Curso on-line: métodos clássicos em análise de dados

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