analisis avanzados de datos multivariantes.pdf
TRANSCRIPT
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
1/39
!"#$ $&$'()*&$
+,-./0 12*3/0-*.$0*4 /25
62,7*-*- 63$28$'4 '/
9$.4- +"7.*3$0*$2./-
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
2/39
:"#$- $&$'()*&$- ;?;
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
3/39
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
4/39
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
5/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
3
TTULOMSTER UNIVERSITARIO EN: ANLISIS AVANZADO
DE DATOS MULTIVARIANTES
Pgina web: http://biplot.usal.es/master/
CURSO 2014 2015
RGANO ACADMICO RESPONSABLE
Departamento de EstadsticaFacultad de Medicinac/ Alfonso X el Sabio s/n37007 [email protected]@usal.eshttp://biplot.usal.es/master/Tfno.: 923294500 Ext. 1921 - 1852
INSTITUCIONES COLABORADORAS
Universidad de Salamanca (USAL)
COORDINADOR Y RESPONSABLE ACADMICO
M Purificacin Galindo VillardnDepartamento de Estadsticac/ Alfonso X el Sabio s/n
Facultad de Medicina37007 SalamancaTel: 34 923 294500 Ext. 1852Fax: 34 923 294619Universidad de [email protected]
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
6/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
4
CENTRO RESPONSABLE ADMINISTRATIVO
UNIVERSIDAD: Universidad de SalamancaCENTRO: Facultad de Medicina
DIRECCIN: C/ Alfonso X el Sabio s/n 37007 SalamancaTel: +34 923 294 500 Ext. 4541CORREO ELECTRNICO: [email protected]
TIPO DE FORMACIN CAMPOS CIENTIFICOS DEL MASTER
AcadmicaProfesionalInvestigadora
X
X
Ciencias ExperimentalesCiencias de la SaludCiencias Sociales y Jurdicas
X Enseanzas TcnicasHumanidades
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
7/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
5
DESCRIPCIN Y OBJETIVOS
El Master Universitario en Anlisis Avanzado de Datos Multivariantes tiene un perfil
Acadmico/Investigador, diseado para proporcionar una formacin en investigacin orientada al Anlisis Avanzado
de Datos Multivariantes, y a la exploracin de algunas de las reas fundamentales de aplicacin de los mtodos sinnecesidad de estudiar en profundidad los fundamentos matemticos de todos ellos. Trata de proporcionar a los
graduados una oferta de temas de investigacin en una gran variedad de reas de aplicacin (demandadas por
organismos oficiales, institutos de investigacin, empresas, hospitales, industrias, etc ).
El Master tiene carcter semipresencial en dos aspectos, por una parte, la mayor parte de las clases se concentran en
el primero de los semestres mientras que el segundo se dedica a la elaboracin del trabajo fin de master que puede
realizarse a distancia; por otra parte, los dos cursos iniciales pueden realizarse on-line como se describe ms
adelante.
A quin va dirigido el programa?
El Master en Anlisis Avanzado de Datos est dirigido a alumnos y/o profesionales con orientacin en mtodos
cuantitativos, procedentes de diversos grados como Matemticas, Estadstica, Informtica, Agronoma, Biologa,
Fsica, Economa, Direccin de Empresas, Ingeniera, Ciencias Ambientales, Biotecnologa, Medicina, Ciencias
Sociales, Ciencias del Comportamiento, etc..., que vayan a dirigir su futuro profesional hacia el mbito acadmico o
investigacin en Estadstica Multivariante.
El programa puede ser til tambin para aquellos graduados en Estadstica o materias relacionadas que van a
desarrollar su actividad profesional en mbitos relacionados con la El Anlisis de Datos Multivariantes Aplicado a
diversos campos.
ompetencias
Que el alumnado sepa aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco
conocidos dentro de contextos o multidisciplinares relacionados con el Anlisis de Datos Multivariantes.
Que el alumnado posea las habilidades de aprendizaje que les permitan continuar estudiando de un modo
que habr de ser en gran medida autodirigido o autnomo.
Que el alumnado sea capaz de integrar conocimientos y enfrentarse a la complejidad de formular juicios, a
partir de una informacin que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades
sociales y ticas vinculadas a la aplicacin de sus conocimientos y juicios.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
8/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
6
Desarrollar la capacidad de elaboracin y construccin de modelos y su validacin.
Que el alumnado sepa comunicar sus conclusiones -y los conocimientos y razones ltimas que los
sustentan- a pblicos especializados y no especializados de un modo claro y sin ambigedades.
Potenciar los hbitos y las habilidades de autoaprendizaje que fomenten el estudio y la actualizacin
autnoma de los conocimientos.
Disear, realizar y analizar experimentos y/o aplicaciones mediante la aplicacin del mtodo cientfico para laresolucin de problemas.
Desarrollar habilidades de gestin de la informacin mediante la bsqueda de bibliografa cientfica, la
consulta de bases de datos y la utilizacin de los soportes y herramientas informticas apropiadas en cada
caso.
Mejorar su capacidad para manejar informacin en lengua inglesa como herramienta fundamental de
desarrollo personal y profesional.
Desarrollar la capacidad para integrar conocimientos tericos y prcticos ofrecidos en cada asignatura y en
relacin con los ofrecidos en las dems asignaturas, fomentando la integracin multidisciplinar.
Educar, desarrollar y potenciar sus habilidades para trabajar en equipo.
Desarrollar la capacidad de anlisis y sntesis sobre la informacin transmitida por el profesorado y sobre la
adquirida de manera personal.
Aprender estrategias para desarrollar su capacidad de comunicacin oral en pblico haciendo uso de las
nuevas tecnologas de la informacin y comunicacin y para defender sus propuestas en discusiones
cientficas.
Llevar a cabo una evaluacin crtica de la literatura cientfica relacionada con el tema objeto de estudio en
cada caso y adquirir criterios objetivos de seleccin de bibliografa relevante.
Fomentar el espritu crtico en relacin con los hallazgos cientficos generados personalmente y con aquellos
generados por la comunidad cientfica, valorando su importancia, trascendencia y repercusiones.
Desarrollar su capacidad para tomar decisiones ante situaciones prcticas que requieren la aplicacin de
procedimientos dados para resolver situaciones reales.
Potenciar su capacidad para comparar y poner en relacin conceptos y metodologas diferentes con un
objetivo comn.
PERFIL/ES DE INGRESO Y REQUISITOS DE FORMACIN PREVIA
No se plantean condiciones o pruebas de acceso especiales si bien se realizan las siguientes recomendaciones en lo
que se refiere a la titulacin de base y al manejo del ingls cientfico.
Titulacin
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
9/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
7
o Estadstico, Matemtico o Ingeniero.
o Cualquier grado en el que se hayan cursado previamente asignaturas de Estadstica que garanticen
que el alumno posee unos conocimientos bsicos (Medicina, Biologa, CC. Sociales, Psicologa, etc
).
Inglsa nivel de lectura y compresin de textos cientficos como el que puede conseguirse mediante los
estudios de bachiller y de grado.
El Master est diseado para ser til a cualquier investigador que necesite un anlisis avanzado de datos en sus
trabajos. Por tanto, podremos encontrarnos:
Con alumnos que simplemente necesiten un alto conocimiento de los mtodos ms modernos para el anlisis de sus
datos.(les llamaremos alumnos Tipo I).
Con alumnos que desean centrar su investigacin en el desarrollo de nuevas tcnicas de Anlisis de Datos, o en la
adaptacin a otros campos de las ya existentes; por ejemplo, profesores de estadstica en Facultades de Biologa,
Ciencias Ambientales, Medicina, Odontologa, Psicologa, Ciencias Sociales, Ciencia Poltica, Traduccin y
Documentacin, etc , o estadsticos que trabajan en institutos de investigacin, centros del cncer, etc. (les
llamaremos alumnos Tipo II).
Teniendo esto en cuenta, el Mster est estructurado de la siguiente forma:
Consta de cinco asignaturas que constituyen la parte central de la formacin, en los mtodos estadsticos ms
avanzados y/o diseo de una investigacin que se utilizan en todos los campos de la Ciencia, y tiene carcter
obligatorio para todos los alumnos. El resto del programa tiene carcter optativo y est estructurado en tres perfiles
diferentes, dentro de dos ramas:
Perfil 1: Si su investigacin se va a desarrollar sobre mtodos tpicamente usados en Biologa, Medio Ambiente,
Agronoma etc, se recomienda la rama Biosanitaria y dentro de ella se recomienda elegir 9 crditos de entre los que
contemplan esa especializacin; concretamente las asignaturas optativas 2,3,5 y 6.
Perfil 2: Si trabaja con Facultades de Medicina, centros de investigacin del cncer, psicologa, etc, se recomienda la
opcin Biosanitaria, y dentro de ella se recomienda elegir 9 crditos de entre los que contemplan esa especializacin;
concretamente las materias optativas 3, 4, 5, 6 y 7.
Si trabaja en CC Sociales o CC del Comportamiento, se recomienda la rama de CC SS; es decir, la que se
corresponde con las asignaturas 4, 6 y 7.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
10/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
8
No obstante, cada alumno puede matricularse de las asignaturas que crea conveniente en funcin de sus intereses
particulares y las recomendaciones de su tutor.
Para acceder a titulaciones de master es necesario:
1. Estar en posesin del ttulo de Grado u otro expresamente declarado equivalente.
2. Estar en posesin de un ttulo universitario oficial obtenido conforme a anteriores sistemas de educacin
universitaria, segn lo establecido en la Disposicin Transitoria Tercera del R. D. 56/2005, de 21 de enero: Los
poseedores de ttulos universitarios oficiales obtenidos conforme a anteriores sistemas de educacin universitaria
podrn ser admitidos a los programas oficiales de Posgrado previstos por este real decreto, sin perjuicio de lo que se
pudiera disponer al efecto en los correspondientes reales decretos por los que se establezcan los ttulos universitarios
de Posgrado a los que se refiere el artculo 8.3.
3. Los estudiantes podrn acceder a cualquier programa oficial de Posgrado relacionado o no cientficamente con su
currculo universitario, previa admisin efectuada por el rgano responsable del indicado programa, conforme a los
requisitos de admisin especficos y criterios de valoracin de mritos que, en su caso, establezca la Universidad de
Salamanca.
Los estudiantes que tengan un ttulo de educacin superior extranjero podrn acceder a estos estudios:
1. Previa homologacin del ttulo conforme a la normativa vigente.
2. Previa autorizacin de la Universidad habiendo comprobado que sus estudios acreditan un nivel de formacin
equivalente a los correspondientes ttulos espaoles de Grado y que facultan en el pas expedidor del ttulo para el
acceso a estudios de Posgrado.
CRITERIOS DE ADMISIN Y SELECCIN
En el caso de que el nmero de solicitudes supere el nmero de plazas ofertadas, se ponderar la formacin bsica y
experiencia en Estadstica, as como los mritos acadmicos, para la seleccin de candidatos. La seleccin de
candidatos ser realizada por la Comisin Acadmica del Master.
FECHAS, CENTRO Y AULAS DONDE SE IMPARTIR
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
11/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
9
Se impartir entre los meses de Octubre y Julio (segn propuesta de calendario acadmico de la Universidad de
Salamanca), en las aulas y seminarios de la Facultad de Medicina.
CARACTERSTICAS GENERALES
CRDITOS: 60
DURACIN EN CURSOS ACADMICOS: 1NMERO DE PLAZAS: 40
LISTA DE PROFESORES
P r o f e s o r e s d e l D e p a r t a m e n t o d e E s t a d s t i c a d e la U n i v e r s i d a d d e S a l a m a n c a
Prof. Dra. Da. M Purificacin Galindo Villardn.
Prof. Dr. D. Jos Luis Vicente Villardn.
Prof. Dra. Da. Inmaculada Barrera Mellado.
Prof. Dra. Da. Ana Martn Casado
Prof. Dra. Da. M Jos Fernndez Gmez.Prof. Dr. D. Javier Martn Vallejo.
Prof. Dr. D. Carmelo vila zarza.
Prof. Dr. D. Santiago Vicente Tavera.
Prof. Dr. D. Antonio Blzquez Zaballos.
Prof. Dra. Da. Purificacin Vicente Galindo.
Prof. Dra. Da. Rosa Seplveda Correa.
Prof. Dr. D. Jess Martn Rodrguez
Prof. Dra. Da. Mercedes Snchez Barba.
Prof. Dra. Da. Carmen Patino Alonso
P r o f e s o r e s d e o t r o s D e p a r t a m e n t o s d e l a U n i v e r s i d a d d e S a l a m a n c a
Prof. Dr. D. Flix Lorente Toledano (Dpto. de Obstetricia, Ginecologa y Pediatra).
Prof. Dr. D. Jos Alberto Orfao de Matos (Dpto. de Medicina)
Prof. Dr. D. Rogelio Gonzlez (Dpto. de Medicina).
Prof. Dr. D. Jos Antonio Fras Montoya. (Dpto. de Biblioteconoma y Documentacin)
P r o f e s o r e s d e o t r a s U n i v e r s i d a d e s
Prof. Dr. D. Jos Miguel Casas Snchez (Dpto. de Estadstica, Estructura y Organizacin Econmica, Univ. de Alcal).
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
12/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
10
Prof. Dr. D. Florencio Vicente Castro (Dpto. de Psicologa, Univ. de Extremadura).
Prof. Dr. D. Eduardo Garca Cueto. (Dpto. de Psicologa, Univ. de Oviedo).
Prof. Dr. D. Miguel ngel Fajardo Caldera (Dpto. de Economa, Univ. de Extremadura).
CRITERIOS DE EVALUACIN
La evaluacin se realizar de forma independiente en las distintas asignaturas que componen el Mster Universitario.Habr que superar todas las asignaturas para superar el Mster Universitario. El sistema de calificaciones se
expresar mediante calificacin numrica de acuerdo con lo establecido en el art. 5 del Real Decreto 1125/2003 de 5
de septiembre (BOE 18 de septiembre), por el que se establece el sistema europeo de crditos y el sistema de
calificaciones en las titulaciones universitarias de carcter oficial y validez en todo el territorio nacional.
Los resultados obtenidos por los estudiantes de la Universidad de Salamanca en cada una de las asignaturas de los
planes de estudio se calificarn en una escala cuantitativa de 0 a 10, aadiendo su correspondiente calificacin
cualitativa:
0,0-4,9: Suspenso (SS) 5,0-6,9: Aprobado (AP) 7,0-8,9: Notable (NT) 9,0-10: Sobresaliente (SB)
A los estudiantes que hayan obtenido una calificacin cuantitativa igual o superior a nueve se le podr otorgar en su
calificacin cualitativa la mencin Matrcula de Honor.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
13/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
11
PRCTICAS EXTERNAS Y ACTIVIDADES FORMATIVAS A DESARROLLAR EN ORGANISMOS COLABORADORES
BREVE DESCRIPCIN DE LOS CONTENIDOS
MSTER EN TTULO !!CRS. ECTS
Asignaturas obligatorias () N Crditos Semestre
DISEO Y ANALISIS DE UNA INVESTIGACIN
BSICA9 1
INSPECCIN DE MATRICES DE DATOS
MULTIVARIANTES: MTODOS CLSICOS9 1
MTODOS BIPLOT 6 1
ANLISIS EXPLORATORIO DE TABLAS DE TRES ENTRADAS. 6 1
MODELOS CON VARIABLE RESPUESTA 6 2
TOTAL CRDITOS ECTS OBLIGATORIOS 36
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
14/39
"#$%&' ()*+&'$*%,'*- &) ./)#0*$*$ /+,)1,2- 2& 3,%-$ "40%*+,'*,)%&$5 6
748, /9,2:;*9, ?@A
12
Asignatura Optativas () N Crditos Semestre
1.- MODELOS PARA DESCRIBIR ESTRUCTURAS EN TABLAS DE TRESENTRADAS
3 2
2.- ANLISIS DE DATOS ECOLGICOS, AGRONMICOS Y AMBIENTALES 3 2
3.- TCNICAS PARA EL ANLISIS DE DATOS DE MICROARRAYS YMARCADORES MOLECULARES
3 2
4.- TCNICAS DE ANLISIS ESTADSTICO APLICADO A LA VALORACION DERECURSOS EN LA PSICOLOGA DE LA SALUD Y DEL DEPORTE.
6 2
5.- ANLISIS DE SUPERVIVENCIA Y TESTS SECUENCIALES 3 2
6.- META-ANLISIS 3 2
7.- MODELOS DE VARIABLES LATENTES 3 2
TOTAL CRDITOS ECTS OPTATIVOS 24
N Crditos Semestre
Trabajo Fin de Mster (Obligatorio) 15 2
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
15/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
13
PROGRAMACIN ACADMICA
ASIGNATURA: DISEO Y ANLISIS DE UNA INVESTIGACIN BSICA
Cdigo:
Horas de aprendizajeTipo1: O Crditos ECTS: 9
Teora: 31,5 Prcticas: 31,5 Trabajo Personal y otrasactividades: 162
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno aprender#las bases del m:todo estad8stico y de la recolecciMn de datos y su relaciMn con los problemas :ticos dediversos campos de trabajo.El alumno conocer#el lenguaje estad8stico b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en
las que se utilizan m:todos estad8sticos.
El alumno conocer#la forma de realizar el diseNo estudios b#sicos.El alumno conocer#la forma de realizar el An#lisis estudios b#sicos.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza metodolog8a estad8stica.
El alumno distinguir#y conocer#las t:cnicas estad8sticas m#s usuales y su lenguaje para poder comprender los conceptos
m#s avanzados de los cursos obligatorios del programa.
El alumno aprender#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:1. LEGISLACION ESTADPSTICA, SECRETO ESTADPSTICO Y PROBLEMAS QTICOS EN ENSAYOS CLPNICOS.
2. DISERO DE UNA INVESTIGACION
Anatom8a de la InvestigaciMn.
Fisiolog8a de la InvestigaciMn.
CMmo formular la pregunta que recoge el objetivo.
3. RECOGIDA DE DATOSBases bibliogr#ficas.Bases de Datos.Estad8sticas Oficiales.
Datos por encuesta/cuestionario.Datos para un Meta-an#lisis.
4. MUESTREOS Y TAMARO DE MUESTRA
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
16/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
14
Muestreos probabil8sticos y no probabil8sticos.
Factores que influyen en el tamaNo de muestra y fMrmulas de c#lculo.
5. ANSLISIS DE DATOS CUANTITATIVOSModelo Lineal GeneralRegresiMn MTltiple: Colinealidad
RegresiMn Log8sticaModelos Multinivel
6. ANSLISIS DE DATOS CATEGORICOSTablas de Contingencia, bi, tri y multifactorialesM:todos de DetecciMn autom#tica de la InteracciMn: CHAIDDatos binarios
7. INTRODUCCION AL DISERO DE EXPERIMENTOS ANOVA
DiseNos completamente al azar
DiseNos en Bloques
DiseNos Factoriales
DiseNo en Cuadrados Latinos
8. REDACCION Y PUBLICACION DE LOS RESULTADOS DE UNA INVESTIGACION
9. TALLER DE APLICACION (3 C ECTS).
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:
El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
17/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
15
ASIGNATURA: INSPECCION DE MATRICES DE DATOS MULTIVARIANTES: MTODOS CLSICOS
Cdigo:
Horas de aprendizajeTipo1: O Crditos ECTS: 9
Teora: 31,5 Prcticas: 31,5 Trabajo Personal y otras actividades:162
Profesor/es: Segn plan docente del Dpto. de EstadsticaLugar de imparticin: Fac. Medivcina Fecha: Semestre 1 Horario: 17-20h
Objetivos:
El alumno aprender#las bases teMricas de los m:todos estad8sticos multivariantes cl#sicos.
El alumno aprender#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno ser#capaz de reconocer la informaciMn relevante para resolver un problema y la t:cnica m#s adecuada.
El alumno aprender#a manejar el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en
las que se utilizan m:todos estad8sticos multivariantes.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza metodolog8a estad8sticamultivariante.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:
TQCNICAS MULTIVARIANTES CLSSICAS (6 ECTS)
An#lisis de Componentes y Coordenadas Principales.
An#lisis Factorial.
An#lisis Factorial de Correspondencias simples y mTltiples.
An#lisis Discriminante.
An#lisis de CorrelaciMn CanMnica y An#lisis CanMnico de Poblaciones.
Multidimensional Scaling y An#lisis Unfolding.
An#lisis de Cluster.
An#lisis Multivariante no Lineal: HOMALS, PRINCALS, OVERALS.
TALLERES DE APLICACION A DISTINTOS CAMPOS DE LA CIENCIA (3 ECTS).
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
18/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
16
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:
El alumno deber#recuperar las partes de la materia no superadas con
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
19/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
17
ASIGNATURA: MTODOS BIPLOT
Cdigo:
Horas de aprendizajeTipo1: O Crditos ECTS: 6
Teora: 21 Prcticas: 21 Trabajo Personal y otras actividades: 108
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac. De Medicina Fecha: Semestre 1 Horario: 17-20h
Objetivos:El alumno aprender#las bases teMricas de los m:todos biplot y su relaciMn con las t:cnicas cl#sicas.
El alumno conocer#los m:todos biplot avanzados.
El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno ser#capaz de interpretar los resultados de los an#lisis biplot.
El alumno conocer#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan m:todos biplot.
El alumno ser#
capaz de realizar un an#
lisis cr8tico de los art
8culos cient
8ficos en los que se utiliza la metodolog
8a biplot.El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos
procedentes de investigaciones reales.
Contenido de la materia:
1. METODOS BIPLOT (3 ECTS).Biplot cl#sicos de Gabriel: GH y JK.HJ-Biplot.InterpretaciMn Biplot de las t:cnicas cl#sicas.
InterpretaciMn Biplot del An#lisis de Componentes Principales y del An#lisis de Correspondencias.
MANOVA Biplot. Biplot canMnico.
Criterio de Inercia: Biplot y An#lisis de Cluster.
Biplots de interpolaciMn y predicciMn (Geometr8a de los M:todos Biplot).
IntroducciMn de la informaciMn de las variables en el MDS.
2. ULTIMOS AVANCES EN MQTODOS BIPLOT (1 ECTS).
3. TALLERES DE APLICACION A DATOS DE INVESTIGACION (2 ECTS)
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnica
prueba a final del periodo lectivo.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
20/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
18
6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:
El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
21/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
19
ASIGNATURA: ANLISIS EXPLORATORIO DE TABLAS DE 3 ENTRADAS
Cdigo:
Horas de aprendizajeTipo1: O Crditos ECTS: 6
Teora :21 Prcticas: 21 Trabajo Personal y otras actividades: 108
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno aprender#las bases de los m:todos tablas mTltiples.
El alumno aprender#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno conocer#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan m:todos de tablas mTltiples.
El alumno aprender# a realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a de tablas
mTltiples.
El alumno conocer#
el procedimiento de elaboraciM
n y redacciM
n de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:
1. MQTODOS DE LA ESCUELA FRANCESA (2.5 ECTS)
M:todos STATISSATIS CANONICOAn#lisis FACTORIAL MULTIPLE
An#lisis TRIADICOBIPLOT TRIADICO
2. METODOS DE LA ESCUELA ANGLOSAJONA. (1.5 ECTS)Meta-Componentes y Meta-Biplots.
ComparaciM
n de configuraciones: An#
lisis Procrustes.An#lisis de Componentes Principales Comunes.
3. TALLERES DE APLICACION A DATOS DE INVESTIGACION (2 ECTS)
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
22/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
20
(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
23/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
21
ASIGNATURA: MODELOS CON VARIABLE RESPUESTA
Cdigo:
Horas de aprendizajeTipo1: O Crditos ECTS: 6
Teora :21 Prcticas: 21 Trabajo Personal y otras actividades: 108
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno aprender#las bases de los modelos con variable respuesta.
El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan m:todos con variable respuesta.
El alumno ser#capaz de un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos
procedentes de investigaciones reales.
Contenido de la materia:1. MODELOS CON VARIABLE RESPUESTA (4 ECTS)An#lisis de Correspondencias Asim:tricas
An#lisis de la redundancia y M8nimos Cuadrados Parciales
An#lisis CanMnico de Correspondencias
An#lisis de Componentes principales restringido
Modelos logit y Modelos de regresiMn log8stica
M:todos de detecciMn autom#tica de la interacciMn y #rboles de regresiMn
Problem#tica asociada al algoritmo CHAID
Algoritmos basados en contrastes de hipMtesis de independencia condicionada
Algoritmos alternativos basados en criterios de entrop8a
2. TALLERES DE APLICACION A DATOS DE INVESTIGACION (2 ECTS)
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8a
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
24/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
22
consultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
25/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
23
ASIGNATURA: MODELOS PARA DESCRIBIR ESTRUCTURAS EN TABLAS DE TRES ENTRADAS
Cdigo:
Horas de aprendizajeTipo1: Op Crditos ECTS: 3
Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 2 Horario: : 17-20h
Objetivos:
El alumno aprender#las bases de los modelos de 3-v8as.
El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se utilizan
m:todos de tres v8as.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:
1. MODELOS PARA TABLAS DE TRES VPAS (2 ECTS)
Componentes Principales de tres V8as.Modelo TUCKALS 2.Modelo TUCKALS 3.CANDECOM/PARAFAC.An#lisis Factorial Simult#neo.
2. TALLERES DE APLICACION A DATOS DE INVESTIGACION. (1 ECTS)
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
26/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
24
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
27/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
25
ASIGNATURA: ANLISIS DE DATOS ECOLGICOS, AGRONMICOS Y AMBIENTALES
Cdigo:
Horas de aprendizajeTipo1: Op Crditos ECTS: 3
Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno aprender#la problem#tica del an#lisis de datos ecolMgicos, agronMmicos y ambientales.
El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan los m:todos estudiados.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:
1. ANSLISIS DE DATOS ECOLOGICOS AGRONOMICOS Y AMBIENTALES (2 ECTS)
Problem#tica de la obtenciMn de datos ecolMgicos, agronMmicos y ambientales.
M:todos de ordenaciMn y clasificaciMn en datos biolMgicos.
An#lisis Directo e Indirecto del Gradiente.Modelos vectoriales y BIPLOTs externos.An#lisis CanMnico de Correspondencias.
UNFOLDING para datos ecolMgicos.
An#lisis CanMnico de Correspondencias no Sim:trico.
Otras t:cnicas de An#lisis de datos EcolMgicos
Estudio de la InteracciMn genotipo-ambiente: modelos de dos y tres v8as.
An#lisis de experimentos multivariantes en agronom8a.
2. TALLERES DE APLICACION A DATOS DE INVESTIGACION (1 ECTS).
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
28/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
26
(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
29/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
27
ASIGNATURA: TCNICAS PARA EL ANLISIS DE DATOS DE MICROARRAYS Y MARCADORES MOLECULARES
Cdigo:
Horas de aprendizajeTipo1: Op Crditos ECTS: 3
Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno aprender#la problem#tica del an#lisis de datos de microarrays y marcadores moleculares.
El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidos.El alumno aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan los m:todos estudiados.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos
procedentes de investigaciones reales.
Contenido de la materia:
1. ANSLISIS DE DATOS DE MICROARRAYS Y MARCADORES MOLECULARES (2 ECTS).
ObtenciMn de datos de expresiMn de genes mediante microarrays y problemas estad8sticos asociados.
BTsqueda de genes diferencialmente expresados: El problema de las comparaciones mTltiples.
M:todos de visualizaciMn de datos aplicados a la expresiMn de genes.
M:todos supervisados para la detecciMn de diferencias entre grupos.
M:todos no supervisados para la bTsqueda de grupos con caracter8sticas diferenciales.
An#lisis de datos para marcadores moleculares.
2. TALLERES DE APLICACION A DIVERSOS CONJUNTOS DE DATOS. (1 ECTS).
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
30/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
28
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
31/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
29
ASIGNATURA: TCNICAS DE ANLISIS ESTADSTICO APLICADO A LA VALORACIN DE RECURSOS EN LA PSICOLOGA DE LA SALUDU DEL DEPORTE
Horas de aprendizajeTipo1: Op Crditos ECTS: 6
Teora :21 Prcticas: 21 Trabajo Personal y otras actividades: 108
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:
El alumno aprender#la problem#tica del an#lisis de datos en la valoraciMn de recursos en la psicolog8a de la salud y deldeporte.El alumno conocer#la interpretaciMn de los resultados de los m:todos.
El alumno aprender#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan los m:todos estudiados.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#
el procedimiento de elaboraciM
n y redacciM
n de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:1.TQCNICAS DE ANSLISIS ESTADPSTICO APLICADO A LA VALORACION DE RECURSOS EN LA PSICOLOGPA DE LA
SALUS Y DEL DEPORTE (4 ECTS)Conceptos b#sicos
VQu:se entiende por Calidad de Vida?Calidad de Vida relacionada con la SaludCambio en Calidad de VidaMedida de la Calidad de Vida relacionada con la SaludVQu:se entiende por medida en Calidad de Vida Relacionada con la Salud?
VCMmo expresar la Medida de CVRS?Formas de abordar la Medida de CVRSV
Qui:
n debe medir y sobre qui:
n deben tomarse las medidas?Modos de administraciMn de los cuestionariosConstructos y Variables LatentesInstrumentos para medir CVRSInstrumentos gen:ricos y espec8ficos
AdaptaciMn cultural de los cuestionarios
Modelos para usar medidas gen:ricas y espec8ficas
Instrumentos de predicciMn, evaluaciMn y discriminaciMn
Propiedades psicom:tricas de los instrumentos para medir CVRS
Propiedades de los instrumentos: validez, fiabilidad y sensibilidad al cambio de las escalas.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
32/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
30
Propiedades psicom:tricas de algunos de los cuestionarios m#s utilizados: SF36, EUROQOL, QUALEFFO
M:todos estad8sticos para contrastar validez, fiabilidad y sensibilidad al cambio.
M:todos estad8sticos para contrastar validez: An#lisis factorial
M:todos estad8sticos para contrastar fiabilidad: Alfa de Cronbach
M:todos estad8sticos para contrastar la sensibilidad al cambioVariables indicadoras y variables causalesVariables indicadoras y variables causalesImplicaciones de los 8tems causales en el an#lisis de la consistencia interna del constructo
An#lisis Factorial, Indicadores causales y Calidad de VidaIdentificaciMn de variables causales
Pndices de FAYERS
.RESPONSE SHIFT5en calidad de vida relacionada con la saludTipos de cambio en estudios de calidad de vida relacionada con la salud.RESPONSE SHIFT5en estudios de calidad de vida relacionada con la salud
Modelos teMricos que explican el .RESPONSE SHIFT5
Modelo SCHWARTZ & SPRANGERSModelos de LEPORE & ETONModelo de WILSON & CLEARYM:todos estad8sticos para detectar .RESPONSE SHIFT5en datos longitudinales
M:todos para detectar Cambio Gamma
M:todos para detectar Cambio Beta
Cambio en valores: RepriorizaciMn.
2. TALLERES DE APLICACION A DISTINTOS CONJUNTOS DE DATOS. (4 ECTS)
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8a
consultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
33/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
31
ASIGNATURA: ANLISIS DE SUPERVIVENCIA Y TESTS SECUENCIALES
Cdigo:
Horas de aprendizajeTipo1: Op Crditos ECTS: 3
Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno aprender#la problem#tica del an#lisis de supervivencia y el an#lisis secuencial.
El alumno conocer#la interpretaciMn de los resultados de los m:todos.
El alumno conocer#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan los m:todos estudiados.
El alumno ser#capaz de realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datosprocedentes de investigaciones reales.
Contenido de la materia:1.- ANSLISIS DE DATOS DE SUPERVIVENCIA EN MEDICINA Y OTRAS CIENCIAS. (1.5 ECTS)EstimaciMn no param:trica de la supervivencia:Estimador de Kaplan-Meier.M:todo actuarial de estimaciMnOtros estimadores.ComparaciMn no param:trica de curvas de supervivencia:?Test Log-rank.Test de Mantel-Haenszel.Test de Wilcoxon .Otros tests.Modelos param:tricos de supervivencia:?
DescripciMn de los modelos: exponencial, Weibull, log-normal, Gamma etc.
FormulaciMn log-lineal.
M:todos de selecciMn: representaciones gr#ficas y bondad de ajuste.Estimadores de los par#metros. Intervalos de confianza. Contrastes de hipMtesis.
Comparaciones entre m:todos par#metricos y no param:tricos.
Modelo de regresiMn de COX:
El modelo de Cox: DescripciMn e interpretaciMn. Verosimilitud parcial. Estimadores, Tests e Intervalos de confianza.Extensiones del modelo de Cox: variables explicativas dependientes del tiempo y modelo estratificado.SelecciMn y diagnMstico de modelos
Otros modelos de regresiMn univariantes.Modelos de supervivencia para datos multivariantes.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
34/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
32
2.- ANSLISIS SECUENCIAL (0.5 ECTS)
Tests secuenciales de hipMtesis y sus propiedades
HipMtesis compuestas y derivaciMn del test t secuencial.
DiseNo de experimentos secuenciales.
3.- TALLERES DE APLICACION A DATOS DE INVESTIGACION (1 ECTS).
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
35/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
33
ASIGNATURA: META-ANLISIS
Cdigo:
Horas de aprendizajeTipo1: Op Crditos ECTS: 3
Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:
El alumno habr#aprendido cMmo realizar un meta-an#lisis.
El alumno conocer#el manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#cticade los resultados obtenidosEl alumno conocer#lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan los m:todos estudiados.
El alumno sabr#cMmo realizar an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno habr#aprendido el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos
procedentes de investigaciones reales.
Contenido de la materia:
1.- META-ANSLISIS (2 ECTS)
VQu:es un meta-an#lisis?
Objetivos del meta-an#lisis
Etapas de un meta-an#lisis
FormulaciMn del problema
BTsqueda de la literatura
CodificaciMn de los estudiosMedida de los resultadosAn#lisis de los resultados.
Limitaciones del meta-an#lisis
Sesgo de publicaciMn
2.-TALLERES DE APLICACION A DATOS DE INVESTIGACION (1 ECTS).
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
36/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
34
6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
ASIGNATURA: MODELOS DE VARIABLES LATENTES
Cdigo:
Horas de aprendizajeTipo1: Op Crditos ECTS: 3
Teora :10 Prcticas: 10 Trabajo Personal y otras actividades: 55
Profesor/es: Segn plan docente del Dpto. de EstadsticaLugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:El alumno conocer#y aplicar#los modelos de variables latentes para distintos tipos de variables.
El alumno aprender#manejo de software adecuado para llevar a cabo las t:cnicas aprendidas y la interpretaciMn pr#ctica de
los resultados obtenidos.
El alumno conocer#el lenguaje b#sico que le permita la lectura y comprensiMn de publicaciones cient8ficas en las que se
utilizan los m:todos estudiados.
El alumno sabr#cMmo realizar un an#lisis cr8tico de los art8culos cient8ficos en los que se utiliza la metodolog8a estudiada.
El alumno conocer#el procedimiento de elaboraciMn y redacciMn de un informe de resultados estad8sticos con datos
procedentes de investigaciones reales.
Contenido de la materia:
1. MODELOS DE VARIABLES LATENTES (2 ECTS)ClasificaciMn de los modelos de variables latentes.
Teor8a cl#sica de los tests y An#lisis Factorial.
An#lisis factorial para datos binarios y politMmicos: FactorizaciMn de las matrices de correlaciones tetracMricas y policMricas.
Teor8a de la Respuesta al Ptem para datos binarios.
Teor8a de la Respuesta al Ptem para datos politMmicos y ordinales.
Modelos de ecuaciones estructurales.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
37/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
35
An#lisis Factorial confirmatorio.
2. TALLERES DE APLICACION A DATOS DE INVESTIGACION. (1 ECTS)
Sistema de evaluacin:Examen de test-TeMrico-pr#ctico basado en las clases magistrales presenciales (50%), que ser#escrito y en una Tnicaprueba a final del periodo lectivo.
6Examen de pr#cticas con ordenador basado en las clases de pr#cticas con los programas estad8sticos vistos en el curso(10%).6Trabajos de elaboraciMn personal de los alumnos (40%). Donde se valorar#la capacidad del alumno para llevar a la
pr#ctica los m:todos aprendidos, el manejo de los programas estad8sticos, la elaboraciMn del informes y la bibliograf8aconsultada.
Actividades de recuperacin:El alumno deber#recuperar las partes de la materia no superadas con :xito.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
38/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
36
ASIGNATURA: TRABAJO DE FIN DE MASTER
Cdigo:
Horas de aprendizajeTipo1: O Crditos ECTS: 15
Teora: Prcticas: Trabajo Personal y otras actividades: 345
Profesor/es: Segn plan docente del Dpto. de Estadstica
Lugar de imparticin: Fac de Medicina Fecha: Semestre 1 Horario: : 17-20h
Objetivos:
El alumno aprender#a llevar a cabo una investigaciMn.
El alumno aprender#a consultar fuentes bibliogr#ficas relevantes para su investigaciMn.
El alumno ser#capaz de realizar la redacciMn y presentaciMn de un informe cient8fico.
El alumno aprender#a realizar un estudio cr8tico de la literatura disponible.
El alumno conocer#el lenguaje cient8fico, relacionado con el tema de investigaciMn, en lengua inglesa.
El aluno habr#aprendido a fomentar su capacidad de aprendizaje autMnomo y toma de decisiones.
Contenido de la materia:Cada curso acad:mico se ofertar#un cat#logo de temas sobre los que realizar el Trabajo Fin de Master. Cada uno de ellos
tendr#un tutor asignado. La asignaciMn de los temas se har#teniendo en cuenta el perfil m#s adecuado del estudiante acada uno de los temas de trabajo.
Excepcionalmente podr#n aceptarse temas de investigaciMn propuestos por los alumnos siempre que est:n cercanos a las
l8neas de investigaciMn de los profesores del Master.
La oferta de los trabajos de investigaciMn de los tutores aparece cada aNo en la plataforma Studium con la suficiente
antelaciMn.
Sistema de evaluacin:
Memoria del trabajo de Investigacin. Exposicin oral de la memoria. Se valorar la capacidad del alumno para llevar a cabo una
investigacin as como la calidad de la misma.
-
7/25/2019 Analisis Avanzados de datos Multivariantes.pdf
39/39
"#$%&' ()*+&'$*%,'*- &) /J'-K*-%&9)-0-J8, 6 748, /9,2:;*9, L@?(BCDEFGC3/3 3E G/H/"/BI/
37