Presentación del grupo 5404 - 2011-1.

EnfoqueGeneral de la Materia de Bioestadística

El quehacer del biólogo debe estar basado, ineludiblemente, en los principios rectores del método científico, en la metodología de la investigación y en la ética científica. En éste contexto, consideramos que el conocimiento estadístico debe ser un elemento esencialen la formación de las nuevas generaciones de biólogos, en virtud de que concebimos a la bioestadística no solamente como un conjunto de herramientas útiles para el análisis de datos y obtención de conclusiones sustentadas en elementos cuantitativos, sino como un sistema de conocimientos articulado que permite la planeación, ejecución y obtención de conclusiones objetivas y válidas. Lo anterior, priorizando la eficiencia y objetividad en los procesos de observación y, ante todo, en los procesos de experimentación que involucran seres vivos, enfatizando el uso justificado y escrupuloso de las unidades experimentales implicadas.

Por otra parte, consideramos esencial transmitir una visión realista de los alcances de los métodos estadísticos, así como de sus implicaciones en la elucidación de las relaciones de causalidad en la investigación (básica y aplicada) y en los procesos de toma de decisiones en los diferentes ámbitos; desde el manejo de los recursos naturales hasta la experimentación. Asimismo, consideramos de suma importancia la transmisión de los principios éticos en la comunicación del conocimiento científico a los diferentes sectores mediante el uso apropiado de la información estadística.

Como biólogos en ejercicio de nuestra profesión consideramos que la enseñanza de la bioestadística en la licenciatura en biología debe aportar el conocimiento (teórico y práctico) necesario para que los futuros biólogos se desarrollen adecuadamente en el ámbito profesional de su elección. Lo anterior, sin duda, debe basarse en una plataforma teórico-conceptual sólida, que fundamente el uso adecuado de los métodos estadísticos.

Finalmente, con respecto al enfoque pedagógico, consideramos que el método constructivista permite alcanzar los objetivos que plantea el plan de estudios y, desarrollar de manera óptima las competencias profesionales necesarias en los biólogos en formación. La construcción participativa del conocimiento estadístico mediante dinámicas, debates, ejemplos y ejercicios permitirá desarrollar el pensamiento crítico que debe caracterizar a los profesionales de las disciplinas científicas.

Reglas del curso:

• El curso tiene un enfoque teórico-práctico y se divide en seis partes. Al finalizar cada una se realizará un examen parcial.

• La forma de evaluación es la siguiente:

• • Sólo se asentará NP si el alumno presentó máximo un examen parcial, de lo contrario si el promedio no es aprobatorio se asentará 5.
  • Sólo se podrá hacer una reposición de los exámenes parcialesrenunciando a la calificación anterior.
  • Sólo se recibirán tareas y prácticas en formato físico (papel), las cuales podrán ser elaboradas a mano o en computadora. En caso de que el alumno no entregue las tareas en la fecha acordada, se recibiran, inclusive, hasta dos días despues de la misma, con una penalización de un punto por cada día transcurrido a partir de la fecha de entrega acordada inicialmente. Si la pregunta o problema en cuestión requiere de un desarrollo no se tomará en cuenta si éste no se presenta como parte de la solución correspondiente.
  • Cada examen parcial representa el 10% de la calificación (en total 60%),el examen departamental representa el 10 %;las prácticas de cómputo, tareas y trabajo semestral representan el 30%.
  • Con respecto a la calificación final y solamente en este caso, las fracciones de .1 a .5 se redondean al entero inmediato inferior; fracciones de .6 a .9 se redondean al entero inmediato superior

Temario

I.- Introducción a la Bioestadística (10 Horas)

• Concepto de la estadística. Define el concepto de estadística. Relaciona los conceptos de estadística con ejemplos concretos.
• Error, precisión y exactitud. Poblaciones y muestras. Conoce los conceptos de error, precisión y exactitud. Distingue entrepoblación y muestra.
• Criterios de inclusión, exclusión y eliminación. Distingue los criterios de inclusión, exclusión y eliminación.
• Tipos de estudio en las diferentes disciplinas del conocimiento: Longitudinales y transversales. Descriptivos y comparativos. Observacionales y experimentales. Retrospectivos y prospectivos. Diferencia entre los estudios longitudinales y transversales. Distingue entre los estudios descriptivos y comparativos. Diferencia entre los estudios observacionales y experimentales. Diferencia entre los estudios retrospectivos y prospectivos.
• Protocolos de investigación utilizados en las diferentes disciplinas del conocimiento: Encuestas descriptivas y comparativas, estudios de casos, estudio de casos y controles, cohortes, estudios experimentales. Conoce las características de los diferentes protocolos de investigación utilizados en biología. Infiere el tipo de protocolo utilizado en una investigación científica.
• Estadística asociada a los diferentes tipos de estudio. Descriptiva e inferencial. Manejo de relaciones de causalidad. Comprende los conceptos de estadística descriptiva e inferencial. Deduce el tipo de estadística más adecuada para un grupo de datos. Explica bajo qué condiciones se trata de una relación causal.

II.- Estadística descriptiva (16 Horas)

• Conceptos de población y muestra. Parámetros y estadísticos. Relaciona los parámetros y estadísticos con los conceptos de población y muestra.
• Tipos de variables y escalas de medición. Diferencia entre variables discretas y continuas. Comprende la importancia de las escalas de medición.
• Representaciones gráficas de un conjunto de datos: Diagrama de barras. Pictograma. Gráficas circulares. Diagrama de tallo y hoja. Diagrama de tallo, hoja y espejo. Diagrama de caja. Histograma. Polígono de frecuencias. Diagramas x, y. Conoce las características de los métodos de representación gráfica. Interpreta los tipos de gráfico (diagrama de tallo y hoja, Diagrama de tallo, hoja y espejo, diagrama de caja, histograma, polígono de frecuencias y disgramas x,y. Aplica el tipo de gráfico de acuerdo a las características de los datos.
• Descripción numérica de un conjunto de datos: Medidas de tendencia central. Medidas de dispersión. Diferencia entre las medidas de tendencia central y dispersión. Aplica las medidas de tendencia central y dispersión para resumir información.
• Regla empírica y Teorema de Tchebyshev. Comprende el Teorema de Tchebyshev. Aplica la regla empírica.

III.- Probabilidad (26 Horas)

• Conceptos: fenómenos deterministas y estocásticos. Espacio muestral y eventos. Combinación y ordenaciones. Probabilidad clásica y frecuentista. Conoce las características de los fenómenos deterministas y estocásticos. Explica las combinaciones y ordenaciones. Aplica los conceptos de combinatoria. Distingue entre la probabilidad clásica y frecuentista.
• Leyes de probabilidad: Ley de adición, Ley de multiplicación, Teorema de Bayes. Aplica las leyes de probabilidad.
• Distribuciones de probabilidad. Concepto y tipos de variables aleatorias. Distribuciones de probabilidad y función de densidad binomial, de Poisson, binomial negativa, normal y normal estándar. (“t” de student, “f” de Fisher, Ji-cuadrada)* Explica las principales distribuciones de probabilidad para variables discretas y continuas. Comprende las características de variables de tipo aleatorias+C55. Determina el tipo de distribución de probabilidad de acuerdo a un conjunto de datos

IV.- Muestreo y distribuciones muestrales (16 Horas)

• Elementos básicos de muestreo. Conceptos básicos. Tipos de muestreo. Determina el tipo de muestreo más adecuado de acuerdo al objetivo de estudio.
• Concepto de distribución muestral. Relaciona la muestra con su distribución probabilística.
• Distribución de la media muestral. Comprende la distribución de la media muestral.
• Teorema Central del Límite. Interpreta el Teorema.
• Distribución de proporciones muestrales. Distingue entre proporciones.

V.- Inferencia estadística (20 Horas)

• Concepto de inferencia estadística. Conoce los conceptos de probabilidad en el planteamiento de inferencia estadística.
• Estadística paramétrica y no-paramétrica. Deduce la diferencia entre estadística paramétrica y no-paramétrica.
• Estadística univariada y multivariada. Estimación de parámetros por intervalos de confianza. Conoce las características de la estadística univariada y multivariada. Determina las diferencias entre distribuciones “t” y “Z”. Calcula los intervalos de confianza para distribuciones “t” y “Z”.
• Tamaño de muestra para estimar medias y proporciones. Calcula el tamaño de muestra para estimar medias y proporciones.
• Concepto de hipótesis estadística. Comprende el planteamiento de las hipótesis estadísticas. Conoce las características de las pruebas de hipótesis.
• Tipo de error. Deduce los tipos de errores que se pueden cometer al realizar pruebas de hipótesis.
• Fundamento metodológico de las pruebas. Comprende la construcción y validación de las pruebas de hipótesis estadísticas.
• Algunas pruebas de hipótesis. Para una media poblacional. Para la diferencia de dos medias poblacionales. Para una proporción poblacional. Para la diferencia de dos proporciones poblacionales. Interpreta pruebas de hipótesis para una media poblacional. Aplica pruebas de hipótesis para una media poblacional. Interpreta pruebas de hipótesis para la diferencia de dos medias poblacionales. Aplica pruebas de hipótesis parala diferencia de dos medias poblacionales. Interpreta pruebas de hipótesis para una proporción poblacional. Aplica pruebas de hipótesis para una proporción poblacional. Interpreta pruebas de hipótesis para la diferencia de dos proporciones poblacionales. Aplica pruebas de hipótesis para la diferencia de dos proporciones poblacionales. Interpreta pruebas de hipótesis para la diferencia de varianzas. Aplica pruebas de hipótesis para la diferencia de varianzas.
• Prueba de Ji-cuadrada, homogeneidad. Asociación e independencia. Bondad de ajuste. Aplica la prueba Ji-cuadrada para homogeneidad, asociación, independencia y bondad de ajuste.

VIa.- Introducción a los modelos estadísticos lineales (16 Horas)

• Introducción a los modelos estadísticos lineales. Explica la asociación entre variables, la rectificación de una curva y el uso de los mínimos cuadrados.
• Modelos de regresión. Conceptos básicos. Supuestos. Aplicaciones. Ejemplos. Aplica los modelos de regresión.
• Diseños experimentales. Conceptos básicos. Supuestos. Aplicaciones. Ejemplos. Aplica los modelos estadísticos en diseños experimentales. Comprende los conceptos básicos del Análisis de Varianza

VIb.-Pruebas no paramétricas (16 Horas)

• Prueba U de Mann-Whitney.
• Prueba de Kruskall-Wallis.
• Prueba de Kolmogorov-Smirnov
• Prueba deWilcoxon

Bibliografía Básica:

• Infante S. y G.P. Zárate 1984. Métodos estadísticos. Trillas, México, 643 pp.
• Montgomery, D. 1990. Diseños experimentales. Ed. MacGraw Hill, México.
• Triola M. F. 2009. Estadística. 10ed. Pearson Education de México.
• Weimer Richard C. 2000. Estadística. CECSA.

Bibliografía Complementaria:

• Campbell, R.C. 1974. Statistics for biologist. 2nda. ed. Cambridge University Press, London.
• Parker, R.E. 1981. Estadística para biólogos. 2a. ed. Omega, España.
• Sokal, R.R. y F.J. Rohlf 1969. Introduction to biostatistics.Ed. W.H. Freeman.
• Steel, R.G. y J.H. Torrie 1981. Principles y procedures of statistics. A biometrical approach. 2a ed. MacGraw Hill, Japan.
• Méndez R.I., D. Namihira, M.T. Fortul 1984. El protocolo de investigación, su elaboración y análisis. Trillas, México.
• Mendez R.I. 1977. Modelos estadísticos lineales. Interpretación y aplicaciones. FOCCAVI/CONACyT, México.Wiley y Son.
• Montgomery, D. y E. Peck 1982. Introduction to linear regression analysis. John
• Devore J. L. 2008. Probabilidad y estadística para ingeniería y ciencias. 7ed. Cengage Learning.
• Cochran, W.G. y G.M. Cox 1980. Diseños experimentales. Trillas, México, 660 pp.
• Afifi, A.A. y V. Clark 1990. Computer-aided multivariate analysis.2a. ed. Van Nostrand Reinhold 505 pp.
• Bernstein Ira, H. 1988. Applied multivariate analysis.Springer-Verlag. 508 pp.
• Gauch,H.G. 1982. Multivariate analysis community ecology. Cambridge University Press, Cambridge. 298 pp.
• Jongman, R.H.G.. C.J.F. ter Btaak and O.F.R. van Tongeren 1987. Data analysis in community and landscape ecology.
• Ludwig, J.A. y J.F. Reynolds 1988. Statistical ecology. John Wiley y Son. USA. 337 pp.
• Redman, T. C. 1992. Data Quality. Management and technology.Bantam, Intertext. 305 pp.