| Competencias do título |
| Código | Competencias do título |
| 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. |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Deseñar procedementos de recollida de información | AI1 AI2 |
BM1 BM5 BM6 |
CM6 |
| Identificar os distintos tipos de datos e as súas principais características. | AI1 AI2 |
BM1 BM5 BM6 |
CM6 CM8 |
| Identificar os distintos tipos de datos e as súas principais características. | AI2 |
BM3 BM5 BM6 |
CM6 |
| Utilizar correctamente o software estatístico dispoñible para a análise de datos. | AI1 |
BM5 BM6 |
CM6 |
| Identificar o tipo de análise estatístico que haberá de utilizarse para unha investigación concreta a realizar no ámbito das TIC | AI1 AI2 |
BM1 |
CM6 CM8 |
| Utilizar correctamente o software estatístico dispoñible para a análise de datos. | AI1 AI2 |
BM1 BM5 |
CM6 |
| Saber interpretar correctamente os resultados dunha análise estatística. | AI1 AI2 |
BM1 BM2 BM3 BM4 BM6 |
CM1 CM6 |
| Contidos |
| Temas | Subtemas |
| 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 |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A2 A3 C5 C7 C8 | 10 | 20 | 30 |
| Prácticas de laboratorio | A1 A2 A4 B1 B6 C3 | 10 | 10 | 20 |
| Estudo de casos | A1 A5 B1 B2 B5 B7 C2 C3 C6 | 2 | 12 | 14 |
| Proba de resposta breve | A4 A5 B3 B4 C1 | 1 | 8 | 9 |
| Atención personalizada | 2 | 0 | 2 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Sesión maxistral | Clases teóricas. |
| Prácticas de laboratorio | Prácticas en ordenador con software estatístico. |
| Estudo de casos | Supostos prácticos. Analises de datos. |
| Proba de resposta breve | 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. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Estudo de casos | 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 |
| Proba de resposta breve | 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 |
| Observacións avaliación | |||
|
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 |
|||
| Fontes de información |
| Bibliografía básica |
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 |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | |||||
| Materias que se recomenda ter cursado previamente | |
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario | |||||
|
| Observacións | |
|
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. b. De realizarse en papel: - Non se empregarán plásticos. - Realizaranse impresións a dobre cara. - Empregarase papel reciclado. - 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. |