| Competencias do título |
| Código | Competencias do título |
| A5 | CE5 – Desenvolvemento de habilidades no manexo de técnicas estatísticas e a súa aplicación a conxuntos de datos no campo da Bioinformática |
| A6 | CE6 – Capacidade para identificar as ferramentas software e fontes de datos de bioinformática máis relevantes, e adquirir destreza no seu uso |
| A10 | CE10 - Elaborar un proxecto de investigación bioinformática, anticipando obstáculos e as posibles estratexias alternativas para solucionalos. |
| B1 | CB6 – Posuír e comprender o coñecemento que fornecen unha base ou oportunidade de orixinalidade no desenvolvemento e / ou aplicación de ideas, a miúdo nun contexto de investigación. |
| B4 | CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e principios subxacentes a públicos especializados e non especializados, de xeito claro e inequívoco |
| B5 | CB10 – Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá de ser en gran parte auto-orientado ou autónomo. |
| C3 | CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida |
| C6 | CT6 - Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñibles para resolver os problemas cos que deben enfrontarse |
| C8 | CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| G1 - Capacidade para iniciar a investigación e para participar en proxectos de investigación que poden culminar na elabouración duhna teses de doutoramento. | AP5 AP6 AP10 |
BP1 BP4 BP5 |
CP3 CP6 CP8 |
| G2 - Capacidade de aplicación de algoritmos de resolución dos problemas e manexo do software adecuado. | AP5 AP6 AP10 |
BP1 |
CP3 |
| G3 - Capacidade de traballo en equipo e de xeito autónomo | AP5 AP6 |
BP1 BP4 BP5 |
CP3 CP6 CP8 |
| G4 - Capacidade de formular problemas en termos estatísticos, e de resolvelos utilizando as técnicas axeitadas. | AP5 AP6 AP10 |
BP1 |
CP3 CP6 |
| G6 - Capacidade de identificar e resolver problemas | AP5 AP6 AP10 |
BP1 BP5 |
CP3 |
| G10 - Capacidade de integrarse nun equipo multidisciplinar para a análise experimental | AP5 AP6 AP10 |
BP1 BP4 BP5 |
CP3 CP6 CP8 |
| G11 - Adquirir destreza para o desenvolvemento de software | AP5 AP6 |
BP5 |
CP3 |
| G12 - Capacidade de análise estatística crítica das mostras, os plantexamentos e resultados | AP5 AP10 |
BP1 BP5 |
CP6 CP8 |
| G14 - Representar un problema real mediante un modelizado estatístico axeitado. | AP5 AP6 AP10 |
BP1 BP5 |
|
| G15 - Deseñar un plano de observación ou recollida de datos que permita abordar o problema de interese | AP5 AP6 AP10 |
BP1 BP5 |
CP3 CP6 |
| E2 - A adquisición dos coñecementos de estatística e investigación de operacións necesarios para a incorporación en equipos multidisciplinares pertencentes a diferentes sectores profesionais. | AP5 AP6 AP10 |
BP1 BP4 BP5 |
CP3 CP6 CP8 |
| E4 - Coñecer as aplicacións dos modelos da estatística e a investigación de operacións. | AP5 AP10 |
BP1 BP4 BP5 |
CP6 |
| E5 - Coñecer algoritmos de resolución dos problemas e manexar o software axeitado. | AP5 AP6 AP10 |
BP1 BP5 |
CP3 CP6 CP8 |
| E12 - Realizar inferencias respecto aos parámetros que aparecen no modelo. | AP5 AP6 AP10 |
BP1 BP4 BP5 |
CP3 CP6 CP8 |
| E19 - Tratamento de datos e análise estatística dos resultados obtidos. | AP5 AP6 AP10 |
BP1 BP4 BP5 |
CP3 |
| E27 - Obter os coñecementos precisos para unha análise crítica e rigurosa dos resultados. | AP5 AP10 |
BP1 BP4 BP5 |
CP6 CP8 |
| E28 - Complementar a aprendizaxe dos aspectos metodolóxicos con apoio de software. | AP6 AP10 |
BP5 |
CP3 CP6 CP8 |
| E78 - Fomentar a sensibilidade cara os principios do pensamento científico, favorecendo as actitudes asociadas ao desenvovemento dos métodos matemáticos, como: o cuestionamento das ideas intuitivas, a análise crítica das afirmacións, a capacidade de análise e síntese ou a toma de decisións racionais | AP5 AP10 |
BP1 BP4 BP5 |
CP6 CP8 |
| E82 - O estudiante será capaz de comprender a importancia da Inferencia Estatística como ferramenta de obtención de información sobre a población en estudo, a partir do conxunto de datos observados dunha mostra representativa de esta. Para iso deberá recoñecer a diferenza entre estatística paramétrica e non paramétrica. | AP5 AP10 |
BP1 BP4 BP5 |
CP6 CP8 |
| E84 - Ser quen de manexar diverso software (en particular R) e interpretar os resultados que proporcionan nos correspondentes estudos prácticos. | AP5 AP6 AP10 |
BP4 BP5 |
CP3 |
| E86 - Soltura no manexo da teoría da probabilidade e as variables aleatorias. | AP5 AP10 |
BP1 BP4 BP5 |
CP6 |
| Contidos |
| Temas | Subtemas |
| 1. Revisión de conceptos básicos de probabilidade e estatística. |
a. Probabilidade. Variables aleatorias e distribucións notables discretas e continuas. Distribucións multivariantes. b. Inferencia estatística: estimación, contrastes de hipóteses e intervalos de confianza. |
| 2. Revisión da linguaxe de programación estatística R. | a. Introdución ao R. Primeiros pasos. Funcións internas. Axuda en R. Funcións, bucles, vectores. Funcións estatísticas. Gráficas. Recursividade. R studio. b. Principais distribucións de probabilidade en R. c. Introdución á simulación en R. d. Estatística descritiva en R. e. Contrastes de hipóteses e intervalos de confianza con R. |
| 3. Modelos estatísticos lineais. | a. O modelo de regresión linear simple. Hipóteses básicas. Estimación. Contrastes. Predición. Diagnose do modelo. b. O modelo de regresión linear múltiple. Hipóteses básicas. Estimación. Contrastes. Predición. Diagnose do modelo. c. Modelos básicos do deseño experimental. Análise da Varianza (ANOVA) dunha e dúas vías, sen e con interación. Hipóteses básicas. Estimación. Contrastes. Diagnose do modelo. d. O problema dos contrastes múltiples. False discovery rate. |
| 4. Introdución aos procesos estocásticos. | a. Paseo aleatorio simple. b. Proceso de Poisson e procesos de renovación. Procesos de nacemento e morte. c. Procesos Markovianos. Cadeas de Markov. |
| 5. Introdución aos métodos de remostraxe. | a. O Bootstrap uniforme. Cálculo da distribución Bootstrap: distribución exacta e distribución aproximada por Monte Carlo. Exemplos. Aplicación do Bootstrap á estimación da precisión e o nesgo dun estimador. b. Modificacións do Bootstrap uniforme. Bootstrap paramétrico, simetrizado e suavizado. Discusión e exemplos. c. Métodos bootstrap para a construción de intervalos de confianza: método percentil, percentil-t, percentil-t simetrizado. Exemplos. Estudos de simulación. |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Presentación oral | A5 A6 A10 B1 B4 B5 C8 | 24 | 36 | 60 |
| Prácticas a través de TIC | A5 A6 A10 B4 B5 C3 C6 | 18 | 36 | 54 |
| Proba de resposta múltiple | A5 B1 B5 C8 | 1 | 9 | 10 |
| Solución de problemas | A5 A6 A10 B1 B4 B5 C3 C6 C8 | 4 | 16 | 20 |
| Atención personalizada | 6 | 0 | 6 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Presentación oral | Presentación con ordenador |
| Prácticas a través de TIC | Análise estatística de conxuntos de datos usando R. |
| Proba de resposta múltiple | Proba de reposta múltiple sobre conceptos. |
| Solución de problemas | Elección das ferramentas estatísticas e estratexias para resolver problemas. Formulación de modelos lineais. Deseño de experimentos. Formulación de plans de remostraxe. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Prácticas a través de TIC | A5 A6 A10 B4 B5 C3 C6 | Práctica de ordenador usando o software estatístico libre R. | 30 |
| Solución de problemas | A5 A6 A10 B1 B4 B5 C3 C6 C8 | Traballo orixinal sobre algún dos temas da materia nun contexto de interés en Bioinformática. | 40 |
| Proba de resposta múltiple | A5 B1 B5 C8 | Proba de comprensión dos conceptos impartidos. | 30 |
| Observacións avaliación | |||
|
A avaliación realizarase por medio dunha proba sobre Para superar a materia será necesario obter unha calificación de alomenos 5 sobre 10 no conxunto da materia. Na Na primeira oportunidade (xaneiro-febreiro), so os alumnos que non se |
|||
| Fontes de información |
| Bibliografía básica |
Efron, B. and Tibshirani, R.J. (1993). An Introduction to the Bootstrap. Chapman and Hall
Davison, A.C. and Hinkley, D.V. (1997). Bootstrap Methods and their Application. Cambridge University Press
Peña Sánchez de Rivera, D. (2000). Estadística: Modelos y Métodos. Alianza Editorial
Cao Abad, R., Francisco Fernández, M., Naya Fernández, S., Presedo Quindimil, M.A., Vázquez Brage, M (2001). Introducción a la Estadística y sus Aplicaciones. Pirámide
Ewens, W.J. and Grant, G.R. (2005). Statistical Methods in Bioinformatics. Springer
Ross, S.M. (1995). Stochastic Processes. Wiley |
| Bibliografía complementaria | |
| Recomendacións | ||||||
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente | |||||
|
| Materias que continúan o temario | ||||||
|
| Observacións | |