Bioestadística - Universidad Nacional de La Plata

Universidad Nacional de La Plata
Facultad de Ciencias Agrarias y Forestales
Bioestadística
Maestría Protección Vegetal - Maestría Mecanización Agraria
(Curso Acreditable a Carreras de Posgrado)
Docente Responsable: Dr. Sergio Bramardi
Docentes Intervinientes: Ing. Agr. Martín Delucis, Ing. Ftal. Sarah L. Burns Ing. Agr. Laura Maly
Fundamentación de la Propuesta
La Estadística, como disciplina, se ha convertido en una herramienta imprescindible ante la
necesidad de conocimiento y descripción en una sociedad que como la actual, es demandante
de producción y análisis de información.
La importancia que el Cálculo Estadístico ha alcanzado en nuestros días, tanto como cultura
básica, como en el trabajo profesional y en la investigación, es innegable. La tendencia
positivista de las ciencias modernas, ha hecho que la legitimación y comprobación de
resultados o garantías de su validez, y la toma de decisiones, dependan cada vez más de la
utilización de herramientas estadísticas adecuadas para la recolección, análisis e interpretación
de la información. Estos métodos estadísticos se utilizan en los campos más diversos de las
actividades humanas, donde no escapan las disciplinas biológicas y en particular las ciencias
agropecuarias.
La presente propuesta consiste en el planteo de un curso de postgrado donde se profundiza los
aspectos vistos en el grado dotando al alumno de las herramientasnecesarias para utilizar
inteligentemente las potencialidades de las técnicas estadísticas fundamentales para el
análisis, la estimación y evaluación de la información manejada en un trabajo de investigación
biológica o en una tesis de postgrado.
Objetivos
El principal objetivo del curso es continuar con la formación general en estadística iniciada en el
grado profundizando en las principales técnicas de análisis de datos orientadas a la
experimentación e investigación científica.
Se espera que al finalizar el curso los participantes se encuentren en condiciones de:
-leer bibliografía específica sobre los métodos estadísticos abordados
-interpretar críticamente resultados estadísticos que aparecen en las publicaciones científicas
-diseñar estrategias de análisis adecuadas para evaluar objetivamente los resultados de
investigación propia, haciendo principal énfasis en el área de la biología.
-conocer y disponer de un software estadístico para el análisis de datos
Contenidos (Programa Analítico + Bibliografía)
MODULO I: REVISIÓN DE CONCEPTOS BÁSICOS
Manejo de datos estadísticos. Descriptores de un conjunto de datos. Distribuciones de
frecuencias. Varia-ble aleatoria. Distribución de probabilidad. Modelos normal, t-Student, FSnedecor, chi-cuadrado. Distribución de estadísticos muestrales. Estimación de parámetros por
intervalos de confianza. Teoría general de las pruebas de hipótesis. Tipos de errores.
Dócimasrelativas a la media, a la variancia y a una proporción. Comparación dedos medias y
dos varianzas en muestras independientes. Pruebas de distribución libre: bondad de ajustes de
modelos de probabilidad, pruebas de independencia.
MODULO II: ANÁLISIS DE REGRESIÓN Y DE CORRELACIÓN
Objeti-vos en el análisis de regresión y de correlación. Análisis de regresión simple.
Estimadores mínimos cuadrados. Medidas de la bondad del ajuste. Pruebas relativas a los
parámetros. Análisis de residuos. Predic-ciones. Modelos no lineales pero linealizables por
transforma-ciones. Modelos intrínsecamente no lineales. Variables indicadoras. Correlación
lineal simple. Matriz de correlación. Correlación parcial. Modelo de regresión múltiple. Modelos
polinómi-cos. Método de selección de variables paso a paso.
MODULO III: TÉCNICAS MULTIVARIADAS DE AGRUPAMIENTO Y ORDENACIÓN
Problemas de interpretación de muchas variables con gran volumen de datos. Principales
estrategias descriptivas del análisis multivariado de datos. Matrices de distancia y de
similaridad entre individuos. Propiedades de las medidas de asociación. Representación de
datos multivariantes. Criterios de agrupamiento de datos: análisis de conglomerados
jerárquicos (análisis de cluster - dendogramas). Estrategias de ligamiento (linkage). Métodos de
reducción de las dimensiones originales: Análisis de Componentes Principales, Análisis de
Coordenadas Principales y Análisis de Correspondencia.
MODULO IV: MODELOS DE ANÁLISIS DE LA VARIANZA Y DISEÑO DE EXPERIMENTOS
Modelos lineales con variables categóricas. Modelo de clasificación según un solo factor.
Partición de la suma de cuadrados global. Cuadrados medios. Prueba de la F global.
Esperanza de los cuadra-dos medios. Modelos de efectos fijos y aleatorios. Comparaciones
particulares de medias. Criterios a posteriori: pruebas t, criterio de Bonferroni, Tukey, Duncan,
etc. Criterios a priori: contrastes ortogonales. Estudio de tendencia: polinomios ortogonales.
Verificación de los supuestos del modelo. Transformaciones de la variable de respuesta.
Modelos de clasificación según dos facto-res cruzados con una única observación por casilla.
Modelos con más de dos factores. Diseños completamente aleatorizados (DCA), en bloques
completos aleatorizados (DBCA) y en cuadrado latino (DCL). Medidas de eficiencia.
Experimentos factoriales. Concepto de interacción entre los factores. Experi-mentos 2n, 3n y
nxm. Modelos jerárquicos (factores anidados). Estimación de componentes de varianza.
Diseños en parcela dividida. Análisis de covariancia.
BIBLIOGRAFIA DE REFERENCIA
CANAVOS, G. (2003). Probabilidad y estadística. Madrid: Mc Graw Hill. Ed. C.E.C.S.A.
HINES W.C.; BORROR C. M.; GOLDSMAN D. M.; MONTGOMERY D. C. (2006). Probabilidad
y estadística para ingeniería.
KUEHL, R. (2001). Diseño de Experimentos. México: Ed. Thomson Learning.
JOHNSSON, D. E. (2000). Métodos multivariados aplicados al análisis de datos. México:
International Thomson Editores.
MONTGOMERY D. (1991). Diseño y Análisis de experimentos. México: Grupo Ed.
Iberoamérica.
MONTGOMERY D.; RUNGER, G. (1996). Probabilidad y estadística aplicadas a la ingeniería.
México: Mc Graw Hill.
MONTGOMERY, D.; PECK, E.; VINING, G. (2002). Introducción al Análisis de Regresión
Simple. Ed. C.E.C.S.A.
PEÑA, D. (1989). Estadística: Modelos y Métodos -Tomo II: Modelos Lineales. Madrid: Alianza
Universidad Textos.
PEÑA, D. (2002). Análisis de Datos Multivariantes. Madrid: McGraw Hills/Interamericana de
España.
Metodología:
Módulo I: realización de un trabajo práctico con bibliografía orientada.
Módulos II, III y IV: Clases teóricas-prácticas de 5 medios días para cada módulo
Carga horaria total: 100 horas distribuidas (60 horas presenciales, 40 horas no presenciales)
Las 60 horas presenciales se distribuirán en tres encuentros de dos días y medios con clases
teórico-prácticas incluyendo capacitación en el manejo de software estadístico para la
realización de los trabajos prácticos correspondientes. Las 40 horas no presenciales son las
que requerirán la elaboración por parte de los alumnos de cuatro trabajos prácticos (uno por
cada módulo).
Contenidos
Módulo I: Revisión de Conceptos Básicos (no presencial)
Módulo II: Análisis de Regresión y de Correlación
Módulo III: Técnicas Multivariadas de Agrupamiento y Ordenación
Módulo IV: Modelos de Análisis de la Varianza y Diseño de Experimentos
Cronograma:
Módulo I: Distribución de material Lunes 22 de Septiembre
Entrega actividad resuelta Miércoles 15 de Octubre
Módulo II Lunes 20, Martes 21 y Miércoles 22 de Octubre
Módulo III Lunes 10, Martes 11 y Miércoles 12 de Noviembre
Módulo IVLunes 01, Martes 02 y Miércoles 03 de Diciembre
Las clases serán teórico práctica con trabajo en gabinete de computación.
Lunes y martes de 9 a 12 hs y de 13 a 17 hs, miércoles de 9 a 12 hs.
Evaluación: (Explicitar condiciones para la aprobación del curso)
Para obtener la acreditación del curso se requerirá:
a) Haber asistido a por lo menos el 80% de las clases programadas.
b) Aprobar los trabajos prácticos correspondientes a cada uno de los módulos que podrán ser
realizados en grupos dehastatres asistentes .
c) Aprobar un examen escrito final sobre aspectos teóricos-conceptuales con modalidad
individual y libro abierto.
La calificación final será un promedio ponderado deambasactividadesevaluadas.
Cupo de alumnos para el dictado: Mínimo 10 alumnos y máximo 30 alumnos
Requisitos de los participantes: Título de grado que acredite como mínimo un curso de
estadística
Arancel: $300
Para docentes de la Universidad Nacional de La Plata: $200
Fecha comienzo y finalización: 1º octubre a 18 diciembre 2008
Informes e Inscripción
Consultas:
Prosecretaría de Posgrado de la UNLP
Tel: 54-221-4236309
Mail: posgradounlp@presi.unlp.edu.ar
Mail Prosecretaría de Posgrado de la facultad: posgrado@agro.unlp.edu.ar
Página Web de la Facultad: www.agro.unlp.edu.ar