Post on 29-Jun-2022
Camina hacia el éxito de tu investigaciónPresenta resultados de impacto
OBJETIVO
CUM LAUDE
¿CÓMO RECORRER EL CAMINO HACIA EL ÉXITO DE
TU INVESTIGACIÓN …
…SIN FRUSTRACIONES, DOLORES DE CABEZA NI
PERDIENDO HORAS Y HORAS SIN SABER CÓMO AVANZAR?
EN LA SESIÓN DE HOY VAS A DESCUBRIR
En este training te voy a explicar cómo PUEDES replicar un método práctico para conseguir entregar grandes
resultados en tu tesis doctoral o proyecto de investigación.
Para que puedas sentirte seguro, confiado y satisfecho en todo momento de tu proyecto y puedas defenderlo
con éxito(Y CONSEGUIR EL OBJETIVO CUM LAUDE)
Te prometo que al terminar la sesión de hoy
podrás replicar unos pasos para poder analizar los
datos de tu proyecto con foco y garantías para
contestar tu hipótesis de investigación
ESTE TRAINING ES PARA TI SI
• Eres investigador y necesitas contestar tu hipótesis de investigación y no sabes cómo encajar las piezas para poderlo lograr… entonces este training es para ti
• Estás inmerso en el camino de tu tesis doctoral y quieres encontrar un camino para poder analizar los datos y presentar resultados de impacto… entonces este training es para ti
• Profesional científico y de la salud y quieres dominar y entender cómo elaborar grandes investigaciones de forma sistemática y sencilla… entonces este training es para ti
Y si te quedas conmigo hasta el final de la sesión
ESTO ES LO QUE VAS A DESCUBRIR EN EL TRAINING DE HOY
• Las 5 etapas de cualquier proyecto de investigación de éxito
• ¿Cómo utilizar un método sencillo y replicable de Análisis de datos para tu proyecto?
Esta sesión formativa es distinta a lo que has podido ver hasta la fecha
NUESTRO PACTO…
SI TE QUEDAS AL FINAL DE LA SESIÓN DE HOY REICIBIRÁS EL PDF
Y UNA INVITACIÓN DE UNA SESIÓN 1 A 1 CONMIGO
¡Hola! Soy Jordi Ollé
1. 32 AÑOS, VIVO EN BARCELONA EN PECADO CON
MI PAREJA ANNA
2. HAGO FÁCIL LO DIFÍCIL
3. MI VOCACIÓN ES ACOMPAÑAR Y AYUDAR A LOS
MÁS NOVATOS
4. ODIO LA TEORÍA, ME ENCANTA APLICAR
5. AUTOR DEL BLOG CONCEPTOSCLAROS.COM
o +5000 suscriptores
o 249 clientes en poco más de 1.5 año
o +32.000 visitas al mes
6. ESTUDIÉ INGENIERÍA Y UN MÁSTER EN INGENIERÍA
BIOMÉDICA EN ESPECIALIDAD DE ANÁLISIS DE
DATOS
AYUDO A INVESTIGADORES Y PROFESIONALES CIENTÍFICOS A ANALIZAR LOS DATOS DE SUS PROYECTOS E
INVESTIGACIONES PARA QUE PUEDAN PRESENTARLOS CON ÉXITO DELANTE DE LA COMUNIDAD CIENTÍFICA
NO SOY DE NÚMEROS
Mates 1º Exámen 2,7
(instituto)
Cálculo 3,6 y Álgebra 2,3
(universidad)
Estadística 5,5
(universidad)
PERO ME GUSTA VER LA PARTE PRÁCTICA
MI PRIMER PROYECTO CON DATOS … TESIS FINAL DE MÁSTER
• duda nº1 – ¿seré capaz de lograrlo?
• duda nº2 – ¿cómo empiezo a tratar datos?
• duda nº3 – ¿qué software utilizo?
¿¿¿TANTOS AÑOS ESTUDIANDO NÚMEROS Y NO SABÍA ABORDAR UN PROYECTO DE INVESTIGACIÓN CON DATOS???
Teoría…Libros…Fórmulas…Publicaciones…
Herramientas…Tutoriales…Ejemplos…
Teoría…Libros…Fórmulas…Publicaciones…
Herramientas…Tutoriales…Ejemplos…
¿¿¿TANTOS AÑOS ESTUDIANDO NÚMEROS Y NO SABÍA
ABORDAR UN PROYECTO DE INVESTIGACIÓN CON DATOS???
Teoría…Libros…Fórmulas…Publicaciones…
Herramientas…Tutoriales…Ejemplos…
CUANDO ENTENDÍ EN QUÉ
ENFOCARME
CONSEGUIR TRABAJO EN PLENA CRISIS ECONÓMICA GRACIAS A MI NUEVOS DOTES DE ANÁLISIS
• No hace falta ser de números para aprender Estadística y utilizarla de verdad
• Leer demasiados libros y replicar tutoriales al principio puede resultar agobiante. El resultado es un lío muy grande en la cabeza
• Sigue los pasos que te marque tu mentor. Irás más rápido
• Saber interpretar y analizar datos es una disciplina valorada y buscada
El problema de un proyecto de investigación
motivación
TIEMPO
UNA IDEA
QUE TE MOTIVA DEFINES
LOS OBJETIVOS
DEFINES HIPÓTESIS
¿Y AHORA QUÉ?
¿DATOS?
¿Y CÓMO LOS UTILIZO PARA
PRESENTAR LOS RESULTADOS?
No quiero que te ocurra a ti
He creado este training para ayudarte a seguir un camino paso a paso y sin frustraciones en tu
proyecto de tesis
Las 5 etapas de todo proyecto de investigación de éxito
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS – HITOSTIEMPO
ETAPA 0APRENDE LAS
BASES DE ESTADÍSTICA
Te presento el Árbol de la Estadística Aplicada
gráficos
MÉTODO
Juntos, nos encargaremos de cuidarlo y hacerlo crecer
Test de HipótesisANOVA
T-test
Modelos Lineal
Modelos Lineales Generalizados
Clustering
Regresión Logística
MANOVA
Modelo de Poisson
Machine Learning ClasificationAlgorithms
PCATÉCNICAS DE
ANÁLISIS
(Hojas y Ramas)
ESTADÍSTICA DECRIPTIVA
ESTADÍSTICA INFERENCIALTABLA DE
DATOSVARIABLES
MÉTODOLOGÍA
Y SOFTWARE
(Tronco)
LOS CONCEPTOS CLAROS
(Raíces)
METODOLOGÍA
HERRAMIENTA o SOFTWARE
LOS CONCEPTOS CLAROS(Raíces)
TÉCNICAS DE ANÁLISIS
(Hojas y Ramas)
METODOLOGÍA
HERRAMIENTA
o SOFTWARE
LOS CONCEPTOS CLAROS(Raíces)
TÉCNICAS DE ANÁLISIS
(Hojas y Ramas)
CONCEPTOS CLAROS
TABLA y
VARIABLES
Estructura
Tipos de Variables
Cómo modificarlas
ESTADÍSTICA
INFERENCIAL
Muestra y Población
Contraste de Hipótesis y p-
valor
Distribución de probabilidad
Intervalos de Confianza
Modelo predictivo
ESTADÍSTICA
DESCRIPTIVA
Distribución
Resumen numérico
Gráficos de distribución
Tablas de Frecuencia y
Contingencia
Las Bases de tu Árbol de la Estadística Aplicada
CONCEPTOS CLAROS
TABLA y
VARIABLES
Estructura
Tipos de Variables
Cómo modificarlas
ESTADÍSTICA
INFERENCIAL
Muestra y Población
Contraste de Hipótesis y p-
valor
Distribución de probabilidad
Intervalos de Confianza
Modelo predictivo
ESTADÍSTICA
DESCRIPTIVA
Distribución
Resumen numérico
Gráficos de distribución
Tablas de Frecuencia y
Contingencia
Las Bases de tu Árbol de la Estadística Aplicada
TABLAS y VARIABLES
EstructuraHeader
Variables
Observaciones
VariablesNuméricas
(discretas o contínuas)
Categóricas
(dicotómicas o
politómicas)
OrdinalesModificar
VariablesCambio de unidades
De numérica a
Categórica
Organizar lo que observas en forma de matriz
TABLAS y VARIABLES
EstructuraHeader
Variables
Observaciones
Organizar lo que observas en forma de matriz
TABLAS y VARIABLES
VariablesCuantitativas
(discretas o continuas)
Culitativas
(nominales u ordinales)
Organizar lo que observas en forma de matriz
NUM. CONTINUA(decimales)
TABLAS y VARIABLESOrganizar lo que observas en forma de matriz
TEMPERATURA
NUM. DISCRETA(no decimales)
9.23 ºC
NUM. CONTINUA(decimales)
VariablesCuantitativas
(discretas o continuas)
Culitativas
(nominales u ordinales)
TABLAS y VARIABLESOrganizar lo que observas en forma de matriz
TEMPERATURA MÁXIMANUM. CONTINUA
(no decimales)
NUM. DISCRETA(contar)
NÚMEROS DE DÍAS CON
LLUVIA
VariablesCuantitativas
(discretas o continuas)
Culitativas
(nominales u ordinales)
TABLAS y VARIABLESOrganizar lo que observas en forma de matriz
TEMPERATURAVISITAS AL BLOG por día
NUM. DISCRETA(no decimales)
TIPO DE VISITANTE
Nuevo visitanteo
Visitante que vuelve
(Nominal Dicotómica)
VariablesCuantitativas
(discretas o continuas)
Culitativas
(nominales u ordinales)
TABLAS y VARIABLESOrganizar lo que observas en forma de matriz
TIPO DE CANAL
GoogleDirecto
Redes SocialesLink externo
(Nominal Politómica)
TIEMPOCualitativa Ordinal
VariablesCuantitativas
(discretas o continuas)
Culitativas
(nominales u ordinales)
TABLAS y VARIABLES
Organizar lo que observas en forma de matriz
TIPO DE ESPECIE
VersicolorVirginica
Setosa
(Cualitativa Nominal)
VariablesCuantitativas
(discretas o continuas)
Culitativas
(nominales u ordinales)
CONCEPTOS CLAROS
TABLA y
VARIABLES
Estructura
Tipos de Variables
Cómo modificarlas
ESTADÍSTICA
INFERENCIAL
Muestra y Población
Contraste de Hipótesis y p-
valor
Distribución de probabilidad
Intervalos de Confianza
Modelo predictivo
ESTADÍSTICA
DESCRIPTIVA
Distribución
Resumen numérico
Gráficos de distribución
Tablas de Frecuencia y
Contingencia
Las Bases de tu Árbol de la Estadística Aplicada
ESTADÍSTICA DESCRIPTIVA vs INFERENCIAL
La Descriptiva Dibuja. La Inferencial Pronostica
Población
Muestra
Conclusiones generales a partir
de un caso particular
Dibuja la tabla de datos con gráficos y
calcula sus características
DESCRIPTIVA INFERENCIAL
ESTADÍSTICA DESCRIPTIVA
1 VAR.
NUMÉRICA
VAR.
CATEGÓRICAS
2 VAR.
NUMÉRICAS
Hablar el lenguaje de los gráficos
MEZCLANDO
VARIABLES
Comparación de grupos
Series Temporales
Mapas
Resumen
NuméricoGráficos
VISUALIZAR LA
DISTRIBUCIÓN
Frecuencia
Centralidad (media y mediana)
Dispersión (Desv. Estándar
y IQR)
HistogramaBoxplotQqplot
Densidad
VISUALIZAR LA
ASOSIACIÓN
Cuantificar Gráficos
CorrelaciónCovarianza
ScatterplotMatrixplot
Cuantificar
Tablas de Contingencia
Frecuencia
Gráficos
Diagrama de Barras
Diagrama de Sectores
DIFERENCIAR y
ASOCIAR
PROPORCIONES
COMPARAR
GRUPOS y
RELACIONAR
ESTADÍSTICA DESCRIPTIVAHablar el lenguaje de los gráficos
ESTADÍSTICA DESCRIPTIVAHablar el lenguaje de los gráficos
INFERENCIA y ANÁLISIS
MUESTRA /
POBLACIÓNDe lo particular a lo general
DISTRIBUCIÓN
PROBABILIDAD
Qué es la densidad de
probabilidad
Qué son las probabilidades
La distribución normal y su
potencial práctico
CONTRASTE
DE HIPÓTESIS
y P-VALOR
Qué es un test estadístico
Qué significa el p-valor
Preguntar a los datos
INTERVALOS DE
CONFIANZA
Qué significa y para qué sirve
Que quiere decir el IC 95% o al
99%
INFERENCIA y ANÁLISISPreguntar a los datos
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS - HITOS
ETAPA 0APRENDE LAS BASES
DE ESTADÍSTICA
ETAPA 1DEFINE TU IDEA
Análisis Nicho Científico – diferenciación e innovación¿Qué problema resuelves?¿Qué objetivo persigues?¿Qué crees que va a pasar?
PROBLEMA
Mejorar el tratamiento del dolor lumbar.
El 85% de la población los sufre a lo largo de la vida
OBJETIVO
Demostrar estadísticamente la mejora de los pacientes con el nuevo tratamiento
Y en qué condiciones es más efectivo
DEFINE TU IDEA
1. Definir el problema2. El objetivo3. Por qué es innovador
1
POR QUÉ ES INNOVADOR
El nuevo tratamiento es fácil de aplicar en centros de fisioterapia y se basa en un método mixto de manipulación y ejercicio diario
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS - HITOS
ETAPA 0APRENDE LAS BASES
DE ESTADÍSTICA
ETAPA 1DEFINE TU IDEA
ETAPA 2DEFINE
TU PLAN
OBJETIVO SECUNDARIO
En qué situación del paciente el tratamiento es mejor y qué situaciones no funciona tan bien
Que variables son las más relevantes para la mejora del paciente
Qué características están relacionadas en los grupos de mayor mejora y los que de menor mejora en ambos tratamientos
EL PLAN DE ACCIÓN
1. Definir el objetivo principal2. Definir los objetivos secundarios3. Métricas4. Definir la hipótesis5. Organizar el análisis de datos
2OBJETIVO PRINCIPAL
Demostrar estadísticamente la mejora de los pacientes con el nuevo tratamiento con respecto a los tratamientos convencionales
MÉTRICAS
Variables generales del paciente: sexo, edad, hábitos alimenticios
Variables características lumbalgia: índice de discapacidad (ODI), dolor, si tiene o no lumbociática, pierna corta aparente
Variables del tratamiento: tipo de tratamiento, mes del tratamiento
vs
Grupo
Control
Grupo
Investigación
Mediciones la
mejora antes y
después de los
tratamientos
Tratamiento Convencional
Tratamiento Estándar
HIPÓTESIS PRINCIPAL
El nuevo tratamiento tiene afectos significativos en la mejora de los pacientes comparando con tratamientos convencionales
vs
Grupo
Control
Grupo
Investigación
Mediciones la
mejora antes y
después de los
tratamientos
Tratamiento Convencional
Tratamiento Estándar
EL PLAN DE ACCIÓN
1. Definir el objetivo principal2. Definir los objetivos secundarios3. Métricas4. Definir la hipótesis5. Organizar el análisis de datos
2
OBJETIVO PRINCIPAL
Demostrar estadísticamente la mejora de los pacientes con el nuevo tratamiento con respecto a los tratamientos convencionales
ORGANIZAR EL ANÁLISIS DE DATOS
Vamos a crear dos grupos (control e investigación)
Vamos a comparar los dos grupos y analizaremos si la variable de discapacidad ha mejorado más en el nuevo tratamiento que en tratamientos convencionales
Es una comparativa de medias ya que la variable de discapacidad se puede medir como una variable cuantitativa
PARA PODER DISEÑAR EL PLAN DE ACCIÓN TENEMOS QUE ENTENDER LOS PROBLEMAS TIPO PARA SABER EN QUÉ GRUPO
DE TÉCNICAS ESTAMOS
MAPA DE ANÁLISISEstrategias de decisión
Comparar Medidas (medias)
T-testANOVA
MANOVAetc…
Comparar proporciones
Z-testMcNemar
Test Exacto de Fisheretc…
Asociar proporciones
Chi CuadradoOdd-Ratios
…
Modelos de Predicción
Regresión linealLogísticos
Lineales Generalizados
Técnicas de Machine Learning
Reducción dimensional (PCA)Agrupación (clustering)
Clasificadoresetc…
Asociar medidas
Análisis de Correlación
MAPA DE ANÁLISISEstrategias de decisión
Comparar Medidas
T-testANOVA
MANOVAetc…
Normalmente la comparación de grupos se utiliza para ver la
influencia de variables categóricas con una numérica
MAPA DE ANÁLISISEstrategias de decisión
Comparar proporciones
Z-testMcNemar
Test Exacto de Fisheretc…
Una proporción es un porcentaje como por ejemplo el tipo de
visitas a mi blog
Las proporciones provienen de las variables categóricas
MAPA DE ANÁLISISEstrategias de decisión
La Tabla de contingencia se utiliza para contar las observaciones / individuos de diferentes grupos
MAPA DE ANÁLISISEstrategias de decisión
Asociar proporciones
Chi CuadradoOdd-Ratios
…
Asociar significa ver si hay influencia
entre los grupos de 2 variables
categóricas
MAPA DE ANÁLISISEstrategias de decisión
Asociar medidas
Análisis de Correlación
Asociar variables numéricas es encontrar numéricamente cómo de relacionadas están 2 variables
MAPA DE ANÁLISISEstrategias de decisión
Modelos de Predicción
Regresión linealLogísticosLineales
Generalizados
Un modelo es una función matemática
Y nos sirva para:• Predecir• Explicar relaciones
Problemas avanzados
Técnicas de Machine Learning
ClusteringClasificación
Regresión
Básicamente los más comunes son:
• Clustering -agrupamiento
• Clasificación• Regresión
Si no sabes a qué grupo pertenece trabajas a priori
Clustering
Si sabes el grupo a que pertenece lo que vas a
entrenar a un modelo para que clasifique con nuevos
datos Clasificación (redes
neuronales)
MAPA DE ANÁLISISEstrategias de decisión
Problemas avanzados
Técnicas de Machine Learning
ClusteringClasificación
Regresión
Básicamente los más comunes son:
• Clustering -agrupamiento
• Clasificación• Regresión
Si tenemos datos de entrada y los grupos de salida al cual
pertenece Podemos entrenar un modelo
clasifificador
MAPA DE ANÁLISISEstrategias de decisión
Entradas: • Presión sistólica• diastólica• Peso• Edad• IMC
Salidas – probabilidad de pertenecer a un grupos• Paciente grave• Paciente NO grave
Función Matemática que explica los datos
Red NeuronalClasificador
Problemas avanzados
Técnicas de Machine Learning
ClusteringClasificación
Regresión
MAPA DE ANÁLISISEstrategias de decisión
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS - HITOS
ETAPA 0APRENDE LAS BASES
DE ESTADÍSTICA
ETAPA 1DEFINE TU IDEA
ETAPA 2DEFINE
TU PLAN
ETAPA 3 RECOGE
TUS DATOS
Tamaño de la muestraDefinir métricas – variablesCómo vas a medir: cuestionarios, encuestas, aparatos de medidaMedir
La tabla de datos
RECOGE LOS DATOS
1. Lista las métricas finales y cómo medirlas2. Mide las características3. Limpia los datos erróneos4. La tabla de datos final
3
Nombre Tipo ¿Qué característica observa?
Id Paciente Cuantitativa Discreta Identificador del Paciente. Número identificado.
Sexo Cualitativa Nominal Sexo (0 = Hombre 1 = Mujer)
Edad Cuantitativa Discreta Edad del Paciente
Peso Cuantitativa Continua Peso del paciente en kg
Altura Cuantitativa Continua Altura en metros
LC Cualitativa Nominal Tipo de Lumbociática (0 = NO Lumbociática, 1 =
Lumbociática Derecha y 2 = Lumbociática Izquierda)
PC Cualitativa Nominal Pierna corta aparente ( 0 = No Pierna Corta, 1 =
Pierna Corta Derecha, 2 = Pierna Corta Izquierda)
NHD Cualitativa Ordinal Número hernia discal (0 = Ninguna, 1 = Una, 2 = Dos)
ODIMes0 Cuantitativa Continua Índice de Discapacidad de Oswestry Mes0 (Porcentaje
Antes Tratamiento)
ODIMes1 Cuantitativa Continua Índice de Discapacidad de Oswestry Mes1 (Porcentaje
Después Tratamiento)
Grupo Cualitativa Nominal Tipo de Tratamiento (0 = Convencional, 1 =
Investigación)
LF_Mes0 Cualitativa Ordinal Límite Funcional Mes0 (0 = Mínima, 1 = Moderada, 2
= Intensa, 3 = Discapacidad, 4 = Máxima)
LF_Mes1 Cualitativa Ordinal Límite Funcional Mes1 (0 = Mínima, 1 = Moderada, 2
= Intensa, 3 = Discapacidad, 4 = Máxima)
IMC_Grupos Cualitativa Ordinal Estados Nutricional (0 = desnutrido, 1 = Normal, 2 =
Sobrepeso, 3 = Obesidad, 4 = Obesidad Mórbida)
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS - HITOS
ETAPA 0APRENDE LAS BASES
DE ESTADÍSTICA
ETAPA 1DEFINE TU IDEA
ETAPA 2DEFINE
TU PLAN
ETAPA 3 RECOGE
TUS DATOS
ETAPA 4 ANALIZA
TUS DATOS
METODOLOGÍAEn la práctica …
1
Paso 1 – Enfocar El Estudio
1. Entender tu tabla de datos2. Definir el objetivo de análisis3. Leer e interpretar tus base de
datos
2 Paso 2 – Explorar tu base de datos
1. Crear gráficos2. Interpretarlos3. Extraer las primeras respuestas
3
Paso 3 – Analizar los Datos
1. Responder a tus preguntas2. Interpretar los resultados3. Conclusiones
4
Paso 4 – Interpretar y Comunicar tus resultados
1. Responder a tus objetivos2. Un esquema efectivo de
comunicación
RepeticionesDefinir Objetivos
de + fáciles a + difíciles
E. Descriptiva
E. Inferencial
Herramientas y softwares
• Objetivo: definir qué queremos obtener con los datos
OBJETIVO
Comparar dos tratamientos
Control vs investigación
La diferencia entre el ODI en el mes 0 y el mes 1 y analizar qué tratamiento mejora
más a los pacientes
Paso 1 – Enfocar El Estudio
1. Entender tu tabla de datos2. Definir el objetivo de análisis3. Leer e interpretar tus base de
datos
1
• Exploración/Descripción: interpretar los datos
OBJETIVO
Comparar dos tratamientos
Control vs investigación
La diferencia entre el ODI en el mes 0 y el mes 1 y analizar qué tratamiento mejora
más a los pacientes
Variable
dependientes
O variable
respuestaGrupos que
comparamos
(variable
independiente)
Comparamos las distribuciones de la diferencia de
ODI – limitación funcional
2 Paso 2 – Explorar tu base de datos
1. Crear gráficos2. Interpretarlos3. Extraer las primeras respuestas
• Análisis y conclusión: aplicar técnicas de análisis
OBJETIVO
Comparar dos tratamientos
Control vs investigación
La diferencia entre el ODI en el mes 0 y el mes 1 y analizar qué tratamiento mejora
más a los pacientes
Estadísticos de pruebaa
diff_ODI
U de Mann-Whitney 27,000
W de Wilcoxon 5178,000
Z -12,151
Sig. asintótica (bilateral) ,000
Comparación de medias
Detalles:
Test NO paramétrico
Grupos independientes
Paso 3 – Analizar los Datos
1. Responder a tus preguntas2. Interpretar los resultados3. Conclusiones
3
• Análisis y conclusión: aplicar técnicas de análisis
OBJETIVO
Comparar dos tratamientos
Control vs investigación
La diferencia entre el ODI en el mes 0 y el mes 1 y analizar qué tratamiento mejora
más a los pacientes
Estadísticos de pruebaa
diff_ODI
U de Mann-Whitney 27,000
W de Wilcoxon 5178,000
Z -12,151
Sig. asintótica (bilateral) ,000
Comparación de medias
Detalles:
Test NO paramétrico
Grupos independientes
Hay diferencias significativas en el efecto sobre
la limitación funcional entre el tratamiento control
y el de investigación
Paso 3 – Analizar los Datos
1. Responder a tus preguntas2. Interpretar los resultados3. Conclusiones
3
PASO 1 – ENFOCA TU PROYECTO
PASO 2 – EXPLORA TUS DATOS
PASO 3 – ANALIZA CON UN SOFTWARE y UN MAPA DE TÉCNICAS
PASO 4 – COMUNICA TUS RESULTADOS
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS - HITOS
ETAPA 0APRENDE LAS BASES
DE ESTADÍSTICA
ETAPA 1DEFINE TU IDEA
ETAPA 2DEFINE
TU PLAN
ETAPA 3 RECOGE
TUS DATOS
ETAPA 4 ANALIZA
TUS DATOS
ETAPA 5 PRESENTA
TUS RESULTADOS
6
ContextoCita la problemática
ObjetivosDefine tu objetivo alineado al problema que quieres resolver
Gráficos y ResultadosMuestra la información escondida (etapa de exploración)Define tu metodología de análisis (etapa de análisis)Muestra los resultados (etapa de análisis)
ConclusionesResume las conclusiones
Problemas y next stepsProblemas encontrados durante el estudio y siguientes pasos
PRESENTA TUS RESULTADOS
1. Responder a tus objetivos2. Un esquema efectivo de
comunicación
¿Qué necesitaspara poder presentar resultados
potentes de tus datos?
El camino deOBJETIVO CUM LAUDE
Quiero entender los proyectos de investigación y
superar la estadística para Analizar los Datos en mis proyectos pero no sé por dónde empezar ni qué
técnicas aplicar
Tu proyecto de investigación tiene resultados prometedores
Sabes CÓMO presentar los resultados de tu tesis doctoral. Estás
confiado y satisfecho de tus resultados. Preparado para disfrutar
con tu presentación
El camino deOBJETIVO CUM LAUDE
% De tu Proyecto
ETAPAS - HITOS
ETAPA 1DEFINE TU IDEA
ETAPA 2DEFINE
TU PLAN
ETAPA 3 RECOGE
TUS DATOS
ETAPA 4 ANALIZA
TUS DATOS
ETAPA 5 PRESENTA
TUS RESULTADOS
ETAPA 0APRENDE LAS BASES
DE ESTADÍSTICA
ENTRAS CON MUCHAS DUDAS DE CÓMO PODER APRENDER y APLICAR LA ESTADÍSTICA PARA TU PROYECTO
SALES CONVENCIDO Y CONTENTO DE TU PROYECTO Y DE LOS RESULTADOS RELEVADORES PARA TU TESIS
CON UN PASO A PASO CRISTALINO PARA TU PROYECTO CON ACOMPAÑAMIENTO Y ASESORAMIENTO
Y LO MÁS IMPORTANTE TU PROYECTO TERMINADO PREPARADO PARA SER PRESENTADO
Ahora sabes lo que tienes que hacer para lograr analizar los datos de tu proyecto y catapultar tu
carrera profesional e investigadora
¿Verdad?
Escuchar no es suficiente. Actuar es la clave.
¿Lo harás?
Si vuelves a lo hábitos de siempre, es probable que consigas los resultados de siempre
RESERVA UNA SESIÓN INICIAL
UNA SESIÓN 1 A 1PARA AYUDARTE A DEFINIR TU MEJOR CAMINO
OBJETIVO CUM LAUDE
(SESIÓN ABIERTA HASTA LLENAR 5 PLAZAS)
http://bit.ly/reserva-sesion-previa
Déjame guiarte paso a paso para reservar la sesión
Paso 1
Acceder al link
http://bit.ly/reserva-sesion-previa
Déjame guiarte paso a paso para reservar una sesión previa conmigo
Paso 1 Paso 2
Acceder al Iink Selecciona día y hora
http://bit.ly/reserva-sesion-previa
Déjame guiarte paso a paso para reservar tu plaza
Paso 3
Confirmas día y hora
http://bit.ly/reserva-sesion-previa
Déjame guiarte paso a paso para reservar tu plaza
Paso 3
INTRODUCE TUS DATOS
http://bit.ly/reserva-sesion-previa
Déjame guiarte paso a paso para reservar tu plaza
Paso 4
RECIBIRÁS UN EMAIL DONDE TE VOY A
ENVIAR UN LINK CON EL FORMULARIO
PREVIO A LA SESIÓN
http://bit.ly/reserva-sesion-previa
DESCARGA AHORA TU PDFDE AGRADECIMIENTO
http://bit.ly/DescargarPDFSesion
¡Hasta luego!
1. ACTUAR ES EL ÚNICO SECRETO
2. NO TE DEJES DOMINAR POR LAS FÓRMULAS
3. LA ESTADÍSTICA ES TU HERRAMIENTA
4. ESPERO PODER VERTE MUY PRONTO EN UNA DE MIS FORMACIONES
5. TE DESEO TODO LO MEJOR.
MUCHAS GRACIAS POR TU TIEMPO Y ATENCIÓN
http://bit.ly/DescargarPDFSesion