Revisión histórica, orígenes y primeras aplicaciones

Concepto de población y muestra. ¿Porque hacemos inferencia? Limitaciones prácticas de los tamaños de las muestras

Estimación de estadísticos y su interpretación como variables aleatorias. Error de estimación y variabilidad en re muestreo. Intuición detrás de los Intervalos de confianza

Test de hipótesis. Hipótesis nula y alternativa. Alfa y potencia. Error de tipo I y tipo 2. P-values. Interpretación y lógica detrás de cada uno. Tests No paramétricos vs Paramétricos

Aplicaciones y Casos Prácticos

Test Paramétricos: T-test; Chi2; ANOVA; Proporciones. Diferencia entre significancia estadística y significancia “clínica”

El modelo lineal y sus generalizaciones

Modelo logístico, ORs, y sus compañeros RR y HR. Ejemplos de casos e interpretación de los resultados de los modelos, criticas finales y P-Hacking en la era del big data.

Estadísticos descriptivos, concepto de insesgadez y consistencia

Estadísticos de centralidad, media, mediana y moda. ¿Qué información nos aportan? ¿Cuándo y por qué suelen informarse?

Estadísticos de dispersión, varianza, rangos intercuartílicos y desvió. ¿Cuál es la intuición detrás de la variabilidad de los datos?

Correlación y proporción, Tablas de Frecuencia y Agregación

Gráficos como herramientas esenciales en el análisis e interpretación de los datos. Presentación de gráficos más comunes, el histograma, gráficos de barras, boxplot, puntos y líneas

Revisión de los conceptos en papers del área y otras publicaciones