ES EN
Make the most of your grant of up to 25% Scholarships of up to 25%

Titulación Universitaria + 60 Créditos ECTS

Master’s Degree in Continuing Professional Development in Biostatistics + 60 ECTS credits

Máster de Formación Permanente en Bioestadística + 60 Créditos ECTS

¿Te interesa aplicar la estadística con rigor para analizar datos de investigación en biociencias o sanidad? Aprende a tratar datos, optimizar el muestreo y reducir sesgos con un máster especializado.

  • 100% Online
  • 1500
  • Open call
  • Scholarships
  • University Degree
  • 100% online course, at your own pace
  • 60 Créditos ECTS
  • No minimum contract period · We’ll get back to you within 24 hours
Máster de Formación Permanente en Bioestadística + 60 Créditos ECTS

A Master’s degree with verifiable programme details

  • 60 Créditos ECTS
  • Facultad de Gestión Sanitaria
  • Work placements in real-world organisations
  • INESALUD’s own title

What will you achieve on completion of this master’s degree?

Conceptos básicos

Familiarízate con conceptos esenciales de estadística para dar rigor al análisis de datos derivados de investigación.

Métodos por naturaleza

Conoce los principales métodos para analizar variables de diferente naturaleza según su aplicación en biociencias y salud.

Regresión y probabilidad

Adquiere nociones sobre regresión y probabilidad, y aprende a identificar enfoques para datos no paramétricos.

Paquetes estadísticos

Aprende nociones básicas sobre el funcionamiento de paquetes estadísticos para optimizar el procedimiento de análisis.

Programme syllabus

6 módulos que cubren desde fundamentos de estadística hasta métodos para analizar variables de diferente naturaleza, datos no paramétricos, regresión y probabilidad. Haz clic en cada módulo para ver el contenido completo.

01

Módulo 1. Estadística Biométrica

Unidad Didáctica 1. Estadística

  • Introducción, concepto y funciones de la estadística
  • Estadística descriptiva
  • Estadística inferencial
  • Medición y escalas de medida
  • Variables: clasificación y notación
  • Distribución de frecuencias
  • Representaciones gráficas
  • Propiedades de la distribución de frecuencias
  • Medidas de posición
  • Medidas de dispersión
  • Medidas de forma
  • Curva de Lorenz, coeficiente de Gini e índice de Theil

Unidad Didáctica 2. Medidas de Tendencia Central y Posición

  • Medidas de tendencia central
  • Medidas de posición
  • Medidas de variabilidad
  • Índice de asimetría de Pearson
  • Puntuaciones típicas

Unidad Didáctica 3. Análisis Conjunto de Variables

  • Introducción al análisis conjunto de variables
  • Asociación entre dos variables cualitativas
  • Correlación entre dos variables cuantitativas
  • Regresión lineal

Unidad Didáctica 4. Distribuciones de Probabilidad

  • Conceptos previos de probabilidad
  • Variables discretas de probabilidad
  • Distribuciones discretas de probabilidad
  • Distribución normal
  • Distribuciones asociadas a la distribución normal

Unidad Didáctica 5. Estadística Inferencial

  • Conceptos previos
  • Métodos de muestreo
  • Principales indicadores

Unidad Didáctica 6. Contraste de Hipótesis

  • Introducción a las hipótesis estadísticas
  • Contraste de hipótesis
  • Contraste de hipótesis paramétrico
  • Tipologías de error
  • Contrastes no paramétricos

Unidad Didáctica 7. Regresión Lineal

  • Introducción a los modelos de regresión
  • Modelos de regresión: aplicabilidad
  • Variables a introducir en el modelo de regresión
  • Construcción del modelo de regresión
  • Modelo de regresión lineal
  • Modelo de regresión logística
  • Factores de confusión
  • Interpretación de los resultados de los modelos de regresión

Unidad Didáctica 8. Análisis de Varianza: un Factor de Efectos Aleatorios

  • Modelos de medidas repetidas

Unidad Didáctica 9. Introducción a la Estadística No Paramétrica

  • Estadística no paramétrica. Conceptos básicos
  • Características de las pruebas
  • Ventajas y desventajas del uso de métodos no paramétricos
  • Identificación de las diferentes pruebas no paramétricas
02

Módulo 2. Estadística Aplicada Al Medio Ambiente

Unidad Didáctica 1. Introducción a la Estadística Ambiental

  • Modelos ambientales: determinísticos y estocásticos
  • Datos ambientales
  • Concepto de variable aleatoria y su relevancia con respecto a los datos ambientales
  • Estadística en la gestión ambiental
  • Poblaciones y muestras
  • Parámetros estadísticos

Unidad Didáctica 2. Descripción de Datos Ambientales

  • Escalas de medición
  • Descriptores estadísticos de datos ambientales
  • Incertidumbre de la medición, exactitud, precisión y estimación del sesgo de los datos ambientales
  • Variabilidad y errores en los datos de contaminación ambiental

Unidad Didáctica 3. Modelos de Probabilidad

  • Aplicaciones de distribución de probabilidad
  • Interpretación de estándares ambientales
  • Análisis de frecuencia de inundaciones
  • Datos de calidad del aire

Unidad Didáctica 4. Muestreo de Datos Ambientales

  • Necesidad y propósito del muestreo
  • Métodos para seleccionar lugares y momentos de muestreo
  • Monitoreo de variables hidrológicas e hidrogeológicas de cantidad y calidad de agua
  • Monitoreo de la calidad del aire
  • Muestreo de suelos

Unidad Didáctica 5. Tipos de Muestreo

  • Diseños de muestreo probabilísticos y no probabilísticos para el muestreo ambiental
  • Distribuciones muestrales
  • Estimación de parámetros ambientales (puntuales y de intervalo)
  • Estimación del intervalo de confianza y determinación del tamaño de la muestra

Unidad Didáctica 6. Análisis de Datos Ambientales

  • Análisis de correlación: análisis gráfico, covarianza, coeficiente de correlación, distribución del coeficiente de correlación y su significancia estadística
  • Construcción de modelos empíricos y análisis de regresión
  • Procesos no lineales en el medio ambiente y uso de transformadas
  • Introducción a la regresión lineal múltiple
  • Análisis de series temporales
03

Módulo 3. Análisis de Datos Mediante Diversos Paquetes Estadísticos

Unidad Didáctica 1. Introducción a la Estadística en Programas Informáticos. el Spss

  • Introduction
  • Cómo crear un archivo
  • Definir variables
  • Variables y datos
  • Tipos de variables
  • Recodificar variables
  • Calcular una nueva variable
  • Ordenar casos
  • Seleccionar casos

Unidad Didáctica 2. Estadística Descriptiva con Spss

  • Introduction
  • Análisis de frecuencias
  • Tabla de correlaciones
  • Diagramas de dispersión
  • Covarianza
  • Coeficiente de correlación
  • Matriz de correlaciones
  • Contraste de medias

Unidad Didáctica 3. Análisis de Datos Mediante "graph Pad Prism"

  • 1.Test de normalidad
  • Análisis de varianza
  • Comparación de medias
  • Realización y maquetación de gráficos
  • Estadística descriptiva

Unidad Didáctica 4. Análisis de Datos Mediante "r"

  • Definición de las variables
  • Comandos utilizados para comparación de variables
  • Comandos utilizados para correlación lineal
  • Elaboración de gráficos mediante R
  • Comandos utilizados para estadística descriptiva

Unidad Didáctica 5. Uso de Excel para Análisis Estadísticos

  • Comandos para estadística descriptiva
  • Formulario
  • Anova
  • Elaboración de gráficos
  • Chi cuadrado

Unidad Didáctica 6. Estadística en Ecología Mediante Past

  • ¿Qué es Past?
  • Introducción de datos
  • Análisis de variables
  • Índices de diversidad
  • Otros análisis de interés
04

Módulo 4. Estadística No Paramétrica

Unidad Didáctica 1. Introducción a la Estadística No Paramétrica

  • Estadística no paramétrica. Conceptos básicos
  • Características de las pruebas
  • Ventajas y desventajas del uso de métodos no paramétricos
  • Identificación de las diferentes pruebas no paramétricas

Unidad Didáctica 2. Pruebas No Paramétricas para una Muestra

  • Pruebas no paramétricas para una muestra
  • Chi-cuadrado o ji-cuadrado
  • Prueba de Kolmogorov-Smirnov para una muestra
  • Prueba binomial
  • Prueba de rachas

Unidad Didáctica 3. Pruebas No Paramétricas para Dos Muestras Relacionadas

  • Prueba de los signos
  • Prueba del rango con signo de Wilcoxon
  • Prueba de McNemar

Unidad Didáctica 4. Pruebas No Paramétricas para K Muestras Relacionadas

  • Pruebas para k muestras relacionadas
  • Prueba de Cochran
  • Prueba de Friedman
  • Coeficiente de concordancia de W de Kendall

Unidad Didáctica 5. Pruebas No Paramétricas para Dos Muestras Independientes

  • Pruebas para dos muestras independientes
  • Prueba U de Mann Whitney
  • Prueba de Wald-Wolfowitz
  • Prueba de reacciones extremas de Moses
  • Prueba de Kolmogorov-Smirnov para dos muestras

Unidad Didáctica 6. Pruebas No Paramétricas para K Muestras Independientes

  • Pruebas no paramétricas para K muestras independientes
  • Prueba de la mediana
  • Prueba H de Kruskal-Wallis
  • Prueba de Jonckheere-Terpstra
05

Módulo 5. Probabilidad

Unidad Didáctica 1. Conceptos Básicos de Probabilidad y Regresión

  • Experimento aleatorio
  • Espacio muestral
  • Suceso
  • Intersección de sucesos
  • Probabilidad clásica
  • Probabilidad condicional
  • Ley de probabilidad total
  • Teorema de Bayes
  • Variables aleatorias
  • Desigualdad de Chebyschev
  • Distribución normal

Unidad Didáctica 2. Modelos Discretos

  • Modelos discretos
  • Distribución dicotómica (Bernoulli)
  • Distribución binomial
  • Distribución hipergeométrica
  • Modelo de poisson

Unidad Didáctica 3. Modelos Continuos

  • Distribución continua
  • Distribución uniforme
  • Distribución exponencial
  • Distribución normal

Unidad Didáctica 4. Relación Entre Modelos

  • Aproximación de una Binomial por una Poisson
  • Aproximación de una Binomial por una Normal
  • Aproximación de una distribución de Poisson por una Normal
  • Corrección por continuidad
06

Módulo 6. Regresión

Unidad Didáctica 1. Regresión Lineal

  • Regresión lineal
  • Coeficiente de Pearson
  • Coeficiente de Spearman
  • Coeficiente Tau de Kendall
  • Correlación Jackknife

Unidad Didáctica 2. Regresión Logística

  • La regresión logística
  • Dónde y cuándo aplicarla
  • Cómo interpretarla
  • Precauciones

Unidad Didáctica 3. Análisis de Supervivencia

  • Análisis de supervivencia
  • Conceptos básicos
  • Supervivencia y riesgo
  • Metodología estadística
  • Regresión de Cox
  • Método de Kaplan-Meier

Teaching staff

Facultad de Medicina — profesionales con experiencia en Máster de Formación Permanente en Bioestadística + 60 Créditos ECTS.

Agustín Soler Fernández

Agustín Soler Fernández

Faculty of Psychology

Mental health

Alba Gastón Guerrero

Alba Gastón Guerrero

Faculty of Nursing

Sexology

Ángeles Ferrando Rodríguez

Ángeles Ferrando Rodríguez

Health education

Antonio Jesús González Fuentes

Antonio Jesús González Fuentes

Physical Education

Daniel Vallejo Restrepo

Daniel Vallejo Restrepo

Faculty of Psychology

Psychotherapy

Fátima García López

Fátima García López

Finance Department

Jesús Santos Moronta

Jesús Santos Moronta

Faculty of Pharmaceutical Industry and Research

Regulatory Affairs

JC

Joan Carles March Cerdà

Faculty of Medicine

Public health

What sort of work could you do?

With this Master’s degree, you will be eligible for roles such as:

  • Investigador/a universitario en bioestadística
  • Analista estadístico en investigación
  • Especialista en tratamiento de datos
  • Técnico/a de análisis en centros de investigación
  • Apoyo estadístico en proyectos de salud
  • Perfil de bioestadística en investigación

Methodology

Our educational methodology

Profesional sanitaria con bata verde y fonendoscopio siguiendo su formación online desde el portátil
Learn whenever you like

Progress at your own pace, wherever you are
and with close monitoring.

Realist

The EDUCA LXP methodology avoids overly theoretical knowledge or inefficient practical methods. The combination of constantly updated content and personalised support throughout the learning process makes EDUCA LXP a unique methodology.

Students Come First

The EDUCA LXP methodology and the EDUCA EDTECH group’s training approach view the student as the centre of the educational experience, drawing on their feedback. Their feedback is our driving force for change.

Artificial Intelligence

Personalised learning would not be possible without a careful balance between academic expertise and technological research, as well as Artificial Intelligence. That is why we have in-house AI tools, tailored to each educational institution within the group.

Practising professionals

Our team of teaching professionals, as well as being specialists in their field, have received specific training in the use of the technological tools that make up the EDUCA EDTECH ecosystem.

INESALUD Grants · Discounts of up to 25%

¿Damos el paso para especializarte en Máster de Formación Permanente en Bioestadística + 60 Créditos ECTS?

Our team of advisers will answer your questions and explain the support available, with no obligation.