Curso de posgrado: Bioestadística
Tema/resumen
El curso se desarrollará bajo una modalidad teórico-práctica, combinando la exposición de fundamentos conceptuales con la resolución de problemas y el análisis de casos aplicados, con el propósito de promover un aprendizaje activo y el desarrollo de competencias para el análisis estadístico de datos de investigación.
Las actividades se organizarán en encuentros virtuales sincrónicos, en los que los docentes presentarán los principales conceptos teóricos, ejemplificarán su aplicación mediante casos de estudio y realizarán demostraciones utilizando el software estadístico R. Durante las clases se fomentará la participación activa de los estudiantes mediante el planteo de situaciones problemáticas, el intercambio de experiencias y la discusión de diferentes estrategias de análisis e interpretación de resultados.
Como complemento de las clases sincrónicas, los participantes dispondrán de actividades prácticas de resolución individual a través del aula virtual del Campus Virtual de la Universidad Nacional Villa María, orientadas a consolidarlos contenidos abordados en cada módulo. Dichas actividades incluirán ejercicios de análisis de datos, interpretación de resultados y aplicación de modelos estadísticos a situaciones de investigación.
El aula virtual constituirá además el espacio para el acceso al material de estudio, bibliografía, presentaciones, consignas de actividades y comunicación con el equipo docente.
Durante el desarrollo del curso se ofrecerán instancias de consulta y tutoría virtual destinadas a acompañar a los estudiantes en la resolución de las actividades prácticas y en la elaboración del trabajo integrador final. Estas instancias permitirán orientar la selección de estrategias de análisis, resolver dudas metodológicas y favorecer la integración de los contenidos desarrollados a lo largo del curso.
La evaluación integradora consistirá en el análisis e interpretación de situaciones problema utilizando las herramientas estadísticas abordadas durante el cursado, promoviendo la aplicación crítica de los conocimientos adquiridos y su transferencia a contextos reales de investigación.
Disciplina
Matemáticas
Modalidad
Virtual
Institución
UNVM - UNIVERSIDAD NACIONAL DE VILLA MARIA
INSTITUTO ACADEMICO PEDAGOGICO DE CIENCIAS BASICAS Y APLICADAS
Requisitos
Estudiantes de posgrado afines a la biología, bioquímica, alimentos, química, veterinaria, agronomía, docentes y profesionales.
Más información
Programa analítico del curso
El modelo lineal de clasificación: principios del diseño experimental. Experimentos unifactoriales. Pruebas de comparaciones múltiples. Descomposición de sumas de cuadrados mediante contrastes ortogonales. Valoración de supuestos. Experimentos con estructura factorial de tratamientos. Factores cruzados y anidados. Número de repeticiones necesarias para tener la potencia deseada. Experimentos con estructura de parcelas. Diseños completamente aleatorizados, diseños en bloques, parcelas divididas. Combinación de estructuras factoriales de tratamientos con estructuras de parcelas. Modelos que incluyen covariables: Análisis de la covarianza.
El modelo lineal de regresión: Regresión lineal simple. Coeficientes de regresión. Estimación e intervalos de confianza. Prueba de hipótesis. Aplicaciones. Generación de datos bajo un modelo de regresión con parámetros conocidos. Valores predichos, bandas de confianza y predicción. Análisis de residuos. Adecuación del modelo.
El modelo de regresión lineal múltiple. Estimación. Interpretación de los coeficientes de regresión múltiple. Pruebas de hipótesis. Modelo de regresión polinómica. Sumas de cuadrados secuenciales y condicionales. Diagnóstico en regresión lineal múltiple. Leverage, distancia deCook, residuos estudentizados y externamente estudentizados. Residuos parciales. Utilización de variables dummy en regresión múltiple. Comparación dependientes. El problema de la multicolinearidad. Efectos de la multicolinearidad en la estimación. Remedios a la multicolinearidad. Selección de variables. Árboles de regresión y clasificación.
Modelo lineal Mixto: Modelos Lineales de Efectos Mixtos/ Conceptos Generales Modelos Marginales versus Modelos Sujetos Específicos. Modelos para la Estructura de Covarianza Residual. Estimación de Covarianzas en Poblaciones Normales. Inferencia sobre Efectos Aleatorios. Mejor Predictor Lineal Insesgado (BLUP). Criterios de Bondad de Ajuste Modelos para Datos Longitudinales. Modelos Lineales para Curvas de Crecimiento. Modelos de Correlación Espacial.
Para ver más detalles, haga click aquí.