

 

• Abordar l’anàlisi dels resultats d’un experiment o d’un conjunt d’observacions i conèixer tècniques d’estadística descriptiva per resumir la informació de manera adient.

 

• Fomentar la capacitat d’anàlisi i de raonament de l’alumnat, per la qual cosa es fa més èmfasi en les premisses i en les condicions d’aplicació i d’interpretació que en les fórmules de resolució. Es potencia l’ús de recursos computacionals, tant en la part del curs dedicada a l’estadística descriptiva com en la part inferencial, en detriment d’altres aproximacions més tradicionals exclusivament basades en formularis i taules de distribucions en el mostratge.

 

Referits a habilitats, destreses

• Saber resumir en forma tabular, gràfica o numèrica, dades categòriques, comptatges i variables contínues.

 

• Saber mesurar el grau de relació entre variables categòriques, comptatges i variables contínues.

 

• Saber reconèixer els models de probabilitat més habituals en les ciències ambientals i conèixer-ne les propietats bàsiques.

 

• Saber calcular probabilitats condicionades i saber interpretar-les com a mesura de la bondat d’una prova diagnòstica en els termes aplicats habituals, com ara l’especificitat, la sensibilitat i els valors predictius de la prova.

 

• Saber reconèixer quina tècnica estadística cal aplicar en algunes situacions experimentals habituals, com ara els problemes d’una mostra i de dues.

 

• Saber formular un problema d’estimació en termes d’un interval de confiança (d’una mitjana, d’una diferència de mitjanes, d’una proporció) i saber utilitzar la informació proporcionada per prendre decisions.

 

• Saber calcular la grandària de mostra necessària per garantir una precisió fixada a priori en qualsevol dels intervals anteriors.

 

• Saber formular un problema de decisió en termes d’un contrast d’hipòtesi; conèixer-ne els dos tipus d’error associats.

 

• Saber utilitzar la informació proporcionada pels contrastos d’hipòtesis d’una mostra i dues (sota la premissa de normalitat, sense assumpcions paramètriques, per variables categòriques) per prendre decisions.

 

• Saber calcular la grandària de mostra necessària per garantir un plantejament adequat dels contrastos anteriors.

 

• Saber plantejar i interpretar els resultats d’una regressió lineal en termes descriptius i inferencials.

 

• Saber utilitzar alguna eina computacional que mecanitzi els diferents càlculs, saber interpretar-ne els llistats i elaborar-ne les conclusions en termes biològics.

 

 

Blocs temàtics

 

1. Introducció

*  Estadística descriptiva i inferencial. Cens, poblacions, individus i mostres. Fenòmens aleatoris, indeterminació

2. Descriptiva

*  Tabulació. Gràfics principals. Mesures de centralització, de dispersió, de relació

3. Càlcul de probabilitats

*  Definició de probabilitat. Probabilitat condicionada i independència estocàstica. Fórmules de Bayes i de les probabilitats totals

4. Models discrets

*  Model binomial. Model multinomial. Model de Poisson. Binomial negativa

5. Models continus

*  Model uniforme. Model normal. Model exponencial

6. Conceptes elementals d’inferència estadística

*  Mostratge, mostres i estadístics. Distribució empírica. Distribució en el mostratge. Estimació puntual i principals estimadors. Introducció al remostratge

7. Intervals de confiança

*  Intervals de confiança per a una probabilitat. Intervals per a una mitjana i per a la diferència de mitjanes en cas de normalitat. Càlcul de grandàries mostrals

8. Contrast d’hipòtesis

*  Formulació general. Errors de tipus I i de tipus II, valor p

9. Contrast d’hipòtesis per a dades contínues

*  Proves per a una mostra i dues amb assumpció de normalitat. Determinació de grandàries mostrals. Relació amb els intervals de confiança. Introducció a les proves de lliure distribució

10. Contrast d’hipòtesis per a dades categòriques

*  Contrast per a proporcions. Bondat d’ajust. Taules de contingència: proves d’independència i d’homogeneïtat

11. Regressió lineal

*  Regressió lineal simple: coeficients, coeficient de correlació i variabilitat explicada. Prediccions. Intervals de confiança i test d’incorrelació

 

 

Metodologia i activitats formatives

 

La metodologia d’ensenyament inclou classes magistrals, simulacions, seminaris, treballs no presencials, etc.

El pla docent es desglossa en tres tipus metodològics bàsics presencials, que es complementen amb activitats no presencials dirigides, com ara el lliurament de problemes, d’informes o l’estudi de casos pràctics. Les categories desglossades són:

• Classes magistrals, que es combinen en la mateixa sessió amb resolució de problemes plantejats prèviament. Es programen dues sessions setmanals d’una hora i mitja durant tretze setmanes (39 h presencials en total).

• Intensificació de resolució de problemes. Es programen sis sessions de dues hores al llarg del curs (12 h en total).

• Classes pràctiques d’ordinador, en què s’alternen explicacions tècniques de maneig d’una eina computacional amb el treball autònom. Es programen quatre sessions de dues hores (8 h presencials en total).

• Activitats no presencials, basades en eines de seguiment automatitzat del treball autònom. Es preveu el lliurament de problemes i l’estudi de casos pràctics amb lliurament d’informes (que s’especifiquen en el programa).

 

 

Avaluació acreditativa dels aprenentatges

 

El procediment d’avaluació continuada consisteix en:

• Una prova de síntesi, que val el 60 % de la qualificació total i que es fa durant el període d’exàmens. La componen una sèrie de problemes de caràcter aplicat i alguna pregunta de caràcter conceptual. Per poder aplicar aquest percentatge en l’avaluació continuada, cal que en la prova de síntesi es tregui una qualificació mínima de 3,5 punts sobre 10. En cas contrari, la qualificació global de l’assignatura és de suspens.

• Una prova parcial, temporalitzada al llarg del curs acadèmic que correspon al 30 % de la nota total. S’informa de la data al començament del curs.

• El lliurament dels resultats i les conclusions (en format d’informe) dels casos tractats en les pràctiques, associats al tercer tipus de classes descrit en el punt de metodologia. La puntuació es correspon al 10 % de la nota total. El termini d’aquest lliurament es fa coincidir amb la data de la prova de síntesi.

 

En resum:

• Nota de les sessions pràctiques: 1 punt.

• Nota de la prova parcial: 3 punts.

• Prova de síntesi: 6 punts.

 

Reavaluació

Es reavalua amb una nova prova de síntesi, que representa el 100 % de la qualificació final.

 

Avaluació única

El procediment d’avaluació única consisteix a fer, durant el període d’exàmens, una prova de síntesi que equival al 100 % de la qualificació total i que es compon d’una sèrie de problemes de caràcter aplicat i de preguntes de tipus conceptual. En aquesta prova, l’estudiant també ha de demostrar habilitat en la interpretació dels llistats obtinguts a partir de la utilització de qualsevol de les eines informàtiques que s’expliquen a les pràctiques. Amb aquesta informació, a més a més, ha de saber establir conclusions rellevants des del punt de vista experimental.

Pel que fa a la reavaluació, consisteix en una prova de síntesi que correspon al 100 % de la qualificació total. Les característiques són idèntiques a les descrites en el paràgraf anterior.