Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2007
Descripció:
Anàlisi multivariant i sèries temporals, aplicada a l'experimentació biològica.
Crèdits:
9
Idioma principal de les classes:
Català
S’utilitza oralment la llengua anglesa en l'assignatura:
Poc (25%)
S’utilitzen documents en llengua anglesa:
Indistintament (50%)

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
Estefania Gascon Garcia  / FRANCISCA TIMONER AMER

Horaris:

Activitat Horari Aula
Teoria1 dl-dt 11-12 PB4
Pràctiques d'aula1 dt 10-11 PB4

Competències

  • Capacitat de treball en equip
  • Capacitat d'anàlisi i síntesi
  • Capacitat de resolució de problemes
  • Raonament crític
  • Coneixement d'informàtica relacionats amb l'àmbit d'estudi
  • Capacitat de gestionar eficientment la informació

Altres Competències

  • Als Estudis de Biologia, els coneixements estadístics estan organitzats en tres assignatures seqüenciades: Estadística, Experimentació i Anàlisi avançada de dades. A Anàlisi avançada de dades, es completa la formació bioestadística amb l’aprenentatge dels fonaments conceptuals, i sobretot l'aplicació, de dos grups de tècniques: l'anàlisi de regressió —una de les més importants a la pràctica— i l'anàlisi multivariable —fonamental per diverses especialitats biològiques. Paral·lelament, es dedica un esforç especial a l'aprenentatge de l'ús del paquet de programes estadístics SPSS —que és dels més complets i flexibles—, en versió Windows —que és molt més fàcil d'utilitzar que altres paquets o versions.

Continguts

1. Introducció

          1.1. Anàlisi de variància (ANOVA). Revisió de l'ANOVA. Anàlisi de variància multivariable (MANOVA): necessitat (taxes d'error per comparació i experimental); aplicació; supòsits.

2. Correlació i regressió

          2.1. Correlació lineal. Diferències entre correlació i regressió: objectiu de l'estudi i tipus de variables. Coeficient de correlació (lineal de Pearson), r: definició i propietats. Test de significació del coeficient de correlació. Aplicació de la correlació.

          2.2. Testos no paramètrics. Fonament i aplicació. Coeficient de correlació (ordinal) de Spearman. Coeficient de correlació (ordinal) de Kendall (tau). Coeficient de concordança de Kendall, W.

          2.3. Regressió lineal simple. Introducció. Model I: supòsits. Estimació de la funció o recta de regressió pel mètode de mínims quadrats (coeficient de regressió i ordenada a l'origen). Test de significació de la regressió (ANOVA). Errors estàndards, altres testos de significació i intervals de confiança. Cas amb replicació. Model II: predicció (les dues rectes de regressió del model I) o descripció.

          2.4. Anàlisi de covariància (ANCOVA). ANCOVA d'un factor: disseny bàsic; test d'homogeneïtat de pendents (hipòtesi de paral·lelisme). Supòsits de l'ANCOVA. Altres dissenys.

          2.5. Relacions no lineals. Transformacions en regressió lineal: principals funcions intrínsecament lineals. L'anàlisi de residus. Regressió no lineal: alguns models biològics no lineals (logístic, Michaelis-Menten, von Bertalanffy); procediment de la regressió no lineal; supòsits. Regressió polinomial: regressió quadràtica i cúbica; polinomis ortogonals.

          2.6. Correlació i regressió múltiples. Anàlisi de regressió múltiple: introducció; testos de significació; coeficient de regressió parcial estandarditzat (beta); coeficient de determinació ajustat; coeficient de correlació múltiple (R). Coeficient de correlació parcial.

3. Ordenació i classificació

          3.1. Ordenació i classificació. Tipus d'anàlisi multivariable: objectiu i tipus de dades. Recomanacions generals.

          3.2. Anàlisi factorial. Anàlisi factorial i Anàlisi de components principals (PCA): terminologia. Objectiu i aplicacions. Procediment: estudi de la matriu de correlacions (mesura d’adequació mostral de Kaiser-Meyer-Olkin); extracció de factors (valors propis o eigenvalues; scree plot); rotació (ortogonal o obliqua); interpretació i presentació (pesos o saturacions factorials, factor loadings; coordenades factorials, factor scores).

          3.3. Anàlisi de correspondències (CA) . Aplicació. Diferències entre CA i PCA. Efecte arc: anàlisi de correspondències sense la tendència (DCA).

          3.4. Anàlisi de conglomerats (cluster analysis). Mètodes de classificació: no jeràrquics, jeràrquics divisius i jeràrquics aglomeratius. Mètodes jeràrquics aglomeratius: mesures de distància i similitud (variables mesurades: distància euclidiana, distància euclidiana al quadrat i similitud percentual o coeficient de Czekanowski o Bray-Curtis; variables qualitatives: simple matching, índex de Jaccard i índex de Sørensen, Czekanowski o Dice); aglomeració (single linkage o nearest neighbour, complete linkage o furthest neighbour i average linkage between groups o UPGMA). Aula: resolució de problemes sobre el programa teòric (disseny, càlcul i interpretació).

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 8,00 20,00 28,00
Aprenentatge basat en problemes (PBL) 15,00 25,00 40,00
Elaboració individual de treballs 2,00 11,00 13,00
Prova d'avaluació 3,00 15,00 18,00
Sessió expositiva 30,00 8,00 38,00
Sessió pràctica 30,00 5,00 35,00
Treball en equip 1,00 10,00 11,00
Total 89,00 94,00 183

Bibliografia

  • Quinn, Gerry P., Keough, Michael J. (2002). Experimental design and data analysis for biologists. Cambridge: Cambridge University Press.
  • Legendre, Pierre, Legendre, Louis (1998). Numerical ecology (2nd english ed.). Amsterdam [etc.]: Elsevier.
  • Gotelli, Nicholas J., Ellison, Aaron M. (cop. 2004). A Primer of ecological statistics. Sunderland: Sinauer Associates.
  • Leps, Jan, Smilauer, Petr (2003). Multivariate analysis of ecological data using CANOCO. Cambridge: Cambridge University Press.
  • Crawley, Michael J. (cop. 2002). Statistical computing : an introduction to data analysisusing S-Plus. New York: John Wiley & Sons.
  • Sokal, Robert R., Rohlf, F. James (1980). Introducción a la bioestadística. Barcelona [etc.]: Reverté.
  • Tabachnick, Barbara G., Fidell, Linda S. (cop. 2001). Using multivariate statistics (4th ed). Boston: Allyn and Bacon.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Aula informàtica: ús del programa estadístic SPSS Al finalitzar es realitzarà una prova escrita que formarà part de l'avaluació continuada de l'assignatura i contarà un 20% de la nota final, cal aprovar per poder aprovar l'assignatura
Realització de problemes a nivell individual relacionats amb els diferents continguts de l'assignatura Com a part de l'avaluació continuada els problemes s'hauràn d'entregar cada setmana i es controlarà la seva entrega. A l'atzar s'ecollirà un dels problemes realitzats i aquell serà avaluat, la puntuació obtinguda en la resolució del problema contarà un 20% de la nota final.
Disseny d'un experiment. S'haurà d'especificar els objectius, els materials i mètodes utilitzats, la cronologia del treball, i quins anàlisis estadístics s'utilitzarien per tractar les dades i perquè. La nota obtinguda en aquest exercici contarà 20% de la nota final i es podrà realitzar en grups de 2 persones
Resolució d'un problema en equips de 2 persones utilitzant els coneixements adquirits sobre qualsevol dels continguts desenvolupats en les pràctiques i en la teoria. La nota obtinguda contarà un 10% de la nota final i formarà part de l'avaluació continuada. Tot i així, la realització d'aquest problema no és obligatòria, pel que si no s'entrega el problema la nota final de l'assignatura com a molt podrà arribar a 9.
Examen de teoria (1 Convocatòria): realització d'una prova d'avaluació de la part teòrica de l'assignatura. La nota obtinguda en aquest examen valdrà un 30% de la nota final, però cal treure una nota superior o igual a 4.5 per poder aprovar l'assignatura
Examen de teoria i pràctica (2 Convocatòria): Es realitzarà un examen de la part teòrica i pràctica de l'assignatura (funcionament del programa SPSS).Caldrà aprovar per separat cada part de l'examen per poder aprovar l'assignatura. La nota obtinguda contarà un 50% a la nota final de la segona convocatòria, l’altre 50% s’obtindrà de la nota de les activitats realitzades durant el curs

Qualificació

A= pràctiques d’informàtica (ús del programa estadístic SPSS)
B= Resolució d’un problema en equips de 2 persones
C= realització de problemes a nivell individual
D= disseny d’un experiment
E= examen de teoria (1 Convocatòria)
F= examen de teoria i pràctica (2 convocatòria)

1 Convocatòria
Si E < 4.5 l’assignatura està suspesa caldrà presentar-se a la 2 convocatòria
Si A < 4.5 l’assignatura està suspesa caldrà presentar-se a la 2 convocatòria. Per aprovar A en 1 Convocatòria l’assistència a totes les sessions de pràctiques és obligatòria sinó caldrà realitzar l’examen F.

Si E>4.5 i A>4.5 llavors nota final és igual a (A*0.2)+(B*0.1)+(C*0.2)+(D*0.2)+(E*0.3)

2 Convocatòria
Si F < 4.5 l’assignatura està suspesa
Si F > 4.5 llavors la nota final és igual a (F*0.5)+(B*0.1)+(C*0.2)+(D*0.2)

Observacions

Web on es pot baixar l'"R" i diferents paquets estadístics en R, així com fitxers explicatius i ajudes per cada paquet:
http://www.r-project.org/

Plana web on hi ha diferents exercicis fets amb R
http://www3.imperial.ac.uk/naturalsciences/research/statisticsusingr

Assignatures recomanades

  • Estadística
  • Experimentació
  • Matemàtiques bàsiques
  • Matemàtiques bàsiques
  • Matemàtiques bàsiques
  • Matemàtiques per a biòlegs

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.