OBJETIVO CUM LAUDE - s3.eu-west-3.amazonaws.com

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…



¿¿¿TANTOS AÑOS ESTUDIANDO NÚMEROS Y NO SABÍA

ABORDAR UN PROYECTO DE INVESTIGACIÓN CON DATOS???



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



valor



Modelo predictivo

ESTADÍSTICA

DESCRIPTIVA

Distribución

Resumen numérico



Contingencia


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


TABLAS y VARIABLES

VariablesCuantitativas

(discretas o continuas)

Culitativas

(nominales u ordinales)


NUM. CONTINUA(decimales)

TABLAS y VARIABLESOrganizar lo que observas en forma de matriz

TEMPERATURA

NUM. DISCRETA(no decimales)

9.23 ºC

NUM. CONTINUA(decimales)



Culitativas



TEMPERATURA MÁXIMANUM. CONTINUA

(no decimales)

NUM. DISCRETA(contar)

NÚMEROS DE DÍAS CON

LLUVIA



Culitativas



TEMPERATURAVISITAS AL BLOG por día

NUM. DISCRETA(no decimales)

TIPO DE VISITANTE

Nuevo visitanteo

Visitante que vuelve

(Nominal Dicotómica)



Culitativas



TIPO DE CANAL

GoogleDirecto

Redes SocialesLink externo

(Nominal Politómica)

TIEMPOCualitativa Ordinal



Culitativas


TABLAS y VARIABLES


TIPO DE ESPECIE

VersicolorVirginica

Setosa

(Cualitativa Nominal)



Culitativas


CONCEPTOS CLAROS

TABLA y

VARIABLES

Estructura

Tipos de Variables

Cómo modificarlas

ESTADÍSTICA

INFERENCIAL



valor



Modelo predictivo

ESTADÍSTICA

DESCRIPTIVA

Distribución

Resumen numérico



Contingencia


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


% 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


% De tu Proyecto

ETAPAS - HITOS


DE ESTADÍSTICA


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


Comparar Medidas

T-testANOVA

MANOVAetc…

Normalmente la comparación de grupos se utiliza para ver la

influencia de variables categóricas con una numérica


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


La Tabla de contingencia se utiliza para contar las observaciones / individuos de diferentes grupos


Asociar proporciones

Chi CuadradoOdd-Ratios

…

Asociar significa ver si hay influencia

entre los grupos de 2 variables

categóricas


Asociar medidas

Análisis de Correlación

Asociar variables numéricas es encontrar numéricamente cómo de relacionadas están 2 variables


Modelos de Predicción

Regresión linealLogísticosLineales

Generalizados

Un modelo es una función matemática

Y nos sirva para:• Predecir• Explicar relaciones

Problemas avanzados


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)


Problemas avanzados



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


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



Regresión



% De tu Proyecto

ETAPAS - HITOS


DE ESTADÍSTICA


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)


% De tu Proyecto

ETAPAS - HITOS


DE ESTADÍSTICA


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





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





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



3

• Análisis y conclusión: aplicar técnicas de análisis

OBJETIVO





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



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


% De tu Proyecto

ETAPAS - HITOS


DE ESTADÍSTICA


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?


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


% De tu Proyecto

ETAPAS - HITOS


ETAPA 2DEFINE

TU PLAN

ETAPA 3 RECOGE

TUS DATOS

ETAPA 4 ANALIZA

TUS DATOS

ETAPA 5 PRESENTA

TUS RESULTADOS


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



Déjame guiarte paso a paso para reservar una sesión previa conmigo

Paso 1 Paso 2

Acceder al Iink Selecciona día y hora



Déjame guiarte paso a paso para reservar tu plaza

Paso 3

Confirmas día y hora




Paso 3

INTRODUCE TUS DATOS




Paso 4

RECIBIRÁS UN EMAIL DONDE TE VOY A

ENVIAR UN LINK CON EL FORMULARIO

PREVIO A LA SESIÓN



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



Documents

OBJETIVO CUM LAUDE - s3.eu-west-3.amazonaws.com