Diplomado en Estadística Aplicada con R

CONTENIDOS
Facultad de Ingeniería y Negocios
AsignaturaAnálisis Estadístico para la Toma de DecisionesLa asignatura tienen como propósito que los estudiantes adquieran las habilidades y conocimientosnecesarios para analizar datos y utilizarlos en la toma de decisiones efectivas. Profundizarán entemas de estadística, limpieza y preparación de datos, y la visualización de datos utilizandoherramientas de software como Tableau.Contenidos:• Introducción a la estadística y su importancia en la toma de decisiones.• Estadística descriptiva e inferencial: medidas de tendencia central, dispersión, distribuciones deprobabilidad y pruebas de hipótesis.• Limpieza y preparación de datos: identificación de datos faltantes y atípicos, transformación ynormalización de datos.• Introducción al uso de software de visualización y análisis de datos: Tableau.• Creación de gráficos y tableros de control.• Análisis de casos prácticos para la toma de decisiones basadas en datos.AsignaturaModelos Estadísticos con RLa asignatura tiene como objetivo desarrollar el conocimiento y habilidades de los participantes enel análisis de datos utilizando modelos estadísticos y el software R. Los participantes reflexionaránsobre la importancia de los modelos estadísticos en la toma de decisiones y su aplicación endiversos campos.Contenidos:• Regresión lineal múltiple (la recta de regresión, bondad de ajuste, análisis de regresión linealsimple, análisis de regresión lineal múltiple, supuestos del modelo de regresión lineal, análisisde regresión por pasos, variables independientes categóricas, análisis de covarianza).• ANOVA de un factor (introducción al análisis de varianza: modelos de ANOVA, lógica del ANOVA,ANOVA de un factor, supuestos del modelo, comparaciones múltiples y estimaciones del tamañodel efecto).• ANOVA de dos o más factores (la interacción entre factores, análisis de varianza de dos factores,comparaciones múltiples).• ANOVA de medidas repetidas (los diseños de medidas repetidas, modelo de un factor, modelo dedos factores con medidas repetidas en uno, modelo de dos factores con medidas repetidas enambos).
Facultad de Ingeniería y Negocios
AsignaturaTécnicas Multivariantes y Aplicaciones con RLa asignatura tiene como propósito desarrollar el conocimiento y habilidades de los participantesen el análisis de datos multivariantes, utilizando técnicas avanzadas y el software R. Losparticipantes aprenderán a interpretar y aplicar técnicas multivariantes en diversos contextos ydesarrollarán habilidades en la visualización de datos, análisis de componentes principales,construcción de índices, validación de escalas de actitudes, análisis de correspondencias, análisisde conglomerados y árboles de clasificación.Contenidos:• Análisis de correlaciones bivariadas y parciales, gráficos de dispersión.• Análisis de componentes principales.• Técnicas de construcción de índices a partir de los resultados de análisis de componentesprincipales.• Construcción, validación y chequeo de confiabilidad de escalas de actitudes.• Análisis de correspondencias simples y análisis de correspondencias múltiples.• Análisis de conglomerados.• Árboles de clasificación y segmentación.
AsignaturaIntroducción a la Minería de Datos con RLa asignatura tiene como objetivo brindar a los participantes una comprensión sólida y habilidadesprácticas en minería de datos utilizando el software R.Contenidos:• Introducción (nociones generales, proceso de minería de datos, extracción, limpieza ytransformación de datos).• Búsqueda de asociaciones (algoritmos básicos: a priori, a priori-TID, búsqueda de asociaciones amúltiples niveles, asociaciones vs. correlaciones).• Clasificación (inducción de árboles de decisión, clasificación Bayesiana, estimación de precisiónen clasificación).• OLAP (introducción al concepto de Data Warehouse y OLAP).• Clustering (tipos de datos en búsqueda de agrupaciones, algoritmos y problemas desegmentación).• Minería de datos en la Web (Minería de uso y de Estructura de la Web).