Después de completar el curso, los estudiantes deberían ser capaces de: - Comprender los conceptos fundamentales de la bioestadística. - Demostrar conocimiento de los principios de diseño de estudios y técnicas de análisis de datos en las ciencias de la salud. - Resumir datos y representarlos gráficamente. - Comprender la teoría de la probabilidad y aplicarla a distribuciones de probabilidad teóricas. - Estimar parámetros de población. - Realizar análisis de regresión e interpretar los resultados. - Realizar pruebas de hipótesis con variables cualitativas y cuantitativas e interpretar los resultados. - Aplicar técnicas de estadística no paramétrica.

K2: Conoce y aplica las herramientas matemáticas, estadísticas y computacionales más adecuadas en Neurociencia empleando hojas de cálculo para el manejo de datos, su representación gráfica. S1: Utiliza diferentes técnicas para encontrar, manejar, integrar y evaluar con sentido crítico la información disponible para el desarrollo de actividades en Neurociencia, especialmente en el ámbito digital. S5: Utiliza adecuadamente el vocabulario científico y técnico propio de los diferentes ámbitos de la Neurociencia. C2: Aplica sus conocimientos sobre la organización, estructura y función del Sistema Nervioso Central (SNC) para contribuir a la evolución y mejora de tecnologías y sistemas de computación, manejo y análisis de datos. C3: Aplica su conocimiento de la tecnología para el estudio del Sistema Nervioso y el cerebro (Imagen Médica, interfaces cerebro-máquina) para desarrollar nuevos sistemas de diagnóstico, tratamiento y otras aplicaciones de la Neurociencia (Inteligencia Artificial, Robótica) con el objetivo de mejorar la calidad de vida y progreso social. C4: Utiliza herramientas avanzadas de matemáticas, estadística y computación para aumentar y mejorar el conocimiento en Neurociencias y sus aplicaciones. C5: Aplica los conocimientos necesarios para su integración en equipos multidisciplinares (sector farmacéutico, sanitario, técnicas de diagnóstico, tecnologías de la información en salud, agencias y organismos regulatorios) en los que la Neurociencia sea un área vertebradora de soluciones. C6: Aplica en su actividad profesional el resultado de una formación integral, aunando el conocimiento en Neurociencias con unos sólidos fundamentos de responsabilidad ética y respeto por los derechos fundamentales, la diversidad y los valores democráticos. C7: Aplica en su actividad profesional los principios consustanciales a una formación de grado de naturaleza científico-técnica, así como la necesidad de un aprendizaje autónomo que le permita adaptarse a nuevas situaciones originadas por desarrollo científico y tecnológico.

1. Introducción. Conceptos básicos en bioestadística. Papel de la estadística en las fases de la investigación. 1.1. Términos estadísticos: poblaciones, individuos y muestras 1.2. Tipos de variables. 2. Introducción al diseño de estudios en Ciencias de la Salud. Tipos de estudios en biomedicina. Técnicas de análisis de datos. 2.1. Principios del Diseño de Estudios 2.2. Tipos de Estudios en Biomedicina: Estudios Experimentales, Estudios Observacionales, Revisiones Sistemáticas y Meta-Análisis 2.3. Técnicas para el Análisis de Datos en Estudios Biomédicos 3. Estadística descriptiva. Métodos de muestreo 3.1. Estadística Descriptiva: 3.1.1 Medidas de Tendencia Central y Dispersión 3.1.2 Representación Gráfica de Datos. 3.2. Métodos de Muestreo: Muestreo Aleatorio Simple, Estratificado, Muestreo por Conglomerados y Sistemático 4. Probabilidad. Distribuciones teóricas de probabilidad. 4.1. Fundamentos de la Teoría de la Probabilidad 4.1.1. Experimento aleatorio 4.1.2. Desarrollo de conceptos relacionados con espacio muestral, eventos y sus propiedades 4.1.3. Definición de probabilidad y propiedades 4.1.4. Probabilidad condicional 4.1.5. Ley de la Probabilidad Total y Teorema de Bayes 4.2. Variable aleatoria discreta 4.2.1. Función de probabilidad 4.2.2. Función de distribución acumulada y sus propiedades 4.2.3. Distribuciones discretas comunes: Bernoulli, Binomial, Poisson 4.3. Variable aleatoria continua 4.3.1. Función de distribución acumulada y sus propiedades 4.3.2. Función de densidad 4.3.3. Distribuciones continuas comunes: Normal, Uniforme, Exponencial 5. Estimación de parámetros estadísticos poblacionales. Análisis de regresión. Análisis multivariante. 5.1. Estimación de Parámetros Poblacionales 5.1.1. Estimación Puntual 5.1.2. Intervalos de Confianza 5.2. Análisis de Regresión: 5.2.1. Coeficiente de correlación 5.2.2. Regresión Lineal Simple 5.2.3. Regresión Lineal Múltiple 5.3. Introducción al Análisis Multivariante 6. Teoría estadística del contraste de hipótesis. Contrastes de hipótesis con variables cualitativas. Contrastes de hipótesis con variables cuantitativas. 6.1. Conceptos básicos de contraste de hipótesis 6.2. Contrastes de hipótesis con variables cualitativas 6.3. Contrastes de hipótesis con variables cuantitativas 6.4. Contrastes de hipótesis para comparar dos poblaciones 7. Estadística no-paramétrica. Estadística bayesiana. 7.1. Introducción a las Pruebas No Paramétricas 7.2. Pruebas No Paramétricas Comunes: Mann-Whitney, Wilcoxon 7.3. Estadística Bayesiana: Principios de la Inferencia Bayesiana

Clases presenciales magistrales. Clases presenciales reducidos. Trabajo individual del estudiante. Examen final. Lecciones magistrales con apoyo de medios informáticos y audiovisuales. Aprendizaje práctico basado en casos y problemas y resolución de ejercicios. Trabajo individual y en grupo o cooperativo. Tutorías individuales para resolución de dudas y consultas sobre la materia. Tutorías colectivas de refuerzo cuando sea necesario.