La inferencia estadística es un campo fundamental en la investigación científica. La recopilación de datos y la descripción de los mismos son sólo los primeros pasos para la comprensión de un fenómeno, pero la inferencia estadística permite sacar conclusiones más allá de los datos observados. Nos permite tomar decisiones sobre una población completa, en función de lo que sabemos sobre una muestra representativa de datos. Por ejemplo, la inferencia estadística se utiliza para determinar si un tratamiento médico es eficaz o no; o para determinar la asociación entre la exposición a un factor de riesgo y la aparición de una enfermedad.

Una sólida comprensión de la estadística inferencial es de gran importancia para diseñar e analizar estudios empíricos, para cuantificar la incertidumbre y proporcionar soluciones adecuadas a cuestiones sustantivas. Sin embargo, los investigadores suelen ser propensos a cometer muchos errores conceptuales con respecto a este tema. Una comprensión inadecuada de la inferencia estadística puede llevar a conclusiones erróneas y a resultados no reproducibles, lo que afecta negativamente la credibilidad de la investigación científica. En este curso discutiremos la inferencia estadística en el contexto actual de la “crisis de la replicación”, y en relación con los desafíos que plantea el auge de Big Data, el aprendizaje automático y los efectos de selección de sesgo (e.g. selección de cerezas, pruebas múltiples, dragado de datos y P-hacking). Esto es crucial para enfrentar los problemas de inducción, falsificación y demarcación de la ciencia de la pseudociencia, y sirve como eje para comprender y superar las guerras estadísticas.

Este curso te guía a través de los métodos, técnicas y cálculos estadísticos necesarios para tener éxito en el campo de la biomedicina. Cada nuevo concepto se desarrolla sistemáticamente a través de ejemplos completamente elaborados de problemas de investigación médica actuales.