Estadística · 2026
CV en Formato Harvard para Estadísticos/as
Los equipos de selección quieren ver el diseño del estudio, el método correcto para los datos y resultados validados que puedas defender ante un regulador o un comité. El formato Harvard pone tus métodos y tu impacto en el mismo plano.
¿Cómo se hace un CV de Estadísticos/as en formato Harvard?
La contratación de estadísticos/as se divide en tres carriles que se leen muy distinto: bioestadística (ensayos clínicos, presentaciones a FDA/EMA, CDISC), estadística aplicada en industria (experimentación, forecasting, inferencia causal) y estadística pública/de encuestas (diseño muestral, estimaciones oficiales). En una CRO se busca SAS, SDTM/ADaM y experiencia en sometimientos regulatorios; en analítica tech se busca diseño de tests A/B y R/Python; en un instituto de estadística (INE, INEGI, DANE) se busca metodología de encuestas y reglas de confidencialidad. El formato Harvard de una página te deja liderar con el diseño y el método, y luego demostrar que moviste un número real: potencia, precisión, tasa de error o dinero.
Qué buscan los recruiters
- Dominio del diseño de estudios/experimentos — cálculo de tamaño muestral y potencia, aleatorización, estratificación, planes de análisis preregistrados (SAP)
- Ajuste método-dato: GLM, modelos mixtos/longitudinales, supervivencia (Cox, Kaplan-Meier), métodos bayesianos, inferencia causal (propensity scores, diferencias-en-diferencias, variables instrumentales)
- Profundidad de herramientas: SAS (incl. PROC MIXED/PHREG/GLIMMIX), R (tidyverse, lme4, survey, brms), Python (statsmodels, scikit-learn), Stan/JAGS, SQL
- Conocimiento normativo según el carril: CDISC SDTM/ADaM, estimandos ICH E9(R1), GCP, 21 CFR Part 11; o en gobierno: ponderación de encuestas, estimación de varianza, anonimización
- Reproducibilidad y validación: control de versiones (Git), SAP documentados, doble programación/QC, análisis literario (R Markdown/Quarto)
- Comunicación de la incertidumbre a no estadísticos — intervalos de confianza, tamaños de efecto y supuestos explícitos, no solo p-valores
Secciones requeridas, en este orden
Elige tu carril — pivota el mismo esqueleto
- Bioestadística: agrega una línea de Sometimientos/Ensayos en Experiencia (fase, indicación, resultado regulatorio); lista CDISC e ICH en Habilidades
- Aplicada/industria: lidera Experiencia con bullets de diseño experimental y métrica de negocio; destaca tests A/B e inferencia causal
- Gobierno/encuestas: nombra el programa de encuesta y los métodos (marco muestral, ponderación, estimación de varianza, anonimización) en tus bullets
- Recién egresado/a: Educación primero con foco en tesis/métodos; añade una línea de Cursos Selectos solo si nombra métodos de posgrado (p. ej., Análisis de Supervivencia, Inferencia Bayesiana)
Contenido de Habilidades (solo lo que puedas defender)
- Métodos: modelos mixtos y longitudinales, supervivencia, inferencia bayesiana, inferencia causal, imputación múltiple de datos faltantes, GLM
- Software: SAS, R, Python, Stan/JAGS, SQL — lista los PROC/paquetes que realmente corriste, no un índice de manual
- Estándares (según carril): CDISC SDTM/ADaM, estimandos ICH E9(R1), GCP/21 CFR Part 11; o ponderación + estimación de varianza en encuestas
- Reproducibilidad: Git, Quarto/R Markdown, doble programación/QC, Docker/renv para control del entorno
Construcción de bullets con la fórmula XYZ de Harvard
- Indica el diseño antes del resultado: 'con potencia del 90% para detectar una diferencia de 0,4 DE' muestra que dimensionaste el estudio, no solo que lo corriste
- Cuantifica el eje correcto para tu rol — potencia, precisión (ancho del IC), error Tipo I/II, MAPE, lift o dinero — no un genérico 'mejoré la precisión'
- Nombra el método y la escala de datos: 'modelo de efectos mixtos sobre 18.400 medidas repetidas' supera a 'analicé datos'
- Cierra el ciclo: vincula el análisis a una decisión (presentación regulatoria, lanzamiento de producto, estimación publicada, cambio de política)
Ejemplo en formato Harvard
Bullets fuertes vs débiles
Analicé datos de ensayos clínicos y elaboré reportes estadísticos
Fui estadístico/a líder de un ensayo Fase III aleatorizado (n=842, 2 brazos, estratificado por centro); redacté el SAP y corrí el análisis primario de medidas repetidas con efectos mixtos en SAS (PROC MIXED), entregando datasets ADaM y TLFs listos para someter que respaldaron una presentación NDA aprobada por la FDA
Nombra la fase, el diseño, el n, el estándar (SAP/ADaM), la herramienta exacta (PROC MIXED) y el resultado regulatorio (NDA) — un revisor de bioestadística infiere control total del estudio.
Trabajé en tests A/B para el equipo de producto
Rediseñé la capa de análisis de la plataforma de experimentación usando tests secuenciales (p-valores siempre válidos) y reducción de varianza CUPED en R; bajé la duración mediana de cada test de 21 a 9 días y reduje el tamaño muestral requerido ~35% en más de 140 tests por trimestre
Nombra los métodos (tests secuenciales, CUPED), el lenguaje y dos ejes cuantificados (duración 21→9 días, ~35% menos muestra) a escala real (140+ tests/trimestre).
Ayudé con las estimaciones de la encuesta nacional
Reconstruí el pipeline de ponderación y estimación de varianza (raking a 6 márgenes censales, pesos replicados por BRR) para una encuesta de 52.000 hogares con R survey; reduje el efecto de diseño de 2,1 a 1,6 y bajé los errores estándar publicados ~18% sin costo adicional de campo
Nombra la metodología (raking, pesos replicados BRR), la escala (52K hogares) y la ganancia de precisión cuantificada (DEFF 2,1→1,6, EE −18%) — justo lo que evalúan a un metodólogo de gobierno.
Construí un modelo de pronóstico de demanda
Construí un modelo bayesiano jerárquico de pronóstico de demanda (Stan, pooling parcial sobre 1.200 SKUs) que reemplazó un baseline ARIMA por SKU; bajé el MAPE de 23% a 14% y reduje el costo de inventario de seguridad en US$2,1M anuales
Nombra el método (bayesiano jerárquico, pooling parcial), qué reemplazó (ARIMA por SKU) y métricas duales (MAPE 23→14%, US$2,1M ahorrados) — muestra criterio estadístico y de negocio.
Errores comunes específicos
- Liderar con p-valores sin tamaño de efecto ni intervalo de confianza. Un revisor lee 'p<0,05' como falta de criterio; reporta la estimación, el IC y los supuestos.
- Listar todos los métodos del programa de posgrado. Elige los 6-8 que realmente corriste sobre datos reales y puedas defender ante un panel.
- Omitir el diseño del estudio/experimento. 'Analicé datos' sin mencionar aleatorización, potencia o muestreo se lee como operador, no como estadístico/a.
- En roles de bioestadística, esconder la experiencia regulatoria y CDISC. SDTM/ADaM, autoría del SAP y resultados de sometimientos son el filtro — ponlos en el tercio superior.
- Declarar 'SAS y R y Python y Stan' como iguales. El reclutador indaga el que listas primero; ordénalos honestamente por profundidad.
Tu CV empieza aquí. Decides después si pagas.
Empezar mi CVPreguntas frecuentes
- ¿Debe un CV de bioestadística nombrar ensayos e indicaciones específicas?
- Sí — nombra la fase, el área terapéutica y tu rol por ensayo (estadístico/a líder vs. de apoyo), más el resultado regulatorio si es público (NDA/BLA, aprobación). Respeta el ciego y la confidencialidad: describe el diseño y tu aporte sin revelar resultados desciegados ni propietarios.
- ¿Cómo muestro rigor estadístico en una línea sin saturar de jerga?
- Ancla cada bullet en una decisión de diseño y una métrica de precisión/error: 'con potencia del 90%', 'reduje el efecto de diseño a 1,6', 'p-valores secuenciales siempre válidos'. Un término metodológico concreto más un resultado cuantificado transmite rigor mucho mejor que un muro de siglas.
- ¿Necesito SAS y R en el CV?
- Depende del carril. Farma/CRO y sometimientos regulatorios siguen corriendo mayormente en SAS, así que ahí es casi obligatorio; tech, academia y gobierno favorecen cada vez más R/Python. Lista primero el que usa tu carril objetivo y demuestra profundidad con PROC o paquetes concretos.
- ¿Dónde van las publicaciones y la tesis?
- Si eres de perfil investigador o recién egresado/a, pon una sección de Publicaciones/Investigación entre Educación y Experiencia y nombra tu aporte metodológico. Para roles aplicados en industria, mantenla breve — uno o dos artículos revisados o working papers bajo Educación o una línea de Publicaciones Selectas — y deja que los bullets cuantificados carguen el resto.