UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(1)

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE CIENCIAS BIOLÓGICAS

ESCUELA PROFESIONAL DE MICROBIOLOGÍA Y PARASITOLOGÍA

“Año de la Universalización de la Salud”

SÍLABO

I. DATOS GENERALES

1.1 Asignatura

:BIOESTADÍSTICA

1.2 Código

:B03117

1.3 Número de créditos :05

1.4 Pre-Requisitos

:Fundamentos de Estadística

1.5 Año de Estudios :Segundo Año

1.6 Semestre Académico :2020-II

1.7 Número de horas

:Semanal / Semestral

Teoría

:03/48

Práctica

:02/32 (dos grupos 64 horas)

1.8 Fecha de inicio

:19 de Octubre de 2020

Fecha de término

:05 de Febrero de 2021

1.9 Horario

Teoría: Lunes de 18:00 H a 21:00 H

Práctica: Martes de 13:00 H a 15:00 H (Grupo 1)

Martes de 15:00 H a 17:00 H (Grupo 2)

1.10 Profesor responsable:

Teoría : Dra. Rosa Ysabel Adriazola Cruz (Responsable)

Departamento Académico de Estadística

Correo Institucional: [email protected]

:

Práctica: Lic. Victor Ramon Garcia Herbozo

Departamento Académico de Estadística

Correo Institucional: [email protected]

1.11 Modalidad: No Presencial (Virtual)

Firmado digitalmente por CASTELLANOS SANCHEZ Pedro Luis FAU 20148092282 soft Motivo: Soy el autor del documento Fecha: 28.11.2020 12:07:03 -05:00

(2)

2

II. SUMILLA

La asignatura corresponde al área de formación específica, de carácter teórico-práctico con el

propósito de desarrollar competencias cognitivas, procedimentales y actitudinales en el

estudiante. El curso trata sobre el análisis estadístico y el diseño de experimentos biológicos. Se

pone énfasis en el empleo de métodos paramétricos y no paramétricos, así como de pruebas de

hipótesis estadísticas, conceptos de muestro y análisis de datos biológicos, análisis de regresión

lineal y no lineal hasta la aplicación del cálculo de probabilidades a la inferencia. Adquiere

competencias para el diseño de experimentos hipotéticos y el manejo y uso de programas

informáticos para el análisis de datos.

III. COMPETENCIAS

3.1 Competencias:

a)

Organiza, gestiona y analiza datos cuantitativos y cualitativos para la investigación.

b) Formaliza en términos probabilísticos las situaciones generadas en ambiente de

incertidumbre.

c)

Desarrolla y aplica procedimientos estadísticos en sus trabajos de investigación y tesis.

d) Gestiona datos empleando programas y softwares adecuados para procesar y analizarlos,

e)

Conoce y aplica principales pruebas de hipótesis estadísticas paramétricas y no paramétricas.

(3)

3.2 Componentes

Actitudes y Valores

a)

Reflexiona sobre la importancia del tratamiento estadístico descriptivo univariante para

datos obtenidos en una investigación científica y de su interpretación.

b)

Valora la probabilidad como herramienta de apoyo en investigaciones científicas para medir

la incertidumbre en la prueba de hipótesis.

c)

Valora el trabajo en equipo.

d)

Valora la rigurosidad en el uso de métodos estadísticos inferenciales.

e)

Valora la Bioestadística como ciencia necesaria para realizar el análisis crítico de los datos.

f)

Compromiso de asistir a todas las clases de teoría y práctica a fin de tener un adecuado

aprendizaje.

g)

Compromiso de participar en la solución de las prácticas dirigidas en clase.

Capacidades

a)

Conoce y aplica la probabilidad en las distribuciones de variables aleatorias.

b)

Conoce los diferentes métodos estadísticos inferenciales usados en la investigación.

c)

Aplica, analiza y obtiene conclusiones usando intervalos de confianza y pruebas de

hipótesis.

d)

Aplica, analiza y obtiene conclusiones usando procedimientos estadísticos de asociación.

e)

Analizar y obtener conclusiones usando procedimientos de análisis de regresión lineal y no

(4)

1

IV. PROGRAMACIÓN

UNIDAD I: Distribución de probabilidad de estadísticas muestrales. Estimación puntual, intervalos de confianza y prueba de hipótesis para un parámetro.

CAPACIDAD: Conocer y aplicar los modelos probabilísticos a las distribuciones muestrales. Conocer y aplicar la estimación puntual, intervalos de confianza para un parámetro, determinación del tamaño de muestra.

SEMANA CONTENIDOS CONCEPTUALES CONTENIDOS

PROCEDIMENTALES ACTIVIDADES DE APRENDIZAJE HORAS LECTIVA S 1 19 al 24 octubre

Tema: Población, Muestra, Parámetro, Estadístico, Muestra aleatoria, Teorema del Límite Central. Distribución de la media, varianza y una proporción de una muestra. Se usará un software estadístico o aplicativo.

Práctica Semana1. Solución de ejercicios

relacionados con los temas teóricos. Se usará un software estadístico o aplicativo.

Actividad Sincrónica

Clases magistrales con participación de los estudiantes.

Diferencia la aplicación de los conceptos teóricos a la distribución muestral de una media. una varianza y una proporción.

Ejercicios de aplicación

usando software o aplicativo 7

2 26 al 31 octubre

Tema: Estimación Puntual y por intervalos de

confianza: Intervalos de confianza para estimar la media poblacional de una distribución normal con varianza poblacional conocida y con varianza poblacional desconocida. Determinación del tamaño de muestra.

Intervalo de confianza para estimar una varianza poblacional.

Intervalo de confianza para estimar una proporción poblacional, tamaño de muestra. Se usará un software estadístico o aplicativo.

Práctica Semana 2. Solución de ejercicios relacionados con los temas teóricos. Obtención de

Clases magistrales con

participación de los

estudiantes.

Distingue entre estimación puntual y estimación mediante intervalo de confianza para parámetros. Estimación e interpretación de intervalo de confianza para un parámetro. Calcula el tamaño de muestra.

(5)

resultados a través de un software estadístico o aplicativo.

3 02 al 07

noviembre

Tema: Prueba de Hipótesis Estadísticas: Introducción,

Definiciones básicas, Pasos para su aplicación, Pruebas de hipótesis para la media poblacional de una distribución normal con varianza poblacional conocida y con varianza poblacional desconocida.

Pruebas de hipótesis para la varianza poblacional de una distribución normal.

Pruebas de hipótesis para la proporción poblacional.

Práctica Semana 3. Solución de ejercicios relacionados con los temas teóricos. Obtención de resultados a través de un software estadístico o aplicativo. Obtiene muestras aleatorias a través de un software.

participación de los estudiantes. Identifica los conceptos y aplica prueba de hipótesis estadística para una media, una varianza y una proporción. Ejercicios de aplicación empleando software estadístico o aplicativo 7 4 09 al 14 noviembre

Tema: Prueba de hipótesis para la diferencia de dos proporciones poblacionales y prueba de hipótesis para la razón de dos varianzas poblacionales.

Práctica Semana 4. Solución de ejercicios relacionados con los temas teóricos. Obtención de resultados a través de un software estadístico o aplicativo.

participación de los estudiantes.

Distingue entre una prueba de hipótesis para la diferencia de dos proporciones poblacionales y para la razón de dos varianzas

poblacionales.

empleando software o aplicativo 7

Práctica calificada 1 (PC1)

UNIDAD II: Prueba de hipótesis para dos parámetros. Prueba de hipótesis para tres o más parámetros ANOVA CAPACIDAD: Conocer y aplicar las pruebas de hipótesis para dos parámetros y para tres o más parámetros.

5 16 al 21 noviembre

Tema: Prueba de hipótesis para la diferencia de dos medias poblacionales, cuando las varianzas poblacionales son conocidas y cuando son desconocidas.

Distingue entre prueba de

(6)

3 Práctica Semana 5. Solución de ejercicios relacionados

con los temas teóricos. Obtención de resultados a través de un software estadístico o aplicativo.

hipótesis para la diferencia de dos medias poblacionales cuando las

varianzas poblacionales son

conocidas y cuando son

desconocidas.

6 23 al 28 noviembre

Tema: Introducción al diseño de experimentos. Conceptos: Experimento, diseño, análisis, factores, tratamientos y niveles. Modelo ANOVA de un factor: Supuestos del experimento, prueba F. Prueba de comparaciones múltiples. Análisis de resultados obtenidos usando software estadístico.

participación de los estudiantes. Identifica los supuestos para el ANOVA de un factor.

7 30 nov al 05 diciembre

Tema: Análisis de varianza en un diseño de bloques completamente aleatorizado. Análisis de resultados obtenidos usando software estadístico.

participación de los estudiantes. Identifica los supuestos para el ANOVA de dos factores.

Práctica calificada 2 (PC2)

8 EXAMEN PARCIAL (07 de diciembre)

UNIDAD III: Pruebas estadísticas no paramétricas. Análisis de datos categóricos.

CAPACIDAD: Conocer y aplicar las pruebas estadísticas no paramétricas. Conoce, analiza y propone aplicaciones con datos categóricos

9 14 al 19 diciembre

Tema: Pruebas de bondad de ajuste a una distribución

normal.

Estadística No Paramétrica: Introducción

Ventajas y Desventajas. Pruebas: Aleatoriedad, Wilcoxon.

Práctica Semana 9. Solución de ejercicios relacionados con los temas teóricos. Obtención de resultados a través de un software estadístico o aplicativo.

Distingue entre Pruebas de

bondad de ajuste a una

distribución normal. Distingue

empleando software o aplicativo.

(7)

las pruebas de hipótesis no paramétricas

10 21 al 26 diciembre

Tema: Estadística No Paramétrica:

Mann Whitney y Kruskal Wallis.

participación de los estudiantes. Identifica los conceptos y aplica al análisis de datos categóricos.

11 28 diciembre

2020 al 02 enero 2021

Tema: Análisis de Datos Categóricos: Tablas de

Contingencia y su representación gráfica. Prueba

Chi-cuadrado: Prueba de Independencia, Prueba de

homogeneidad

participación de los estudiantes. Identifica los conceptos y aplica al análisis de datos categóricos.

Práctica calificada 3 (PC3) UNIDAD IV: Análisis de correlación. Análisis de regresión lineal y no lineal

CAPACIDAD: Conoce, analiza y propone aplicaciones de regresión lineal y no lineal 12

04 al 09 enero2021

Análisis correlación: Introducción. Diagrama de

Dispersión. Correlación Lineal.

participación de los estudiantes. Identifica los conceptos y aplica al análisis de regresión lineal

13 11 al 16 enero 2021

Análisis lineal Simple: Introducción. Estimación de los parámetros del modelo. Evaluación del modelo. Pronósticos.

participación de los estudiantes. Identifica los conceptos y aplica al análisis de regresión lineal

(8)

5 14

18 al 23 enero2021

Análisis de Regresión No Lineal Simple: Introducción. Estimación del modelo. Evaluación del modelo. Pronósticos.

participación de los estudiantes. Identifica los conceptos y aplica al análisis de regresión no lineal

Práctica calificada 4 (PC4) 15 25 al 30 enero2021 SEMINARIO-TALLER 16 01 al 05 de febrero2021

(9)

V. ESTRATEGIAS METODOLÓGICAS

Se emplearán las siguientes estrategias de enseñanza: Clase magistral, debate dirigido, clase

dialogada, discusión dirigida y resolución de ejercicios, problemas y de casos.

Para el aprendizaje se empleará la lectura de artículos de investigación con enfoque social, la

propuesta de prácticas para ser resueltas en aula virtual.

Actividad sincrónica y Actividades asincrónica

VI. RECURSOS DIDÁCTICOS

Materiales: Archivos PDF con clases y prácticas dirigidas, formularios para evaluación de

proceso y de resultados elaborados por la docente del curso. Videos cortos con enlaces. Recursos

didácticos seleccionados de redes sociales y de instituciones que brindan clases virtuales.

Artículos publicados en la revista de investigación y tesis de la Facultad de Ciencias Biológicas y

de otros centros académicos. Equipos: Computadora conectada a Internet de cada estudiante

matriculado y del docente del curso. Medios: Plataforma virtual G Suite for Education de Google

(Gmail, Drive, Calendar, Classroom, Google Meet y Formulario), para desarrollar clases

virtuales.

VII. EVALUACIÓN DEL APRENDIZAJE

Los exámenes de teoría y práctica son cancelatorios y las fechas impostergables.

La inasistencia a un 30% de clases teóricas y de practicas inhabilita al estudiante a rendir el

examen final.

• Evaluación diagnóstica: Al inicio de cada clase.

• Evaluación de Proceso (EP): Promedio de las prácticas calificadas y se calcula:

EP= 0.25 PC1 + 0.25 PC2 + 0.25 PC3 + 0.25 PC4

• Evaluación de resultados (ER), se calcula como:

ER

= 0.4 P + 0.6 F

(10)

2

𝑃𝐹 =

𝐸𝑃 + 𝐸𝑅

2

VIII. FUENTES DE INFORMACIÓN

BIBLIOGRAFÍA

8.1 IMPRESA

ABURTO, C. (1979):

Elementos de la Bioestadística

. Fondo Interamericano S.A.; México

AVILA ACOSTA, R.B. (2000):

Estadística Elemental.

Estudios y Ediciones RA. Lima Perú.

CHUE, J. (2007).

Estadística descriptiva y probabilidades

. Editorial: Universidad de Lima, Lima.

DANIEL W. (1987):

Bioestadística: Bases para el análisis de las Ciencias de la Salud.

México.

Limusa.

DOMENECH I. MASSONS, Josep (1980):

Bioestadística

. Barcelona. Herder.

MILTON, J. S. y TSOKOS, J.O. (1987):

Estadística para Biología y Ciencias de la Salud

. España.

Interamericana-McGraw-Hill

MURILLO ALFARO, Félix (2002):

Análisis Estadístico y Uso de base de Datos con SPSS

. Ediciones

y Distribución INFO XXI. Lima. Perú.

NORMAN, Geoffrey R. And STERINER, David L. (1996):

Bioestadística.

Madrid. Mosby /Doyma

Libros.

PARKER, R. (1981):

Estadística para Biólogos

. Ed. Omega, Barcelona.

PÉREZ LÓPEZ, César (2001):

Técnicas Estadísticas con SPSS.

Prentice-Hall. España

SAMUELS, Myra L. y WITMER, Jeffrey A. SCHAFFNER, Andrew (2012):

Fundamentos de

Estadística para las Ciencias de la Vida

. Pearson Education, Inc.

SOKAL, R. y ROHLF, F. (1990):

Introducción a la Bioestadística

. Ed. Reverté. Barcelona. STEEL

y TORRIE (1990):

Bioestadística

. México. Ed. McGraw-Hill. Bogotá.

VÉLIZ CAPUÑAY, Carlos (1999):

Estadística Aplicaciones.

Ed. Perú Offset. Lima.

Revistas de Investigación en Genética y Biotecnología o similares, a nivel básico y aplicado.

Revistas de Investigación de Biología.

Tesis para obtener título profesional en Genética y Biotecnología UNMSM y otros.

Boletines de la O.P.S., O.M.S. y otros.

Material elaborado por los profesores del curso.

8.2 DIGITAL

http://www.bioestadistica.uma.es/libro/

http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm

http://e-stadistica.bio.ucm.es/index_modulos.html

(11)

http://www.hrc.es/bioest/M_docente.html

http://www.sportsci.org/resource/stats/index.html

http://davidmlane.com/hyperstat/intro.html

http://www.circ.ahajournals.org/cgi/content/full/114/1/76

https://perswww.kuleuven.be/~u0018341/documents/biomedwet_bachelor.pdf

http://faculty.franklin.uga.edu/dhall/sites/faculty.franklin.uga.edu.dhall/files/lec1.pdf

http://cran.r-project.org/doc/contrib/Seefeld_StatsRBio.pdf

https://www.academia.edu/17988752/Bioestadistica_Base_para_el_analisis_de_las_ciencias_de_la_

salud

Lima, 9 octubre del 2020

Dra. Rosa Ysabel Adriazola Cruz Lic. Victor Ramon Garcia Herbozo

Firmado digitalmente por CASTELLANOS SANCHEZ Pedro Luis FAU 20148092282 soft Motivo: Soy el autor del documento Fecha: 28.11.2020 12:07:15 -05:00