Propósito formativo
Que el estudiante comprenda la naturaleza de sus datos, identifique correctamente las unidades experimentales y construya una base de datos adecuada para el análisis estadístico.

Contenidos principales

• Datos en investigación 

• Unidades experimentales y observaciones

• Tipos de variables 

  • Categóricas (nominales y ordinales)

  • Numéricas (discretas y continuas)

• Variable respuesta y variables explicativas

• Errores frecuentes de diseño experimental

  • Pseudorreplicación

  • Confusión entre tratamiento y réplica

• Estructura correcta de una base de datos

  • Formato largo y formato ancho

  • Errores comunes en hojas de cálculo

Trabajo práctico en R

• Introducción a R y RStudio

• Importación de bases de datos

• Inspección de la estructura de los datos

• Identificación de tipos de variables

• Corrección de problemas básicos de formato

Resultado del módulo
El estudiante cuenta con una base de datos clara, coherente y preparada para su exploración y análisis.

Propósito formativo
Desarrollar la capacidad de explorar datos con criterio biológico, identificando patrones, variabilidad y posibles problemas antes de aplicar análisis inferenciales.

Contenidos principales

• Importancia de la exploración de datos

• Estadística descriptiva 

• Visualización de datos como herramienta analítica

• Distribuciones de datos 

• Identificación de valores atípicos

• Variabilidad biológica y error experimental

Trabajo práctico en R

• Cálculo de estadísticas descriptivas

• Elaboración de gráficos exploratorios

  • Histogramas

  • Diagramas de caja

  • Gráficos de dispersión

• Interpretación guiada de resultados

• Discusión de patrones 

Resultado del módulo
El estudiante adquiere criterios para evaluar la naturaleza de sus datos y anticipar el tipo de análisis estadístico adecuado.

Propósito formativo
Comprender el papel de los supuestos estadísticos y el razonamiento detrás de las pruebas de hipótesis, evitando el uso mecánico de procedimientos.

Contenidos principales

• Concepto de supuesto estadístico

• Normalidad: interpretación y limitaciones

• Homogeneidad de varianzas

• Independencia de los datos

• Estrategias cuando los supuestos no se cumplen

• Fundamentos de las pruebas de hipótesis

  • Hipótesis nula y alternativa

  • Interpretación del p-valor

  • Significancia estadística 

• Errores comunes en trabajos de tesis

Trabajo práctico en R

• Evaluación gráfica de supuestos

• Pruebas estadísticas de normalidad

• Ejecución de pruebas básicas

• Interpretación paso a paso de resultados

Resultado del módulo
El estudiante comprende qué significa evaluar hipótesis y cómo interpretar la validez de los análisis estadísticos realizados.

Propósito formativo
Capacitar al estudiante para seleccionar, ejecutar e interpretar análisis estadísticos acordes con su diseño experimental.

Contenidos principales

• Lógica de decisión estadística en investigación

• Comparación de dos grupos

  • t-test

  • Mann–Whitney

• Comparación de más de dos grupos

  • ANOVA

  • Kruskal–Wallis

• Relación entre variables

  • Correlación

• Tamaño de efecto

• Intervalos de confianza

• Revisión crítica de pseudorreplicación

• Errores comunes en la elección de pruebas

Trabajo práctico en R

• Ejecución de análisis con datos reales

• Comparación e interpretación de resultados

• Visualización final de análisis

• Uso de scripts comentados paso a paso

Resultado del módulo
El estudiante desarrolla autonomía para analizar datos de investigación y justificar cada decisión estadística.

Propósito formativo
Fortalecer la capacidad del estudiante para comunicar resultados estadísticos de forma clara, rigurosa y defendible en un trabajo académico.

Contenidos principales

• Interpretación adecuada de resultados estadísticos

• Resultados significativos y no significativos

• Criterios de reporte estadístico

• Redacción de resultados en tesis

• Errores frecuentes en la escritura científica

• Justificación de decisiones estadísticas

• Preparación para la defensa y discusión académica

Trabajo práctico en R

• Extracción de resultados listos para reporte

• Redacción guiada de párrafos de resultados

• Análisis de ejemplos reales de tesis

• Discusión crítica de interpretaciones

Resultado del módulo
El estudiante puede comunicar y defender sus resultados estadísticos con claridad, rigor conceptual y criterio científico.