Análise Estatística para Ciências da Saúde

Código:

M4093

Sigla:

M4093

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2019/2020 - 2S

Ativa?	Não
Unidade Responsável:	Departamento de Matemática
Curso/CE Responsável:	Mestrado em Bioinformática e Biologia Computacional

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
E:BBC	0	PE_Bioinformática e Biologia Computacional	1	-	6	42	162
M:BBC	0	Plano estudos a partir de 2018	1	-	6	42	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

O objetivo da unidade curricular consiste em munir o estudante de um conjunto de metodologias matemáticas/estatísticas comummente usadas em Bioinformática e Biologia Computacional.

Resultados de aprendizagem e competências

No final da unidade curricular, espera-se que os estudantes:

1) compreendam o modelo matemático/estatístico subjacente a cada uma das metodologias abordada
2) conheçam as suas condições de aplicação
3) identifiquem corretamente cenários de aplicação
4) saibam efetivamente implementar o modelo com recurso a um software de análise estatística adequado
5) sejam capazes de analisar criticamente os resultados.

Modo de trabalho

Presencial

Programa

1. Revisões sobre testes de hipóteses paramétricos numa amostra e em duas amostras (independentes e emparelhadas). Nível de significância, erros de tipo I e de tipo II, potência. Testes de permutações.
2. Testes múltiplos. Taxa de erro de família. Correção de Bonferroni. Procedimento de Sidák. Procedimento single-step minP de Westfall e Young. Single-step min-P baseado em permutações.  Procedimento single-step maxT de Westfall e Young. Procedimento step-down de Holm. Procedimento step-down minP/maxT de Westfall e Young. Taxa de descoberta de falsos positivos. Método step-up de Benjamini e Hochberg. Método de Benjamini e Yekutieli. 
3. Desenhos completamente randomizados com um factor - o modelo ANOVA1. Determinação do tamanho amostral.
4. Desenhos randomizados com blocos completos - o modelo ANOVA2 RCBD. Determinação do tamanho amostral.
5. Desenhos factoriais. ANOVA2. Interações. Determinação do número de réplicas.
6. Desenhos para estudar a variância. Modelos com um único fator aleatório. Modelos com dois factores aleatórios. Modelos com fatores mistos. Determinação dos tamanhos amostrais.
7. Escolha de um tópico, de acordo com as necessidades dos alunos, de entre Modelos Log-Lineares/Análise de Sobrevivência/ Regressão logística com efeitos mistos/Análise em Componentes Principais/Alguns métodos de clustering.

Bibliografia Obrigatória

Rita Gaio; Apontamentos preparados pela professora

Bibliografia Complementar

Ewens Warren J.; Statistical methods in bioinformatics. ISBN: 0-387-40082-6
Gentleman Robert 340; Bioinformatics and computational biology solutions using R and Bioconductor. ISBN: 0-387-25146-4
Douglas C. Montgomery; Design and analysis of experiments. ISBN: 0-471-15746-5
Dean, Voss & Draguljic; Design and analysis of experiments - 2nd Edition, Springer, 2017

Métodos de ensino e atividades de aprendizagem

As aulas serão simultaneamente teóricas e práticas, com recurso a vários exemplos de aplicação reais e à linguagem de programação gratuita R. Sem descurar a descrição matemática dos modelos e a averiguação da satisfação das condições de aplicação, será dado um especial ênfase à implementação computacional e reconhecimento de cenários dos modelos.

Software

R

Palavras Chave

Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	33,30
Trabalho escrito	66,70
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	120,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

De acordo com as regras estabelecidas pelo Conselho Pedagógico da FCUP.

Para serem considerados aprovados, os alunos têm de obter: pelo menos 30% da cotação total em cada um dos trabalhos, pelo menos 30% da cotação total no exame escrito e pelo menos 9.5 valores como classificação final.

Fórmula de cálculo da classificação final

0.33*(nota do primeiro trabalho) + 0.33*(nota do segundo trabalho) + 0.33*(nota do exame escrito)

Melhoria de classificação

A nota obtida nos trabalhos escritos não pode ser melhorada.