Nivel I 

1) Introducción a la estadística.  

a) Teórico: Teresa Politi

1. 1. Diseños de estudios en la investigación clínica y epidemiológica. Fortalezas y debilidades. 
   2. Conceptos básicos de probabilidad. iii. Datos Cuantitativos. iv. Datos Cualitativos. 
   3. Generalidades. Distribución y representación. 

b) Práctico: Martin Lobo

1. 1. Instalación de “R” y “R Studio” en Windows. 
   2. Instalación de “R” y “R Studio” en MAC. iii. Tipos de bases de datos. iv. Recolección de datos. Normalización y validación de bases de datos y formularios. 
   3. Introducción a R. Instalación y carga de paquetes estadísticos de uso frecuente. 
   4. Filtrados de datos, reclasificación y conversión de variables. 
   5. Cálculos y variables calculadas. 

2) Estadística Descriptiva. 

a) Teórico: Vanina Pagotto

1. 1. Datos cualitativos. Prevalencia e incidencia. Tipos de gráficos utilizados. 
   2. Datos cuantitativos. Medidas de posición y dispersión. Distribución normal (Gaussiana) y no normal. 
   3. Evaluación de la distribución mediante medidas simples. 
   4. Tipos de gráficos para medidas continuas. 

b) Práctico: Vanina Pagotto

1. 1. Visualización de tablas de frecuencias y porcentajes. 
   2. Gráficos de barras y tortas. 
   3. Determinación de la media, mediana, modo, desvío estándar, intervalos y rangos intercuartilos, intervalos de confianza. 
   4. Histogramas, gráficos de densidad, gráficos de cajas. 
   5. Utilización de las medidas anteriores para agrupar o generar una nueva variable. 
   6. Cálculo del coeficiente de asimetría (Skewness) y curtosi. 

3) Estadística inferencial. 

a) Teórico: Jorge Thierer

1. 1. Probabilidad e incertidumbre. Hipótesis nula y alternativa.  
   2. Error alfa y beta. 
   3. Interpretación del valor de p a una y dos colas. 

4) Estadística inferencial II. Datos cualitativos. 

a) Teórico: Nicolas Falk

1. 1. Comparación de datos cualitativos en muestras independientes (Chi2). 
   2. Evaluación de supuestos y utilidad del Test de Fisher. 
   3. Comparación de datos cuantitativos en muestras pareadas (McNemar). b) Práctico: Nicolas Falk 
   4. Aplicación de los test Chi2, Fisher y McNemar. 
   5. Tablas con paquetes especiales. 

5) Estadística inferencial III. Datos cuantitativos con distribución normal.  

a) Teórico: Raúl Bozzo

1. 1. Utilidad de los Test de normalidad y como aplicarlos. 
   2. Teorema central del límite. 
   3. Comparación de datos Cuantitativos. Test de T para dos muestras independientes. Test de T para muestras apareados. 

b) Práctico: Raúl Bozzo

1. 1. Aplicación de los test de normalidad sobre las muestras y las diferencias. 
   2. Test de T para muestras independientes y para datos pareados. 

6) Estadística inferencial IV. Datos cuantitativos con distribución anormal; Test no paramétricos.

 a) Teórico: Raúl Bozzo 

1. 1. Comparación de dos grupos de datos continuos de distribución no normal, independientes y apareadas.

b) Práctico: Raúl Bozzo

1. 1. Aplicación de los test no paramétricos. 

7) Medidas de efecto.  

a) Teórico: Gerardo Masson

1. 1. Riesgo relativo, riesgo absoluto, reducción de riesgo y odds ratio. 
   2. Significancia e interpretación de los intervalos de confianza. 
   3. Numero necesario a tratar (NNT) y numero necesario para producir daño (NND)

 b) Práctico: Martin Lobo 

1. 1. Cálculos mediante fórmulas de las medidas de efecto y los intervalos de confianza. 

8) Pruebas diagnósticas. 

a) Teórico: Gerardo Masson

1. 1. Sensibilidad, especificidad, valores predictivos y Likelihood ratio. 
   2. Evaluación de la discriminación de eventos mediante Curvas ROC. (área bajo la curva y determinación del punto de corte optimo). 

b) Práctico: Martin Lobo

1. 1. Cálculos de sensibilidad, especificidad VPP, VPN y Likelihood ratio. 
   2. Gráficos de curvas ROC y PCO. Área bajo la curva. 

9) Regresión lineal. 

a) Teórico: Teresa Politi

1. 1. Correlación para muestras de distribución normal y no normal. 
   2. Coeficientes de correlación y de determinación. 
   3. Análisis de supuestos mediante el análisis de los residuos y residuos estandarizados (distribución, leverage, distancia de cook). 
   4. Regresión lineal univariada, interpretación de significancia y coeficientes. v. Ajuste del modelo. 

b) Práctico: Teresa Politi

1. 1. Gráficos y matrices de correlación. Cálculo de R y R2. 
   2. Gráficos de residuos, residuos estandarizados, homocedasticidad. 
   3. Evaluación de supuestos. Cálculos de leverage, distancia de cook, normalidad, heterocedasticidad. 
   4. Obtención del modelo, coeficientes, IC y p y ajuste del modelo. 

10) Regresión logística.  

a) Teórico: Jorge Thierer

1. 1. Diferencias entre regresión logística y lineal. Porque una u otra? 
   2. Concepto de logit. iii. Variables dummy. iv. Interpreatación de los coeficientes y la significancia. v. Cálculo del OR e IC (95%). 
   3. Ajuste del modelo. 

b) Práctico: Martin Lobo

1. 1. Obtención del modelo, coeficientes,OR, IC y p. 
   2. Manejo de variables dummies. iii. Ajuste del modelo.