Estudia

• CG1 - Aplicar el mètode científic com a eina, amb coneixement de les seves aplicacions i limitacions.
• CG2 - Cercar, obtenir, organitzar i interpretar informació bàsica i aplicada amb raonament crític i adquirir les habilitats d'aprenentatge que els permetin continuar la seva formació d'una manera autònoma.
• CG7 - Capacitat per realitzar treball pràctic de laboratori, formulant hipòtesis de treball, judicis i conclusions, per a la seva aplicació en el camp professional i per respondre als objectius d'una línia d'investigació.
• CE-2 - Planificar estratègies i triar les eines i les tècniques adequades per assolir un objectiu concret relacionat amb el disseny d'un experiment o el desenvolupament d'una aplicació en l'àmbit de la biotecnologia alimentària.
• CE-8 - Aplicar, de forma integrada, els aprenentatges i competències adquirides a l'estudi d'una temàtica, al disseny d'una aplicació oa la resolució d'una problemàtica concreta relacionada amb l'àmbit de la biotecnologia alimentària.

• Dissenyar experiments de caràcter científic-tècnic basats en la inferència estadística
• Analitzar dades obtingudes en dissenys experimentals bàsics i avançats i interpretar els resultats obtinguts en l'àmbit de la Biotecnologia
• Conèixer diferents tipus de tractaments gràfic de dades i resultats.
• Conèixer i utilitzar el programari R/RStudio per l'anàlisi, interpretació i representació de dades i resultats.

1. Bloc 1. DISSENY D'EXPERIMENTS — PROGRAMARI R

          1.1. Principis del disseny d’experiments. Mostreig. Aleatorització. Replicació. Factors. Variables.

          1.2. Tipus de disseny d'experiments: Aleatoritzat, blocs totalment aleatoritzats, multifactorial, mesures repetides, altres.

          1.3. Introducció al programari R i a l'entorn RStudio

2. Bloc 2. ANÀLISI DE DADES

          2.1. Anàlisi exploratòria i selecció de mètodes estadístics. Proves t-test, X2. Taules de contingència. Proves no paramètriques: Wilcoxon.

          2.2. Anàlisi de regressió lineal i correlació.

          2.3. Anàlisi de la variància d'una via, dues vies i multifactorial. Anàlisi de la covariància. Models mixtes. Altres models: GLM, GLS. Prova de Kruskal-Wallis

          2.4. Regressió lineal múltiple. Regressió polinomial.

          2.5. Regressió no lineal.

          2.6. Anàlisi multivariant.

3. Bloc 3. PRESENTACIÓ DE RESULTATS

          3.1. Tractament gràfic de les dades. Tipus de representació

Activitats d'avaluació:

Les pràctiques d'aula i treballs són activitats d'assistència obligatòria.
La qualificació es farà en la següent proporció: Entrega exercicis (50 %), prova d'avaluació final (50%). Els exercicis no entregats en el termini establert es qualificaran amb una nota de 0.
Per aprovar l'assignatura cal obtenir com a mínim 5/10 en l'examen final i en la nota global de l'assignatura.

En el cas de no acomplir els criteris exigits per superar l'assignatura, la puntuació d'aquesta serà la mitjana ponderada de les activitats d'avaluació, sempre que aquesta sigui inferior a 5; en cas contrari la nota serà 4.

“Si en qualsevol tipus d'activitat acadèmica es detecten actuacions fraudulentes (utilització d'informació sense autorització, utilització d'informació falsa, utilització de dispositius no autoritzats, suplantació de la identitat, plagis totals o parcials, compra i venda de proves, pràctiques i treballs, etc) l'estudiantat implicat suspendrà automàticament l'assignatura. En funció del tipus d'acte fraudulent la Direcció de l'Escola iniciarà els procediments adients d'acord amb la Llei 3/2022 de 24 de febrer de Convivència Universitària (https://www.boe.es/eli/es/l/2022/02/24/3)”.

Criteris específics de la nota «No Presentat»:
No assistència al 80% de les pràctiques d'aula.
No realització de la prova d'avaluació.

Avaluació única:
En cas d'acollir-se a avaluació única, aquesta constarà d'un EXAMEN FINAL (80 % nota) que inclourà qüestions relacionades amb els continguts desenvolupats a teoria i pràctiques i un treball proposat sobre aspectes desenvolupats a classe (20 % nota).

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0.
En el cas de no acomplir els criteris exigits per superar l'assignatura, la puntuació d'aquesta serà la mitjana ponderada de les activitats d'avaluació, sempre que aquesta sigui inferior a 5; en cas contrari la nota serà 4

Les tutories es realitzaran de forma individual o en grup sempre que els estudiants ho sol·licitin per correu electrònic al professorat de l'assignatura. Es podran realitzar tutories presencials o no presencials.

La comunicació es realitzarà a través del correu electrònic institucional (UdG), del xat del moodle i del fòrum d'avisos i notícies del moodle. També s'interaccionarà amb els estudiants en les classes.
La informació es penjarà també en la pàgina de l'assignatura del moodle.

En el desenvolupament de l'assignatura s'utilitzarà el programari R/RStudio. NO és necessari tenir coneixements previs en la utilització d'aquest programari, ja que l'aprenentatge del seu ús es realitzarà durant l'assignatura.