Curso de Bioestadística

Introducción

• ¿Qué es la bioestadística?

• ¿Por qué es importante en la investigación biomédica?

• Principales aplicaciones de la bioestadística en la investigación biomédica

Estadística descriptiva

• Medidas de tendencia central (media, mediana, moda)

• Medidas de dispersión (rango, desviación estándar, varianza)

• Histogramas y gráficos de dispersión

• Tablas de frecuencia

Probabilidad

• Conceptos básicos de probabilidad

• Distribuciones de probabilidad (normal, t, chi-cuadrado, F)

• Teorema de Bayes

Estadística inferencial

• Conceptos básicos de estadística inferencial

• Error estándar y intervalos de confianza

• Pruebas de hipótesis (t-student, chi-cuadrado, ANOVA)

• Correlación y regresión lineal simple

Análisis multivariante

• Regresión lineal múltiple

• Análisis de varianza multivariante (MANOVA)

• Análisis de componentes principales (PCA)

Ejercicios y ejemplos

• Análisis de datos de investigación biomédica

• Interpretación de resultados de pruebas estadísticas

• Ejemplos prácticos de análisis de datos biomédicos

Es importante destacar que la bioestadística es una rama de la estadística que se enfoca en la aplicación de los métodos estadísticos en la investigación biomédica. Por lo tanto, es importante que los ejemplos y ejercicios estén enfocados en aplicaciones biomédicas para que los estudiantes puedan entender la importancia de la bioestadística en esta área de la investigación.

Bioestadística

La bioestadística es una rama de las estadísticas que se enfoca en la aplicación de métodos estadísticos en la investigación biomédica. Los bioestadísticos desempeñan un papel clave en la protección de la salud pública y en la mejora de la calidad de vida de las personas a través de la investigación cuantitativa. La bioestadística ayuda a transformar los datos relacionados con la salud pública en una forma comprensible, lo que facilita su aplicación en la práctica. Es importante en la investigación biomédica porque los bioestadísticos son responsables del diseño y desarrollo de marcos de investigación, monitoreo y gestión de datos, y análisis y presentación de informes. Las aplicaciones principales de la bioestadística en la investigación biomédica incluyen la estadística descriptiva, la probabilidad, la estadística inferencial y el análisis multivariado. Es vital para los estudiantes enfocarse en las aplicaciones biomédicas de la bioestadística para comprender la relevancia de la bioestadística en la investigación.

Estadística descriptiva: Este es el estudio de los datos que se han recolectado. Se utiliza para resumir y describir datos de una manera significativa para que puedan ser entendidos y analizados fácilmente. Algunos de los conceptos más comunes en estadística descriptiva incluyen la media, la mediana, la moda, el rango, la desviación estándar, y la varianza.

Ejemplo: Supongamos que se tienen los siguientes datos de edad de una muestra de personas: 25, 27, 30, 34, 38, 41, 45, 50. Podemos calcular la media, la mediana, y la moda de la siguiente manera:

• Media: (25 + 27 + 30 + 34 + 38 + 41 + 45 + 50) / 8 = 35.5

• Mediana: El valor medio es 34

• Moda: No existe una moda única

Ejercicio: Calcula la media, la mediana y la moda de los siguientes datos: 10, 20, 30, 40, 50, 60, 70, 80.

Probabilidad: La probabilidad es la medida de la posibilidad de que ocurra un evento. Se basa en la idea de que los eventos futuros son inciertos y se pueden describir en términos de la probabilidad de que ocurran. La probabilidad se expresa como un número entre 0 y 1, donde 0 significa que el evento nunca ocurrirá y 1 significa que el evento siempre ocurrirá.

Ejemplo: Supongamos que se tira un dado justo. La probabilidad de que salga un 6 es de 1/6 o aproximadamente 0.17.

Ejercicio: ¿Cuál es la probabilidad de que al lanzar una moneda justa, salga cara?

Estadística inferencial: Este es el proceso de hacer generalizaciones sobre una población a partir de una muestra de datos. Estos métodos se utilizan para sacar conclusiones y hacer predicciones sobre una población más grande a partir de una muestra más pequeña. Algunos de los conceptos más comunes en estadística inferencial incluyen la estimación de intervalos de confianza y las pruebas de hipótesis.

Ejemplo: Supongamos que se quiere saber si los estudiantes de una universidad tienen un promedio de calificación mayor que 75. Se puede tomar una muestra de estudiantes y calcular el promedio de calificación de la muestra. Luego, se puede hacer una inferencia sobre la calificación promedio de toda la población.

Ejercicio: Un fabricante de baterías afirma que la duración media de sus baterías es de 20 horas. Se toma una muestra de 50 baterías y se encuentra que la duración media es de 18 horas con una desviación estándar de 4 horas. ¿Se puede afirmar que la duración media de las baterías es menor de 20 horas? Usa un nivel de significación del 5%.

Análisis multivariante: Este es el estudio de la relación entre varias variables al mismo tiempo. Se utiliza para analizar cómo varias variables afectan a un resultado en particular. Algunas de las técnicas más comunes en análisis multivariante incluyen el análisis de regresión, el análisis de varianza multivariante, y el análisis de componentes principales.

Ejemplo: Supongamos que se quiere saber cómo la edad y el ingreso afectan la probabilidad de comprar un automóvil. Se puede utilizar una técnica de análisis multivariante para analizar la relación entre estas tres variables.

Ejercicio: Se tiene un conjunto de datos con información sobre la edad, el ingreso y el nivel de educación de una muestra de personas. Utiliza el análisis de componentes principales para reducir la dimensionalidad de los datos y explicar la mayor cantidad de variabilidad posible.