Guía docente de Estadística II. Modelos Avanzados (M57/56/1/8)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- Juan Manuel Melchor Rodríguez
Breve descripción de contenidos (Según memoria de verificación del Máster)
- Modelos avanzados de regresión.
- Análisis de datos longitudinales.
- Introducción al meta-análisis.
- Otros modelos avanzados: Introducción conceptual a algunas técnicas multivariantes
La asignatura aborda el estudio del Modelo Lineal General. En los primeros temas se abordan los principios de diseño experimental y los modelos de análisis de la varianza, según los cuales una variable cuantitativa se explica en función de uno o varios factores. A continuación se generaliza este modelo para incluir factores cuantitativos, dando lugar a los modelos de regresión lineal. La combinación de ambas perspectivas da paso a una concepción más amplia, según establece el Modelo Lineal General. Bajo ella, los modelos contemplan de forma simultánea factores cuantitativos y cualitativos, siendo un caso particular los modelos de análisis de la covarianza (ANCOVA). Los dos últimos temas se dedican a extensiones del modelo de regresión (regresión logística y regresión no lineal) y al análisis de medidas repetidas y la elaboración de modelos lineales mixtos.
Un aspecto fundamental en la modelización es la validación del modelo, por tanto, en todos los modelos abordados a lo largo de la asignatura se prestará especial atención a su diagnosis.
Prerrequisitos y/o Recomendaciones
Tener conocimientos de los fundamentos de la inferencia estadística aplicada a la actividad física y el deporte
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
Cognitivos
- Familiarizar al estudiante con la modelización estadística Familiarizar al estudiante con el modelo lineal general (MLG) y sus implicaciones
- Propiciar la construcción de un conocimiento interdisciplinar y la comprensión de los métodos y técnicas estadísticas desde su contextualización en el marco de las Ciencias de la Actividad Física y el Deporte
Procedimentales
- Desarrollar la capacidad de diseñar modelos estadísticos
- Desarrollar la capacidad de ajustar y validar modelos estadísticos (bajo la perspectiva MLG)
- Desarrollar la capacidad de interpretar los modelos obtenidos
- Desarrollar la capacidad de comparar modelos alternativos
- Desarrollar la capacidad de elaborar informes que contemplen la síntesis correcta de datos y resultados desde una perspectiva estadística
Actitudinales
- Estimular el interés hacia la metodología estadística como herramienta fundamental en la investigación empírica.
- Motivar el uso de las tecnologías informáticas y de los recursos bibliográficos y documentales
Programa de contenidos Teóricos y Prácticos
Teórico
- Introducción. Estudios comparativos con dos muestras. Métodos paramétricos y no paramétricos. Potencia estadística y tamaño del efecto. Comparaciones múltiples. Introducción al meta-análisis.
- Estudios comparativos con más de dos muestras: Análisis de la varianza de 1 vía. Contrastes y análisis post‐hoc. Métodos no paramétricos.
- Generalización del análisis de la varianza: ANOVA de 2 vías. Efectos fijos y efectos aleatorios. Diseños en bloques aleatorizados y diseños factoriales. Análisis de las interacciones.
- Modelos de Regresión lineal. Regresión lineal simple. Validación del modelo. Regresión lineal múltiple. Supuestos del modelo y su validación.
- Perspectiva global: el Modelo Lineal General, ANOVA, ANCOVA y regresión lineal múltiple.
- Modelos de medidas repetidas. Diseños de medidas repetidas y modelos lineales mixtos.
- Ampliaciones del modelo de regresión: regresión logística binaria y regresión no lineal.
- Análisis de datos longitudinales.
Práctico
Resolución de casos prácticos en el contexto de
- Análisis de la varianza de una vía
- Análisis de la varianza factorial
- Regresión lineal múltiple
- Análisis de la covarianza y modelo lineal general
- Medidas repetidas
- Regresión logística binaria
- Regresión no lineal
Bibliografía
Bibliografía fundamental
- Bioestadística+. Antonio Martín Andrés, Juan de Dios Luna del Castillo. Ed Norma-Capitel. 2010.
- Introduction to Linear Regression Analysis Fith Edition. Montgomery, Douglas C., Peck, Elizabeth A., and Vining, G. Geoffrey. Chicester, US: John Wiley & Sons, Incorporated, 2013.
- Statistical Modeling for Biomedical Researchers : A Simple Introduction to the Analysis of Complex Data Second Edition. Dupont, William D., and Dupont, William D.. Cambridge, GB: Cambridge University Press, 2009.
Estadística con R
- BioestadísticaR
- Chan, B (2015) Biostatistics for Epidemiology and Public Health Using R. Springer (Disponible en línea, Biblioteca UGR)
- Dalgaard, P (2008) Introductory Statistics with R. Springer (Disponible en línea, Biblioteca UGR)
- Le, CT and Eberly; LE (2016) Introductory Biostatistics. John Wiley & Sons (Disponible en línea, Biblioteca UGR)
- Sawitzki, G. (2009) Computational Statistics: an introduction to R. Boca Raton. CRC Press, (Disponible en línea, Biblioteca UGR)
- Schumacker & Tomek (2013) Understanding Statistics Using R. Springer (Disponible en línea, Biblioteca UGR)
- Stowell, S (2014) Using R for Statistics. Apress (Disponible en línea, Biblioteca UGR)
- Nedel, F. B. Moriña, D. y Utzet, M. (2016). Introducción a la estadística para ciencias de la salud con R-Commander. Universitat Autònoma de Barcelona. (Disponible en línea, Biblioteca UGR)
- Menard, S. (2002). Applied logistic regression analysis (No. 106). Sage.
Estadística con SPSS
- Documentación oficial de IBM‐SPSS: http://www‐01.ibm.com/software/analytics/spss/ (2011) IBM SPSS Basic Statistics 20 y (2011) IBM SPSS Advanced Statistics 20. SPSS Inc
- Field, A. (2009) Discovering Statistics using SPSS for Windows (3rd Ed). SAGE Pub
- Leech, N.; Barret, K. & Morgan, G. (2004) SPSS for Intermediate Statistics ‐ Use and Interpretation (2nd Ed) Lawrence Erlbaum.
- Lizasoain, L y Joaristi, L. (1999). SPSS para Windows. Paraninfo.
- Landau & Everitt (2004) A Handbook of Statistical Analyses using SPSS. Chapman & Hall/CRC.
- Antonius, R. (2003) Interpreting Quantitative Data with SPSS. Sage Publishing.
- Chatterjee, S. & Hadi, A. S. (2007) Regression Analysis by Example (2nd Ed). Wiley.
Bibliografía complementaria
Textos de Estadística:
- Peña Sánchez de Rivera, D. (2002) Regresión y diseño de experimentos. Alianza Universidad.
- Vincent, W.J. (1999) Statistics in Kinesiology. Champaign, Human Kinetics
Enlaces recomendados
- Sección de Bioestadística de la Universidad de Granada http://www.ugr.es/local/bioest
- SportSience: http://sportsci.org/
- Página de R: http://www.r‐project.org/
- Página de SPSS: http://www.spss.com
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
La evaluación ordinaria de la asignatura es mediante el siguiente sistema de evaluación continua:
- Asistencia participativa a las clases y resolución de los ejercicios propuestos a lo largo del curso como evaluación continua (ponderación en la calificación final: 30%).
- Valoración final de un trabajo presentado por el/la alumno/a que deberá ser defendido públicamente (ante el resto del alumnado) al finalizar el curso (ponderación en la calificación final: 70%) se podrá proponer un examen como alternativa a la evaluación si no se considera que hay tiempo sufiente para la realización y defensa del trabajo.
Evaluación Extraordinaria
La prueba de evaluación en la convocatoria extraordinaria consistirá en un examen oral de tipo teórico-práctico en la que el/la estudiante, además de responder a las cuestiones planteadas por el examinador, deberá también defender el análisis de un problema que previamente se ha consensuado con el profesorado de la asignatura.
Evaluación única final
Para acogerse a la evaluación única final, el/la estudiante de Máster, en las dos primeras semanas de impartición de la asignatura, o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de la asignatura, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua. La Coordinadora del Máster, oído el profesorado responsable de la asignatura, resolverán la solicitud en el plazo de diez días hábiles. Transcurrido dicho plazo sin que el estudiante haya recibido respuesta expresa por escrito, se entenderá estimada la solicitud.
La prueba de evaluación consistirá en un examen oral de tipo teórico-práctico en la que el/la estudiante, además de responder a las cuestiones planteadas por el examinador, deberá también defender el análisis de un problema que previamente se ha consensuado con el profesorado de la asignatura.