El tratamiento de datos derivados de investigación es de vital importancia para determinar si existen diferencias significativas entre condiciones diferentes, o si por ejemplo existe correlación entre diferentes variables. Del mismo modo, es de vital importancia realizar correctamente el muestreo y la toma de datos para evitar sesgos. Mediante el Master en Bioestadística conocerás la importancia de la estadística para dar rigor a una investigación científica, así como la mejor forma de realizar el tratamiento de datos derivados de investigación en ciencias o sanidad. Disponemos de un equipo docente multidisciplinar que hará todo lo posible por asesorarte en el transcurso de tu proceso formativo.
El Master en Bioestadística está dirigido a todo aquel que disponga de una titulación previa en biociencias, ciencias experimentales o en el ámbito sanitario (biología, bioquímica, biotecnología, ciencias ambientales, medicina, farmacia…) que pretenda especializarse en el tratamiento estadístico de datos derivados de investigación.
Objetivos
– Familiarizarse con conceptos básicos de estadística.
– Conocer los principales métodos para analizar variables de diferente naturaleza.
– Entender la aplicabilidad de la estadística al ámbito de las biociencias.
– Aprender nociones básicas sobre los paquetes estadísticos más populares.
– Identificar el mejor método para trabajar con datos no paramétricos.
– Adquirir nociones sobre regresión y probabilidad.
Salidas Profesionales
Las principales salidas profesionales del Master en Bioestadística se relacionan con la investigación en la Universidad tanto pública como privada, así como en centros de investigación especializados como por ejemplo el CSIC o el IMIBIC. Este máster es un complemento perfecto a tu formación previa si deseas enfocar tu futuro profesional en esta dirección.
Introducción, concepto y funciones de la estadística
Estadística descriptiva
Estadística inferencial
Medición y escalas de medida
Variables: clasificación y notación
Distribución de frecuencias
Representaciones gráficas
Propiedades de la distribución de frecuencias
Medidas de posición
Medidas de dispersión
Medidas de forma
Curva de Lorenz, coeficiente de Gini e índice de Theil
Medidas de tendencia central
Medidas de posición
Medidas de variabilidad
Índice de asimetría de Pearson
Puntuaciones típicas
Introducción al análisis conjunto de variables
Asociación entre dos variables cualitativas
Correlación entre dos variables cuantitativas
Regresión lineal
Conceptos previos de probabilidad
Variables discretas de probabilidad
Distribuciones discretas de probabilidad
Distribución normal
Distribuciones asociadas a la distribución normal
Conceptos previos
Métodos de muestreo
Principales indicadores
Introducción a las hipótesis estadísticas
Contraste de hipótesis
Contraste de hipótesis paramétrico
Tipologías de error
Contrastes no paramétricos
Introducción a los modelos de regresión
Modelos de regresión: aplicabilidad
Variables a introducir en el modelo de regresión
Construcción del modelo de regresión
Modelo de regresión lineal
Modelo de regresión logística
Factores de confusión
Interpretación de los resultados de los modelos de regresión
Modelos de medidas repetidas
Estadística no paramétrica. Conceptos básicos
Características de las pruebas
Ventajas y desventajas del uso de métodos no paramétricos
Identificación de las diferentes pruebas no paramétricas
Modelos ambientales: determinísticos y estocásticos
Datos ambientales
Concepto de variable aleatoria y su relevancia con respecto a los datos ambientales
Estadística en la gestión ambiental
Poblaciones y muestras
Parámetros estadísticos
Escalas de medición
Descriptores estadísticos de datos ambientales
Incertidumbre de la medición, exactitud, precisión y estimación del sesgo de los datos ambientales
Variabilidad y errores en los datos de contaminación ambiental
Aplicaciones de distribución de probabilidad
Interpretación de estándares ambientales
Análisis de frecuencia de inundaciones
Datos de calidad del aire
Necesidad y propósito del muestreo
Métodos para seleccionar lugares y momentos de muestreo
Monitoreo de variables hidrológicas e hidrogeológicas de cantidad y calidad de agua
Monitoreo de la calidad del aire
Muestreo de suelos
Diseños de muestreo probabilísticos y no probabilísticos para el muestreo ambiental
Distribuciones muestrales
Estimación de parámetros ambientales (puntuales y de intervalo)
Estimación del intervalo de confianza y determinación del tamaño de la muestra
Análisis de correlación: análisis gráfico, covarianza, coeficiente de correlación, distribución del coeficiente de correlación y su significancia estadística
Construcción de modelos empíricos y análisis de regresión
Procesos no lineales en el medio ambiente y uso de transformadas
Introducción a la regresión lineal múltiple
Análisis de series temporales
Introducción
Cómo crear un archivo
Definir variables
Variables y datos
Tipos de variables
Recodificar variables
Calcular una nueva variable
Ordenar casos
Seleccionar casos
Introducción
Análisis de frecuencias
Tabla de correlaciones
Diagramas de dispersión
Covarianza
Coeficiente de correlación
Matriz de correlaciones
Contraste de medias
1.Test de normalidad
Análisis de varianza
Comparación de medias
Realización y maquetación de gráficos
Estadística descriptiva
Definición de las variables
Comandos utilizados para comparación de variables
Comandos utilizados para correlación lineal
Elaboración de gráficos mediante R
Comandos utilizados para estadística descriptiva
Comandos para estadística descriptiva
Formulario
Anova
Elaboración de gráficos
Chi cuadrado
¿Qué es Past?
Introducción de datos
Análisis de variables
Índices de diversidad
Otros análisis de interés
Estadística no paramétrica. Conceptos básicos
Características de las pruebas
Ventajas y desventajas del uso de métodos no paramétricos
Identificación de las diferentes pruebas no paramétricas
Pruebas no paramétricas para una muestra
Chi-cuadrado o ji-cuadrado
Prueba de Kolmogorov-Smirnov para una muestra
Prueba binomial
Prueba de rachas
Prueba de los signos
Prueba del rango con signo de Wilcoxon
Prueba de McNemar
Pruebas para k muestras relacionadas
Prueba de Cochran
Prueba de Friedman
Coeficiente de concordancia de W de Kendall
Pruebas para dos muestras independientes
Prueba U de Mann Whitney
Prueba de Wald-Wolfowitz
Prueba de reacciones extremas de Moses
Prueba de Kolmogorov-Smirnov para dos muestras
Pruebas no paramétricas para K muestras independientes
Prueba de la mediana
Prueba H de Kruskal-Wallis
Prueba de Jonckheere-Terpstra
Experimento aleatorio
Espacio muestral
Suceso
Intersección de sucesos
Probabilidad clásica
Probabilidad condicional
Ley de probabilidad total
Teorema de Bayes
Variables aleatorias
Desigualdad de Chebyschev
Distribución normal
Modelos discretos
Distribución dicotómica (Bernoulli)
Distribución binomial
Distribución hipergeométrica
Modelo de poisson
Distribución continua
Distribución uniforme
Distribución exponencial
Distribución normal
Aproximación de una Binomial por una Poisson
Aproximación de una Binomial por una Normal
Aproximación de una distribución de Poisson por una Normal
Corrección por continuidad
Regresión lineal
Coeficiente de Pearson
Coeficiente de Spearman
Coeficiente Tau de Kendall
Correlación Jackknife
La regresión logística
Dónde y cuándo aplicarla
Cómo interpretarla
Precauciones
Análisis de supervivencia
Conceptos básicos
Supervivencia y riesgo
Metodología estadística
Regresión de Cox
Método de Kaplan-Meier
Titulación
Título Propio de Máster de Formación Permanente en Bioestadística expedido por la Universidad Europea Miguel de Cervantes acreditada con 60 Créditos Universitarios
