L’objectiu essencial de l’assignatura és conèixer els conceptes bàsics de la inferència estadística, especialment com utilitzar i interpretar els intervals de confiança i els contrastos d’hipòtesis. En acabar el curs, l’estudiant ha de comprendre l’efecte que poden tenir la variabilitat, la grandària mostral i la precisió exigida per l’experimentador en aquests dos principals marcs inferencials.

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

L’assignatura inclou també en els seus objectius la regressió lineal simple.

D’altra banda, en abordar l’anàlisi dels resultats d’un experiment o d’un conjunt d’observacions, es mostra a l’estudiant la necessitat de conèixer tècniques d’estadística descriptiva per resumir de manera adient la informació.

Un objectiu formatiu important és fomentar la capacitat d’anàlisi i de raonament de l’alumnat, per la qual cosa es posa més èmfasi en les premisses, condicions d’aplicació i interpretació que en les fórmules de resolució. Es potencia la utilització de recursos computacionals, tant en la part del curs dedicada a l’estadística descriptiva com en la part inferencial.

— Reconèixer l’escala de mesura dels diferents tipus de dades recollides en l’activitat mèdica.

— Aprendre a planificar la recollida de dades i la seva tabulació per facilitar l’anàlisi i la gestió informàtica.

— Calcular i interpretar mesures de tendència central, de dispersió i posició relativa adients a l’escala de mesura. En particular, la mitjana aritmètica, la mediana, la variància i la desviació estàndard.

— Tabular dades qualitatives i quantitatives.

— Utilitzar representacions gràfiques per presentar i examinar les dades.

— Davant una base de dades informatitzada, fer servir programari estadístic per descriure les variables en funció de la seva escala de mesura.

— Definir i calcular la probabilitat d’esdeveniments elementals, condicionats o compostos.

— Interpretar el diagnòstic mèdic com un procés de decisió probabilístic. Aplicar el concepte de probabilitat condicionada al càlcul de sensibilitat i especificitat.

— Aplicar el teorema de Bayes al càlcul dels valors predictius.

— Conèixer les principals funcions que caracteritzen els models probabilístics i saber treballar amb els models més importants.

— Reconèixer la importància del mostratge aleatori per evitar l’aparició de biaix a les dades recollides. Identificar la tècnica de mostratge emprada en un estudi.

— Diferenciar els conceptes de paràmetre i estadístic, i identificar aquests darrers com a variables aleatòries amb les seves propietats.

— Entendre i saber aplicar les tècniques d’estimació puntual i estimació per interval de confiança i saber utilitzar la informació proporcionada per prendre decisions.

— Calcular la mida mostral mínima per obtenir estimacions de paràmetres poblacionals amb una precisió i confiança determinades.

— Identificar i formular la hipòtesi nul·la i l’alternativa d’una prova d’hipòtesis.

— Reconèixer el tipus de risc associat a una decisió estadística i saber prendre decisions estadístiques basades en la regió crítica o el valor p.

— Seleccionar la prova adequada per comparar mitjanes i proporcions. Interpretar els resultats de programes informàtics per contrastar hipòtesis estadístiques.

— Calcular la mida mostral necessària per garantir un plantejament adequat dels contrastos anteriors.

— Conèixer el concepte d’associació en estadística i diferents coeficients i proves estadístiques que el mesurin i permetin contrastar-ne la significació.

— Interpretar i utilitzar la recta de regressió com un model de predicció, identificant-ne les variables dependents i independents.