Este curso contribuye al desarrollo de la competencia transversal ''Considerar la intervención de la estadística desde la fase de diseño de la investigación, durante la ejecución de la misma y en el análisis e interpretación de los resultados''. Al finalizarlo el estudiante podrá valorar la intervención de la estadística en la investigación de un problema de las ciencias farmacéuticas, desde la fase de diseño de ésta, durante su ejecución y en el análisis e interpretación de los resultados. Las unidades temáticas del curso son las siguientes:
Estadística descriptiva.
Probabilidad y distribuciones de probabilidad.
Estimación puntual y por intervalo.
Pruebas de hipótesis.
Análisis de la varianza.
Análisis de regresión.
En clases se utiliza Microsoft Excel como herramienta principal.
El análisis de regresión, una de las herramientas más utilizadas en Data Science, comprende métodos estadísticos para la estimación de las relaciones entre una variable respuesta y una o varias variables independientes. Esta asignatura entrega a los estudiantes una sólida base para estimar modelos de regresión lineales, analizar sus supuestos, predecir observaciones a partir de estos modelos, y aplicar técnicas de diagnóstico. Además, permitirá a los estudiantes desarrollar estrategias para construir modelos útiles y presentar otras metodologías utilizadas actualmente en el análisis de regresión. Todo lo anterior se realizará mediante el uso de R, el cual es un software especializado para el análisis de datos. Al final de la asignatura, los estudiantes presentan un proyecto final (ya sea teórico o aplicado), entregando un manuscrito y realizando una presentación oral al curso. Las unidades temáticas de la asignatura son las siguientes:
Regresión lineal múltiple.
Métodos de diagnóstico para la regresión.
Problemas en regresión con los predictores y con el error.
Selección de modelos.
Tópicos avanzados en regresión.
Modelos de regresión logísticos y de Poisson.
Introducción a los modelos lineales generalizados.
Proyecto teórico o aplicado.
En clases se utiliza R junto a RStudio como herramientas principales.
Al finalizar la asignatura el estudiante será capaz de comprender los fundamentos de la Inferencia Estadística. Tópicos como distribuciones en el muestreo, estimación y pruebas de hipótesis para parámetros poblacionales de interés, y análisis de varianza son expuestos aquí, haciendo énfasis tanto en lo teórico como en lo práctico (aplicaciones en Ingeniería y Ciencias). Además, y como apoyo al aspecto práctico de la asignatura, el estudiante dominará R a nivel básico para el análisis de datos correspondiente.. Las unidades temáticas de la asignatura son las siguientes:
Distribuciones muestrales.
Estimación puntual.
Estimación por intervalo.
Pruebas de hipótesis.
Análisis de varianza.
Pruebas no paramétricas.
En clases se utiliza R junto a RStudio como herramientas principales.