Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONTENIDO TERICO:
1. Almacenamiento y procesamiento de los datos de una investigacin.
2. Bases de datos: diseo, grabacin, exportacin.
3. Control de calidad de la informacin contenida en una base de datos.
4. Variables: tipos y escalas de medida de las variables adecuadas.
5. Introduccin al software estadstico STATA 12.0. Uso eficiente.
6. Descripcin de la informacin: estadsticos y grficos descriptivos.
a. Estadsticos de centralidad: media, mediana, moda, media geomtrica
b. Estadsticos de dispersin: varianza, desviacin estndar, MEDA, rango intercuartlico
c. Estadsticos de forma: coeficientes de asimetra y apuntamiento
d. Grficos para descripcin de variables cualitativas
e. Grficos para la descripcin de variables cuantitativas
7. Probabilidad y leyes de probabilidad.
a. Distribuciones de probabilidad para variables aleatorias discretas: Bernouilli, Binomial, Poisson
b. Distribuciones de probabilidad para variables aleatorias continuas: Normal, t dStudent, F de Fisher,
Chi-cuadrado
8. Conceptos de inferencia y construccin de Intervalos de Confianza
a. para 1 parmetro
b. para la diferencia de 2 parmetros
9. Contrastes de hiptesis.
a. Hiptesis nula y alternativa. Estadstico de contraste Nivel de significacin . P-valor y regla de
decisin
b. Pruebas de conformidad:
1. Contraste de hiptesis para 1 media
2. Contraste de hiptesis para 1 proporcin
10. Contrastes de hiptesis para dos o ms parmetros.
a. Pruebas de homogeneidad para 2 parmetros: medias, proporciones, varianzas
b. Comparacin de ms de 2 medias:
1. Anlisis de la Varianza
2. Problema de las comparaciones mltiples: Ajuste tradicional (Bonferroni) y False Discovery Rate
11. Contrastes de hiptesis no paramtricos
a. Para comparacin de 2 variables cualitativas: prueba de Chi-cuadrado
b. Para comparacin de 2 variables cuantitativas: prueba de Mann-Whitney
c. Para comparacin de ms de 2 variables cuantitativas: test de Kruskal-Wallis
12. Covarianza y Correlacin Lineal
a. Diagrama de dispersin de 2 variables cuantitativas
b. Covarianza
c. Coeficiente de correlacin lineal de Pearson
d. Coeficiente de correlacin no paramtrico de Spearman.
11. Modelos de Regresin Lineal Simple y Mltiple
a. Estratificacin
b. Interaccin
c. Chequeo del modelo
12. Realizacin de ejemplos prcticos con STATA 12.0 para Windows. Interpretacin de los resultados. Uso
eficiente del software. Reproducibilidad.
OBJETIVOS:
Familiarizar a los alumnos con el concepto de variabilidad, su importancia en la descripcin de datos y en la determinacin de
diferencias entre grupos. Que sepan utilizar las herramientas de anlisis estadstico bsicas adecuadas a la naturaleza de los datos
a describir y analizar. Conocer el software estadstico STATA 12.0 en el que estn implementadas estas herramientas y usarlo de
forma eficiente.
El curso tiene un carcter terico-prctico y el uso del software se ensea de tal modo que la eficiencia y la reproducibilidad de
cualquier anlisis sea el objetivo. Para ello ser necesario que cada alumno disponga de su propio ordenador porttil.
Propuesta de cursos para convocatoria 2015_CSIC_Postgrado.doc
2/5
PROFESORES:
M JOS BLEDA HERNNDEZ (Licenciada en Ciencias y Tcnicas Estadsticas por la Universidad Carlos III de Madrid; Diplomada
en Estadstica por la Universidad Politcnica de Catalua)
CONTENIDO TERICO:
OBJETIVOS:
Acercar a los asistentes a los Modelos de Regresin Lineal dnde es de inters la asociacin lineal de una o varias variables
independientes con una variable de inters que se desea estudiar. Conocer las asunciones subyacentes de los Modelos de
Regresin. Conocer el software estadstico STATA 12.0 y uso eficiente para la estimacin de Modelos de Regresin. Ser necesario
que cada alumno disponga de su propio ordenador porttil.
PROFESORES:
M JOS BLEDA HERNNDEZ (Licenciada en Ciencias y Tcnicas Estadsticas por la Universidad Carlos III de Madrid; Diplomada
en Estadstica por la Universidad Politcnica de Catalua)
Propuesta de cursos para convocatoria 2015_CSIC_Postgrado.doc
4/5
CONTENIDO TERICO:
1. Introduccin, nomenclatura, hiptesis de una investigacin y diseo de experimentos
2. Planificacin de una investigacin
a. Introduccin
b. Pasos en una investigacin: Ciclo PDCA
c. Diseando una investigacin
Componentes del sistema
Estudio piloto
Validacin y buena prctica estadstica
Ventajas y desventajas de una investigacin estadstica
3. Introduccin al software estadstico STATGRAPHICS: mdulo de diseo experimental
4. Medicin y fuentes de variabilidad
a. Tipos y causas de variabilidad
b. Sesgos, variacin sistemtica y aleatoria
c. Muestreo y recoleccin de datos
d. Digitalizacin, grabacin y presentacin
e. Redondeo y cifras significativas
f. Descripcin de los datos
g. Preprocesamiento de los datos
5. Diseo de experimentos
i. Terminologa: tratamientos, unidades experimentales, error experimental
ii. Hiptesis de investigacin
iii. Mtodo tradicional
iv. Metodologa del diseo experimental
a. Objetivo de la experimentacin
b. Identificacin de factores
c. Plan de experimentacin
d. Realizacin de la experimentacin
e. Interpretacin de resultados
v. Diseos Factoriales
a. Tipos de efectos: simples, principales e interaccin
b. Matriz de diseo
c. con 2 factores a 2 niveles (22) con 1 rplica
d. con 2 factores a 2 niveles (22) con 3 rplicas: ejemplo hormign asfltico
e. Tabla ANOVA para un Factorial 22 con r rplicas: descomposicin de la variabilidad total
f. Contrastes de hiptesis en la tabla ANOVA
g. Tipos de interaccin entre 2 factores
h. Diseos Compuestos Centrales
vi. Diseos Factoriales con k factores a 2 niveles
a. Factorial 2k completo
b. Bloques
c. Diseos Factoriales Fraccionales
vii. Diseos de Superficies de Respuesta
viii. Diseos Factoriales con k factores a 3 niveles: 3k
ix. Diseos complejos
a. Modelizacin emprica y transformacin de variables
b. Factoriales Fraccionales a 3 niveles: Box y Behnken
c. Factoriales con mezcla de factores a distintos niveles
d. Diseos centrales rotatorios con dos variables de respuesta
e. Ejercicios de diseos complejos
6. Interpretacin de los resultados.
7. Ejemplos prcticos con STATGRAPHICS para Windows. Uso eficiente del software.
PROFESORES:
ALBERT MARIA MANICH (Doctor en Ingeniera Industrial por la Universidad Politcnica de Catalua)
M JOS BLEDA HERNNDEZ (Licenciada en Ciencias y Tcnicas Estadsticas por la Universidad Carlos III de Madrid; Diplomada
en Estadstica por la Universidad Politcnica de Catalua)