Modalidad: A distancia.

Objetivo General

Al finalizar el diplomado, el participante identificará y utilizará los principales métodos estadísticos para el análisis de datos e interpretará los resultados.

Objetivos específicos

El participante:

• Aplicará el método estadístico adecuado para comparar poblaciones, considerando las características de la información disponible: muestras relacionadas o no relacionadas.
• Aplicará el estadístico adecuado para medir la relación entre variables considerando el tipo de variables a comparar.
• Aplicará un modelo de regresión lineal simple debidamente validado.

Dirigido a

Profesionistas, tesistas, investigadores que requieran de herramientas estadísticas para describir una base de datos, comparar poblaciones o establecer relaciones entre variables.

Esquema Curricular

Calendarización y Costo

Contenido por módulo

Módulo 1. Introducción a RStudio.

1. Panorama general de RStudio
   • Instalación de RStudio.
   • Consola, directrorio de trabajo, scripts y funciones básicas.
   • Instalación de paqueterías y cómo cargarlas.
   • Taller de ejercicios.
2. Lectura de base de datos
   • Estructura de datos fundamentales.
   • Tipos de datos (enteros, numéricos, caracteres, factores y lógicos).
   • Conversión de caracteres a factores.
   • Estructuras de datos: vectores, matrices, arreglos, listas y bases de datos.
   • Importación y depuración de una base de datos.
   • Exploración de una base de datos.
   • Funciones de resumen: length, dim, names, str, summary.
   • Creación una base de datos a partir de otra base de datos.
   • Taller de ejercicios.
3. Estadísticos descriptivos
   • Tablas (para conteos).
   • Tablas de frecuencia.
   • Gráficas de barras.
   • Gráficas circulares.
   • Histogramas.
   • Medidas de tendencia central y de dispersión.
   • Gráficas de dispersión.
   • Gráficos de probabilidad normal.
   • Taller de ejercicios.

Módulo 2. Estadística descriptiva e inferencial para una muestra.

1. Variables aleatorias
   • Funciones de densidad y cálculo de probabilidades.
   • Media y varianza de una variable aleatoria.
   • Las distribuciones binomial y normal, principales elementos y propiedades (fda, media, varianza, etc).
2. Estadística descriptiva
   • Escalas de medición.
   • Tablas de frecuencia unidimensiona y bidimiensional.
   • Gráficos para describir datos: de barra, de pastel e histograma.
   • Medidas para describir datos.
   • De tendencia central: media, mediana y moda.
   • De dispersión: rango, desviación media, varianza desviación estándar y coeficiente de variación.
   • Gráficos QQ para la distribución normal.
3. Estadística inferencial: Estimación.
   • Muestra aleatoria y estadístico.
   • Distribución muestral de la media y Teorema del Límite Central.
   • Aproximación normal a la binomial.
   • Estimador y estimación puntual.
   • Estimador y estimación por intervalo de confianza para la media.
4. Prueba de hipótesis para una muestra
   • Elementos de una prueba de hipótesis.
   • Pruebas de bondad de ajuste a la distribución normal: Kolmogorov - Smirnov y de Shapiro - Wilk.
   • Prueba ji-cuadrada de bondad de ajuste.
   • Prueba de hipótesis para la media.
   • Prueba del signo y prueba de rangos con signo de Wilcoxon.
   • Intervalo de confianza y pruebas de hipótesis para una proporción.
   • Intervalo de confianza y pruebas de hipótesis para una proporción.
   • Taller de ejercicios.

Módulo 3. Métodos Estadísticos para dos o más muestras.

1. Dos muestras independientes
   • Métodos basados en la distribución Z, F de Fisher para comparar dos varianzas, t de Student y prueba U de Mann-Whitney.
   • Taller de ejercicios.
2. Dos muestras relacionadas
   • Métodos basados en la distribución Z y t de Student, prueba del Signo y de Wilcoxon.
   • Taller de ejercicios.
3. Tres o más muestras
   • Muestras independientes.
     • Análisis de varianza de un factor.
     • Comparaciones Múltiples.
   • Muestras relacionadas.
     • Pruebas: Friedman, W de Kendall, Q de Cochran.
   • Taller de ejercicios.

Módulo 4. Asociación entre variables y regresión lineal simple.

1. Medidas de asociación
   • Variables continuas.
     • Pearson, Spearman.
   • Variables discretas.
     • Coeficiente de Kendall (Continua-Ordinal).
     • Coeficente de correlación biserial puntual (Continua-Nominal).
     • Coeficiente de Spearman: Ordinal-Ordinal.
     • Coeficiente Phi (Ordinal-Ordinal 2x 2).
     • Coeficiente de Kruskall-Goodman (Ordinal-Ordinal, rxc).
2. Regresión lineal simple
   • Gráficas de dispersión.
   • Ajuste del modelo.
   • Validación del modelo.

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes