top of page

Introducción a Estadísticas
en Microbiología de Alimentos.

Objetivo General

  • Entender y poder aplicar metodología estadística de investigación en el área de microbiología de alimentos.

Objetivos Específicos

  • Organizar y resumir data con calidad.

  • Entendimiento de la aplicación de conceptos básicos como distribución, población, desviación, varianza y otros.

  • Pruebas de hipótesis para tratamientos.

  • Ejemplos en diseños experimentales.

  • Familiarización con el uso del software R para automatizar cálculos estadísticos.

Metodología de aprendizaje

  • +12 Horas de clases en línea por video llamada. 

  • Ejemplos aplicados al área de microbiología y alimentos.

  • +12 Horas de talleres de análisis de datos.

  • Evaluación continua con asesoría personalizada.

Plan de estudio

  1. Introducción y conceptos base: data, varianza, aplicación de análisis estadístico, pruebas de hipótesis, variables, escalas de medición, población y muestra microbiológica.

  2. Introducción a R: iniciar un proyecto, carga de datos al computador, uso de funciones básicas estadísticas, exportar resultados al computador.

  3. Estadísticas descriptivas: organización de la data, frecuencias de observación, medidas de tendencia central, medidas de dispersión, histogramas y diagramas de caja (box-plots).

  4. Distribuciones teóricas: concepto de probabilidad, distribución binomial, y distribución normal.

  5. Distribución de muestreo: el experimento perfecto, consideraciones de muestreo, distribución de muestreo, estimación de puntual, estimación de intervalo, distribución T vs distribución normal, intervalos de confianza e interpretación. 

  6. Pruebas de hipótesis: prueba estadística, "p-value", prueba T para comparación de medias, intervalos de efectividad de tratamientos, asunciones para inferencia.

  7. Análisis de varianza: error tipo I en comparación de múltiples tratamientos, hipótesis del análisis de varianza, tabla ANOVA de suma de cuadrados, inferencia en la interpretación de resultados.

  8. Experimento Factorial: Two-way ANOVA, métodos de ajuste del valor p (p-value), efectos de variables principales, interacción entre tratamientos. Análisis multi-tratamiento. 

  9. Correlación y regresión Lineal: creación de modelo matemático, estimación de parámetros, interpretación matemática y microbiológica de resultados, uso de modelo para predicción. 

  10. Inferencia para regresión: condiciones para inferencia estadística, error estándar de modelo, prueba de hipótesis en parámetros, intervalos de confianza, predicción de valores promedio y predicción de observaciones, verificación de asunciones estadísticas. 

  11. Análisis de frecuencia: tablas de contingencia, cambios de prevalencia control vs tratamiento con prueba de Chi-cuadrado, independencia multi tratamiento RxC. 

  12. Introducción a estadística no paramétrica: principios matemáticos, aplicaciones a microbiología, prueba Mann-Whitney para dos tratamientos, prueba Kruskal-Wallis para múltiples tratamientos, interpretación de resultados y alcance de predicción.

bottom of page