FUNDAMENTACIÓN: La investigación básica y aplicada en el área de la medicina veterinaria debe promover la generación de nuevo conocimiento a fin de favorecer el desarrollo de las prácticas de enseñanza de los docentes de la carrera. Asimismo, debe generar nuevos espacios de trabajo, de carácter interdisciplinario, con el propósito de ampliar y profundizar las acciones de investigación que deben desempeñar los distintos espacios curriculares y los propios sujetos de la enseñanza. La formación continua, personalizada y colaborativa promueve y mejora el crecimiento permanente, sin embargo, debe estar fomentada por el desarrollo de conceptos básicos, que aseguren el progreso hacia la profundización y el perfeccionamiento del docente como un todo. El análisis de resultados cuantitativos es parte fundamental de la investigación. El manejo de las herramientas de análisis estadístico es fundamental en esta etapa. La formación de posgrado debe incluir la formación en técnicas de análisis cuantitativo orientando las mismas a los procesos de investigación en Ciencias Biológicas y Biomédicas (Bioestadística). En este marco, la enseñanza de estadística aplicada a la medicina veterinaria, sostenida en conceptos generales mediados por el manejo de softwares específicos, se constituye en una herramienta principal a los fines de favorecer los propósitos de la formación docente continua.

OBJETIVO: Que docentes, investigadoras/es y estudiantes de carreras de posgrado adquieran herramientas básicas de estadística que les permitan evaluar datos y obtener información de manera más eficiente mediante el uso del aplicativo InfoStat.

PROPÓSITO: Al finalizar el curso la/el estudiante podrá: comprender los fundamentos y técnicas que hacen a la recolección de datos biométricos; conocer el conjunto básico de herramientas estadísticas descriptivas e inferenciales; comprender el concepto de incertidumbre y confianza y adquirir experiencia en el manejo de software estadístico.

CONTENIDOS:

Unidad 1: Conceptos básicos de la estadística. Población y muestra. Estadística descriptiva. Tablas y Gráficos. Cálculo probabilístico y distribuciones importantes.

Unidad 2: Teoría de la estimación. Estimación puntual y por intervalo. Tipos de muestreo y etapas del plan de muestreo. Contraste de Hipótesis. Errores de conclusión ( y ). Regla de decisión.

Unidad 3: Comparación de dos tratamientos: Comparación en forma independiente (con varianzas homogéneas). Diseño para varianzas conocidas y desconocidas. Test de homogeneidad de varianzas. Comparación de dos tratamientos con varianzas no homogéneas. Diferencias apareadas.

Unidad 4: Datos de enumeración. Clasificaciones simples. Hipótesis de concordancia. Clasificaciones dobles. Hipótesis de independencia y de asociación. Ajuste a distribuciones teóricas. Hipótesis de ajuste. Homogeneidad de muestras. Hipótesis de homogeneidad.

Unidad 5: Regresión y correlación lineal simple. Introducción. Modelo matemático y modelo estadístico. Supuestos. Estimación de los parámetros. Error standard de la estimación. Pruebas estadísticas para , , e γ. Coeficiente de determinación. Correlación lineal simple. Introducción. Supuestos. Estimación de .

Unidad 6: Introducción y conceptos generales al análisis de la variancia. Diseño Experimental. Experimentos unifactoriales (efectos fijos y efectos aleatorios). Tipos de diseños básicos: Diseño Completamente Aleatorizado (DCA). Diseño en bloques completamente aleatorizados (DBCA). Test de comparaciones múltiples (Tukey y Dunnet).

CRONOGRAMA DE CLASES:

Clase 1: Fecha: 2 y 8 de septiembre 2021. 

Introducción. La estadística en la Investigación y en el campo de las ciencias. Estadística Descriptiva. Variables: definición y clasificación. Distribución de frecuencias. Medidas de posición y de variación (absoluta y relativa). Gráficos.

Clase 2. Fecha: 9 y 15 de septiembre 2021.

Inferencia Estadística. Parámetros y estimadores. Distribuciones en el muestreo. Teorema central del límite. Intervalos de confianza. Relación entre precisión y confianza. Intervalo para µ y para la diferencia de dos µ. Determinación del número de repeticiones para estimar con una determinada precisión. Pruebas de hipótesis. Errores asociados y potencia. Distribuciones probabilísticas (normal, “t” de student y “F” de Fisher). Test para µ en una población, para la comparación de las µ y las s2 de dos poblaciones.

Clase 3. Fecha: 16 y 22 de septiembre 2021.

Inferencia Estadística. Parámetros y estimadores. (2° parte) Métodos no paramétricos. Concepto. Ventajas y desventajas de su uso. Transformación “Rank” como puente entre el campo paramétrico y el no paramétrico. Prueba de Mann-Whitney para dos muestras independientes. Prueba de Wilcoxon para 2 muestras apareadas.

Clase 4. Fecha: 23 y 29 de septiembre 2021.

Análisis de datos categóricos. Variables categóricas. Distribución binomial y su relación con la normal. Inferencias sobre una proporción: intervalo de confianza y prueba de hipótesis. Inferencia sobre la diferencia de dos proporciones: intervalo y prueba de hipótesis. Tablas de contingencia 2x2. Distribución χ2. Pruebas de hipótesis (de homogeneidad y de independencia). Número de repeticiones para estimar y comparar proporciones.

Clase 5. Fecha: 30 de septiembre y 6 de octubre 2021.

Modelos Lineales y ADEVA (1° parte). Introducción a los modelos lineales. Análisis de Varianza a un criterio. La técnica del Análisis de Varianza (ADEVA).

Clase 6. Fecha: 7 y 13 de octubre 2021.

Modelos Lineales y ADEVA (2° parte). Supuestos y consecuencias de su incumplimiento. Pruebas para verificarlos. Transformación de variables. Análisis post-adeva: pruebas de comparaciones múltiples. Validación del modelo: análisis de residuales. Pruebas no paramétricas. Prueba de Kruskall Wallis.

Clase 7. Fecha: 14 y 20 de octubre 2021.

Análisis de Correlación Lineal paramétrico. Coeficiente de Pearson. Análisis de Correlación Lineal no paramétrico, Coeficiente de Spearman. Concepto de independencia estadística.

Clase 8. Fecha: 21 y 27 de octubre 2021. Regresión lineal simple. Estimación de parámetros de la regresión lineal. Coeficiente de determinación (R2). Actividades de Cierre y presentación de la evaluación final.

DESTINATARIOS: Docentes, graduados de la carrera Medicina Veterinaria de la Universidad Nacional de La Pampa, de otras Unidades Académicas de la UNLPam y otras universidades nacionales estatales o privadas del área de veterinaria, ciencias veterinarias y ciencias biológicas relacionadas.

DOCENTE RESPONSABLE: Dr. Carlos Blanco (UBA).

DOCENTES COLABORADORES: Ing. Jorge Palezza, Mg. MV Abelardo Ferrán, Ing. Pablo Remirez, Lic. Ana Giorgis, docentes de la FCV UNLPam.

DISERTANTES: Dr Carlos Blanco, Ing. Jorge Palezza, Mg. MV Abelardo Ferrán, Ing. Pablo Remirez, Lic. Ana Giorgis.

METODOLOGÍA DE TRABAJO: Clases teórico – prácticas, Actividades Virtuales sincrónicas. En la clase sincrónica Zoom®. Actividades Prácticas. Resolución de problemas. Las clases son de asistencia obligatoria, si bien las mismas permanecerán grabadas para posteriores consultas. Aula virtual para la publicación de material bibliográfico, la resolución de problemas on line y la participación en foros de discusión. Al finalizar cada clase se realizará una actividad virtual (no presencial) que consiste en la resolución de un trabajo integrador.

MODALIDAD: a distancia

FECHAS Y HORARIO: 02, 08, 09, 15,16, 22, 23, 29, 30, de Septiembre y 06, 07, 13,14, 20 y 27 de Octubre del 2021. Miércoles de 17 hs. a 19 hs. y Jueves de 17 hs. a 20 hs.

CARGA HORARIA: El curso tendrá 40 horas reloj como carga horaria completa.

REQUISITOS DE ADMISIÓN: Poseer título de grado de Veterinario, Médico Veterinario o su equivalente expedido (convenientemente revalidado) por Universidades nacionales, o extranjeras reconocidas. Poseer título de grado de carreras afines a las ciencias veterinarias y biológicas.

CUPO: 40 asistentes.

REQUISITOS DE APROBACIÓN: Asistencia al 80 % de las clases teórico – prácticas. Semanalmente, se planteará un problema a resolver con el cual se deberá elaborar un informe técnico. El puntaje de aprobación de trabajo y/o evaluación deberá ser superior o igual a SIETE (7) de DIEZ (10)

NORMAS DE BIOSEGURIDAD: No se requieren

LUGAR DE REALIZACIÓN: El curso se llevará a cabo a través de la plataforma zoom de la Facultad de Ciencias Veterinarias. UNLPam.

BIBLIOGRAFÍA:

• Cantatore de Frank, N. (1983). Manual de Estadística Aplicada. Tomo II (Primera ed.). Buenos Aires: Hemisferio Sur.
• Cappelletti, C. (1992). Estadística Experimental (Primera ed.). Buenos Aires: AgroVet.
• Johnson, R. (1990). Estadística Elemental (Primera ed.). Mexico: Grupo Editorial Iberoamérica.
• Di Rienzo, J.; Casanoves, F.; Balzarini, M.; González, L.; Tablada, M. y Robledo, C. (2011). InfoStat, manual del usuario. Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina. URL http://www. infostat. com. ar
• Martínez González, M; Sánchez Villegas, A; Faulín Fajardo, F. (2006). Bioestadística amigable. Díaz de Santos.
• Norman, G., & Streiner, D. (1996). Bioestadística (Primera ed.). Madrid: Mosby.
• Sentís,J; Pardell, H; Cobo, E; Canela, J. (2003). Manual de Bioestadística. Editorial Masson.
• Steel, R., & Torrie, J. (1988). Bioestadística: Principios y Procedimientos (Primera ed.). México: McGraw-Hill/Interamericana.
• Zylberberg, A. (2007). Estadística. Editorial Nueva Librería.

INSCRIPCIÓN: Escuela de Posgrado. Secretaría de Investigación, Posgrado y Extensión Facultad de Ciencias Veterinarias de la UNLPam. Calle 116 esq. 5. Tel. 2302-421607/422617/421920. Interno 6101/6102. E-mail: posgrado@vet.unlpam.edu.ar