Grado en Química. 1 er Curso ESTADÍSTICA APLICADA E INFORMÁTICA PARA QUÍMICOS. Manual de Prácticas

Transcripción

1 Grado en Química 1 er Curso ESTADÍSTICA APLICADA E INFORMÁTICA PARA QUÍMICOS Manual de Prácticas Curso

2 Profesores/as: José Antonio Álvarez Dios, María Isabel Borrajo García, Hipólito Irago Baúlde, José Manuel Prada Sánchez, César A. Sánchez Sellero. Aspectos generales. Se realizarán diez prácticas a lo largo del curso. Cada una se desarrollará en una sesión de dos horas seguidas de clase en el aula de informática. En las dos primeras prácticas se utilizará la hoja de cálculo Excel. En los ocho prácticas siguientes se empleará el lenguaje estadístico R. Cada alumno/a deberá realizar las prácticas individualmente. La evaluación de estas prácticas se realizará mediante la cumplimentación de unos formularios que recogerán aspectos destacados de la ejecución de las prácticas. Relación de prácticas Práctica 1. Estadística descriptiva univariante con la hoja de cálculo. Práctica 2. Estatística descritiva multivariante con la hoja de cálculo. Práctica 3. Introducción a R y Estadística descriptiva univariante con R. Práctica 4. Estadística descriptiva uni y multivariante con R. Práctica 5. Distribuciones de probabilidad e intervalos de confianza con R. Práctica 6. Contrastes de hipótesis con R. Práctica 7. Regresión lineal simple con R. Práctica 8: Validación del modelo, transformaciones en regresión y regresión múltiple con R. Práctica 9. Regresión polinómica, interacciones, selección de variables y regresión no lineal con R. Práctica 10: Análisis de la varianza con R. 2

3 Práctica 1. Estadística descriptiva univariante con la hoja de cálculo. El propósito de esta práctica es adquirir las habilidades básicas en el manejo de la hoja de cálculo y elaborar las hojas relacionadas con los primeros ejemplos del tema 1. La primera parte de la práctica consiste en un recorrido por los elementos básicos de una hoja de cálculo, tipos de celdas, referencias absolutas y relativas, y cuestiones similares. Después se elaboran las hojas de cálculo de los ejemplos del tema 1. Por último, se contesta a las cuestiones planteadas en el formulario. La práctica requiere las plantillas en pdf con las hojas de cálculo de los ejemplos y el formulario en papel. Las plantillas se pueden descargar del campus virtual y los formularios en papel se facilitan por el profesor al comienzo de la práctica. 3

4 Práctica 2. Estadística descriptiva multivariante con la hoja de cálculo. El propósito de esta práctica es continuar adquiriendo nuevas habilidades en el manejo de la hoja de cálculo y elaborar las hojas relacionadas con los ejemplos del tema 2. En la primera parte de la práctica puede ser necesario terminar algunos de los ejemplos del tema 1. Después se elaboran las hojas de cálculo de los ejemplos del tema 2. Por último, se contesta a las cuestiones planteadas en el formulario. La práctica requiere las plantillas en pdf con las hojas de cálculo de los ejemplos y el formulario en papel. Las plantillas se pueden descargar del campus virtual y los formularios en papel se facilitan por el profesor al comienzo de la práctica. 4

5 Práctica 3. Introducción a R y Estadística descriptiva univariante con R. El propósito de esta práctica es adquirir las habilidades básicas en el manejo del lenguaje R, elaborar los scripts relacionados con los primeros ejemplos del tema 1 y analizar los resultados que ofrece el lenguaje R. La primera parte de la práctica consiste en un recorrido por los elementos básicos del lenguaje R, tipos de variables, operaciones con R, elaboración de scripts, y cuestiones similares. Después se elaboran los scripts de los ejemplos del tema 1. Por último, se contesta a las cuestiones planteadas en el formulario. 5

6 Práctica 4. Estadística descriptiva uni- y multivariante con R. El propósito de esta práctica es adquirir nuevas habilidades en el manejo del lenguaje R en cuestiones de Estadística Descriptiva y elaborar los scripts relacionados con los últimos ejemplos del tema 1 y los ejemplos del tema 2. En la primera parte de la práctica se resuelven los últimos ejemplos del tema 1. Después se elaboran los scripts de los ejemplos del tema 2. Por último, se contesta a las cuestiones planteadas en el formulario. 6

7 Práctica 5. Distribuciones de probabilidad e intervalos de confianza con R. Conocer las funciones de R para los modelos de distribución binomial y normal. Representar valores de estas funciones para adquirir una idea gráfica de las distribuciones. Poder realizar intervalos de confianza con R. En la primera parte de la práctica se presentan las funciones de R para la distribución binomial y normal. Después se representa la función de probabilidad de la binomial para distintos valores de sus parámetros. Se hace lo mismo con la función de densidad de la distribución normal. La segunda parte de la práctica consiste en estudiar las funciones de R que permiten obtener intervalos de confianza para una proporción y para la media de una población normal, prop.test y t.test. Se aplicarán estas funciones a los ejemplos del tema 4. 7

8 Práctica 6. Contrastes de hipótesis con R. Conocer las funciones de R para el contraste de hipótesis sobre una proporción y en relación con una o dos poblaciones normales. Se revisan las funciones de R, prop.test y t.test, analizando el uso que se puede hacer de ellas para realizar contrastes de hipótesis sobre una proporción y sobre la media de una población normal. Se aplicará a los ejemplos del tema 5. Asimismo, se emplearán también las funciones prop.test y t.test para resolver los problemas de comparación de poblaciones, que se estudian en el tema 6. 8

9 Práctica 7. Regresión lineal simple con R. Conocer la función lm de R, y otras relacionadas, para el ajuste de un modelo de regresión lineal simple. Se efectuará la representación del diagrama de dispersión de los datos en un ejemplo de regresión lineal simple. Después se efectúa el ajuste de la recta de regresión mediante la función lm, y se representa la recta ajustada sobre el diagrama de dispersión de los datos. Más adelante se estudia el summary del objeto obtenido con la función lm, lo cual permite estudiar los valores de los coeficientes, su significación y otros aspectos del ajuste. La función anova y predict permitirán obtener la descomposición de la variabilidad y las predicciones del modelo. El desarrollo de la práctica sigue, por tanto, los pasos de los métodos expuestos en el tema 7. 9

10 Práctica 8. Validación del modelo, transformaciones en regresión y regresión múltiple con R. Aprender a validar un modelo con R, y a transformar las variables en caso necesario, como paso previo para obtener un modelo correcto. Conocer el uso de la función lm de R para llevar a cabo una regresión múltiple. La primera parte de la práctica consiste en realizar las tareas necesarias para validar un modelo de regresión lineal simple. En la segunda parte se realizan transformaciones a los datos para conseguir que se adapten a un modelo lineal. La tercera y última parte de la práctica se dedica a ajustar algún modelo de regresión múltiple con la función lm. El desarrollo de la práctica se corresponde con los contenidos iniciales del tema 8. 10

11 Práctica 9. Regresión polinómica, interacciones, selección de variables y regresión no lineal con R. Llevar a cabo el ajuste de un modelo de regresión polinómica y de un modelo con interacciones con R. Conocer la función step de R para la selección de variables. Saber ajustar un modelo de regresión no lineal con R. En esta práctica se resolverán con R los ejemplos de la parte final del tema 8. Habrá un ejemplo para la regresión polinómica, otro para las interacciones y otro para la selección de variables. El modelo no lineal será tratado de manera más detallada, con varios ejemplos ilustrativos de modelos de la Química y la Física de carácter no lineal. 11

12 Práctica 10. Análisis de la varianza con R. Saber emplear la función lm de R, y otras funciones relacionadas, para estudiar un modelo de análisis de la varianza. Esta práctica sigue los procedimientos expuestos en el tema 9. Así, los alumnos realizarán con R la exploración de las distintas parametrizaciones, llevarán a cabo el test F y efectuarán las comparaciones múltiples. 12