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
-
Introducción y conceptos base: data, varianza, aplicación de análisis estadístico, pruebas de hipótesis, variables, escalas de medición, población y muestra microbiológica.
-
Introducción a R: iniciar un proyecto, carga de datos al computador, uso de funciones básicas estadísticas, exportar resultados al computador.
-
Estadísticas descriptivas: organización de la data, frecuencias de observación, medidas de tendencia central, medidas de dispersión, histogramas y diagramas de caja (box-plots).
-
Distribuciones teóricas: concepto de probabilidad, distribución binomial, y distribución normal.
-
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.
-
Pruebas de hipótesis: prueba estadística, "p-value", prueba T para comparación de medias, intervalos de efectividad de tratamientos, asunciones para inferencia.
-
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.
-
Experimento Factorial: Two-way ANOVA, métodos de ajuste del valor p (p-value), efectos de variables principales, interacción entre tratamientos. Análisis multi-tratamiento.
-
Correlación y regresión Lineal: creación de modelo matemático, estimación de parámetros, interpretación matemática y microbiológica de resultados, uso de modelo para predicción.
-
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.
-
Análisis de frecuencia: tablas de contingencia, cambios de prevalencia control vs tratamiento con prueba de Chi-cuadrado, independencia multi tratamiento RxC.
-
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