Bioestadística
Diplomado en
Información
La estadística se enfoca en la recolección, interpretación y presentación de datos obtenidos a partir de la observación de un fenómeno o evento de interés. Debido a la diversidad de las herramientas que están a su disposición, tiene una amplia aplicación en diferentes campos, entre ellos, las ciencias biológicas, donde se aplica en el análisis de variables, diseño de la metodología de investigación y en la selección de la población o muestra de estudio.
Esto vuelve necesario entender conceptos básicos relacionados a la estadística (medidas de tendencia central, medidas de dispersión), las diferentes subclasificaciones (inferencial y descriptiva), así como herramientas que puedan ser utilizadas para el análisis e interpretación de datos en el campo de las ciencias biológicas y de la salud.
Objetivos del diplomado:
-
Describir las características de la estadística.
-
Conocer y comprender los mejores métodos de presentación de datos.
-
Conocer el lenguaje R para el análisis de datos.
-
Aprender los scripts básicos para análisis estadísticos mediante R.
-
Describir la elaboración de diferentes tipos de gráficos.
-
Conocer las características de la estadística descriptiva e inferencial.
-
Conocer las diferencias entre estadística paramétrica y no paramétrica.
Calendario de sesiones:
Módulo 1: 16, 23, 30 de enero y 6 de febrero de 2022.
Módulo 2: 13, 20, 27 de febrero y 3 de marzo de 2022.
Módulo 3: 13, 20, 27 de marzo y 3 de abril de 2022.
Horario: 9:00 AM a 12:00 PM. Hora de la Ciudad de México.
Curso teórico online
Conocimientos mínimos: Conocer términos básicos de matemáticas y biología.
Materiales requeridos: Computadora con acceso a internet.
Plataforma: Google Meet. Grabación de las sesiones en vivo.
Capacitador: Enrique Ambrocio-Ortiz.
-
Químico Farmacéutico Biológico, UAM Xochimilco. M. en C. de la Salud, IPN. Escuela Superior de Medicina.
-
Candidato a Doctor en Ciencias Biológicas y de la Salud, UAM Xochimilco.
Contenido del curso
MODULO 1
1. Introducción al lenguaje de R
1.1 Análisis del ambiente de R y Rstudio
1.2 Objetos y datos en el ambiente de R
1.2.1 Ejercicio: Creación de objetos en Rstudio
1.3 Instalación de paqueterías en Rstudio
2. Introducción a la bioestadística
2.1 Conceptos básicos: población, muestra, variables y medición
2.1.1 Ejercicio: Reconocimiento de población y muestra
2.2 Tipos de variables: cuantitativas y cualitativas; identificación y subclasificación
2.2.1 Ejercicio: Discriminación de variables
2.2.2 Ejercicio: Reconocimiento de variables
2.3 Tipos de estadística: descriptiva e inferencial, paramétrica y no paramétrica.
2.4 Distribución de datos: Normales y no normales
2.4.1 Histogramas y gráficos de normalidad
3. Carga de bases de datos en Rstudio
3.1 Tipos de archivos compatibles con Rstudio
3.2 Edición y adaptación de bases de datos en formato CSV
3.3 Guardar datos desde Rstudio
3.4 Editar bases de datos en Rstudio
3.4.1 Ejercicio: Edición de una base en Rstudio
4. Estadística descriptiva
4.1 Medidas de tendencia central
4.1.1 Ejercicio: Calculo de medidas de tendencia central
4.2 Medidas de dispersión
4.2.1 Ejercicio: Calculo de medidas de dispersión
4.3 Cálculo de estadísticos de normalidad
4.3.1 Ejercicio: Cálculo de curtosis y coeficiente de asimetría
5. Gráficos descriptivos
5.1. Elaboración de gráficos de distribución y de frecuencia.
5.1.1. Histogramas.
5.1.2. Gráficos de barras.
MODULO 2
6. Estadística inferencial
6.1 Aplicaciones de la estadística inferencial
6.2 Muestreo y tipos de muestreo
6.3 Generación y contrastación de hipótesis
6.4 Tipos de riesgo y asociaciones
7. Softwares útiles en la estadística inferencial
7.1. Herramientas para estudios epidemiológicos.
7.2. Creación de tablas de contingencia.
7.3. Interpretación de riesgos.
7.3.1. Ejercicio: Calculo de RR y OR.
7.4. Uso de Rstudio en estudios de riesgo.
7.5. Creación de tablas de contingencia y uso de pruebas de Fisher y Chi cuadrada.
7.5.1. Prueba de Fisher.
7.5.2. Prueba de Chi cuadrada.
8. Estadística paramétrica
8.1. Características principales.
8.1.1. Tipos de pruebas y cuando utilizarlas.
8.1.2. Limitantes.
8.2. Aplicación de pruebas paramétricas.
8.2.1. Ejercicio: Análisis paramétrico de una base de datos.
9. Estadística no paramétrica
9.1. Características principales.
9.1.1. Tipos de pruebas y cuando utilizarlas.
9.1.2. Limitantes.
9.2. Aplicación de pruebas no paramétricas.
9.2.1. Ejercicio: Análisis no parámetrico de una base de datos.
MODULO 3
10. Pruebas de correlación
10.1. Pruebas de correlación paramétricas y no paramétricas.
10.1.1 Uso y condicionales para la aplicación de correlaciones.
10.1.2. Datos de salida e interpretación de los datos de correlación.
10.2. Gráficos para la interpretación de datos.
10.3. Ejercicio: Análisis de correlación en datos cuantitativos.
10.4. Ejercicio: Elaboración de gráficos de para la representación de las correlaciones.
11. Correlogramas y opciones de presentación de datos
11.1. Ejercicio: Elaboración de un correlograma.
12. Métodos de regresión
12.1. Regresión lineal.
12.1.1. Condiciones y uso de la regresión lineal.
12.1.2. Aplicación de la regresión lineal.
12.1.2.1.Ejercicio: Evaluación del método de regresión lineal.
13. Regresión logística
13.1. Condiciones y uso de la regresión lógistica.
13.2. Aplicación de la regresión logística.
13.2.1. Ejercicio: Evaluación del método de regresión logística.
