Guía docente de Estadística Computacional en Farmacia (20411A7)

• Tener cursadas la asignatura BIOMETRÍA de 1º de Farmacia
• Tener conocimientos básicos sobre Estadística Descriptiva y Cálculo Matemático

1. Métodos de inferencia estadística
2. Diseño estadístico de experimentos I: Análisis de la varianza
3. Diseño estadístico de experimentos II: Regresión
4. Estadística no paramétrica
5. Tratamiento de variables cualitativas
6. Muestreo en poblaciones finitas

Como consecuencia del proceso de aprendizaje, el alumno debe saber:

1. Plantear, resolver e interpretar un contraste de hipótesis y un análisis de la varianza
2. Formular, estimar e interpretar un modelo de regresión lineal y no lineal
3. Utilizar el tipo de muestreo adecuado, calculando el correspondiente tamaño muestral
4. Trabajar con tablas de contingencia para datos categóricos.

Tema 1: Variables aleatorias

Función de distribución. Distribuciones de tipo discreto y continuo. Esperanza y varianza. Distribuciones en el muestreo: t de Student, χ2 de Pearson y distribución de Snedecor.

Tema 2: Inferencia mediante estimación

Concepto y propiedades de un estimador. Métodos de estimación: máxima verosimilitud, Bayes, etc. Estimación sobre variables normales: Teorema de Fisher. Estimación mediante intervalos de confianza. Determinación del tamaño muestral.

Tema 3: Inferencia mediante contraste de hipótesis

Conceptos básicos en el contraste de hipótesis. Contrastes sobre una variable normal. Contrastes sobre dos variables normales. Significado del p-valor.

Tema 4: Diseño estadístico de experimentos I: Análisis de la varianza

Descomposición lineal de la varianza. Diseños de un factor: el modelo ANOVA I. Diseños de dos factores: el modelo ANOVA II. Diseños balanceados con múltiples observaciones: análisis de la interacción. Diseños mediante cuadrados latinos y grecolatinos.

Tema 5: Diseño estadístico de experimentos II: Regresión

Introducción. El modelo lineal de regresión simple. El modelo lineal de regresión múltiple. Regresión no lineal. Regresión logística y de Poisson.

Tema 6: Estadística no paramétrica

Introducción. Contrastes para variables pareadas: test de los signos y test del signo-rango de Wilcoxon. Contrastes para variables independientes: test de Mann-Withney, test de Kolmogorov-Smirnov y test de Kruskal-Wallis. Test de Friedman. Correlación por rangos de Spearman. Detección de datos atípicos: test de Dixon y test de Grubbs.

Tema 7: Tratamiento de variables cualitativas

Test asintótico de bondad de ajuste. Test de independencia entre caracteres cualitativos. Concordancia diagnóstica. Análisis de tablas 2x2 y aplicaciones epidemiológicas. Área bajo la curva ROC.

Tema 8: Muestreo en poblaciones finitas

Muestreo probabilístico versus opinático. Muestreo aleatorio simple. Muestreo aleatorio estratificado: tipos de afijación. Muestreo por conglomerados. Muestreo sistemático.

Las prácticas de la asignatura se impartirán en el aula de Informática y consistirán en el desarrollo de casos prácticos mediante la utilización de un programa estadístico.

Práctica 1. Manejo de bases de datos y Estadística Descriptiva

Práctica 2. Inferencia mediante intervalo y contraste de hipótesis

Práctica 3. Diseños experimentales mediante ANOVA

Práctica 4. Regresión lineal y no lineal

Práctica 5. Tablas de contingencia y curvas ROC

• M.L. Samuels, J.A. Witmer y A. Schaffner (2012). Fundamentos de Estadística para las Ciencias de la Vida. Pearson, Madrid.
• M.J. Valderrama (2022). Manual de Estadística Farmacéutica. Kit-book Servicios Editoriales, Barcelona.

• E. Cobo, P. Muñoz y J.A. González (2007). Bioestadística para no Estadísticos. Elsevier, Barcelona.
• S.A. Glantz (2012). Primer of Biostatistics. McGraw Hill, New York.
• A. Indrayan (2013). Medical Biostatistics. Chapmann & Hall / CRC Biostatistical Series, Boca Raton.
• A. Martín-Andrés y J.D. Luna del Castillo (2005). Bioestadística para Ciencias de la Salud. Norma, Madrid.
• J.S. Milton (2001). Estadística para Biología y Ciencias de la Salud. McGraw-Hill, Madrid.
• V. Quesada, A. Isidoro y L.A. López: Curso y Ejercicios de Estadística. Alhambra, Madrid.
• F. Rius y F.J. Barón (2008). Bioestadística. Thomson-Paraninfo, Madrid.
• S.M. Ross (2007). Introducción a la Estadística. Reverté, Barcelona.
• S. Zubelzu y A. Ercoreca (2015). Problemas Resueltos de Estadística. Pirámide, Madrid.

• Página web de la Unidad Departamental del Depto. de Estadística e I.O. en el Campus de Cartuja: http://www.ugr.es/~udocente
• Página web con enlaces a las páginas personales de los profesores: http://www.ugr.es/~udocente/miembros.htm

• MD01. Lección magistral/expositiva 
• MD02. Sesiones de discusión y debate 
• MD03. Resolución de problemas y estudio de casos prácticos 
• MD06. Prácticas en sala de informática 
• MD10. Realización de trabajos individuales 
• MD12. Tutorías 
• MD13. Participación en plataformas docentes 

La calificación final consta de tres apartados:

1. Exámenes escritos: 5 puntos
2. Clases prácticas, asistencia y evaluación de las mismas: 3 puntos
3. Trabajos y seminarios: 2 puntos

1. Examen de problemas: 5 puntos
2. Examen de prácticas: 3 puntos
3. Examen de teoría tipo test: 2 puntos

A la evaluación única final podrán acogerse aquellos estudiantes que no puedan cumplir con el método de evaluación continua por motivos laborales, estado de salud, discapacidad o cualquier otra causa debidamente justificada. Dicha evaluación deberá ser solicitada por el alumno al Director del Departamento en las 2 semanas posteriores a su fecha de matriculación. En ningún caso acogerse a dicha evaluación única final, supondrá examinarse de menos temario que el descrito en esta Guía Docente. El sistema de evaluación tendrá la misma estructura que la extraordinaria y se realizará en la misma fecha que los exámenes finales ordinario y extraordinario.

Alumnos con necesidades específicas de apoyo educativo (NEAE)

Siguiendo las recomendaciones de la CRUE y del Secretariado de Inclusión y Diversidad de la Universidad de Granada, los sistemas de adquisición y de evaluación de competencias recogidos en esta guía docente se aplicarán conforme al principio de diseño para todas las personas, facilitando el aprendizaje y la demostración de conocimientos de acuerdo a las necesidades y la diversidad funcional del alumnado. La metodología docente y la evaluación serán adaptadas a los estudiantes con necesidades específicas de apoyo educativo (NEAE), conforme al Artículo 11 de la Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada, publicada en el Boletín Oficial de la Universidad de Granada nº 112, de 9 de noviembre de 2016.

Inclusión y Diversidad de la UGR

En el caso de estudiantes con discapacidad u otras necesidades específicas de apoyo educativo, el sistema de tutoría deberá adaptarse a sus necesidades, de acuerdo a las recomendaciones de la Unidad de Inclusión de la Universidad, procediendo los Departamentos y Centros a establecer las medidas adecuadas para que las tutorías se realicen en lugares accesibles. Asimismo, a petición del profesor, se podrá solicitar apoyo a la unidad competente de la Universidad cuando se trate de adaptaciones metodológicas especiales.

Uso de la IA

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligenciaartificial/recomendacionesia#contenido0

Evaluación de trabajos

Siguiendo las indicaciones recogidas en la Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada: https://sl.ugr.es/NormativUGR - La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a los estudiantes que el plagio es una práctica contraria a los principios que rigen la formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su protección de acuerdo con la propiedad intelectual según establezca la legislación vigente. El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se hubiera detectado, independientemente del resto de las calificaciones que el estudiante hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades disciplinarias en las que pudieran incurrir los estudiantes que plagien.

R versión 4.6.0