Con el estudio de este Diplomado profundizarás en tan solo 150 horas en el programa R y los principales conceptos de la Bioestadística en Investigación asociada al Deporte” 

En la actualidad, los métodos cuantitativos integrados en los estudios de la Investigación Deportiva incluyen, la Estadística aplicada. Y es que, esta herramienta en Salud ha sido esencial para probar las aplicaciones clínicas y que estas se desarrollen en humanos cumpliendo los parámetros previamente establecidos. La carencia de una cualificación completa en torno a la estadística podría conducir a algunos investigadores a su aplicación incorrecta o a la limitación del uso de técnicas simples o insuficientes para abordar y resolver problemas relevantes. 

TECH destina este Diplomado en Bioestadística con R a egresados en Ciencias del Deporte y al resto de profesionales dedicados al ámbito sanitario. Con ella, los profesionales inscritos indagarán en el estudio con datos estadísticos, así como en las técnicas estadísticas de Data Mining con R y su aplicación en la Investigación Deportiva, entre otras cuestiones. Además, TECH ha recurrido a un equipo docente versado en el área que ha elaborado los contenidos, basándose en su experiencia profesional y los conocimientos fehacientes con los que cuentan. Además, se trata de un grupo experimentado con gran calidad humana, que hace del estudio una experiencia cercana al alumnado para garantizar su instrucción.

Esta titulación se ha planteado en formato 100% online, para que el especialista pueda adentrarse en las tendencias y las nuevas teorías de los métodos de regresión con R. Todo ello, mediante materiales teórico-prácticos y adicionales que podrán ser descargados para que el alumnado cuente con la guía de referencia, incluso sin conexión. Se trata de una posibilidad que ofrece TECH para que el profesional, no solo pueda consultar sus dudas en el aprendizaje, sino que, cuando encuentre en el escenario real, tendrá a su alcance los conocimientos, una vez los haya descargado en su dispositivo electrónico. TECH integra, a su vez, los métodos pedagógicos más novedosos para agilizar el proceso académico y permitir un seguimiento personalizado de la materia según las posibilidades de cada alumno. 

¿Vas a perder la oportunidad de actualizarte y explorar los métodos de regresión aplicados a la investigación en el Deporte? TECH te ofrece todos los conocimientos para que te instruyas de manera fácil y rápida” 

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 

Gracias a TECH descubrirás una alternativa a los programas académicos ortodoxos. Con esta titulación no tendrás que prescindir de otras actividades gracias a su modalidad 100% online”

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. 

El aprendizaje en torno al análisis de multivariantes y los nuevos métodos científicos asociados a la Estadística harán que impulses el desarrollo de tus trabajos investigativos y aquellos en los que colabores"

Una titulación óptima para que perfecciones tus competencias profesionales y formes parte del grupo de expertos que se encuentra a la vanguardia de la investigación deportiva"

TECH ha dotado de materiales dinámicos sus programas para que el especialista perfeccione sus habilidades de la manera más versátil y sencilla posible. Además, los contenidos de este Diplomado han sido detalladamente pautados por los docentes que avalan el temario de la titulación y su objetivo final de instruir al egresado en Ciencias del Deporte y el resto de profesionales interesados en la Bioestadística con R. Asimismo, se ha aplicado la metodología Relearning, para que los alumnos no inviertan largas horas de memorización y puedan asimilar los contenidos fácilmente. Un programa de carácter práctico y enfocado hacia los escenarios de investigación en los que se incorporarán o donde ya se encuentren trabajando para que destaquen como profesionales altamente cualificados.

Con TECH le sacarás el mayor partido posible a la titulación, pues sus herramientas pedagógicas modernas y su formato digital harán que escojas el momento y el lugar de estudio” 

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 
1.5.4. Ajustes locales y modelos aditivos generalizados (GAM) 
1.5.5. 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 de Componentes Principales (PCA) 
1.9.5. 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)

Gracias a TECH aplicarás los métodos de CART, SVM, RF y NN en tus estudios para que promuevas su desarrollo de manera exponencial”