Programa de master

Curso

Nombre

TRATAMIENTO Y ANÁLISIS DE DATOS MEDIANTE UN PAQUETE ESTADÍSTICO

Profesor/es Responsable/s

Antonio Martín Andrés; Juan de Dios Luna del Castillo; Mª Teresa Miranda León

Universidad

1 Universidad de Granada

Materia Temática

5 METODOLOGÍA DE LA INVESTIGACIÓN EN PEDIATRÍA

Creditos

Caracter

Obligatorio

Información

Contenidos:
- ANOVA: Análisis de la Varianza paramétrico de una vía . Comprobación de las condiciones del modelo: Independencia, Normalidad y Homogeneidad de varianzas. Comparaciones Múltiples (por parejas y contra un control). Contrastes “a priori” y “a posteriori”. Contrastes ortogonales. Tamaño de muestra. Detección de observaciones extremas. Datos faltantes. Modelos de ANOVA. Casos de varianzas distintas.
- Análisis de la Varianza de dos vías paramétrico. Comprobación previa de las condiciones del modelo. Comparaciones múltiples (todas por parejas y todas contra un control). Interacción. Contrastes. Tamaño de muestra. Observaciones extremas y datos faltantes. Modelos de Anova de 2 vias. Diseños factoriales. Análisis de la varianza para medidas repetidas. Caso de varianzas distintas.
- Análisis de la Varianza no paramétrico de una y dos vías: Test de Kruskal-Wallis, Friedman y Cochran. Comparaciones múltiples.
- Introducción a la Regresión Lineal. Regresión Múltiple. Comprobación de las hipótesis del modelo. Inferencias en Regresión (Tests e Intervalos de Confianza). Predicciones. Procedimientos de selección de variables. Variables “dummy” o de paja.
- Regresión polinómica. Determinación del grado del polinomio de mejor ajuste.
- Correlación lineal simple. Coeficientes de correlación de Pearson (paramétrico) y Spearman (no paramétrico). Inferencias en correlación. Variables mixtas.
- Correlación lineal múltiple. Razón de correlación. Correlación parcial múltiple

Competencias:
- Diseñar y analizar comparaciones de medias con varias muestras independientes, tanto en el caso de variables aleatorias normales como en el caso de variables aleatorias no-normales.
- Conocer las hipótesis que subyacen en los modelos anteriores, llevar a cabo las acciones oportunas para contrastar su verificación y, en su caso, tomar las medidas convenientes para conseguir que se verifiquen las mismas.
- Realizar las comparaciones “a posteriori” en el caso de la significación del test global del análisis de la varianza, aplicando las penalizaciones correspondientes.
- Llevar a cabo los análisis anteriores con un paquete estadístico creando la base de datos oportuna para ello.
- Adquirir las competencias 1 a la 4 para el caso del análisis de la varianza de dos vías, distinguiendo entre los diferentes modelos posibles (ambos factores de efectos fijos, ambos factores de efectos aleatorios y modelo mixto).
- Analizar mediante regresión lineal múltiple la asociación de una variable dependiente y un conjunto de covariables desde una perspectiva multivariante.
- Conocer las condiciones en las que es aplicable la técnica de la regresión lineal múltiple, ser capaz de contrastarlas y saber aplicar las transformaciones oportunas para que se verifiquen las mismas.
- Valorar la calidad de ajuste del modelo a nivel global (tests de bondad de ajuste) y a nivel local (análisis de residuos para la detección de valores extremos y de datos influyentes).
- Determinar cuándo un modelo lineal no es aplicable y emplear técnicas de regresión polinómica para estos casos.
- Llevar a cabo los análisis de las competencias 6 a la 9 mediante un paquete estadístico, creando la base de datos oportuna.