Contenido

1. Elementos de inferencia estadística (Repaso)
1.1 Población y muestra, parámetros y estadísticos
1.2 Distribuciones de probabilidad e inferencia
1.3 Estimación puntual e intervalos de confianza
1.4 Conceptos básicos de contraste de hipótesis
1.4.1 Planteamiento de una hipótesis estadística
1.4.2 Contraste para la media
1.4.3 Contraste para la varianza
1.4.4 Tres criterios equivalentes de rechazo o aceptación
1.4.5 Hipótesis para dos medias: comparación de dos tratamientos
1.4.6 Contraste para la igualdad de varianzas
1.4.7 Poblaciones apareadas (comparación de dos medias con muestras dependientes)

2. Principios del diseño de experimentos
2.1 El diseño de experimentos hoy
2.2 Definiciones básicas en el diseño de experimentos
2.3 Etapas en el diseño de experimentos
2.4 Consideraciones prácticas sobre el uso de métodos estadísticos
2.5 Clasificación y selección de los diseños experimentales

3. Análisis de Varianza (ANOVA)
3.1 Diseño completamente al azar y ANOVA
3.2 Comparaciones múltiples o pruebas de rango
3.3 Verificación de los supuestos del modelo
3.4 Elección del tamaño muestral
3.5 Métodos no paramétricos en el análisis de varianza
3.5.1 Prueba de Kruskal-Wallis

4. Regresión lineal simple y múltiple
4.1 Regresión lineal simple
4.1.1 Contrastes de hipótesis en regresión lineal simple
4.1.2 Calidad del ajuste en regresión lineal simple
4.1.3 Estimación y predicción por intervalo en regresión simple (Método de mínimos cuadrados. Estimadores de máxima verosimilitud)
4.2 Regresión lineal múltiple
4.2.1 Contrastes de hipótesis en regresión lineal múltiple
4.2.2 Intervalos de confianza y predicción en regresión múltiple
4.2.3 Expresión matricial del modelo y estimadores de los coeficientes. Interpretación de los coeficientes en el modelo múltiple
4.2.4 Prueba de “ligaduras” para resolver restricciones lineales sobre los coeficientes

5. Modelos lineales generalizados y mixtos
5.1 Regresión logística: variables respuesta dicotómicas
5.2 Estimación de parámetros e interpretación de coeficientes
5.3 Evaluación del ajuste del modelo
5.4 Aplicaciones y ejemplos en clasificación binaria

6. Análisis de la supervivencia
6.1 Conceptos básicos: tiempo hasta el evento, censura
6.2 Funciones de supervivencia y de riesgo
6.3 Estimación de la función de supervivencia: método de Kaplan-Meier
6.4 Comparación de funciones de supervivencia: test log-rank
6.5 Modelos de regresión para datos de supervivencia: modelo de Cox

7. Análisis multivariante (introducción)
7.1 Análisis de componentes principales (PCA): reducción de dimensionalidad
7.2 Interpretación de los componentes y varianza explicada
7.3 Representación gráfica y aplicaciones prácticas