Introducción a la Estadística Aplicada en la Química

Transcripción

1 Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para /5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00 a 14:00 horas Nº HORAS: 20 Sala B Edificio García Domínguez 1. Almacenamiento y procesamiento de los datos de una investigación. 2. Bases de datos: diseño, grabación, exportación. 3. Control de calidad de la información contenida en una base de datos. 4. Variables: tipos y escalas de medida de las variables adecuadas. 5. Introducción al software estadístico STATA Uso eficiente. 6. Descripción de la información: estadísticos y gráficos descriptivos. a. Estadísticos de centralidad: media, mediana, moda, media geométrica b. Estadísticos de dispersión: varianza, desviación estándar, MEDA, rango intercuartílico c. Estadísticos de forma: coeficientes de asimetría y apuntamiento d. Gráficos para descripción de variables cualitativas e. Gráficos para la descripción de variables cuantitativas 7. Probabilidad y leyes de probabilidad. a. Distribuciones de probabilidad para variables aleatorias discretas: Bernouilli, Binomial, Poisson b. Distribuciones de probabilidad para variables aleatorias continuas: Normal, t d Student, F de Fisher, Chi-cuadrado 8. Conceptos de inferencia y construcción de Intervalos de Confianza a. para 1 parámetro b. para la diferencia de 2 parámetros 9. Contrastes de hipótesis. a. Hipótesis nula y alternativa. Estadístico de contraste Nivel de significación α. P-valor y regla de decisión b. Pruebas de conformidad: 1. Contraste de hipótesis para 1 media 2. Contraste de hipótesis para 1 proporción 10. Contrastes de hipótesis para dos o más parámetros. a. Pruebas de homogeneidad para 2 parámetros: medias, proporciones, varianzas b. Comparación de más de 2 medias: 1. Análisis de la Varianza 2. Problema de las comparaciones múltiples: Ajuste tradicional (Bonferroni) y False Discovery Rate 11. Contrastes de hipótesis no paramétricos a. Para comparación de 2 variables cualitativas: prueba de Chi-cuadrado b. Para comparación de 2 variables cuantitativas: prueba de Mann-Whitney c. Para comparación de más de 2 variables cuantitativas: test de Kruskal-Wallis 12. Covarianza y Correlación Lineal a. Diagrama de dispersión de 2 variables cuantitativas b. Covarianza c. Coeficiente de correlación lineal de Pearson d. Coeficiente de correlación no paramétrico de Spearman. 11. Modelos de Regresión Lineal Simple y Múltiple a. Estratificación b. Interacción c. Chequeo del modelo 12. Realización de ejemplos prácticos con STATA 12.0 para Windows. Interpretación de los resultados. Uso eficiente del software. Reproducibilidad. OBJETIVOS: Familiarizar a los alumnos con el concepto de variabilidad, su importancia en la descripción de datos y en la determinación de diferencias entre grupos. Que sepan utilizar las herramientas de análisis estadístico básicas adecuadas a la naturaleza de los datos a describir y analizar. Conocer el software estadístico STATA 12.0 en el que están implementadas estas herramientas y usarlo de forma eficiente. El curso tiene un carácter teórico-práctico y el uso del software se enseña de tal modo que la eficiencia y la reproducibilidad de cualquier análisis sea el objetivo. Para ello será necesario que cada alumno disponga de su propio ordenador portátil.

2 2/5 NÚMERO MÁXIMO DE ALUMNOS: 15 REQUISITOS: Conocimientos básicos de matemáticas. IMPARTIDO POR: CSIC DURACIÓN CLASES TEÓRICAS: 12 horas DURACIÓN CLASES PRÁCTICAS: 8 horas

3 Introducción a los Modelos de Regresión Lineal 3/5 FECHAS: 05/10 al 09/10 de 2015 HORARIO: Diario de 10:00 a 14:00 horas Nº HORAS: 20 Sala B Edifício García Dominguez 1. Introducción: conceptos básicos de estadística descriptiva 2. Introducción al software estadístico STATA Análisis de la Varianza (ANOVA). 4. Modelo de Regresión Lineal Simple (MRLS) i. Covarianza ii. Coeficiente de correlación lineal de Pearson iii. Metodología del MRLS y su relación con el Análisis de la Varianza iv. Hipótesis básicas del MRLS: asunciones v. Estimación de los parámetros del modelo por Mínimos Cuadrados Ordinarios (MCO) y propiedades de los estimadores a. Variable independiente cualitativa: variables dummy b. Variable independiente cuantitativa vi. Inferencia: Tabla ANOVA asociada y Contraste de Regresión F vii. Coeficiente de Determinación R 2 viii. Diagnosis a. Comprobación de las hipótesis básicas del modelo Linealidad Varianza constante (homocedasticidad) Detección de observaciones atípicas y/o influyentes Normalidad Independencia b. Comandos margins, marginsplot y contrast de STATA ix. Predicción x. La calibración como un caso particular de RLS xi. Ejemplos prácticos con STATA 12.0 para Windows. Uso eficiente del software. 5. Modelo de Regresión Lineal Múltiple (MRLM) i. Formulación, hipótesis y asunciones: generalización del MRLS ii. Hipótesis básicas del MRLM: asunciones iii. Estimación de los parámetros del modelo por Mínimos Cuadrados Ordinarios (MCO) iv. Inferencia: Tabla ANOVA asociada, contraste de Regresión F, contrastes individuales v. Diagnosis a. Comprobación de las hipótesis básicas del modelo b. Problema de Multicolinealidad entre las variables independientes c. Error de especificación del modelo vi. Construcción de modelos: estrategia manual vii. Criterios de selección de modelos viii. Interpretación de los resultados. ix. Ejemplos prácticos con STATA 12.0 para Windows. Uso eficiente del software. OBJETIVOS: Acercar a los asistentes a los Modelos de Regresión Lineal dónde es de interés la asociación lineal de una o varias variables independientes con una variable de interés que se desea estudiar. Conocer las asunciones subyacentes de los Modelos de Regresión. Conocer el software estadístico STATA 12.0 y uso eficiente para la estimación de Modelos de Regresión. Será necesario que cada alumno disponga de su propio ordenador portátil. NÚMERO MÁXIMO DE ALUMNOS: 20 REQUISITOS: Preferentemente haber realizado el curso de Introducción a la Estadística o conocimientos medios de estadística. DURACIÓN CLASES TEÓRICAS: 12 horas DURACIÓN CLASES PRÁCTICAS: 8 horas

4 Introducción al Diseño de Experimentos 4/5 FECHAS: 02/11 al 06/11 de 2015 HORARIO: Diario de 10:00 a 14:00 horas Nº HORAS: 20 Sala B Edifício García Dominguez 1. Introducción, nomenclatura, hipótesis de una investigación y diseño de experimentos 2. Planificación de una investigación a. Introducción b. Pasos en una investigación: Ciclo PDCA c. Diseñando una investigación Componentes del sistema Estudio piloto Validación y buena práctica estadística Ventajas y desventajas de una investigación estadística 3. Introducción al software estadístico STATGRAPHICS: módulo de diseño experimental 4. Medición y fuentes de variabilidad a. Tipos y causas de variabilidad b. Sesgos, variación sistemática y aleatoria c. Muestreo y recolección de datos d. Digitalización, grabación y presentación e. Redondeo y cifras significativas f. Descripción de los datos g. Preprocesamiento de los datos 5. Diseño de experimentos i. Terminología: tratamientos, unidades experimentales, error experimental ii. Hipótesis de investigación iii. Método tradicional iv. Metodología del diseño experimental a. Objetivo de la experimentación b. Identificación de factores c. Plan de experimentación d. Realización de la experimentación e. Interpretación de resultados v. Diseños Factoriales a. Tipos de efectos: simples, principales e interacción b. Matriz de diseño c. con 2 factores a 2 niveles (2 2 ) con 1 réplica d. con 2 factores a 2 niveles (2 2 ) con 3 réplicas: ejemplo hormigón asfáltico e. Tabla ANOVA para un Factorial 2 2 con r réplicas: descomposición de la variabilidad total f. Contrastes de hipótesis en la tabla ANOVA g. Tipos de interacción entre 2 factores h. Diseños Compuestos Centrales vi. Diseños Factoriales con k factores a 2 niveles a. Factorial 2 k completo b. Bloques c. Diseños Factoriales Fraccionales vii. Diseños de Superficies de Respuesta viii. Diseños Factoriales con k factores a 3 niveles: 3 k ix. Diseños complejos a. Modelización empírica y transformación de variables b. Factoriales Fraccionales a 3 niveles: Box y Behnken c. Factoriales con mezcla de factores a distintos niveles d. Diseños centrales rotatorios con dos variables de respuesta e. Ejercicios de diseños complejos 6. Interpretación de los resultados. 7. Ejemplos prácticos con STATGRAPHICS para Windows. Uso eficiente del software.

5 OBJETIVOS: Importancia de la planificación exhaustiva de una investigación para aumentar la eficiencia y reducir los costes. Conocer técnicas de diseño experimental para con menor experimentación obtener mejor información. Ajuste de funciones que permitan obtener modelos que expliquen la influencia de los factores sobre una o varias variables de respuesta. Optimización. Interpretación de los resultados obtenidos. Uso del software estadístico STATGRAPHICS y manejo eficiente. Cada alumno deberá disponer de su propio ordenador portátil. NÚMERO MÁXIMO DE ALUMNOS: 20 REQUISITOS: Conocimientos básicos de matemáticas. IMPARTIDO POR: CSIC DURACIÓN CLASES TEÓRICAS: 15 horas DURACIÓN CLASES PRÁCTICAS: 10 horas ALBERT MARIA MANICH (Doctor en Ingeniería Industrial por la Universidad Politécnica de Cataluña) 5/5