Este documento presenta un tutorial práctico y completo sobre cómo implementar una Regresión Lineal Múltiple (RLM) en R, enfocado en un ejemplo real de salud pública. Partiendo de la teoría básica (ecuación y supuestos), el tutorial guía al usuario a través del proceso iterativo de construcción de un modelo estadístico robusto. Utilizamos un conjunto de datos de un estudio CAP (Conocimientos, Actitudes y Prácticas) sobre la prevención de COVID-19 para predecir el nivel de conocimiento de los participantes. Lo que aprenderás en este tutorial: Preparación de Datos: Cómo limpiar y transformar variables categóricas (texto) a factores, crear nuevas variables dicotómicas y reagrupar niveles lógicamente usando dplyr (case_when, relevel). Selección de Modelo (Eliminación Hacia Atrás): Cómo "limpiar" un modelo complejo inicial, interpretando p-valores para eliminar sistemáticamente las variables que no aportan poder predictivo, prestando especial atención a las variables categóricas (factores). Prueba de Hipótesis: Cómo probar hipótesis teóricas añadiendo y quitando predictores (ej. experiencia personal, demografía) para entender qué variables explican mejor la variabilidad. Validación del Modelo: Cómo interpretar los cuatro gráficos de diagnóstico (plot(lm)) para verificar que se cumplen los supuestos de linealidad, homocedasticidad, normalidad y ausencia de puntos influyentes. El objetivo final es llevar al lector desde un modelo inicial "sucio" hasta un modelo final parsimonioso, validado e interpretable, listo para un reporte o publicación.

Este tutorial cubre los fundamentos de la Regresión Lineal Simple (RLS), una técnica esencial para modelar y predecir la relación entre dos variables cuantitativas. Seguiremos los objetivos de aprendizaje de la asignatura de Bioestadística para estudiantes de medicina de la Universidad Dr. José Matías Delgado.

Comparación de dos medias para grupos independientes y pareados.

Este tutorial te permitirá realizar pruebas de hipótesis para variables categóricas con dos o más niveles.

Este tutorial te guiará para determinar el tamaño muestral para un estudio correlacional

Este tutorial es una guía completa sobre la inferencia estadística para una proporción, ideal para estudiantes de bioestadística y ciencias de la salud. Aprenderás paso a paso: Cómo construir e interpretar Intervalos de Confianza. Los 5 pasos para realizar una Prueba de Hipótesis. La diferencia crucial entre significancia estadística y relevancia clínica. La interpretación de los errores Tipo I y Tipo II en contextos de salud. El documento combina la teoría fundamental con los cálculos matemáticos manuales y su implementación práctica utilizando código en R.

Domina las distribuciones de probabilidad más importantes en bioestadística: la Normal y la Binomial. A través de una guía paso a paso, este tutorial te lleva desde los conceptos teóricos fundamentales hasta su aplicación práctica con ejemplos clínicos reales. Aprenderás a interpretar, calcular y visualizar estas distribuciones utilizando código en R, desarrollando una base sólida para el análisis de datos en ciencias de la salud y la estadística inferencial.

Tutorial para estudiantes de bioestadística de la Universidad Dr. José Matías Delgado

Tutorial para estudiantes de Bioestadística Universidad Dr. José Matías Delgado. Agosto de 2025

This is the final assigment for grading a "Reproducible Research" course with John Hopkins University through Coursera