G2091241 - Análise Multivariante (Optativo) - Curso 2013/2014

Información

• Créditos ECTS
• Créditos ECTS: 3.00
• Total: 3.0
• Horas ECTS
• Clase Expositiva: 12.00
• Clase Interactiva Laboratorio: 6.00
• Clase Interactiva Seminario: 6.00
• Horas de Titorías: 1.50
• Total: 25.5

Outros Datos

• Tipo: Materia Ordinaria Grao RD 1393/2007
• Departamentos: Estatística e Investigación Operativa
• Áreas: Estatística e Investigación Operativa
• Centro: Facultade de Veterinaria
• Convocatoria: 2º Semestre de Titulacións de Grao/Máster
• Docencia e Matrícula: null

Profesores

Nome	Coordinador
MUÑOZ FERREIRO, MARIA DE LAS NIEVES.	SI

Horarios

Nome	Tipo Grupo	Tipo Docencia	Horario Clase	Horario exames
Grupo CLE01	Ordinario	Clase Expositiva	SI	SI
Grupo CLIL_01	Ordinario	Clase Interactiva Laboratorio	NON	NON
Grupo CLIS_01	Ordinario	Clase Interactiva Seminario	NON	NON
Grupo TI-ECTS01	Ordinario	Horas de Titorías	NON	NON

Programa

Existen programas da materia para os seguintes idiomas:

Castelán

Galego

Inglés

Obxectivos da materia
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. Os obxectivos finais son: coñecer os métodos multivariantes, as ferramentas para decidir si se cumpren as condicións para aplicalos, obter e interpretar os resultados.
Contidos
1. A Análise Multivariante en Veterinaria.
Escalas de medida. Clasificación das técnicas multivariantes.

2. Revisión de conceptos básicos de inferencia estatística.
Análise previa dos datos: valores perdidos, outliers, normalidade, homocedasticidade. Estimación por intervalos de confianza. Estimación mediante contraste de hipótese.

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.

4. Modelos de regresión.
Correlación. Regresión linear simple. Inferencia na estimación do modelo e na predicción. Regresión curvilínea. Regresión múltiple. Análise da colinealidade. Predición e diagnose do modelo.

5. Explicar y predicir la pertenza dun individuo a un grupo: modelos con resposta cualitativa.
Regresión loxística binaria. Inferencia sobre os parámetros. Predición. Curva ROC.

6. Criterios para discriminar ou separar grupos: análise discriminante.
Clasificación con dous grupos. Avaliación da capacidade de predición do modelo. Clasificación con mais de dous grupos.

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.

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.

-Revisión de Bioestatística con R e R-Commander.
-Test paramétricos e non paramétricos de comparación de medias.
-Modelos de regresión: regresión simple, múltiple e regresión loxística.
-Análise discriminante. Descrición e clasificación.
-Análise dimensional. Representacións gráficas.
-Aplicacións da análise de conglomerados.



Bibliografía básica e complementaria
-Abraira Santos, V.; Pérez de Vargas, A. (1996): Métodos Multivariantes en Bioestadística. Editorial Centro de Estudios Ramón Areces.
-Álvarez Cáceres, R. (2007): Estadística aplicada a las Ciencias de la Salud. Díaz de Santos.
-Daniel, W. W. (2006): Bioestadístia: base para el análisis de las ciencias de la salud. Limusa Wiley coop.
-Everitt, B. S.; Hothorn, T. (2010): A Handbook of statistical Analyses Using R. Chapman & Hall/CRC.
-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.
-Jobson, J. D. (1992): Applied Multivariate Data Analysis. Prentice Hall.
-Johnson, D. E. (2000): Métodos Multivariados aplicados al análisis de datos. Internacional Thomson Editores.
-Kaps, M.; Lamberson, W. (2004): Bioestatistics for Animal Science. CABI Publishing.
-Levy Mangin, J. P.; Valrela Mallou, J. (2005): Análisis Multivariable para las Ciencias Sociales. Prentice hall, Pearson.
-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.
-Martínez González, M. A. (ed) (2006): Bioestadística amigable. Díaz de Santos.
-Muñoz Serrano, A. (1996). Estadística aplicada uni y multivariante (Tomos I e II). Junta de Andalucía, Consejería de Agricultura y Pesca.
-Pardo, A.; San Martín, R. (2010): Análisis de datos en ciencias sociales y de la salud II. Editorial Síntesis.
-Peña Sánchez de Rivera, D. (2002): Análisis de datos multivariantes. Mc Graw Hill.
-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.
-Uriel, E.; Aldás, J. (2005): Análisis Multivariante Aplicado. Thomson.

Competencias
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.

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. Liderazgo, 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 02. Recoller e remitir especímenes co seu correspondente informe.
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 sostenibilidade.
o D1VUSC 16. Aplicar os métodos de identificación individual dos animais.
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 02. Manter un comportamento ético no exercicio das súas responsabilidades ante a profesión veterinaria e a sociedade.
o CEAVUSC 03. Divulgar a información obtida durante o exercicio profesional do/a veterinario/a de forma fluida, 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 basada na evidencia.
o CEAVUSC 06. Saber buscar asesoramento e axuda profesional.
o CEAVUSC 07. Ter coñecementos básicos dunha lingua extranxeira, 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:

- CTVUSC 01 Capacidade para o razonamento e a argumentación.
- CTVUSC 02 Capacidade para obter información adecuada, diversa e actualizada por diversos medios, como información bibliográfica e Internet, e analizala dun xeito crítico.
- CTVUSC 03 Capacidade para elaborar e presentar un texto organizado e comprensible.
- CTVUSC 04 Capacidade para realizar unha exposición en público de xeito claro e coherente.
- CTVUSC 05 Habilidade no manexo das TICs.
- CTVUSC 06 Utilización de información en lingua extranxeira.
- CTVUSC 07 Capacidade para resolver problemas mediante a aplicación integrada dos seus coñecementos.

Metodoloxía da ensinanza
En todos os temas farase a exposición dos contidos cun enfoque centrado na aplicación, presentando os princìpios de cada técnica de forma breve, desenvolvendo as explicacións dos pasos a seguir mediante exercizos. Todas as clases son na aula de informática para que os alumnos fagan o seguimento de todos os exemplos e realicen os exercizos co 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…). Se poderán 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.

Sistema de evaluación
A avaliación farase mediante unha proba na aula de informática nas convocatorias oficiais.

O longo do curso proporanse actividades para a avaliación do seguimento continuo das clases, valorándose a asistencia, participación e rendemento nas clases expositivas e interactivas, así como a elaboración dos traballos e problemas que se propoñan ó remate de cada tema. Estas actividades serán presenciais e non presenciais. Aqueles alumnos que superen estas probas para o seguimento continuo da materia non terán que presentarse ó exame final.

As actividades de avaliación continua terán un peso non inferior ó 20% da cualificación e as actividades de avaliación final non superarán o 80% da mesma.
Tempo de estudo e traballo persoal
ECTS: 3
Docencia expositiva: 10 h.
Docencia Interactiva: 20 h. (Seminarios: 5 h. Prácticas: 15 h.)
Total presencial: 30h.

Non presencial (estimadas): 45 h. (estudo e preparación das actividades propostas ós alumnos)

Carga de traballo estimada: 75 h.


Recomendacións para o estudo da materia
- 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.

Observacións
Para cursar esta materia o alumno debería ter aprobada a Bioestística de primeiro curso.