Identifying Data 2019/20
Subject (*) Statistics Applied to Health Sciences Code 653862206
Study programme
Mestrado Universitario en Asistencia e Investigación Sanitaria (plan 2012)
Descriptors Cycle Period Year Type Credits
Official Master's Degree 1st four-month period
 First Optional 3
Language
Spanish
Galician
Teaching method Face-to-face
Prerequisites
Department Matemáticas
Coordinador
Vilar Fernandez, Juan Manuel
 E-mail
juan.vilar@udc.es
Lecturers
Vilar Fernandez, Juan Manuel
 E-mail
juan.vilar@udc.es
Web http://http://www.imedir.udc.es/mais/
General description Coñecer as técnicas estatísticas básicas para a análise de datos
procedentes das ciencias da saúde, identificar o ámbito de aplicación de cada unha,
comprender as hipóteses estruturais requiridas polos distintos modelos e diagnosticar o
posible incumprimento destas.

Study programme competencies
Code Study programme competences
A1 Capacidade para elixir e aplicar as metodoloxías de investigación mais adecuadas á investigación proposta.
A2 Capacidade para o deseño experimental e o completo desenvolvemento de proxectos de investigación no ámbito sanitario, desde a formulación da hipótese de investigación ata a comunicación dos resultados.
B1 Capacidade para aplicar o método científico na planificación e o desenvolvemento da investigación sanitaria.
B2 Fluidez e propiedade na comunicación científica oral e escrita.
B3 Compromiso pola calidade do desenvolvemento da actividade investigadora.
B4 Capacidade de análise e de síntese.
B5 Habilidade para manexar distintas fontes de información.
B6 Capacidade para traballar de forma colaborativa en equipos multi e interdisciplinar.
C1 Expresarse correctamente, tanto de forma oral coma escrita, nas linguas oficiais da comunidade autónoma.
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C8 Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Learning aims
Learning outcomes Study programme competences
Deseñar procedementos de recollida de información AR1
AR2
 BC1
BC5
BC6
 CC6
Identificar os distintos tipos de datos e as súas principais características. AR1
AR2
 BC1
BC5
BC6
 CC6
CC8
Identificar os distintos tipos de datos e as súas principais características. AR2
 BC3
BC5
BC6
 CC6
Utilizar correctamente o software estatístico dispoñible para a análise de datos. AR1
 BC5
BC6
 CC6
Identificar o tipo de análise estatístico que haberá de utilizarse para unha investigación concreta a realizar no ámbito das TIC AR1
AR2
 BC1
 CC6
CC8
Utilizar correctamente o software estatístico dispoñible para a análise de datos. AR1
AR2
 BC1
BC5
 CC6
Saber interpretar correctamente os resultados dunha análise estatística. AR1
AR2
 BC1
BC2
BC3
BC4
BC6
 CC1
CC6

Contents
Topic Sub-topic
Tema 1. Exploración de datos
 1. Conceptos preliminares
2. Descrición de variables cuantitativas
3. Descrición de variables cualitativas
4. Táboas de frecuencia
5. Representacións gráficas
6. Medidas características
7. Exploración conxunta de dúas ou máis variables
8. Medidas de asociación
9. Coeficiente de correlación
10. Introdución ao R commander
Tema 2. Modelos de probabilidade

 1. Concepto de variable aleatoria
2. Principais distribucións de probabilidade discretas
3. Principais distribucións de probabilidade continuas: a distribución normal
4. Exemplos con datos simulados
Tema 3. Introducción á inferencia estadística
1. Elección de mostras aleatorias
2. Concepto de distribución na mostraxe
Tema 4. Intervalos de confianza
1. Intervalos de confianza para a media
2. Intervalos de confianza para a varianza
3. Intervalos de confianza para unha proporción
Tema 5. Contrastes de hipótesis
1. Hipótese nula e alternativa
2. Concepto de p-valor
3. Contrastes de hipóteses para a media, a varianza e para unha proporción
4. Contrastes de normalidade

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A2 A3 C5 C7 C8 10 20 30
Laboratory practice A1 A2 A4 B1 B6 C3 10 10 20
Case study A1 A5 B1 B2 B5 B7 C2 C3 C6 2 12 14
Short answer questions A4 A5 B3 B4 C1 1 8 9
 
Personalized attention 2 0 2
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech Clases teóricas.
Laboratory practice Prácticas en ordenador con software estatístico.
Case study Supostos prácticos. Analises de datos.
Short answer questions Proba na que se avalían os coñecementos teóricos e aplicados adquiridos polo alumno. Consta de preguntas sobre conceptos da materia e aplicacións destes a conxuntos de datos.

Personalized attention
Methodologies
Case study
Laboratory practice
Short answer questions
Description
Asistencia e participación nas clases teóricas.
Exame escrito de múltiple opción.
Participación en prácticas e seminarios.
Suposto práctico a realizar polo alumno.

Assessment
Methodologies Competencies Description Qualification
Case study A1 A5 B1 B2 B5 B7 C2 C3 C6 Suposto práctico. Análise de datos. A entrega da práctica é VOLUNTARIA. Si entrégase e obtense unha cualificación inferior a seis, non repercute na cualificación final da asignatura. Si na práctica voluntaria obtense unha cualificación superior a seis, si inflúe positivamente na cualificación final da asignatura. 30
Short answer questions A4 A5 B3 B4 C1 Proba na que se evalúan os coñecementos teóricos e aplicados adquiridos polo alumno. Consta de preguntas sobre conceptos e aplicación dos mesmos a conxuntos de datos.
Esta proba é PRESENCIAL para todos os alumnos, tanto para os da modalidade presencial como os da modalidade on-line. a proba realizarase no lugar e hora fixada pola dirección do Máster.
Para aprobar a asignatura é obligatorio obter polo menos un CATRO nesta proba. 		70
 
Assessment comments
Cualificación da asignatura
• Para aprobar a asignatura hai que obter polo menos un CATRO no exame. Si a nota do exame é menor que CATRO, a cualificación da asignatura é a cualificación do exame.
• A Práctica é VOLUNTARIA.
• Si non se presenta práctica ou si a cualificación da práctica é inferior a SEIS, a cualificación da práctica non inflúe na cualificación final. Neste caso, a cualificación da asignatura é a cualificación do exame.
• Si preséntase práctica e obtense unha cualificación superior a SEIS, si se tierne en conta na cualificación final da asignatura.
• Cálculo da cualificación da asignatura. Denotemos P á nota da práctica, E á nota do exame, C á cualificación da asignatura.
o Si non se presenta práctica ou se presenta con P<6. Entón C=E
o Si preséntase práctica e P>=6. Entón C=E*0.1*(10-(P-6)) + (P-6)

Exemplos de valoración:
• P=8,0 E=4,0 C=5,2
• P=9,0 E=6,0 C=7,2
• P=5,0 E=8,0 C=8,0
• P=8,0 E=8,0 C=8,4
• P=Non Pres, E=6,3 C=6,3
• P=9,0 E=3,0 C=3,0

Sources of information
Basic Ricardo Cao, Mario Francisco, Salvador Naya, Manuel Presedo, Margarita Vázquez, José A. Vilar e Juan (2001). Introducción a la Estadística y sus Aplicaciones. Ediciones Pirámide
Juan M. Vilar Fernández (2016). Material da asignatura en Moodle. Moodle da asignatura
Juan M. Vilar Fernández (2006). Modelos Estadísticos Aplicados. Publicacións da UDC
Woolson, R. F.; Clarke, W. R (2002). Statistical Methods for the Analysis of Biomedical Data. Wiley
Dupont, W. D. (2002). Statistical Modeling for Biomedical Researchers. Cambridge University Press

Complementary


Recommendations
Subjects that it is recommended to have taken before
Preparing of a Research Project I: Information Search/653862201

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus
Preparing a Research Project II: Development/653862202
Management of Health Research/653862204
Clinical Research I/653862232
Research in Health Sciences I/653862235
Research in Health Sciences II/653862236

Other comments
Programa Green Campus FCS

Para axudar a conseguir un entorno inmediato sustentable e cumprir cos obxectivos estratéxicos 1 e 2 do "III Plan de Acción do Programa Green Campus FCS (2018-2020)", os traballos documentais que se realicen nesta materia:

a. Solicitaranse maioritariamente en formato virtual e soporte informático.&nbsp;

b. De realizarse en papel:&nbsp;

- Non se empregarán plásticos.&nbsp;

- Realizaranse impresións a dobre cara.&nbsp;

- Empregarase papel reciclado.&nbsp;

- Evitarase a realización de borradores.

PLAxio

A detección de fraude, copia ou plaxio na redacción do traballo da materia implicará un suspenso na oportunidade de avaliación afectada (0,0) e a remisión directa á oportunidade seguinte.

Dita circunstancia comunicarase á Comisión Académica e ao resto de profesores do título. En caso de que se reitere a irregularidade nunha 2ª avaliación, a Comisión poderá solicitar ao Reitor a expulsión temporal ou definitiva do/a estudante do título cursado.


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.