Descripción

En el panorama actual de la investigación y la docencia, el dominio de herramientas de programación estadística es un factor clave para la reproducibilidad y la sofisticación del análisis de datos. El curso "Salvavidas Estadístico online con R: análisis de datos y generación de resultados de investigación" está meticulosamente diseñado para elevar las competencias de docentes e investigadores, proporcionándoles un control exhaustivo y flexible sobre sus datos mediante el uso del lenguaje R, el software estadístico de código abierto más potente y flexible a nivel mundial.

Este curso está dirigido a aquellos docentes e investigadores que buscan trascender las limitaciones de las interfaces gráficas para implementar análisis más completos y generar visualizaciones personalizadas y de alta calidad para sus publicaciones científicas. A través de un enfoque práctico y centrado en la estadística bivariada, los participantes aprenderán a manejar scripts reproducibles para gestionar bases de datos, aplicar un amplio espectro de pruebas estadísticas avanzadas (incluyendo ANOVA de medidas repetidas, modelos no paramétricos avanzados y análisis de supervivencia), e interpretar estos resultados para generar conocimiento de vanguardia.

Competencias

Competencias Básicas/Generales (CB/CG) Estas competencias se reenfocan en el entorno de programación R para la investigación reproducible y la visualización avanzada.

• CB/CG.1. Adquisición y Programación del Conocimiento: Ser capaz de adquirir, comprender e implementar conceptos estadísticos avanzados utilizando el lenguaje de programación R, garantizando la reproducibilidad del análisis en el ámbito de la investigación.

• CB/CG.2. Independencia y Adaptación Analítica (R): Desarrollar la capacidad de aprendizaje autónomo y resolución de problemas en el ecosistema de R (paquetes, funciones y sintaxis), permitiendo la independencia para abordar cualquier proyecto de análisis de datos complejo.

• CB/CG.3. Comunicación de Resultados con Visualización Avanzada: Poseer las habilidades para crear y optimizar visualizaciones de datos avanzadas (como Violin-plots, Beeswarm o Sankey) utilizando R, e interpretar los resultados estadísticos obtenidos para su defensa rigurosa en foros científicos.

• CB/CG.4. Apoyo a la Docencia con Metodologías de Vanguardia: Facilitar las herramientas para dirigir Trabajos de Fin de Grado y Máster, utilizando metodologías estadísticas y de programación actuales y de código abierto (R). Competencias Específicas (CE) Estas competencias están directamente ligadas a los contenidos avanzados y al dominio de R para la implementación de las técnicas específicas.

• CE.1. Dominio del Entorno R y Gestión de Datos: Manejar con fluidez el entorno de R y RStudio, incluyendo la creación, depuración y manipulación de bases de datos (limpieza, transformación y estructuración) mediante scripts de programación.

• CE.2. Aplicación de Estadística Descriptiva y Gráficos Exploratorios: Implementar en R las funciones de estadística descriptiva y generar gráficos exploratorios esenciales (histogramas, box-plots, diagramas de puntos) para la inspección inicial de las propiedades de los datos.

• CE.3. Selección y Evaluación de Modelos Inferenciales: Aplicar el "Salvavidas Estadístico" avanzado para seleccionar el test inferencial apropiado (paramétrico o no paramétrico) tras evaluar los supuestos clave, como la normalidad, utilizando las librerías de R.

• CE.4. Implementación de Pruebas de Inferencia Bivariante: Ejecutar y saber interpretar en R tanto las pruebas paramétricas (t de Student, Correlación de Pearson, $chi^2$ de Pearson) como sus alternativas no paramétricas (Wilcoxon, U de Mann Whitney, Correlación de Spearman) para el estudio de la relación entre diferentes tipos de variables.

• CE.5. Análisis Avanzado de Diferencias de Grupos y Medidas Repetidas: o Implementar en R el Análisis de Varianza (ANOVA), incluyendo el ANOVA de medidas repetidas, y sus equivalentes no paramétricos (Kruskal Wallis, Friedman, Cochran), para comparar múltiples grupos o mediciones temporales.

•CE.6. Modelado de Supervivencia y Visualización Compleja: Aplicar y analizar el Modelo de Kaplan-Meier para el Análisis de Supervivencia y utilizar funciones avanzadas de R para generar gráficos complejos y personalizados (diagramas de Sankey, gráficos de interacción) que sinteticen resultados complejos.

Metodología

El curso contempla 25 horas de formación (1 crédito ECTS), estructuradas de manera asíncrona. Incluye horas destinadas al visionado de video tutoriales y la lectura de materiales didácticos que cubren la teoría y la sintaxis de R, junto con una dedicación de trabajo individual práctico para la escritura y depuración de scripts de R, replicando los análisis cubiertos. Cada módulo facilita el material audiovisual, scripts de ejemplo, y bibliografía para la profundización de los conocimientos de programación estadística.

Evaluación

Ejercicios de carácter obligatorio mediante cuestionarios (55%) y prueba final de evaluación (45%)

Observaciones

El programa del curso:

1. Introducción al análisis estadístico.

2. Creación de bases de datos.

3. Estadística descriptiva I: Tipos de medidas.

4. Estadística descriptiva II: Cálculo y visualización.

5. Salvavidas Estadístico: tipos de variables, normalidad y relación entre variables.

6. t de Student para variables dependientes. Histogramas.

7. t de Student para variables independientes. Gráficos de barras.

8. Wilcoxon. Gráficos de líneas.

9. U de Mann Whitney. Box-plots.

10. Chi-Cuadrado de Pearson. Gráfico de sectores.

11. Correlación de Pearson. Diagrama de puntos.

12. Correlación de Spearman. Matriz de correlaciones.

13. ANOVA. Violin-plot.

14. ANOVA de medidas repetidas. Gráfico de puntos.

15. Kruskal Wallis. Gráfico de Beeswarm.

16. Friedman. Gráfico de interacción.

17. McNemar. Gráfico de Sankey.

18. Chi-Cuadrado de Pearson politómica. Gráfico de barras.

19. Cochran. Gráfico de barras apiladas.

20. Análisis de supervivencia. Kaplan Meier