Curso de Bioestadística avanzada con SPSS

Dra. Bertha Alejandra Flores Nuño

Universidad Autónoma Metropolitana

Curso de Bioestadística avanzada con SPSS

Modalidad en video a tu ritmo

Acceso durante 1 año

10 horas totales

$899.00 ($45 USD)

Información general

El objetivo de este curso es proporcionar a los participantes los conocimientos y habilidades avanzadas en bioestadística, mediante una introducción al software SPSS para analizar y visualizar datos de investigación científica. Los asistentes aprenderán a interpretar resultados estadísticos, diseñar estudios y presentar conclusiones sólidas.

Qué aprenderás

Análisis crítico y resolución de problemas

Gestión y manipulación de datos

Presentación y comunicación de datos estadísticos

A quién va dirigido este curso

Investigadores, docentes, estudiantes de posgrado y analistas de datos que trabajan con información cuantitativa y buscan aplicar técnicas estadísticas avanzadas utilizando SPSS. También está orientado a quienes participan en investigaciones aplicadas o académicas, y desean fortalecer sus habilidades en análisis e interpretación de datos.

Beneficios del curso

Certificado de finalización

Constancia de
finalización del curso
y realización de un
proyecto con valor
curricular

Instructores expertos

Aprende directamente de expertos del área de las mejores instituciones de Latinoamérica y el mundo

Educación con proyectos

Realizarás un
proyecto académico
para demostrar las
habilidades
adquiridas en el
curso

Temario

M1 Introducción y repaso de bioestadística básica

Revisión de conceptos clave: Media, varianza y desviación estándar.
Clasificación de variables: Cualitativas y cuantitativas y escalas de medición (nominal, ordinal, intervalo y razón).
Introducción a SPSS (Statistical Package for the Social Sciences): Instalación, reconocimiento de la interfaz y procedimientos para importar datos desde archivos Excel (xlsx) y CSV (.csv)
Limpieza de datos y generación de resúmenes estadísticos descriptivos.
Práctica 1: Gráficos exploratorios básicos: Gráficos de barras, histogramas y boxplots.

M2 Análisis inferencial para investigadores

Introducción a la prueba t (t student): Compara las medias de dos grupos distintos para detectar diferencias significativas.
Pruebas t para muestras independientes y dependientes.
Análisis de varianza (ANOVA) de un factor: Comparar las medias de tres o más grupos para identificar si hay diferencias significativas.
Pruebas post-hoc: Se realizarán después del ANOVA para precisar entre qué grupos ocurren los diferencias encontradas.
Práctica 2: Realización de pruebas t y ANOVA en SPSS (Statistical Package for the Social Sciences).

M3 Análisis Multivariado de la Varianza (MANOVA)

Fundamentos teóricos de MANOVA (Análisis Multivariante de la Varianza).
Interpretación de resultados estadísticos multivariados.
Aplicaciones prácticas de MANOVA en investigaciones científicas y sociales.
Métodos para evaluar la validez de los supuestos en modelos estadísticos multivariados.
Práctica 3: Evaluación del efecto de tres tratamientos nutricionales en los parámetros metabólicos de pacientes con síndrome metabólico.

M4 Análisis de regresión lineal simple

Fundamentos de regresión lineal simple: Conceptos clave y supuestos estadísticos.
Diagnóstico gráfico del modelo: Análisis de dispersión, residuos y evaluación de la linealidad.
Aplicación práctica en SPSS (Statistical Package for the Social Sciences): Ejecución del modelo, interpretación de coeficientes y del coeficiente de determinación R²
Práctica 4: Aplicación de una variable predictora para la relación entre horas de actividad física y nivel de colesterol LDL en adultos mayores.

M5 Análisis de regresión lineal múltiple

Selección y codificación de variables independientes para el modelo.
Evaluación de los supuestos estadísticos de regresión del modelo.
Comparación y contraste de distintos modelos para determinar el más adecuado.
Validación de modelos mediante análisis de residuos y prueba normalidad.
Práctica 5: Análisis de factores predictores del nivel de glucosa en ayuno en adultos con riesgo metabólico en SPSS (Statistical Package for the Social Sciences).

M6 Regresión logística binaria

Regresión logística binaria: cuándo aplicarla, supuestos del modelo y codificación de variables categóricas.
Interpretación de odds ratios (razón de momios) y coeficientes logit (logaritmo natural del odds).
Evaluación del desempeño del modelo: bondad de ajuste y capacidad predictiva.
Práctica 6: Implementación completa en SPSS para la evaluación de factores asociados al riesgo de hipertensión arterial en adultos.

M7 Análisis factorial exploratorio y Análisis de Componentes Principales (ACP)

Introducción al Análisis de Componentes Principales (ACP).
Prueba de KMO (Kaiser–Meyer–Olkin) y esfericidad de Bartlett para verificar la adecuación de la muestra.
Aplicación del análisis de componentes principales utilizando SPSS.
Criterios para seleccionar componentes principales.
Práctica 7: Creación de escalas basadas en los componentes seleccionados.

M8 Análisis de clúster

Diferencias entre el clúster jerárquico y K-means agrupando un número predefinido de clústeres.
Medidas de distancia: Cálculo de similitudes o diferencias entre puntos de datos, como distancia Euclidiana o Manhattan.
Dendrogramas y criterios de corte: Visualización jerárquica de clústeres y métodos para determinar el número óptimo de clústeres mediante el corte del dendrograma.
Práctica 8: Interpretación de grupos y perfilamiento de clústeres.

M9 Integración de modelos de regresión y técnicas multivariadas al proyecto

Aplicación de modelos estadísticos como la regresión lineal, logística y análisis multivariante para analizar relaciones complejas entre variables.
Identificación de problemas frecuentes en los modelos (multicolinealidad, heterocedasticidad o la falta de linealidad).
Recomendaciones para mejorar la precisión del modelo.

Práctica 9:

Revisión guiada de proyectos.
Regresión múltiple aplicada a datos de salud pública.
Análisis de componentes principales y clúster.

M10 Visualización avanzada y reporte de resultados

Gráficos avanzados en SPSS (Statistical Package for the Social Sciences): Creación de gráficos complejos para visualización de regresión, clústeres y análisis de componentes principales.
Técnicas para exportar resultados en formatos adecuados para presentación, incluyendo tablas y gráficos personalizables.
Estrategias efectivas para comunicar resultados en informes y artículos científicos de manera clara y profesional.
Práctica 10: Reporte estadístico.

Proyecto

Análisis integral de un estudio de investigación utilizando SPSS estadístico

Análisis de un conjunto de datos relacionado con un problema de investigación en ciencias de la salud. Se llevará a cabo un análisis descriptivo, inferencial y multivariado, integrando todos los temas cubiertos en el curso para responder a las preguntas de investigación planteadas al inicio y generar un informe profesional con las conclusiones obtenidas.

Instructor

Dra. Bertha Alejandra Flores Nuño

Universidad Autónoma Metropolitana

Doctora en Ciencias de la Educación, Maestra en Ciencias en Procesos Biotecnológicos con enfoque en Ingeniería y Biotecnología de alimentos, Licenciada en Químico Farmacobiólogo, ha realizado investigación sobre alimentos funcionales enfocada en muestreo, caracterización fisicoquímica y antioxidante de frutas, microencapsulación de pulpa de frutas y probióticos, caracterización del microencapsulado de pulpa de frutas, diseño experimental y optimización de procesos, formulación de alimentos funcionales, estudio de vida de anaquel de microencapsulados y de alimentos funcionales, además, de análisis sensorial de alimentos. Cuenta con experiencia en la industria Química en el área de investigación y desarrollo de procesos. Certificada como consultora HACCP. Profesora de Licenciatura en distintas universidades a nivel bachillerato y Licenciaturas como Químico Farmacéutico Biólogo, Enfermería, Terapia Física y Rehabilitación e Ingeniería en Biotecnología.

Certificado digital

Obtendrás un certificado con valor curricular, el cual queda registrado dentro de la plataforma de Conociverso y podrás consultar en cualquier momento para su validación.

Requerimientos técnicos

Fundamentos de estadística básica.
Memoria RAM de 8 GB o superior.
Procesadores core i5 similar o superior.

Preguntas frecuentes

¿Se entrega un certificado al finalizar este curso?

Sí. Al terminar el curso recibirás un certificado con valor curricular, emitido por Conociverso, que demuestra las habilidades adquiridas durante el curso.

¿Debo tener algún grado académico específico para inscribirme?

No necesariamente. Recomendamos contar con conocimientos básicos en ciencias biológicas, pero el programa está pensado para adaptarse tanto a estudiantes como a profesionales.

¿Necesito tener instalado algún software antes de iniciar?

No. Durante el diplomado aprenderás a instalar y utilizar cada herramienta paso a paso, con la guía de tus profesores. Únicamente necesitas contar con una computadora con al menos 8 GB de RAM.

Si las clases en vivo ya pasaron, ¿aun así puedo tomar este curso?

¡Por supuesto! Todos nuestros cursos están diseñados para que también los puedas realizar en modalidad asincrónica, a tu propio ritmo y en el horario que mejor se adapte a ti. Tendrás acceso a las grabaciones de todas las clases del curso y al material complementario.

¿Emiten factura fiscal?

Sí, emitimos factura fiscal únicamente para México. Para solicitarla, ve a la configuración de tu cuenta, en la sección de pagos encontrarás la opción de facturación. Debe solicitarse dentro del mismo mes en que se realizó la compra.

Reseñas