Métodos clássicos em análise de dados
Este curso de medicina on-line, oferecido pelo programa de epidemiologia de mestrado da Universidade Utrecht e Utrecht, fornece uma compreensão das aplicações básicas de bioestatística na análise de dados de pesquisa médica.
Os tópicos são tipos de dados, medidas de localização e variabilidade, amostras e populações, distribuições, intervalos de confiança, teste de hipóteses, comparação de dois ou mais meios ou proporções (métodos paramétricos e não paramétricos) e relações entre duas variáveis (correlação, regressão linear simples ). O curso também inclui uma extensa discussão dos modelos de regressão linear múltipla. Este é um curso ideal para quem quer continuar a sua educação médica, obtendo uma melhor compreensão da análise de dados.
objetivos de aprendizado
√ tem uma visão sobre a lei √n e suas conseqüências para o tamanho da amostra
√ tem uma visão dos princípios gerais dos procedimentos de decisão ("teste") e pode aplicar esses procedimentos na prática usando pacotes estatísticos comuns (SPSS, R)
√ Compreender os princípios das seguintes técnicas de análise estatística: Testes T de alunos (1 amostra, 2 amostras e emparelhados), Análise de Variância (ANOVA de 1 e 2 vias), Análise de regressão linear simples e múltipla, 1- amostra, 2 amostras e testes de proporção emparelhada (x 2 teste de qualidade de ajuste, teste x 2 de Pearson e teste x 2 de McNemar)
√ saber em quais situações essas técnicas podem ser aplicadas e as condições que devem ser atendidas para obter resultados confiáveis usando essas técnicas
√ seja capaz de aplicar essas técnicas usando pacotes estatísticos comuns (SPSS, R)
√ tem uma visão do teste de Kolmogorov Smirnov (distribuição normal) e do teste de Fisher para a igualdade de variâncias e pode aplicar esses testes na prática usando pacotes estatísticos comuns (SPSS, R)
√ entenda os resultados obtidos com essas técnicas e seja capaz de aplicar esses resultados na prática (por exemplo, na resposta a uma pergunta de estudo
√ estar familiarizado com os termos 'variação explicada' e multi-colinearidade
√ entender os princípios da redução do modelo na análise de regressão
√ compreender os princípios básicos da técnica de análise de regressão logística
√ pode escolher a técnica não paramétrica apropriada a ser aplicada no caso de dados não normalmente distribuídos e entender os princípios desses métodos.
Métodos de aprendizagem
√ Weblectures/>
Avaliação
√ Uma avaliação será parte deste curso/>
Prazos do Curso
Por favor, note que você é obrigado a entregar atribuições durante algumas das unidades de aprendizagem neste curso:
Semana 0
Domingo antes da data de início - se apresentar
Semana 1
Domingo - complete a Unidade de Aprendizagem 1
Semana 2
Domingo - complete Unidade de Aprendizagem 2
Semana 3
Domingo - complete a Unidade de Aprendizagem 3
Semana 4
Domingo - complete a Unidade de Aprendizagem 4
Semana 5
Domingo - Complete Learning Unit 5
Semana 6
Domingo - complete a Unidade de Aprendizagem 6
Semana 7
Domingo - Complete Learning Unit 7
Semana 8
Domingo - complete a Unidade de Aprendizagem 8
Semana 9
Domingo - complete a Unidade de Aprendizagem 9
Semana 10
Domingo - unidade de aprendizagem completa 10
Semana 11
Domingo - Complete Learning Unit 11
Semana 12
Domingo - complete Unidade de Aprendizagem 12
Semana 13
Segunda-feira - exame final
Exame
Este curso inclui um exame que consiste principalmente em perguntas de ensaio, que é a única parte do curso que não está online. As datas e horas do exame serão anunciadas no site Elevate.
Você pode refazer o exame uma vez. Se você é capaz e disposto a fazer o exame em Utrecht, na Holanda, estamos disponíveis para supervisionar o exame para você, sem quaisquer custos. Se você tiver que fazer o exame de um local diferente, você precisa de um proctor. Este gerente pode solicitar que você pague suas despesas.
Leia mais sobre o acompanhamento em nossa página específica. O exame não é obrigatório. No entanto, se você deseja receber o Certificado do Curso e os créditos, é obrigatório fazer o exame.
Requisitos de entrada
Para se inscrever neste curso, você precisa:
√ Um diploma de BSc
√ Ter participado de um curso de estatística introdutória
√ Uma habilidade suficiente em leitura e escrita em inglês (nível B1 do Quadro Europeu Comum de Referência)
Observe
Como este é um curso on-line, você precisa de acesso a uma conexão à internet para poder completar tarefas e se comunicar com outros participantes.
O curso é oferecido por
Program taught in:
Maio 6, 2019