Material de prácticas.

Guiones de prácticas

En el marco de este proyecto se han elaborado guiones destinados al desarrollo de las prácticas de la asignatura. Su finalidad es promover la autonomía del estudiantado mediante una secuencia de actividades guiadas que permiten avanzar de forma estructurada en el aprendizaje.

Los ejercicios propuestos están diseñados para fomentar el autoaprendizaje y van acompañados de sus correspondientes soluciones, con el fin de facilitar la autoevaluación y reforzar la comprensión de los contenidos.

Además, el proyecto incluye una serie de directrices orientativas dirigidas al profesorado responsable de las sesiones prácticas. Estas indicaciones tienen como objetivo apoyar la planificación, supervisión y seguimiento del trabajo del alumnado durante las prácticas.

NonePráctica 1

 

Objetivos:

• Conocer lo más importante del entorno RStudio.
• Ejecutar operaciones básicas en R.
• Crear objetos y vectores.
• Crear un data.frame con datos de interés en Enfermería.
• Crear nuevas variables mediante cálculos.
• Unir archivos de datos.
• Modificar las filas y columnas de un data.frame.
• Guardar y recuperar datos en un archivo externo (.csv o .txt).

Ir a la Práctica 1.

NonePráctica 2

 

Objetivos:

• Conocer y definir las variables de tipo factor.
• Importar una base de datos con formato .rds localizada en una dirección url.
• Explorar la estructura de la base de datos importada.
• Detectar la presencia de valores faltantes.
• Revisar la coherencia de la codificación de las variables de una base de datos.
• Obtener diagramas de frecuencias apropiados para cada tipo de variable.
• Generar diagramas de frecuencias comparativos.
• Obtener las medidas más habituales de síntesis estadística.
• Relacionar los perfiles gráficos con los valores de las medidas de síntesis.

Ir a la Práctica 2.

NonePráctica 3

 

Objetivos:

• Reconocer el papel que jugan los paréntesis, los corchetes y las llaves en el lenguaje R.
• Crear condiciones lógicas.
• Seleccionar (filtrar) casos mediante condiciones lógicas.
• Categorizar y recodificar variables.
• Manejar valores faltantes (recodificación y argumentos na.omit).
• Realizar ejercicios de recapitulación de las tres prácticas .

Ir a la Práctica 3.

NonePráctica 4

 

Objetivos:

• Realizar cálculos básicos de probabilidad, interpretando correctamente los resultados en contextos clínicos.
• Identificar variables aleatorias habituales en Ciencias de la Salud y reconocer la distribución teórica más adecuada (Binomial, Poisson, Normal, etc.) para modelizarlas.
• Realizar muestreos aleatorios sobre poblaciones numeradas, incluyendo muestreo simple y muestreo en varias etapas.
• Calcular probabilidades asociadas a las distribuciones Binomial, Poisson y Normal, y utilizarlas para responder preguntas clínicas realistas.
• Relacionar sensibilidad, especificidad, falsos positivos y falsos negativos con probabilidades fácilmente interpretables.
• Utilizar probabilidades para valorar la eficacia de métodos diagnósticos, la adherencia a protocolos de seguridad, la calidad asistencial o la fiabilidad de procedimientos.
• Interpretar los resultados en lenguaje clínico, integrando la estadística con la toma de decisiones en Enfermería y Ciencias de la Salud.

Ir a la Práctica 4.

NonePráctica 5

 

Objetivos:

• Consultar el listado de paquetes disponibles en el repositorio CRAN de R.
• Instalar paquetes alojados en CRAN y en otros repositorios.
• Reconocer un problema de estimación de parámetros.
• Discriminar el tipo de parámetro que caracteriza una situación práctica.
• Obtener e interpretar el intervalo de confianza apropiado para cada parámetro.
• Reconocer las situaciones en las que se presentan diferentes alternativas de estimación.
• Interpretar la precisión del intervalo.
• Detectar cuándo es necesario ampliar el tamaño muestral.
• Calcular el tamaño muestral necesario para obtener una precisión objetivo en la estimación.

Ir a la Práctica 5.

NonePráctica 6

 

Objetivos:

• Manejar los conceptos teóricos de la teoría de los contrastes de hipótesis.
• Formular las hipótesis estadísticas correspondientes a pruebas unilaterales y bilaterales.
• Analizar la normalidad de una variable.
• Realizar contrastes de hipótesis sobre un parámetro (test con una muestra).
• Interpretar el resultado de un test de hipótesis estadístico.
• Contrastar el resultado de un test de hipótesis con la información que da un intervalo de confianza para el mismo parámetro.
• Automatizar la creación de data frames para comparar dos muestras independientes.
• Contrastar la homogeneidad de varianzas entre dos muestras independientes
• Contrastar la diferencia entre los resultados aportados por métodos paramétricos y los no paramétricos

Ir a la Práctica 6.

NonePráctica 7

 

Objetivos:

• Establecer la relación conceptual entre la homogeneidad de las muestras y la independencia de las variables
• Identificar el tipo de diseño en estudios comparativos con dos muestras de variables cuantitativas
• Identificar el tipo de método de contraste requerido en cada situación (paramétrico o no paramétrico)
• Comparar dos muestras de variables cuantitativas en los siguientes casos
  • Muestras independientes en el caso paramétrico: test de Student / Welch
  • Muestras independientes en el caso no paramétrico: test de Wilcoxon / Mann-Whitney
  • Muestras apareadas en el caso paramétrico: test de Student
  • Muestras apareadas en el caso no paramétrico: test de los rangos con signo de Wilcoxon
• Utilizar el código base de R para resolver los casos anteriores y recursos alternativos, como la implementación BioestadisticaR2
• En los casos paramétricos (muestras independientes y apareadas):
  • Estudiar la significación clínica de los resultados
  • Estudiar la potencia del test cuando el resultado no es significativo
  • Determinar el tamaño de muestra para detectar un efecto mínimo con la potencia deseada

Ir a la Práctica 7.

NonePráctica 8

 

Objetivos:

• Implementar en R tablas de contingencia o de clasificación cruzada
• Obtener y analizar las diferentes distribuciones condicionadas que se derivan de una tabla de contingencia
• Distinguir entre test de independencia y test de homogeneidad en tratar con variables cualitativas
• Realizar el test \(\small \chi^2\) con el código base de R y con las funciones del paquete BioestadisticaR2
• Comprobar la validez del test
• Analizar las causas de la significación mediante el análisis de residuos estandarizados corregidos
• Analizar tablas de contingencia 2x2
• Reconocer los diseños alternativos bajo los que se pueden obtener las tablas 2x2
• Obtener e interpretar las medidas de asociación derivadas de las tablas 2x2
• Interpretar los valores de los intervalos de confianza correspondientes a las medidas de asociación en tablas 2x2 de forma coherente con la significación del test.
• Reconocer un diseño con muestras apareadas
• Contrastar la homogeneidad de dos proporciones apareadas mediante el test de McNemar
• Estimar e interpretar el tamaño bruto del efecto al comparar dos proporciones apareadas

Ir a la Práctica 8.

NonePráctica 9

 

Objetivos:

• Analizar de manera crítica un diagrama de dispersión para comprobar las hipótesis del modelo de regresión lineal
• Ajustar un modelo de regresión lineal simple utilizando el código base de R
• Interpretar el informe correspondiente al ajuste de un modelo de regresión lineal simple
  • Interpretar cada uno de los coeficientes del modelo
  • Interpretar la significación de los coeficientes y su relevancia práctica
  • Valorar la calidad del ajuste en términos del coeficiente de determinación
• Obtener e interpretar los intervalos de confianza para los coeficientes del modelo
  
• Modificar el diagrama de dispersión para añadir la recta de regresión
• Modificar el diagrama de dispersión para añadir etiquetas identificativas de los casos
• Obtener e interpretar un diagrama de residuos
• Interpretar la salida de la función de ajuste de modelos de regresión lineal simple del paquete BioestadisticaR2

Ir a la Práctica 9.