Estadística aplicada a las Ciencias de la Salud con SPSS
4.3 (191 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
484 students enrolled

Estadística aplicada a las Ciencias de la Salud con SPSS

Curso de bioestadística descriptiva e inferencial para profesionales de la salud con ejemplos prácticos en SPSS y PSPP
4.3 (191 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
484 students enrolled
Last updated 5/2020
Spanish
Spanish [Auto-generated]
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 17 hours on-demand video
  • 20 articles
  • 54 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Conocimientos sobre los aspectos teóricos más importantes en estadística descriptiva e inferencial
  • Seleccionar el test estadístico más adecuado en función del diseño de la investigación
  • Aplicar los distintos test estadísticos de manera práctica con SPSS y otros programas
  • Interpretar los resultados obtenidos
Requirements
  • No se requieren conocimientos previos de estadística
  • Ordenador con software SPSS para llevar a cabo los ejercicios prácticos
  • Matlab o Medcalc en algunos casos concretos
Description

Durante mis inicios en investigación, especialmente durante mis estudios de Máster y Doctorado, he tenido que trabajar con cientos de referencias, libros y software con el fin de llegar a aplicar los test estadísticos adecuados para mi investigación.

Durante mi etapa formativa llegué a cursar asignaturas específicas de estadística llenas de fórmulas difíciles de entender y de aplicar de forma práctica. Pese a que conocer las bases de la estadística es algo bueno que te permite tener una mayor capacidad en su interpretación, esto supone una gran inversión de tiempo del cual muchos estudiantes o profesionales no disponemos.   

Si te encuentras comenzando un trabajo de investigación relacionado con las ciencias de la salud y encuentras en la estadística un obstáculo difícil de saltar, éste es tu curso, el cual he desarrollado de manera eminentemente práctica basándome en 3 puntos principales.   

  1. SELECCIÓN. Aprendiendo a elegir el test estadístico apropiado para cada pregunta de investigación.

  2. DESARROLLO. Siguiendo los pasos necesarios para llevar a cabo el test a través de distintos programas, principalmente SPSS.

  3. INTERPRETACIÓN. Comprendiendo la significancia de los resultados, no solo desde un punto de vista matemático sino clínico.

El curso además te servirá como una guía de consulta a la cual podrás acceder cuando necesites llevar a cabo un test estadístico en particular y no recuerdes los pasos necesarios para ello.

MUY IMPORTANTE: Los ejemplos prácticos se llevan a cabo con SPSS en casi la totalidad de los casos.

Who this course is for:
  • Estudiantes o profesionales que desarrollen investigación en Ciencias de la Salud
  • Medicina, Psicología, Logopedia, Obstetricia, Optometría, Fisioterapia, Enfermería, Podología, Ciencias de la nutrición, Farmacia, Laboratorio clínico, Veterinaria, etc
Course content
Expand all 213 lectures 17:11:09
+ 0.- INTRODUCCIÓN AL CURSO
4 lectures 15:58

Bienvenido al Curso de Estadística Aplicada a las Ciencias de la Salud, mi nombre es Manuel Rodríguez Vallejo y voy a ser tu tutor a lo largo de este curso en el cual vamos a aprender de manera práctica a llevar a cabo estadística descriptiva e inferencial.

Preview 03:07
0.2.- ¿Qué versión de SPSS necesito para seguir el curso?
02:19

PSPP es un software libre de manejo similar a SPSS. Para todos aquellos que trabajéis con MAC y no dispongáis de SPSS, esta es una herramienta gratuita con la cual podréis seguir gran parte de los materiales del curso.

0.3.- Instalación de PSPP (Software libre) para usuarios de MAC.
07:35
0.4.- Instalación de PSPP en Windows
02:57
+ 1.- INTRODUCCIÓN A LA ESTADÍSTICA EN CIENCIAS DE LA SALUD
8 lectures 27:21

La estadística es uno de los pilares fundamentales en la búsqueda de evidencia en el ámbito de las ciencias de la salud. Cualquier tratamiento debe ser validado antes de ser considerado un tratamiento médico. Las características propias del ser humano conllevan que no todos los modos de actuación se comporten de igual forma en distintas personas originándose "variabilidad" en los resultados, la estadística permite evaluar si los resultados clínicos son debidos a una determinada actuación o si por el contrario son una consecuencia del azar.

1.1.- ¿Por qué es importante la estadística en Ciencias de la Salud?
02:01

La forma a través de la cual se transmite la información de hallazgos o tratamientos ha cambiado considerablemente a lo largo de los años. En su origen, los textos en ciencias de la salud respondían a un estilo de redacción en un contexto literario en lugar de científico. En la actualidad el estilo de redacción de textos científicos se encuentra perfectamente estructurado siguiendo unos estándares comunes en todas las revistas de investigación. Los procedimientos estadísticos llevados a cabo forman una parte fundamental dentro de este estándar de redacción.

1.2.- La evolución del estilo de la redacción científica.
04:06

La forma de investigar ha cambiado durante los siglos. En sus orígenes se investigaba "per accidens", es decir, mientras se curaba se investigaba. Evidentemente, esta forma de trabajar esta sometida a una extrema fuente de variabilidad y no es aceptada en la actualidad. Hoy en día, la investigación se realiza "per se" es decir de una forma controlada y centrada en la hipótesis de investigación.

1.3.- Orígenes históricos de la estadística en la investigación sanitaria
04:57

Los datos nos ofrecen información sobre las personas. Con ellos podemos cuantificar, medir, estimar y comparar cualidades de los sujetos.

1.4.- Estadística aplicada. ¿Para qué sirve la recolección de datos?
02:35

Existen dos vertientes en la forma que tratamos los datos. Por un lado podemos tratar estos datos para describir las cualidades de un grupo de sujetos en forma de Análisis Descriptivo con índices o gráficos. No obstante, este análisis no conlleva una investigación en si sino una descripción de un hallazgo, investigar consiste en buscar respuestas a preguntas sin responder y para responder a estas preguntas necesitamos llevar a cabo Estadística Inferencial.

Preview 01:05

Entender los tipos de variables es extremadamente importante en el desarrollo de la estadística tanto descriptiva como inferencial ya que dependiendo de la naturaleza de la variable vamos a seleccionar distintos métodos descriptivos o inferenciales.

1.6.- Descripción de variables según su naturaleza
02:18

En la siguiente lección mostramos un caso práctico en el cual una variable Cuantitativa Discreta puede ser confundida con una variable Cuantitativa Continua ya que aunque la naturaleza de la medida es continua el sistema con el cual se realiza esa medida utiliza saltos discretos. 

1.7.-Confusión entre variables cuantitativas continuas, discretas o cualitativas
05:33

Este test servirá para evaluar tu capacidad a la hora de clasificar las distintas variables según el tipo de datos que contengan.

1.8.- Evaluación definición de tipos de variables
10 questions
1.9.- Resumen de la Sección 1. Aspectos importantes.
04:46
+ 2.- INTRODUCCIÓN A SPSS y PSPP. Mi primer contacto con el software
8 lectures 48:47

Video de introducción a SPSS. Aprenderás como se encuentra organizado el menú, que es la vista de datos, la vista de variables y como los resultados se muestran en una pantalla anexa.

2.1.- (SPSS) Introducción al software estadístico SPSS
08:32

El Nombre de una variable dentro de SPSS hace referencia al nombre de campo que debe cumplir ciertas condiciones de formato como no tener espacios, no empezar por un valor numérico, etc. Para describir una variable lo haremos por tanto a través de su Etiqueta y no de su Nombre.

2.2.- (SPSS) Diferencias entre Nombre y Etiqueta de variable
03:36

Es importante diferenciar entre el formato de una variable y el tipo de una variable tal y como lo hemos definido a lo largo de este curso. En esta lección aprenderás a dar formato a tus datos que no es lo mismo que asignar un tipo específico de dato a una variable.

2.3.- (SPSS) Asignando formato a nuestras variables
08:02

La forma correcta de trabajar con variables categóricas nominales en SPSS no es insertar los datos en formato cadena sino numérico asignando un valor a cada etiqueta.

2.4.- (SPSS) Tipos de variables nominales en formato Numérico y no Cadena
08:15

Los valores perdidos nos permiten controlar qué datos van a ser tenidos en cuenta o no en nuestro análisis estadístico.

Preview 04:15
2.6.- (SPSS) ¡Cuidado con los valores perdidos!. Excluir por parejas o por lista
06:59

Para llevar a cabo de forma correcta los test estadísticos en SPSS es necesario una correcta definición del tipo de variable ya que de esta forma el software va a poder identificar, en algunos casos, que test son recomendados en función del tipo de variables.

2.7.- (SPSS) Definición de tipos de variables.
02:46

Esta lección se encuentra dirigida a usuarios de PSPP, software libre de calculo estadístico con el cual realizar procedimientos estadísticos de forma similar a SPSS. En esta lección comprobarás las similitudes y diferencias con SPSS.

2.8.- (PSPP) Introducción a PSPP y diferencias con SPSS
06:22
+ 3.- CASO PRÁCTICO. Recodificación de variables y creación de factores.
7 lectures 29:29

En este video te mostramos algunas consideraciones importantes si eres usuario de PSPP y te preparas para avanzar el esta sección.

3.0.- (PSPP) Introducción a la sección para usuarios de PSPP
02:18

Categorizar una variable cuantitativa es una actividad que se lleva a cabo con frecuencia con el fin de clasificar sujetos en grupos, aplicar estadística descriptiva específica para grupo, crear factores para estadística inferencial. En la siguiente lección te mostramos como puedes crear una variable cualitativa ordinal a partir de datos cuantitativos.

3.1.- (SPSS) Categorización de variables cuantitativas.
06:23

Una variable que actúa como "factor" dentro de SPSS no es mas que una variable a través de la cual clasificamos a los sujetos en distintos grupos. En esta lección mostramos como llevar a cabo estadística descriptiva estratificada por grupos.

3.2.- (SPSS) Variable categórica como factor
03:17

Cuando confrontamos dos variables cualitativas podemos crear tablas de contingencia que nos ayuden a describir los casos. En esta lección mostramos como crear una tabla de contingencia a partir de las variables cualitativas previamente categorizadas.

Preview 05:25

Para mostrar los rangos dentro de una tabla de contingencia en lugar de la variable en escala ordinal podemos hacer uso de las etiquetas de valor dentro de la variable.

3.4.- (SPSS) Etiquetas de valor para variables cualitativas y cuantitativas.
05:30

Las tablas de contingencia pueden representar distintos tipos de información en función de su configuración en filas, columnas o todas. En esta lección te enseñamos como interpretar las distintas configuraciones de las tablas.

3.5.- (SPSS) Interpretación de tablas de contingencia. Filas, columnas y total.
04:19

Si utilizamos variables similares en estilo podemos utilizar la opción "Copiar variable" para copiar el estilo o formato de una variable previamente configurada.

3.6.- (SPSS) Copiar el estilo de una variable.
02:17
+ 4.- ESTADÍSTICA DESCRIPTIVA. Índices estadísticos
6 lectures 30:58

Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un solo valor a un conjunto de valores. Representan un centro en torno al cual se encuentra ubicado el conjunto de los datos. En esta lección se explican la media aritmética, media geométrica, media armónica, media ponderada, mediana y moda.

Preview 09:43

Las medidas de dispersión se emplean para mostrar el grado de variabilidad o dispersión de nuestros datos. En esta lección se explican la varianza, la desviación típica y el coeficiente de variación.

4.2.- Medidas de dispersión
03:16

Lección práctica en la cual se muestra como configurar SPSS para calcular las medidas de tendencia central y dispersión para una variable dependiente medida en dos grupos (variable independiente o factor)

4.3.- (SPSS) Medidas de tendencia y dispersión
05:18

Lección para usuarios de PSPP que muestra como llevar a cabo estadística descriptiva.

4.3.1.- (PSPP) Medidas de tendencia y dispersión
04:40

Las medidas de forma nos permiten conocer a través de un parámetro como se distribuyen los datos de nuestra muestra. Entre las medidas de forma se encuentran la asimetría y la Kurtosis.

4.4.- Medidas de forma
03:21

Las medidas de posición nos indican el valor de la variable que alcanza un determinado porcentaje de sujetos. 

4.5.- Medidas de posición: cuantiles, percentiles
04:40
+ 5.- ESTADÍSTICA DESCRIPTIVA. Gráficos.
8 lectures 36:37
5.2.- (SPSS) Histograma (Cuantitativa)
06:36

Una de las principales preocupaciones de cualquier investigador es que los datos sea recogidos de manera correcta. Sin embargo, el ser humano tiende a actuar en muchas ocasiones a "redondear" sus mediciones clínicas. En el siguiente ejemplo mostramos como los histogramas nos pueden servir para descubrir la calidad o precisión en la recogida de los datos.

5.3.- El problema de la preferencia de los números
05:06
5.4.- (SPSS) Combinar varios grupos en un mismo gráfico
06:06
5.5.- (SPSS) Diagrama de barras (Cuantitativas discretas y Ordinales)
03:57

Los diagramas de cajas nos permiten conocer como se distribuyen los datos dentro de una variable. Nos muestran las posiciones del primer y tercer cuartil, la mediana, y los bigotes, más allá de los cuales se representan los valores periféricos y extremos.

5.6.- Interpretación de diagramas de cajas o box-plots. (Cuantitativa)
06:01

Mostramos como representar un diagrama de cajas en SPSS a través de las opciones de análisis o la representación de gráficos.

Preview 03:15
5.8.- (SPSS) Diagrama de sectores (Cualitativas nominales)
02:07
5.9.- (SPSS) ¿Diagrama de sectores o de barras?
03:29
+ 6.- ESTADÍSTICA INFERENCIAL. Paramétrica y no paramétrica.
19 lectures 01:10:29

La Estadística Inferencial nos permite responder a preguntas que afecten a toda una población seleccionando tan solo una serie de sujetos (muestra) de dicha población.

6.1.- Conceptos de Parámetro de una Población y Estimador de una Muestra
02:44

La distribución de frecuencias de una variable viene dada por la frecuencia con la que se observa en la muestra estudiada cada uno de los posibles valores que puede tomar la variable. Existen distintos tipos de distribuciones en función del tipo de variable, la más conocida para variables continuas es la distribución normal.

6.2.- Distribuciones de probabilidad y distribución normal
05:08

Existen distintos tipos de test estadísticos, algunos de ellos se basan en el supuesto de que la muestra se asemeja a una determinada distribución, estos son los denominados test "paramétricos". No obstante, gran parte de los test paramétricos poseen sus equivalentes denominados "no paramétricos" en los cuales no se requiere que la variable se aproxime a una determinada distribución.

Preview 03:43

Cualquier investigación debe partir de una pregunta que en estadística se plantea en forma de hipótesis de investigación. La hipótesis de investigación por defecto es la denominada "hipótesis nula" que establece por ejemplo que no existen diferencias entre grupos salvo que un test estadístico demuestre lo contrario.

6.4.- La pregunta de investigación. Hipótesis nula Ho.
03:39

El p-valor establece el nivel de significancia necesario para rechazar la hipótesis nula. Puede definirse como la probabilidad, tras seleccionar distintas muestras de una población de obtener un resultado tan extremo como el obtenido.

6.5.- ¿Qué es el p-valor?
05:59

El intervalo de confianza representa aquel rango de valores dentro de la muestra que va a contener la media poblacional con un determinado nivel de confianza. De manera general el intervalo de confianza suele calcularse al 95%, de tal forma que de 100 muestras recogidas de la población, en 95 de ellas la media poblacional se incluiría dentro de este rango.

6.6.- ¿Qué es el intervalo de confianza?
03:56

El p-valor depende del tamaño del efecto y del tamaño de la muestra por lo que la estadística moderna en ocasiones reclama no solo informar del p-valor sino también del tamaño del efecto. El tamaño del efecto puede calcularse a partir de la d de Cohen.

6.7.- El Tamaño del Efecto y la d de Cohen
05:26

Un resultado significativo, por ejemplo cuyo p-valor sea mayor a 0.05 si hemos establecido este como corte, no significa que la hipótesis nula sea siempre cierta. Debemos tener precaución sobre todo cuando trabajamos con muestras pequeñas puesto que podemos cometer errores de interpretación.

6.8.- En el limbo de la significancia.
02:01

Los errores de Tipo I y Tipo II representan la probabilidad de rechazar la hipótesis nula cuando esta es verdadera y la probabilidad de aceptarla cuando esta es falsa. En la siguiente lección explicamos en qué consisten estos errores.

6.9.- Errores de Tipo 1 y Tipo 2.
02:50

Análisis teórico de aspectos relacionados con el cálculo de tamaño muestral y la potencia estadística.

6.10.- ¿Cómo saber el número de sujetos que requiere mi investigación?
04:09

Ejercicio  donde se muestra de forma práctica que aspectos han de ser tenidos en cuenta con el fin de calcular el tamaño de una muestra o la potencia estadística.

6.11.- (SPSS) ¿Cómo influye la magnitud del efecto y la SD en el cálculo de N?
08:54

En el siguiente ejemplo te mostramos como pueden variar las distribuciones en función del tamaño muestral y del tamaño del efecto influyendo en la aceptación o rechazo de la hipótesis nula.

6.12.- Repaso a los conceptos con una animación interactiva.
04:08

La selección de procedimientos o test estadísticos en una investigación viene establecida en primer lugar por el tipo de investigación. Establecer el tipo de investigación será el primer paso para seleccionar los procedimientos más adecuados.

Preview 04:46

En la siguiente lección repasaremos las preguntas que debemos llevarnos a cabo con el fin de seleccionar distintos test estadísticos en estudios de comparativas de 2 Grupos no Relacionados.

6.14.- Árbol de DECISIÓN para estudios de COMPARATIVA DOS GRUPOS NO RELACIONADOS
04:37

En la siguiente lección repasaremos las preguntas que debemos llevarnos a cabo con el fin de seleccionar distintos test estadísticos en estudios de comparativas de 3 o más Grupos no Relacionados.

6.15.- Árbol de DECISIÓN COMPARATIVA 3 o MÁS GRUPOS NO RELACIONADOS
01:44

En la siguiente lección repasaremos las preguntas que debemos llevarnos a cabo con el fin de seleccionar distintos test estadísticos en estudios de comparativa de grupos relacionados.

6.16.- Árbol de DECISIÓN COMPARATIVA de GRUPOS RELACIONADOS
02:41

En la siguiente lección repasaremos las preguntas que debemos llevarnos a cabo con el fin de seleccionar distintos test estadísticos en estudios de asociación y correlación.

6.17.- Árbol de DECISIÓN ASOCIACIÓN Y CORRELACIÓN
01:36

En la siguiente lección repasaremos las preguntas que debemos llevarnos a cabo con el fin de seleccionar distintos test estadísticos en estudios de predicción.

6.18.- Árbol de DECISIÓN PREDICCIÓN.
01:30

En esta práctica te ofrecemos un sistema muy didáctico para que puedes utilizar hasta que te encuentres tan preparado a la hora de seleccionar el test estadístico que ya no te haga falta.

6.19.- PRÁCTICA PARA SELECCIONAR TEST ESTADÍSTICO
00:57
+ 7.- COMPARATIVA ENTRE 2 GRUPOS INDEPENDIENTES.
13 lectures 58:27

Referencia citada en el ejemplo.

1. Li M, Niu L, Qin B, Zhou Z, Ni K, Le Q, Xiang J, Wei A, Ma W, Zhou X. Confocal comparison of corneal reinnervation after small incision lenticule extraction (SMILE) and femtosecond laser in situ keratomileusis (FS-LASIK). PLoS One 2013;8.

7.0.- Ejemplo Investigación 2 GRUPOS INDEPENDIENTES.
03:46

El test t-Student de medidas independientes se emplea para evaluar las diferencias en la media de 2 grupos que no guardan relación entre ellos. En esta lección introducimos al alumno a los supuestos que deben cumplirse con el fin de poder llevar a cabo este test.

7.1.- Comparativa PARAMÉTRICA: t-Student muestras independientes
03:48

Lección práctica en SPSS para evaluar los supuestos previos a la realización del test t-Student así como para llevar a cabo la ejecución del mismo.

Preview 09:25

En ocasiones puede que deseemos realizar cálculos o representaciones gráficas para solo algunos de los niveles de la variable independiente. En estos casos podemos recurrir a la segmentación en función de una variable independiente.

7.3.-(SPSS) Estratificar la variable dependiente en función de una independiente
04:08
7.4.- (SPSS) Cálculo del tamaño del efecto (d de Cohen) con SPSS y Excel
03:53

Ejemplo de redacción de los resultados obtenidos del test t-Student para ser incluidos dentro de la redacción de nuestro trabajo científico.

7.5.- (Redacción) t-Student.
00:18
7.6.- Comparativa NO PARAMÉTRICA: U de Mann-Whitney
04:27
7.7.- (SPSS) U de Mann-Whitney diferencias no significativas
08:50
7.8.- (Redacción) U de Mann-Whitney.
00:46

En ocasiones los test de contraste de hipótesis para la evaluación de la normalidad pueden resultar en conclusiones erróneas, especialmente antes muestras con un elevado número de sujetos. Los índices descriptivos nos pueden aportar información acerca de cómo se aproxima nuestra muestra a una distribución normal.

7.9.- (SPSS) Cálculo de la normalidad a través de índices
07:10

Determinados gráficos pueden servirnos para evaluar cómo se aleja nuestra muestra de una distribución normal. Pese a que esta opción puede ser interesante a los ojos de expertos, para quienes empezamos en el campo de la estadística puede no ser la mejor opción debido a su interpretación subjetiva.

7.10.- (SPSS) Método visual para estimar la normalidad
03:53

En la literatura podemos encontrar que a partir de 30 sujetos podemos llevar a cabo estadística paramétrica sin evaluar la normalidad de nuestra distribución argumentando que los métodos paramétricos sirven para extraer conclusiones a partir de unos estimadores muestrales, que se sabe que seguirán una distribución normal en la población aunque la muestra de donde provengan no la siga. Explicamos consideraciones importantes acerca del valor de corte n>30.

7.11.- El Número Mágico, con 30 sujetos se acabaron mis problemas
03:47

En la siguiente lección hacemos un balance acerca de la importancia de seleccionar un test paramétrico o no paramétrico en función de la evaluación de la normalidad y el tamaño de la muestra.

7.12.- ¿Qué decisión tomar tras estos hechos, paramétrico o no paramétrico?
04:16
+ 8.- COMPARATIVA ENTRE 2 GRUPOS RELACIONADOS.
9 lectures 35:20
8.1.- Comparativa PARAMÉTRICA: t-test de medidas pareadas.
02:19
8.2.- (SPSS) t-test muestras pareadas.
07:29
8.3.- (Redacción) t-test pareadas.
00:18
8.4.- Comparativa NO PARAMÉTRICA: Wilcoxon de medidas pareadas.
02:15

Ejercicio práctico en el que se comparan las medianas obtenidas en torno a la agudeza visual y sensibilidad al contraste en una serie de sujetos medidos con dos métodos diferentes (medidas pareadas) para cada una de estas habilidades visuales (variables dependientes).

Preview 07:02
8.6.- (Redacción) Test de Wilcoxon
00:28

El test de McNemar se emplea con el fin de establecer si existen diferencias significativas entre dos grupos relacionados balo la evaluación de una variable dependiente dicotómica.

8.7.- Introducción al Test de Mc Nemar
04:36
8.8.- (SPSS) Caso práctico Test de McNemar
09:41
8.9.- (Redacción) Test de McNemar
01:11
+ 9.- COMPARATIVA 3 O MÁS GRUPOS RELACIONADOS Y UN FACTOR.
9 lectures 36:31

Este test se utiliza para testear la hipótesis de diferencias en la media entre grupos relacionados. Se suele utilizar en investigaciones en las que los mismos sujetos son sometidos a distintas condiciones, por ejemplo, medidos con un mismo instrumento en distintas condiciones de iluminación, tras ejercicios de diferente intensidad, etc.

Preview 03:57
9.2.- (SPSS) ANOVA de medidas repetidas y un factor.
09:20
9.3.- (Redacción) ANOVA medidas repetidas (Diferencias no significativas)
00:59
9.4.- (SPSS) Ejemplo ANOVA de medidas repetidas con diferencias significativas
06:02
9.5.- (SPSS) Representación gráfica tras post hoc de Bonferroni
06:23
9.6.- (Redacción) ANOVA medidas repetidas (Diferencias significativas)
01:17
9.7.- Comparativa NO PARAMÉTRICA: Test de FRIEDMAN. Medidas repetidas.
02:22
9.8.- (SPSS) Test de FRIEDMAN. Medidas repetidas no paramétrico.
03:31
9.9.- (SPSS) Test de FRIEDMAN. Comparativa por pares
02:39