Guía DocenteCurso
Facultade de Informática
  Inicio | galego | castellano | english | A A A |  
Mestrado Universitario en Bioinformática para Ciencias da Saúde
 Asignaturas
  Probabilidade. estatística e elementos de biomatemática
   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.
b. Principais distribucións de probabilidade en R.
c. Introdución á simulación en R.
d. R-Commander.
e. Estatística descritiva en R.
f. Contrastes de hipóteses e intervalos de confianza con R-Commander.
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. O método Jackknife. Estimación do nesgo e da varianza dun estimador.
c. Métodos bootstrap para a construción de intervalos de confianza: método percentil, percentil-t, percentil-t simetrizado. Exemplos.
Estudos de simulación.
d. Análise de supervivencia. O bootstrap para datos censurados.
6. Revisión de métodos numéricos de optimización. a. Optimización numérica nunha variable. Método de Newton. Método da secante. Interpolación cadrática e cúbica.
b. Optimización numérica en varias variables. Búsqueda aleatoria. Búsqueda en reixa. Búsqueda univariante. Simplex flexible. Direcións conxugadas. Método de gradiente. Método de gradiente conxugado.
Universidade da Coruña - Rúa Maestranza 9, 15001 A Coruña - Tel. +34 981 16 70 00  Soporte Guías Docentes