Guía docente de Estadística Aplicada en Optometría (M47/56/3/1)

1. Estadística Descriptiva
2. Variables aleatorias y distribuciones de probabilidad
3. Inferencia Estadística
4. Regresión y Correlación Estadística
5. Contrastes de hipótesis paramétricos y no paramétricos.
6. Diseño del análisis estadístico en estudios epidemiológicos de optometría y en el laboratorio de óptica

El alumnado sabrá/comprenderá:

1. Sintetizar y representar la información contenida en en un conjunto de datos.
2. Utilizar las técnicas de cálculo de probabilidades
3. Manejar variables aleatorias y conocer sus características principales y su utilización en situaciones reales.
4. Utilizar modelos de distribuciones de probabilidad discretas y continuas, con un especial manejo de las distribuciones Binomial, Poisson y Normal.
5. Utilizar los métodos de inferencia estadística de estimación y contraste de hipótesis.
6. Interpretar y deducir intervalos de confianza para los parámetros de distribuciones Normales.
7. Formular un contraste de hipótesis y manejar los distintos conceptos relacionados.
8. Deducir los contrastes de hipótesis sobre los parámetros de distribuciones Normales.
9. Conocer y utilizar los contrastes no paramétricos de bondad de ajuste y de independencia.
10. Usar el método de regresión en el estudio de la relación entre variables y predecir valores futuros a partir de la información disponible.
11. Aplicar el análisis de la varianza a un conjunto de datos.
12. Elegir y utilizar las técnicas estadísticas más adecuadas en una investigación en función de los objetivos de la misma.
13. Interpretar correctamente los resultados estadísticos
14. Diseñar, de manera previa y posteriormente a la recogida de datos, un análisis estadístico acorde a cualquier tipología de investigación epidemiológica en optometría o de laboratorio en óptica.

El alumnado será capaz de:

1. Manejar las nociones básicas de la Estadística descriptiva. Utilizar cuadros, gráficas y medidas estadísticas para la interpretación y posterior comprensión de los resultados alcanzados.
2. Analizar e interpretar un conjunto de datos.
3. Reconocer y manejar los principales modelos de probabilidad discretos y continuos.
4. Resolver cuestiones relacionadas con estadísticos muestrales en poblaciones Normales.
5. Manejar las nociones básicas de la estimación por intervalos de confianza y el contraste de hipótesis. Realizar estimaciones de parámetros a partir de intervalos de confianza. Obtener conclusiones estadísticas a partir de un contraste de hipótesis.
6. Realizar ajuste de distribuciones a datos empíricos.
7. Manejar los modelos de regresión y efectuar predicciones de valores futuros de las variables en estudio, valorando su fiabilidad.
8. Reconocer cuándo aplicar el análisis de la varianza sobre un conjunto de datos y llevar a cabo el estudio correspondiente.
9. Reconocer y saber utilizar software estadístico.
10. Trabajar e investigar en equipo y de manera interdisciplinar con otros especialistas.
11. Contribuir con el análisis de sus investigaciones a mejorar la calidad de visión y de vida de las personas.
12. Impulsar la perspectiva de género en el ámbito de sus investigaciones para visibilizar cualquier situación de desigualdad por razón de sexo.
13. Tener un compromiso ético en la toma de datos de sus investigaciones y análisis posterior.
14. Liderar iniciativas investigadoras que tengan una transferencia de resultados en el tejido social y empresarial. 

1. Estadística Descriptiva

• Estadística Unidimensional
• Tabulación de los datos
• Gráficos estadísticos
• Medidas de tendencia central, dispersión y forma

 
2. Estadística Bidimensional

• Tabulación de los datos
• Gráficos estadísticos
• Dependencia estadística de variables

 
3. Variable aleatoria y distribuciones de probabilidad

• Distribuciones discretas de probabilidad
• Distribuciones continuas de probabilidad

4. Inferencia Estadística

• Estimación puntual
• Distribución de probabilidad de los estadísticos muestrales
• Estimación por intervalos

5. Regresión y Correlación Estadística

• Gráficos de dispersión
• Correlación lineal entre variables
• Estimación del modelo de regresión lineal
• Bondad de ajuste

6. Contrastes de hipótesis paramétricos y no paramétricos.

• Contrastes sobre los parámetros de distribuciones normales
• Contrastes de bondad de ajuste
• Contrastes de independencia

7. Diseño del análisis estadístico en estudios epidemiológicos de optometría y en el laboratorio de óptica

• Construcción de bases de datos.
• Depuración de los datos
• Análisis gráficos
• Análisis estadísticos

1. Introducción al entorno de computación estadística R

2. Objetos y estructuras en R

3. Gráficos con R

4. Análisis estadísticos con R

• ABAD, F. y VARGAS, M. (2002). “Análisis de datos para las Ciencias Sociales con SPSS”. Proyecto Sur.
• ARMITAGE, P.; BERRY, G. (1997), Estadística para la Investigación Biomédica. S.A. Elsevier España.
• CANAVOS, G.C. (2003). “Probabilidad y Estadística: Aplicaciones y métodos”. McGraw-Hill.
• CARRASCO DE LA PEÑA, J.L. (1995). “El Método Estadístico en la Investigación Médica”. Editorial Ciencia 3. Madrid.
• CASAS SÁNCHEZ, J. M. y otros (1998). “Problemas de estadística. Descriptiva, probabilidad e inferencia”. Ediciones Pirámide. Madrid.
• CUADRAS, C.M. (2000). “Problemas de Probabilidades y Estadística. Vol. 1. Vol. 2”. EUB.
• DeGROOT, M.H. (2002). “Probability and Statistics”. Adisson Wesley.
• GUTIÉRREZ, R., MARTÍNEZ, A. y RODRÍGUEZ, C.(1993). “Curso Básico de Probabilidad”. Pirámide.
• MARTÍN ANDRÉS, A., LUNA DEL CASTILLO, J. (2004), Bioestadística para las Ciencias de la Salud, Norma.
• MARTÍNEZ, A., RODRÍGUEZ, C. y GUTIÉRREZ, R. (1993). “Inferencia Estadística. Un Enfoque Clásico”. Pirámide.
• MILTON J.S. (2007). Estadística para Biología y Ciencias de la Salud. Ed. McGraw-Hill.
• Interamericana de España, S.A.U.
• QUESADA, V., ISIDORO, A. y LÓPEZ, L. (2005). “Curso y Ejercicios de Estadística : aplicación a las ciencias biológicas, médicas y sociales”. Alhambra Universidad.
• RIUS DÍAZ, F. y BARÓN LÓPEZ, F.J. (2005). Bioestadística. Ed. Thomson. Paraninfo S.L.
• VÉLEZ, R. y GARCÍA, A. (2009). “Principios de Inferencia Estadística”. UNED

• AGRESTI, A. (2002). Categorical Data Analysis. 2ª Edición. Ed. John Wiley and Sons, Nueva York.
• ALBERT, J. and RIZZO, A. (2012). R by Example. Springer
• DANIEL, W.W. (1990). Applied Nonparametric Statistics. PWS-Kent Publishing Company, Boston.
• GARCÍA LOZADA, D. (2010) Importancia del manejo estadístico adecuado de datos refractivos Ciencia y Tecnología par la Salud Visual y Ocular, vol 8, 2.
• GÓMEZ VILLEGAS, M.A. (2005). Inferencia Estadística. Ediciones Días de Santos
• GONZÁLEZ MANTEIGA, M.T. (2021). 400 Problemas resueltos de Estadística Multidisciplinar. Ediciones Días de Santos
• KABACOFF, R. I. (2011). R in Action. Data analysis and graphics with R. Manning Publications Co.
• MARTÍNEZ ÁLVAREZ, F. y MARTÍNEZ ÁLVAREZ M.C. (2013). Problemas de Estadística para Ingeniería y Ciencias. Ed. Godel Impresiones Digitales S.L.
• MILTON, J. S. and ARNOLD, J. (1990). Introduction to Probability and Statistics: Principles and Applications for Engineering and the Computing Sciences. Ed. McGraw-Hill
• MONTGOMERY, D. C. (2002). Diseño y Análisis de Experimentos. Segunda Edición. Ed.Limusa Wiley
• PUENTE VIEDMA, C. (2009). Estadística descriptiva e inferencial y una introducción al método científico. Editorial Complutense
• ROHATGI, V.K. & EHSANES SALEH, A.K. MD. (2015). “An Introduction to Probability and Statistics”. John Wiley & Sons

• R Project. El entorno de computación estadística R: https://www.r-project.org/

• Pruebas de carácter teórico-práctico para cada bloque temático 50%
• Resolución de ejercicios prácticos aplicando técnicas computacionales  50%

La evaluación de la asignatura consistirá en la resolución de una serie de ejercicios de carácter teórico-práctico de los contenidos impartidos a lo largo del curso que se  realizará presencialmente al finalizar el periodo de docencia de la asignatura. La prueba se realizará con un soporte computacional

Prueba  de carácter teórico-práctico aplicando técnicas computacionales del temario completo que se realizará presencialmente y que requerirá de soporte computacional

Prueba de carácter teórico-práctico aplicando técnicas computacionales del temario completo que se realizará presencialmente y que requerirá de soporte computacional