Estudia

1. Introducció a la bioestadística aplicada a la nutrició

          1.1. Tipologia de les dades

          1.2. Estadística descriptiva de variables categòriques i numèriques

          1.3. Representació gràfica de dades nutricionals i clíniques

2. Anàlisi estadística exploratòria bivariant de dades

          2.1. Estudi conjunt de dues variables categòriques

          2.2. Estudi conjunt d'una variable categòrica i una variable numèrica

          2.3. Estudi conjunt de dues variables numèriques

3. Probabilitat i inferència estadística bàsica

          3.1. Probabilitat, causa i efecte, freqüència relativa, propietats, probabilitat condicionada

          3.2. Models i distribucions. Model normal. Teorema del límit central.

4. Comparació de grups en estudis de nutrició i salut

          4.1. Comparació de mostres independents

          4.2. Comparació de mostres aparellades

          4.3. ANOVA d’un factor

5. Correlació i model de Regressió Lineal simple

          5.1. Correlació. Regressió Lineal Simple

          5.2. Anàlisi de la variabilitat. Coeficient de determinació

          5.3. El model de Regressió Lineal Simple. Valors atípics i/o influents. Predicció de nous valors d’Y

• Pagano, Marcello (2001). Fundamentos de bioestadística . México: International Thomson.
• Zar, Jerrold H (1999). Biostatistical analysis (4th ed.). London: Prentice-Hall International.
• Sokal, Robert R (1980). Introducción a la bioestadística . Barcelona [etc.]: Reverté.
• Gonick, Larry (1999). La Estadística en cómic . Barcelona: Zendrera Zariquiey.
• Crawley, Michael J (2013). The R book (2nd ed.). Hoboken, NJ: John Wiley & Sons Inc.. Recuperat , a http://onlinelibrary.wiley.com/book/10.1002/9781118448908

Activitats d'avaluació:

-- QUALIFICACIÓ NOTA FINAL ABANS RECUPERACIÓ --

- Si es treu un mínim de 3.5 en les avaluacions de cada parcial, la nota FINAL serà la suma ponderada de les qualificacions dels ACMES (20%), treball (20%) i exàmens parcials (60%=30%+30%).
Nota_final = Nota_Treball*0,20 + Nota_P1*0,30 + Nota_P2*0,30 + ACME1*0,05 + ACME2*0,05 + ACME3*0,05 + ACME4*0,05

- Si no es treu un mínim de 3.5 en les avaluacions de cada parcial, la nota FINAL serà la suma ponderada de les qualificacions dels treball (20%) i exàmens parcials (80%=40%+40%). (No se tindrà en compte els ACME).
Nota_final = Nota_Treball*0,20 + Nota_P1*0,40 + Nota_P2*0,40

L’assignatura quedarà superada si la nota resultant és superior o igual a 5 sobre 10.

-- RECUPERACIÓ --

Només es podran recuperar els exàmens parcials suspesos.

Si la nota de recuperació és superior a la nota inicial de l’examen parcial, es conservarà la nota de recuperació com a nota definitiva. Si la nota de recuperació és igual o inferior a la nota inicial, la nota definitiva serà la mitjana de les dues notes.

La utilització d'eines d'IA no està permesa de manera general, tan sols es permet en aquelles activitats en les quals queda establert en l'enunciat de l'activitat. En aquelles activitats en les quals es permeti l'ús d'eines d'IA serà necessari documentar quines eines s'han utilitzat, quins criteris s'han fet servir per fer-ne la tria, els prompts que s'han emprat i el procés que s'ha seguit per revisar i editar-ne la resposta. Alhora serà necessari citar les eines en l'apartat de bibliografia.

Criteris específics de la nota «No Presentat»:
La qualificació final d'NP (no presentat) s'obtindrà només quan l'alumne no es presenti a cap dels exàmens parcials. Qualsevol activitat d'avaluació no presentada tindrà la qualificació de 0.

Avaluació única:
El sistema d’avaluació de l’EUSES - centre adscrit a la UdG és, de manera general, l’avaluació continuada. Si l’estudiant vol acollir-se a l’avaluació única, ho ha de comunicar per escrit al professor responsable de l’assignatura i al coordinador de grau durant les dues primeres setmanes del semestre.

L'avaluació única de l'assignatura consistirà en un únic examen final (100%). L'assignatura quedarà superada si la nota resultant és superior o igual a 5 sobre 10.

La utilització d'eines d'IA no està permesa de manera general, tan sols es permet en aquelles activitats en les quals queda establert en l'enunciat de l'activitat. En aquelles activitats en les quals es permeti l'ús d'eines d'IA serà necessari documentar quines eines s'han utilitzat, quins criteris s'han fet servir per fer-ne la tria, els prompts que s'han emprat i el procés que s'ha seguit per revisar i editar-ne la resposta. Alhora serà necessari citar les eines en l'apartat de bibliografia.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0

Les tutories personalitzades amb els estudiants es duran a terme de forma presencial o virtual. Prèviament caldrà concertar la tutoria per alguna de les vies de comunicació establertes.

A part de la comunicació i interacció que es produeixi a l’aula a les hores d’activitat presencial i a les tutories, la comunicació amb els estudiants és portarà a terme via un dels tres mitjans següents:

• Fòrums en el Moodle de l’assignatura. Per consultes que puguin interessar a l'alumnat.
• Correu electrònic. Per altres consultes.

L'estudiant matriculat podrà accedir a la intranet La Meva UdG on hi trobarà el programa detallat, la temporalització de l'assignatura, apunts referents a la teoria, problemes, pràctiques, els treballs pràctics proposats i altres recursos.

La web on es pot baixar el paquet estadístic R i diferents llibreries, així com fitxers explicatius i ajudes per cada llibreria: http://www.r-project.org/