Facultad de Medicina

Componente: Teórico -práctico

 Descripción: El análisis estadístico de datos empleando herramientas de computo es una parte esencial de la estadística moderna. Esto conlleva retos para los profesionales de trabajan en investigación en salud, quienes no solo deben tener una formación sólida en matemáticas y estadística, además deben tener habilidades en el uso de los programas de computador existentes, y entender los principios detrás de los procedimientos implementados en cada uno de ellos. Por tanto, los profesionales quienes trabajan en investigación deben estar en capacidad de implementar procedimientos de computo a la medida de sus problemas de análisis de datos, y no ajustar sus problemas a las herramientas disponibles; esto implica habilidades para programar y mantener códigos eficientes y reproducibles.

Resultados de aprendizaje esperado:

Al finalizar el curso, el estudiante deberá ser capaz de:

• ¿Emplear los conceptos básicos de programación para la implementación de soluciones estadísticas en problemas de análisis de datos?
• ¿Diseñar un plan para la lectura, limpieza, depuración y análisis estadístico básico de la información proveniente de una investigación clínica
• ¿Producir código adecuado y reproducible para el desarrollo de tareas de limpieza, depuración, análisis exploratorio y visualización de un archivo de datos?
• ¿Construir escenarios de simulaciones estocásticas para la comprensión de problemas reales?
• ¿Comprender la importancia de la implementación de un análisis estadístico reproducible

Contenidos temáticos

1.         Algoritmos.

2.         Pseudódigo

3.         Variables y tipos de datos

4.         Operadores y expresiones

5.         Estructuras

6.         Condicionales

7.         Bucles

8.         Funciones

9.         Recursividad

10.       Markdown

11.       Git/Github

12.       Introducción a R, Rstudio y Rstudio cloud

13.       Lectura e importación de datos

14.       Datos relacionales

15.       Depuración y limpieza de datos

16.       Gráficos estadísticos

17.       Tablas estadísticas

18.       Simulación estadística

19.       Expresiones regulares

20.       Introducción a la investigación reproducible

21.       Otros tópicos: Shiny, Python