Universidad Pública de Navarra



Año Académico: 2017/2018 | Otros años:  2016/2017 
Máster Universitario en Ingeniería Biomédica
Código: 73302 Asignatura: Bioestadística
Créditos: 4.5 Tipo: Obligatoria Curso: 1 Periodo: 1º S
Departamento: Estadística e Investigación Operativa
Profesores
MALLOR GIMENEZ, FERMÍN FRANCISCO SANTAFE RODRIGO, GUZMAN (Resp)

Partes de este texto:

 

Módulo/Materia

Módulo de Fundamentos

 

Materia: Bioestadística

Subir

Descriptores

Inferencia Estadística, Análisis de la Varianza, Regresión, Estadística Multivariante, Análisis Funcional de Datos

Subir

Competencias genéricas

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de
ideas, a menudo en un contexto de investigación
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de
una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la
aplicación de sus conocimientos y juicios
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos
especializados y no especializados de un modo claro y sin ambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de
ser en gran medida autodirigido o autónomo.

Subir

Competencias específicas

CE6 - Que los estudiantes conozcan y sepan aplicar modelos teóricos y herramientas matemáticas de estadística y de probabilidad
para el análisis de problemas en el contexto de la ingeniería biomédica
CE7 - Que los estudiantes sean capaces de extraer conclusiones útiles para la toma de decisiones en el ámbito biomédico a partir del
tratamiento de grandes masas de datos
CE20 - Que los alumnos sepan utilizar herramientas informáticas de propósito general para el desarrollo de proyectos en el ámbito
de la ingeniería biomédica

Subir

Resultados aprendizaje

De forma general, al finalizar la asignatura, el estudiante debe ser capaz de identificar, formular y analizar aquellos problemas que, por incluir elementos de variabilidad y/o incertidumbre, pueden ser tratados con herramientas estadísticas y de probabilidad. De forma más específica:

 

  • R1: Ser capaz de resumir y representar un conjunto de datos, así como realizar comparaciones de los resultados cuando se maneja más de una población
  • R2: Ser capaz de identificar un problema de regresión, seleccionar el modelo adecuado, realizar el análisis e interpretar los resultados.
  • R3: Ser capaz de organizar grandes masas de datos y de analizarlas aplicando teóricas de reducción de la dimensión
  • R4: Ser capaz de resolver problemas de agrupamiento
  • R5: Ser capaz de identificar datos funcionales, representarlos, efectuar su estudio descriptivo y el análisis de su variación

Subir

Metodología

Metodología - Actividad

Horas Presenciales

Horas no presenciales

A-1 Clases expositivas/participativas

24

SI

A-2 Prácticas

12

SI

A-3 Debates, puestas en común, tutoría grupos

2

SI

A-4 Elaboración de trabajo

17

NO

A-5 Lecturas de material

10

NO

A-6 Estudio individual

42

NO

A-7 Exámenes, pruebas de evaluación

2.5

SI

A-8 Tutorías individuales

3

SI

     

Total

112.5

 

Subir

Relación actividades formativas-competencias

Competencia

Actividad formativa

 

 

 

 

 

 

 

 

 

 

Subir

Idiomas

La asignatura se impartirá en castellano

Subir

Evaluación

  • Examen escrito teórico y práctico: De 2.5 horas de duración. Incluirá tanto conceptos teóricos como la resolución de casos utilizando el ordenador. Para la resolución de los casos los estudiantes podrán consultar apuntes y bibliografía durante media hora.
  • Trabajos en grupo: Un grupo estará formado por dos o tres estudiantes. Cada grupo deberá resolver uno o más casos prácticos, elaborar un informe y presentarlo oralmente al profesor y resto de compañeros.
  • Trabajo Individual: A lo largo del curso se distribuirán lecturas para ser comentadas y 3 cuestionarios a resolver por los estudiantes de forma individual.

Resultado de aprendizaje

Sistema de evaluación

Peso (%)

Carácter recuperable

R1, R2, R3, R4

Examen escrito teórico-práctico

50

SI

R1, R2, R3, R4

Trabajos en grupo

25

SI

R1, R2, R3, R4

Trabajo individual

25

NO

Subir

Contenidos

Software estadístico para el análisis de datos.  Inferencia Estadística. Modelos estadísticos de regresión.  Estadística multivariante. Análisis de datos funcionales.

Subir

Temario

Los contenidos de la asignatura estan estructurados en cinco temas:

 

Tema 1. Software estadístico para el análisis de datos. Breve introducción al software estadístico usado en la asignatura para el estudio de los casos prácticos.

 

Tema 2. Estadística descriptiva e Inferencia Estadística.

  • Estudio descriptivo de conjuntos de datos médicos: tipos de variables, representaciones gráficas, medidas descriptivas para la caracterización de los datos.
  • Revisión de conceptos básicos de probabilidad, variables aleatorias y distribuciones de probabilidad.
  • Estimación y contraste de hipótesis para una y dos poblaciones.
  • Análisis de la varianza: ANOVA de un factor y ANOVA con dos o más factores (con y sin interacciones)
  • Estadística no paramétrica
  • Prácticas con ordenador: aplicación de las técnicas estudiadas en conjuntos de datos médicos.

Tema 3. Modelos Estadísticos de Regresión.

  • Regresión lineal simple.
  • Regresión lineal múltiple.
  • Prácticas con ordenador: Estudio y modelización de datos de estudios médicos y biológicos aplicando modelos de regresión lineal.
  • Diseño de experimentos en estudios médicos
  • Regresión logística: Diseño de experimentos en estudios médicos (estudios observacionales prospectivos y retrospectivos, estudios de cohorte y caso-control), riesgo relativo, odd-ratio, regresión logística binaria, regresión logística ordinal y regresión logística nominal.
  • Prácticas con ordenador: Estudio y modelización de datos médicos y biológicos mediante regresión logística.

Tema 4. Estadística multivariante.

  • Métodos factoriales de reducción de la dimensión de los datos.
  • Métodos de partición (clustering).
  • Prácticas con ordenador: caso práctico con datos de estudios médicos. Aplicación de la reducción de dimensión mediante componentes principales y caracterización de grupos subyacentes a los datos.
  • Análisis de datos de expresión génica: revisión bibliográfica de artículos científicos y aplicación práctica de diferentes técnicas estudiadas.

 

Tema 5. Introducción al análisis de datos funcionales.

  • Análisis descriptivo.
  • Representación de datos funcionales.
  • Análisis de componentes principales.
  • Prácticas con ordenador: Análisis de casos con datos funcionales.

 

Subir

Bibliografía

Acceda a la bibliografía que su profesor ha solicitado a la Biblioteca.


  • Ramsay, J. O.; Silverman, B. O. (2005): Functional Data Analysis. Springer-Verlag.
  • Daniel, W. W. (2005): Biostatistics. A foundation for analysis in the health sciences. John Wiley & Sons, 8th edition.
  • Riffenburgh, R. H. (2006): Statistics in Medicine. Elsevier, 2nd edition.
  • Larose, D. T. (2006): Data mining. Methods and Models. John Wiley & Sons.
  • Montgomery, D.C.; Runer, G.C. (2002): Probabilidad y Estadística aplicadas a la ingeniería. Limusa-Wiley.
  • Ropella, C. (2007): Introduction to Statistics for Biomedical Engineers (Synthesis Lectures on biomedical Engineering). Morgan & Claypool.
  • Grima, P.; Marco, L.; Tort-Martorrel, J. (2004): Estadística Práctica con MINITAB. Prentice Hall.

 

Subir