Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 49.5 Horas de Titorías: 1.5 Clase Expositiva: 12 Clase Interactiva: 12 Total: 75
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Estatística, Análise Matemática e Optimización
Áreas: Estatística e Investigación Operativa
Centro Facultade de Veterinaria
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
Introducir ó alumno no estudo de diversas técnicas para a análise de datos en Veterinaria, comezando coa análise estatística bivariante para continuar co estudo de diversas técnicas de dependencia e interdependencia para a análise de datos multivariantes. Preténdese que os estudantes adquiran os coñecementos que lles permitan identificar situacións nas que é posible e necesario unha análise multivariante dos datos. Así como, saber empregar o programa R na obtención de resultados e interpretar as saídas. Os obxectivos finais son: coñecer os métodos multivariantes, as ferramentas para decidir se se compren as condicións para aplicalos, obter e interpretar os resultados.
A memoria do título contempla para esta materia os seguintes contidos:
Análise multivariante: técnicas de dependencia, técnicas de interdependencia. Comparación de grupos ou tratamentos: ANOVA e MANOVA. Modelos de regresión. Estimación de parámetros. Predición. Inferencia. Explicar e predicir a pertenza dun individuo a un grupo: modelos con resposta cualitativa. Criterios para discriminar ou separar grupos: análise discriminante. Redución da dimensión: análise de compoñentes principais e análise de correspondencias. Técnicas de agrupación: análise de conglomerados.
Estes contidos serán desenvolvidos de acordo ao seguinte temario:
TEMA 1. A ANÁLISE MULTIVARIANTE EN VETERINARIA.
Clasificación das técnicas multivariantes.
R: programa de aplicación en medicina veterinaria.
TEMA 2. REVISIÓN DE CONCEPTOS BÁSICOS DE INFERENCIA ESTATÍSTICA.
Análise inicial dos datos: valores perdidos, datos atípicos, normalidade, homocedasticidade.
Estimación por intervalos de confianza. Contraste de hipótese.
TEMA 3. COMPARACIÓN DE GRUPOS OU TRATAMENTOS: ANÁLISE DA VARIANZA.
Análise da varianza cun factor.
Comparacións múltiples.
Análise da varianza con dous factores.
Probas non paramétricas.
Análise multivariante da varianza.
TEMA 4. MODELOS DE REGRESIÓN.
Correlación.
Regresión linear simple.
Inferencia na estimación do modelo e na predición.
Regresión curvilínea.
Regresión múltiple.
Análise da colinealidade.
Predición e diagnose do modelo.
TEMA 5. EXPLICAR E PREDICIR A PERTENZA DUN INDIVIDUO A UN GRUPO: MODELOS CON RESPOSTA CUALITATIVA.
Regresión loxística binaria.
Inferencia sobre os parámetros.
Predición.
Curva ROC.
TEMA 6. CRITERIOS PARA DISCRIMINAR OU SEPARAR GRUPOS: ANÁLISE DISCRIMINANTE.
Clasificación con dous grupos.
Avaliación da capacidade de predición do modelo.
Clasificación con máis de dous grupos.
TEMA 7. REDUCIÓN DA DIMENSIÓN: ANÁLISE DE COMPOÑENTES PRINCIPAIS E ANÁLISE DE CORRESPONDENCIAS.
Obtención das compoñentes principais e correlación coas variables orixinais.
Selección do número de compoñentes a reter.
Introdución á análise factorial.
Análise de correspondencias simples.
TEMA 8. TÉCNICAS DE AGRUPACIÓN: ANÁLISE DE CONGLOMERADOS.
Procedementos xerárquicos.
Dendograma.
Distintos métodos de formación de grupos.
Análise non xerárquico: k-medias.
Análise de resultados en combinación con outras técnicas multivariantes.
PROGRAMA DE PRÁCTICAS
Prácticas de ordenador: TRATAMENTO DE DATOS CON R e R-Commander.
-AM OR1: Revisión de Bioestatística con R e R-Commander.
-AM OR2: Test paramétricos e non paramétricos de comparación de poboacións.
-AM OR3: Modelos de regresión: regresión simple, múltiple e regresión loxística. (1/2)
-AM R4: Modelos de regresión: regresión simple, múltiple e regresión loxística. (2/2)
-AM OR5: Análise discriminante. Descrición e clasificación.
-AM OR6: Análise dimensional. Representacións gráficas.
-AM OR7: Aplicacións da análise de conglomerados.
SEMINARIOS
-AM S1: Revisión de conceptos básicos de inferencia estatística: Interpretación dos resultados mediante ordenador.
-AM S2: Formulación interactiva do deseño estatístico dun experimento.
Tempo previsto para cada bloque temático (horas presenciais). HE=horas expositivas, HS=horas de seminario, HI=horas interactivas.
Temas 1 e 2.Tempo previsto: 1HE, 0HS, 3HI.
Tema 3. Tempo previsto: 2HE, 1HS, 3HI.
Tema 4. Tempo previsto: 2HE, 1HS, 3HI.
Temas 5 e 6. Tempo previsto: 2HE, 1HS, 3HI.
Tema 7. Tempo previsto: 2HE, 1HS, 2HI.
Tema 8. Tempo previsto: 1HE, 0HS, 1HI.
Bibliografía básica:
-Daniel, W. W. (2006): Bioestadística: base para el análisis de las ciencias de la salud. Limusa Wiley coop.
-Ekstrom,C. T.; Sorensen, H. (2014). Statistical Data Analysis for the Life Sciences. CRC Press.
-Everitt, B. S.; Hothorn, T. (2010): A Handbook of statistical Analyses Using R. Chapman & Hall/CRC.
-Grafen, A.; Hails, R. (2003). Modern Statistics for the Life Science. Oxford University Press.
-Kaps, M.; Lamberson, W. (2004): Bioestatistics for Animal Science. CABI Publishing.
-Martínez González, M. A. (ed) (2006): Bioestadística amigable. Díaz de Santos.
-Peña Sánchez de Rivera, D. (2002): Análisis de datos multivariantes. Mc Graw Hill.
-Rencher, A. C. (2002): Methods of multivariate analysis. Wiley
-Zar, J. H. (2010): Biostatistical Analysis. Pearson.
Bibliografía complementaria:
-Aldás, J.; Uriel, E. (2017): Análisis multivariante aplicado con R. Paraninfo.
-Álvarez Cáceres, R. (2007): Estadística aplicada a las Ciencias de la Salud. Díaz de Santos.
-Bate, S.T; Clark, R. A. (2014): The design and statistical analysis of animal experiments. Cambridge University Press.
-Denis, D.J. (2020). Univariate, Bivariate, and Multivariate Statistics Using R. Wiley
-Everitt, B. (2005). An Rand S-PLUS Companion to Multivariate Analysis. Springer
-Everitt, B. y Hothorn, T. (2011). An Introduction to Applied Multivariate Analysis with R. Springer
-Guisande González C. et all (2011): Tratamiento de datos con R, Statistica y SPSS. Díaz de Santos.
-Hair, J. F. et all (2004): Análisis multivariante. Prenticen Hall.
-Herrera Haro, J. G.; García Artiga, C. (2010): Bioestadística en Ciencias Veterinarias (Procedimientos de Análisis con SAS). Universidad Complutense de Madrid.
-Johnson, D. E. (2000): Métodos Multivariados aplicados al análisis de datos. Internacional Thomson Editores.
-Logan, M. (2010): Biostatistical design and analysis using R: a practical guide. Wiley-Blackwell.
-Maindonald, J.; Braun, W. J. (2010): Data Analysis and Graphics Using R. An Example-Based Approach. Cambridge.
-Martín Alvarez P.J. (2006): Prácticas de tratamiento estadístico de datos con el programa SPSS para windows: aplicaciones en el área de ciencia y tecnología de alimentos. Consejo Superior de Investigaciones Cientificas.
-Pardo, A.; San Martín, R. (2010): Análisis de datos en ciencias sociales y de la salud II. Editorial Síntesis.
-Pérez López, C. (2024): Análisis Multivariante de Datos. Aplicaciones con R. Ibergarceta Publicaciones.
-Petrie,A.; Watson,P. (2006): Statistics for Veterinary and Animal Science. Blackwell.
-Quinn, G. P., Keough, M. J. (2002): Experimental Design and Data Analysis for Biologists. Cambridge University Press.
-Rial Boubeta, A.; Varela Mallou, J. (2008): Estadística práctica para investigación en Ciencias de la Salud. Ed. Netbiblo.
-Véliz Capuñay, C. (2017): Análisis multivariante. Métodos estadísticos multivariantes para la investigación. Cengage Learning Editores.
-Zelterman, D. (2015). Applied Multivariate Statistics With R. Springer
Competencias xenéricas do Grao en Veterinaria:
o GVUSC01. Capacidade de aprendizaxe e adaptación.
o GVUSC02. Capacidade de análise e síntese.
o GVUSC03. Coñecementos xerais sobre a área de traballo.
o GVUSC04. Planificación e xestión do traballo.
o GVUSC05. Capacidade de aplicar os coñecementos na práctica.
o GVUSC06. Capacidade de traballar de forma autónoma e en equipo.
o GVUSC07. Habilidade para traballar nun contexto internacional.
o GVUSC08. Liderado, iniciativa e espírito emprendedor.
o GVUSC09. Capacidade de comunicarse en distintos ámbitos.
o GVUSC10. Compromiso ético e asunción de responsabilidades.
Competencias disciplinais:
o CEDVUSC 01. Coñecemento xenérico dos animais, do seu comportamento e das bases da súa identificación.
o CEDVUSC 13. Coñecer os aspectos organizativos, económicos e de xestión en todos aqueles campos da profesión veterinaria.
Competencias profesionais:
o D1VUSC 03. Realizar técnicas analíticas básicas e interpretar resultados clínicos, biolóxicos e químicos.
o D1VUSC 15. Asesoramento e xestión, técnica e económica, de empresas de ámbito veterinario nun contexto de sostibilidade.
o D1VUSC 17. Realizar informes técnicos propios das competencias veterinarias.
Competencias académicas:
o CEAVUSC 01. Analizar, sintetizar, resolver problemas e tomar decisións nos ámbitos profesionais do/a veterinario/a.
o CEAVUSC 03. Divulgar a información obtida durante o exercicio profesional do/a veterinario/a de forma fluída, oral e escrita, con outros colegas, autoridades e a sociedade en xeral.
o CEAVUSC 04. Buscar e xestionar a información relacionada coa actividade do/a veterinario/a.
o CEAVUSC 05. Coñecer e aplicar o método científico na práctica profesional incluíndo a medicina baseada na evidencia.
o CEAVUSC 06. Saber buscar asesoramento e axuda profesional.
o CEAVUSC 07. Ter coñecementos básicos dunha lingua estranxeira, especialmente nos aspectos técnicos relacionados coas Ciencias Veterinarias.
o CEAVUSC 08. Ser consciente da necesidade de manter actualizados os coñecementos, habilidades e actitudes das competencias profesionais mediante un proceso de formación permanente.
Competencias transversais:
o CTVUSC 01. Capacidade para o razoamento e a argumentación.
o CTVUSC 02. Capacidade para obter información adecuada, diversa e actualizada por diversos medios, como información bibliográfica e Internet, e analizala dun xeito crítico.
o CTVUSC 03. Capacidade para elaborar e presentar un texto organizado e comprensible.
o CTVUSC 04. Capacidade para realizar unha exposición en público de xeito claro, coherente e conciso.
o CTVUSC 05. Habilidade no manexo das TICs.
o CTVUSC 06. Utilización de información en lingua estranxeira.
o CTVUSC 07. Capacidade para resolver problemas mediante a aplicación integrada dos seus coñecementos.
En todos os temas farase a exposición dos contidos cun enfoque centrado na aplicación, presentando os principios de cada técnica de forma breve, desenvolvendo as explicacións dos pasos a seguir mediante exercicios. Todas as clases realizaranse contando con ordenador, para que os alumnos fagan o seguimento de todos os exemplos e realicen os exercicios no propio ordenador. O tratamento dos datos farase co programa estatístico R.
Esta materia figurará entre as ofertadas dende a USC-Virtual (campus virtual da USC). Aquí atoparase todo o material de apoio para as clases presenciais (presentacións con ordenador, prácticas...) e a información relativa ao seguimento da materia (calendario de traballo, enlaces con páxinas web, datos dos problemas…). Poderanse consultar dúbidas e aproveitar todos os recursos que se ofertan dende o Campus virtual da USC. É imprescindible o uso do curso virtual para recoller os traballos propostos e entregar as solucións.
As clases impartiranse no Seminario do Departamento da materia na Facultade de Ciencias.
A avaliación da materia farase mediante avaliación continua e as actividades de avaliación ao final do semestre:
1.- O exame da materia, ao final do semestre, terá unha valoración máxima de 5 puntos na cualificación final.
A avaliación ao final do semestre farase mediante unha proba escrita con cuestións, fundamentalmente prácticas, sobre os conceptos, modelos e procedementos estudados nas clases.
Haberá dúas oportunidades que terán lugar nas datas oficiais fixadas polo centro.
2.- As actividades de avaliación continua terán unha valoración máxima de 5 puntos na cualificación final.
Ao longo do curso proporanse actividades para a avaliación do seguimento continuo das clases, valorándose a participación e rendemento nas clases expositivas e interactivas, así como a elaboración dos traballos e problemas que se propoñan ao remate de cada tema. Estes traballos realizaranse fóra do horario da actividade docente, debendo entregarse nos prazos establecidos a través do Campus virtual.
As datas de entregas destes traballos serán as seguintes:
1ª actividade na semana 3
2ª actividade na semana 5
3ª actividade na semana 7
4ª actividade na semana 9
5ª actividade na semana 11
A ponderación de cada unha destas actividades será dun 20% da nota final da avaliación continua.
As notas que se obteñan neste apartado 2 da primeira oportunidade consérvanse para a segunda oportunidade do curso académico.
Non hai criterios diferentes de avaliación para estudantes que teñan concedida dispensa de asistencia.
A proba final será presencial.
Para superar a materia será necesario:
Obter polo menos 2 puntos (sobre 5) na proba de avaliación final
Obter polo menos 2 puntos (sobre 5) nas actividade de avaliación continua
Obter polo menos unha cualificación dun 5 sumadas as actividades de avaliación continua e de avaliación final
No caso de non obter polo menos 4 puntos (sobre 10) na proba de avaliación ao final do semestre esa será a nota da materia. Noutro caso, a nota da materia será a suma da nota da proba de avaliación final e a nota da avaliación continua.
Para aqueles estudantes que repitan a materia, e a súa nota no apartado 2 do curso anterior sexa superior o igual a 5 (sobre 10), consérvase a nota do curso anterior no apartado 2. No devandito caso, a nota do apartado 2 do presente curso será a máxima entre a nota do apartado 2 do curso pasado e a nota do apartado 2 do curso actual.
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o establecido na “Normativa de avaliación do rendemento académico dos estudantes e de revisión das cualificacións”.
ECTS: 3
Docencia expositiva (AM): 10 h.
Docencia Interactiva: 19 h. (Seminarios (AM S): 4 h. Prácticas (AM OR): 15 h.)
Titoría grupo reducido (AM T): 1h.
Total presencial: 30h.
Non presencial:
Estudo individual:15h
Elaboración de memorias de prácticas: 4h
Revisión bibliográfica, biblioteca, etc.: 2h
Resolución de casos/problemas: 18h
Realización de exames: 2h
Outras actividades propostas polos profesores: 4h
Total non presencial (estimadas): 45 h.
Carga de traballo total estimada: 75 h.
- Asistencia e participación activa nas clases.
- O seguimento das lecturas que se propoñan e a consulta da bibliografía.
- Uso das titorías, tanto nas horas asignadas como a través da USC-Virtual.
Para cursar esta materia o alumno debería ter aprobada a Bioestatística de primeiro curso.
O profesorado desta materia ao longo do proceso formativo utilizará dous idiomas: castelán e galego.
Antonio Sampayo Flores
Coordinador/a- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Teléfono
- 982824131
- Correo electrónico
- antonio.sampayo [at] usc.es
- Categoría
- Profesor/a: Asociado/a de Universidade LOU
Jose Manuel Colmenero Alvarez
- Departamento
- Estatística, Análise Matemática e Optimización
- Área
- Estatística e Investigación Operativa
- Correo electrónico
- josemanuel.colmenero [at] usc.es
- Categoría
- Profesor/a: Asociado/a de Universidade LOU
Mércores | |||
---|---|---|---|
16:00-18:00 | Grupo /CLE_01 | Galego | Seminarios da materia |
Xoves | |||
16:00-18:00 | Grupo /CLE_01 | Galego | Seminarios da materia |
10.04.2025 16:00-18:00 | Grupo /CLE_01 | Aula 8 |
24.06.2025 09:00-11:00 | Grupo /CLE_01 | Aula 8 |