Introducción al Análisis de Datos – MEBE 103

SÍLABO 2020-1

1. DATOS GENERALES

FACULTAD Ciencias de la Salud

CARRERA Medicina Humana
CONDICIÓN Obligatorio
CRÉDITOS 4
HORAS TOTALES 48 horas teóricas, 32 horas prácticas
RESPONSABLE DEL CURSO Jorge Maguiña
DOCENTES Jorge Maguiña / Eddy Segura
JEFES DE PRÁCTICA Ninguno
REQUISITOS Introducción al análisis de datos
COMPETENCIAS N1, PT1.1

COMPETENCIA DESCRIPCIÓN DEL NIVEL DE COMPETENCIA

General Comunicación N1: Define sus ideas de manera clara y convincente, de manera
oral y escrita, expresando sus opiniones en el contexto
académico.
Específica Principios teóricos PT1.1. Emplea un adecuado manejo de datos con el apoyo del
software estadístico Stata. Así como también entiende la
importancia de la estadística inferencial.

2. SUMILLA

El curso de Introducción al Análisis de datos (IAD) es un curso de naturaleza teórica-practica y tiene como objetivo la
revisión y discusión de los conceptos y estrategias para el tratamiento inicial de los datos que son el insumo básico para
cualquier manejo estadístico posterior, e introduce los análisis estadísticos y bioestadísticos descriptivos básicos. El curso
presenta los conceptos relacionados a la generación de los datos, su recolección y control de calidad, la limpieza de una
base de datos y las consideraciones para las transformaciones de datos. La estadística descriptiva con fines exploratorios
también es desarrollada, el tratamiento de los datos perdidos, así como las nociones introductorias sobre distribuciones,
probabilidades y escenarios básicos de cálculo de muestra.

3. RESULTADO GENERAL DE APRENDIZAJE

Al finalizar el curso, el estudiante conoce los conceptos y fundamentos de la estructura de datos, el proceso de
generación y recolección de datos, el control de calidad de datos, que podemos resumir como el manejo de los datos, así
como también podrá realizar estadística descriptiva y cálculos para el tamaño de la muestra, todos estos aspectos
permitirán al estudiante tener un pensamiento crítico y estadístico aplicado a las investigaciones en ciencias de la salud.

4. ORGANIZACIÓN DEL APRENDIZAJE

MÓDULO DE
INTRODUCCIÓN AL MANEJO DE DATOS Y TIPOS DE VARIABLES
APRENDIZAJE #1
RESULTADO Al finalizar el módulo, el estudiante aplica los conceptos y herramientas fundamentales para la
generación y recolección de datos, así como el control de calidad de los datos. Así también, el
estudiante tendrá la capacidad de introducirse al manejo de datos en el software estadístico Stata.
SEMANAS Semana 1 - Semana 3
 CONTENIDOS Procesos de generación y recolección de datos, control de calidad y errores comunes, tipos de
INVOLUCRADOS datos/variables, bases de datos y tipos de bases de datos.
Ingreso de datos, control de calidad 2, bases de datos, diccionarios de datos, control de calidad
3, limpieza y check con Excel
Introducción a Stata, ventanas, tips, tipos de archivos (log, do, graphs, dta, etc), exportar a Stata
y guardado de base en Stata y errores comunes.
Exploración de datos con Stata, control de calidad de datos en Stata, problemas comunes y
decisiones en limpieza de datos (datos aberrantes, datos faltantes, selección/eliminación de
variables/columnas, selección/eliminación de unidades/filas).

MÓDULO DE
ESTADISTICA DESCRIPTIVA Y TAMAÑO DE MUESTRA
APRENDIZAJE #2
RESULTADO Al finalizar el módulo, el estudiante es capaz de realizar un manejo de datos en el software
estadístico Stata versión 16.0, desde la transformación de variables evaluación de las
distribuciones y probabilidades, así como cálculos del tamaño de muestra.
SEMANAS Semana 4 - Semana 6
CONTENIDOS Transformaciones de variables, generación de nuevas variables, y tratamiento de datos
INVOLUCRADOS perdidos/faltantes, estadística descriptiva básica y gráficos, etiquetas. Distribuciones y
probabilidades, repaso de tópicos previos. Escenarios de cálculo de muestra con
Stata/OpenEpi/etc, aplicaciones. Repaso, Examen final y trabajo grupal

5. ESTRATEGIAS DIDÁCTICAS

De acuerdo a nuestro Modelo Educativo, la estrategia de aprendizaje que se promueve en el curso es la de:

• Aprendizaje basado en investigación

• Aprendizaje colaborativo

Las estrategias de aprendizaje serán:

• Sesiones dialogadas: Actividad presencial en aula donde se trabajarán las sesiones de enseñanza-aprendizaje
de acuerdo al cronograma y contenidos.
• Lecturas: Documentos científicos referentes a tópicos específicos de la asignatura, donde los estudiantes
realizarán una evaluación crítica del texto de las referencias bibliográficas.
• Casos: Corresponderá a la documentación de un problema de la especialidad con fines de investigación.
• Foros: Con la finalidad de lograr la discusión luego de la revisión del material propuesto con la finalidad de
afianzar los contenidos propuestos.
• Trabajo individual: Evaluación crítica de un artículo científico seleccionado por el coordinador del curso.
• Trabajo Grupal: Presentación de un documento Word, archivo log y gráficos (de ser necesario) del análisis de
una base de datos previamente seleccionada por el coordinador del curso.
• Videos: Visualización y discusión de material audiovisual con la finalidad de lograr mejorar procedimientos.
• Aula Virtual: Interacción a través de la herramienta Blackboard Collaborate

6. FORMA Y HERRAMIENTAS DE EVALUACIÓN

EVALUACIÓN CÓD DETALLE SEMANA PESO

Foro EC1 Foro (Ver pautas en aula virtual) Semana 4 5%
Trabajo individual EC2 Trabajo individual (Ver pautas en aula virtual) Semana 5 15%
Trabajo grupal EC2 Trabajo grupal (Ver pautas en aula virtual) Semana 6 20%
Asistencia y EC2 Asistencia y participación (Ver pautas en aula virtual)
Todas 20%
participación
Evaluación final EF Evaluación final (Ver pautas en aula virtual) Semana 6 40%
 Donde la fórmula es:

EC1 (0.15) + EC2 (0.05) + EC3 (0.20) + EC4 (0.20) + EF (0.40)

7. REFERENCIAS BIBLIOGRÁFICAS

1. Daniel WW; Cross CL. Biostatistics- A foundation for analysis in the health sciences. 10th ed; New Jersey;
Willey; 2013.
2. Baldi B; Moore DS. The Practice of Statistics in the Life Sciences. 3rd ed; New York; W.H. Freeman; 2014.
3. Alan C. Acock. A Gentle Introduction to Stata Sixth Edition. StataPress
4. Mario F. Triola. Estadistica. 10ma Edición. Pearson Addison Wesley. 2009
5. Marcelo Pagano. Fundamentos de Bioestadística. 2da Edición. Thomson International
6. Lisa Daniels, Nicholas Minot. An Introduction to Statistics and Data Analysis Using Stata®. From Research
Design to Final Report. FIRST EDITION. SAGE Publications, Inc; Edición: 1
7. Svend Juul, Morten Frydenberg. An Introduction to Stata for Health Researchers, Fourth Edition. Stata Press
8. Erick L. Suárez, Cynthia M. Pérez, Graciela M. Nogueras, Camille Moreno-Gorrín. Biostatistics in Public Health
Using Stata. CRC Press; Edición: 1.
9. Michael N. Mitchell. Data Management Using Stata: A Practical Handbook. Stata Press; Edición 1.

8. ACTIVIDADES PRINCIPALES

MÓDULO DE SEMANA SESIÓN TEMAS ACTIVIDADES PRINCIPALES

APRENDIZAJE
ACTIVIDAD ACTIVIDAD
PRESENCIAL VIRTUAL
1 1 Procesos de generación Clase magistral Lectura de artículos
y recolección de datos, con exposición recomendados.
control de calidad y participativa.
errores comunes, tipos Practica con Contenidos a ser
de datos/variables, Stata evaluados en el
bases de datos y tipos trabajo individual, foro
de bases de datos. y trabajo grupal.
1 2 Ingreso de datos, Clase magistral Lectura de artículos
control de calidad 2, con exposición recomendados.
bases de datos, participativa.
diccionarios de datos, Practica con Contenidos a ser
control de calidad 3, Stata evaluados en el
limpieza y check con trabajo individual, foro
Excel y trabajo grupal.
2 3 Introducción a Stata, Clase magistral Lectura de artículos
ventanas, tips, tipos de con exposición recomendados.
archivos (log, do, participativa.
graphs, dta, etc), Practica con Contenidos a ser
exportar a Stata y Stata evaluados en el
guardado de base en trabajo individual, foro
Stata y errores y trabajo grupal.
comunes.
3 4 Exploración de datos Clase magistral Lectura de artículos
con Stata, control de con exposición recomendados.
calidad de datos en participativa.
Stata, problemas
 comunes y decisiones Practica con Contenidos a ser
en limpieza de datos Stata evaluados en el
(datos aberrantes, datos trabajo individual, foro
faltantes, y trabajo grupal.
selección/eliminación
de variables/columnas,
selección/eliminación
de unidades/filas).
3 5 Estadística descriptiva Clase magistral Lectura de artículos
básica y gráficos, con exposición recomendados.
etiquetas. participativa.
Practica con Contenidos a ser
Stata. evaluados en el
trabajo individual,
foro y trabajo grupal.
4 6 Transformaciones de Clase magistral Lectura de artículos
variables, generación con exposición recomendados.
de nuevas variables, y participativa.
tratamiento de datos Practica con Contenidos a ser
perdidos/faltantes, Stata evaluados en el
estadística descriptiva trabajo individual,
básica y gráficos, foro y trabajo grupal.
etiquetas
5 7 Distribuciones y Clase magistral Lectura de artículos
probabilidades, repaso con exposición recomendados.
de tópicos previos. participativa.
Practica con Contenidos a ser
Stata evaluados en el
trabajo individual,
foro y trabajo grupal.
5 8 Escenarios de cálculo Clase magistral Lectura de artículos
de muestra con con exposición recomendados.
Stata/OpenEpi/etc, participativa.
aplicaciones. Practica con Contenidos a ser
Stata evaluados en el
trabajo individual,
foro y trabajo grupal.
6 9 Repaso Clase magistral Lectura de artículos
con exposición recomendados.
participativa.
Practica con Contenidos a ser
Stata evaluados en el
trabajo individual,
foro y trabajo grupal.
6 10 Examen final y trabajo Clase magistral Lectura de artículos
grupal con exposición recomendados.
participativa.
Practica con Contenidos a ser
Stata evaluados en el
trabajo individual,
foro y trabajo grupal.