Experto universitario en bioestadística aplicada en estudios clínicos epidemiológicos

Tema I. Bioestadística aplicada a las ciencias de la salud:

• Introducción a la estadística aplicada a las ciencias de la salud.
• Definición de estadística.
• Población y muestra.
• Cálculo del tamaño muestral.
• Tipo de muestreo.
• Procedimiento de muestreo.
• Variables.
• Presentación ordenada de datos.
• Representaciones gráficas.
• Autoevaluación.
• Resumen.

Tema II. Estadística descriptiva:

• Introducción.
• Estadísticos de tendencia central.
• Estadísticos de posición.
• Estadísticos de dispersión.
• Medidas de forma.
• Autoevaluación.
• Resumen.

Tema III. Estadística bivariante:

• Introducción.
• Tablas de contingencia.
• Diagrama de dispersión.
• Covarianza.
• Regresión.
• Bondad del ajuste.
• Autoevaluación.
• Resumen.

Tema IV. Índices clínicos:

• Introducción.
• Estadígrafos, precisión y exactitud.
• Cuestiones clínicas.
• Recopilación de datos, variabilidad y recopilación en investigación clínica.
• Estudios de cohortes, caso y control.
• Ensayos aleatorios controlados (RTC, randomized controlled trials).
• Clasificación de enfermedades por diagnóstico.
• Índices clínicos.
  • Ejemplo.
  • Postulados de Gaten y Gambino.
• Autoevaluación.
• Resumen.

Tema V. Introducción a la teoría de la probabilidad:

• Introducción.
• Nociones y modelos de probabilidad.
• Experimento aleatorizado.
• Probabilidad condicionada.
• Dependencia de sucesos.
• Teoría de la probabilidad total.
• Teorema de Bayes.
• Aplicación de la teoría de probabilidad a las pruebas diagnósticas.
• Ejercicios resueltos.
• Autoevaluación.
• Resumen.

Tema VI. Modelos probabilísticos:

• Introducción.
• Distribuciones de variable aleatoria.
• Función de probabilidad.
• Función de la densidad y la distribución.
• Esperanza matemática. Varianza y desviación típica.
• Distribuciones discretas.
  • Distribución de Bernoulli.
  • Distribución binomial.
  • Distribución geométrica.
  • Distribución de Poisson.
  • Distribuciones continuas.
  • Distribución uniforme.
  • Distribución exponencial.
  • Distribución normal.
  • Puntuación Z.
• Teorema del límite central.
• Autoevaluación.
• Resumen.

Tema VII. Inferencia estadística:

• Introducción.
• Estimación.
• Métodos de inferencia estadística.
• Hipótesis.
  • Ejemplos de hipótesis.
• Región crítica.
• Intervalo de confianza.
• Significación.
  • Ejemplo.
• Teoría del error en el contraste de hipótesis.
  • Ejercicios resueltos. Contraste para una media.
  • Ejercicio resuelto. Contraste para una varianza.
  • Ejercicio resuelto, para proporciones.
  • Ejercicio resuelto, una proporción.
  • Ejercicio resuelto, continuación.
  • Ejercicio resuelto, comparación de dos medias muestrales.
  • Ejercicio resuelto, comparación de dos proporciones.
• Contraste de hipótesis para muestras pequeñas.
• Modelo t de Student.
  • Ejercicios resueltos.
  • Ejercicio resuelto, t para una proporción.
  • Ejercicio resuelto, t para dos medias.
  • Ejercicio resuelto, t para dos muestras relacionadas.
• El modelo de ji cuadrado (χ2).
  • Ejercicio resuelto, máximo esperado con.
  • Ejercicio resuelto, modelo de Fisher.
  • Prueba Ji cuadrado, modelos no parametrizados.
  • Ejercicio resuelto, Ji cuadrado para dos proporciones.
• Autoevaluación.
• Resumen.

Tema VIII. Prácticas en SPSS:

• Reconocimiento del programa.
• Práctica 1. Introducción de datos al SPSS.
• Práctica 2. Tablas de frecuencias en SPSS.
• Práctica 3. Estadísticos descriptivos con SPSS.
• Práctica 4. Gráficos en SPSS.
• Práctica 5. Regresión lineal simple con SPSS.
• Práctica 6. Tablas de contingencia con SPSS.
• Práctica 7. Tabla de contingencia de variables cuantitativas en intervalos.
• Práctica 8. Ji-cuadrado X2 con SPSS.
• Práctica 9. Prueba t para muestras relacionadas.
• Práctica 10. Prueba t para muestras independientes.
• Práctica 11. ANOVA.
• Práctica 12. Contraste no paramétrico para muestras relacionadas.
• Práctica 13. Contraste no parametrizado para muestras independientes.
• Autoevaluación.
• Resumen.

Tema IX. Ejercicios con R GUI:

• Estadística descriptiva.
• Gráficos para datos agrupados en intervalos.
• Medidas de posición y dispersión.
• Tablas de doble entrada.
• Cálculo de probabilidades.
• Distribución binomial.
• Distribución de poisson, geométrica e hipergeométrica.
• Modelos unidimensionales continuos.
  • Distribuciones uniforme, beta, gamma, de cauchy y logística.
• Modelos unidimensionales asociados a la normal.
  • Distribución χ2 de Pearson.
  • Distribución t de student.
• Estimación, intervalos y test para una y dos muestras.
• Test para la media de una población normal.
• Análisis de la varianza.
  • Ejemplo 21. Análisis de la varianza.
  • Ejemplo 22. Tukey HSD para comparaciones múltiples.
  • Ejemplo 23. Diseño por bloques aleatorizados de un factor.
  • Ejemplo 24. Diseño por bloques aleatorizados de dos factores.
• Regresión lineal y correlación.
  • Ejemplo 25. Regresión lineal simple.
  • Ejemplo 26. Correlación de dos variables.
• Pruebas χ2.
• Autoevaluación.
• Resumen.

Apéndice: Tabla de estadísticas:

• Tabla 1: Distribución normal.
• Tabla 2: Distribución t de Student.
• Tabla 3: Distribución χ2.
• Tabla 4: Distribución F de Fisher.
• Tabla 5: Probabilidades binomiales.
• Tabla 6: Probabilidades de Poisson.
• Tabla 7: Tabla de números al azar.
• Tabla 8: Base de datos obesidad.
• Tabla 9: Calcio.
• Tabla 10: Lectura.
• Tabla 11: Osteoporosis.
• Tabla 12: Semillas.