Con el estudio de este Diplomado profundizarás en tan solo 150 horas en la estadística aplicada a la investigación biomédica con R para que perfecciones tus competencias profesionales”

La Estadística puede vislumbrar los obstáculos que surgen durante el desarrollo de las investigaciones. Lo hace mediante datos y la prevención de problemáticas que pueden evitarse. Esta herramienta permite, en primera instancia, establecer el tipo de muestreo, el tamaño de la muestra y el tipo de recolección de datos, entre otras ventajas. De esta manera, la información se conservaría y daría todos los detalles a los especialistas que quisiesen seguir indagando sobre una base de estudio. 

TECH destina este Diplomado en Bioestadística con R a egresados en Farmacia y otras Ciencias de la Salud que deseen profundizar en el estudio con datos estadísticos. Para lograrlo, esta titulación indaga en las técnicas estadísticas de Data Mining con R y su aplicación en la industria farmacéutica, entre otras cuestiones. Además, TECH cuenta con un equipo docente experimentado en el área que cuenta con conocimientos fehacientes para transmitir todos los contenidos de la materia. Todo ello, para ampliar y actualizar los conocimientos investigativos de los profesionales del sector sanitario, mediante herramientas estratégicas. 

Se trata de una titulación universitaria impartida en formato 100% online, que permite al alumnado adentrarse de manera exhaustiva en tendencias y nuevas teorías de los métodos de regresión con R. Todo ello, gracias a materiales teórico-prácticos y adicionales que podrán ser descargados para que el alumnado pueda contar con la guía de referencia, incluso sin conexión, una vez haya sido conservada en su dispositivo electrónico. Además, el sistema pedagógico innovador, basado en la metodología Relearning, consigue eximir a los especialistas de largas horas de memorización y permitirles una adaptación del ritmo de estudio acorde a sus necesidades personales y profesionales. 

¿Deseas perfeccionar tus competencias profesionales para poder aplicarlas en tu proyecto de investigación farmacológica? Ahora podrás conseguirlo gracias a TECH y su titulación 100% online podrás conseguirlo”

Este Diplomado en Bioestadística con R contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Investigación Médica
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras 
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Cursando este programa no tendrás que prescindir de otros ámbitos de tu vida. TECH se adapta a ti y a tus necesidades con una titulación 100% online apta para una vida laboral activa”

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio. 

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales. 

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.    

Aplica el análisis de multivariantes y los nuevos métodos científicos asociados a la Estadística para que impulses el desarrollo de tus ensayos y aquellos en los que colabores"

Profundiza en el programa R y los métodos de regresión y forma parte del grupo de expertos que se encuentra a la vanguardia de la investigación farmacológica"

Los materiales que contiene este Diplomado se han nutrido de las pautas de los especialistas para ofrecer el mayor aval profesional de cara a la instrucción del alumnado. Además, se ha aplicado la metodología Relearning, para que los egresados en Farmacia no inviertan largas horas de memorización y puedan asimilar los contenidos fácilmente. De esta manera, el programa instruirá al alumnado en torno a los entresijos de la Estadística y R en Investigación Sanitaria. En este sentido, TECH pretende ilustrar a los profesionales del sector, con un carácter práctico, hacia los escenarios de actuación en los que se desenvolverán o ya se desenvuelven como especialistas.

Adéntrate en las técnicas estadísticas más comunes en Investigación Farmacológica y disfruta de todos los contenidos que dinamizan esta titulación para que le saques el mayor rendimiento posible”

Módulo 1. Estadística y R en investigación sanitaria

1.1. Bioestadística

1.1.1. Introducción al método científico
1.1.2. Población y muestra. Medidas muestrales de centralización
1.1.3. Distribuciones discretas y Distribuciones continuas
1.1.4. Esquema general de la inferencia estadística. Inferencia sobre una media de una población normal. Inferencia sobre una media de una población general
1.1.5. Introducción a la inferencia no paramétrica

1.2. Introducción a R

1.2.1. Características básicas del programa
1.2.2. Principales tipos de objetos
1.2.3. Ejemplos sencillos de simulación e inferencia estadística
1.2.4. Gráficos
1.2.5. Introducción a la programación en R

1.3. Métodos de regresión con R 

1.3.1. Modelos de regresión
1.3.2. Selección de variables
1.3.3. Diagnóstico del modelo
1.3.4. Tratamiento de datos atípicos
1.3.5. Análisis de regresiones

1.4. Análisis Multivariante con R

1.4.1. Descripción de datos multivariantes
1.4.2. Distribuciones multivariantes
1.4.3. Reducción de la dimensión
1.4.4. Clasificación no supervisada: análisis de conglomerados
1.4.5. Clasificación supervisada: análisis discriminante

1.5. Métodos de regresión para la investigación con R

1.5.1. Modelos lineales generalizados (GLM): regresión de Poisson y binomial negativa
1.5.2. Modelos lineales generalizados (GLM): regresiones logística y binomial
1.5.3. Regresión de Poisson y Binomial Negativa infladas por ceros
1.5.1. Ajustes locales y modelos aditivos generalizados (GAM)
1.5.1. Modelos mixtos generalizados (GLMM) y generalizados aditivos (GAMM)

1.6. Estadística aplicada a la investigación biomédica con R I

1.6.1. Nociones básicas de R. Variables y objetos de R. Manejo de datos. Ficheros. Gráficos
1.6.2. Estadística descriptiva y funciones de probabilidad
1.6.3. Programación y funciones en R
1.6.4. Análisis de tablas de contingencia
1.6.5. Inferencia básica con variables continuas

1.7. Estadística aplicada a la investigación biomédica con R II

1.7.1. Análisis de la varianza
1.7.2. Análisis de correlación
1.7.3. Regresión lineal simple
1.7.4. Regresión lineal múltiple
1.7.5. Regresión logística

1.8. Estadística aplicada a la investigación biomédica con R III

1.8.1. Variables de confusión e interacciones
1.8.2. Construcción de un modelo de regresión logística
1.8.3. Análisis de supervivencia
1.8.4. Regresión de Cox
1.8.5. Modelos predictivos. Análisis de curvas ROC

1.9. Técnicas estadísticas de Data Mining con R I

1.9.1. Introducción. Data Mining. Aprendizaje Supervisado y No Supervisado. Modelos Predictivos. Clasificación y Regresión
1.9.2. Análisis descriptivo. Pre-procesamiento de datos
1.9.3. Análisis de Componentes Principales (PCA)
1.9.4. Análisis Clúster. Métodos Jerárquicos. K-means

1.10. Técnicas estadísticas de Data Mining con R II

1.10.1. Medidas de Evaluación de Modelos. Medidas de capacidad predictiva. Curvas ROC
1.10.2. Técnicas de Evaluación de Modelos. Validación cruzada. Muestras Bootstrap
1.10.3. Métodos basados en árboles (CART)
1.10.4. Support vector machines (SVM)
1.10.5. Random Forest (RF) y Redes Neuronales (NN)

Una titulación diseñada para profesionales como tú, que desean mejorar la calidad de su trabajo y, por ende, la de sus resultados científicos”