Curso “Introducción a la Estadística Inferencial en R”
La Estadística Inferencial permite analizar y estudiar datos de una población a partir de una muestra de esta. A diferencia de la estadística descriptiva, donde la toma de decisiones descansa en la descripción de la información de una muestra, en la estadística inferencial el fundamento son las pruebas estadísticas que permiten inferir alguna característica de interés de una población con base en la información de una muestra.
Su objetivo es obtener conclusiones útiles para hacer deducciones sobre una totalidad, basándose en la información numérica de la muestra. La Estadística Inferencial se dedica a la generación de los modelos y predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones.
Se usa para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio.
Objetivo
Generar en la Comunidad Universitaria una base estadística sólida que permita un manejo conjunto de herramientas y criterios orientados a la enseñanza e investigación.
Metodología
| Horas sincrónicas / asincrónicas | Descripción |
|
Trabajo Introductorio al Curso |
Clases magistrales con temáticas que aborden los contenidos para todas las áreas: ciencias médicas, ciencias sociales , ciencias Técnicas, ciencias de la administración |
|
Laboratorios prácticos |
Base de datos de cada área- generar casos, ejemplos y aplicaciones propias para cada disciplina desde la estadística Inferencial en R. |
|
Practica y tutorías por áreas Dos horas a la semana para tutorías grupales presenciales
|
Espacio de acompañamiento académico para la elaboración del producto final (propuesta de entrega de un análisis estadístico de estudio de caso). |
|
Trabajo Autónomo 38 horas |
Los participantes deberán realizar lecturas de retroalimentación de las temáticas de manera autónoma. Así mismo, sobre la base de los temas y reflexiones académicas en curso, cada participante elaborará un análisis en base a un estudio de caso de la temática dictada en el que aplicará los conocimientos adquiridos. |
|
EVALUACIÓN: PRODUCTO DE ANÁLISIS DE CASO 60 HORAS CERTIFICACIÓN |
|
Destinatarios
- Dirigido a los docentes de la Universidad del Azuay
Duración
- 60 horas ( 22 horas Sincrónicas, 38 asincrónicas)
Horario
- 8h00 a 12h00
Tutores
Adrián Sigüencia Muñoz
Ciencias de la AdministraciónEconomista con mención en economía empresarial, Abogado, Magíster en Administración de Empresas con mención en finanzas. Es profesor de la Facultad de Ciencias de la Administración, Abogado en libre ejercicio, asesor y consultor independiente. Su trabajo se centra en la investigación aplicada mediante la generación de modelos descriptivos, predictivos y técnicas de visualización de datos.
Carla Salgado
Ciencias MédicasMédico por la Universidad del Azuay. Máster en Ciencias en Investigación Clínica por la Universidad de Pittsburgh , EEUU. Becaria Senescyt Universidades de Excelencia. Actualmente cursa el programa de Doctorado en Ciencias Médicas en la Universidad del Frontera, Chile
Iván Mendoza
Ciencia y TecnologíaDocente investigador de la Universidad del Azuay en la Facultad de Ciencia y Tecnología desde 2009. Doctor en Ingeniería, especialista en Minería y Análisis de Datos, que actualmente dicta en programas de posgrado módulos de Estadística Descriptiva, Inferencial y Estadística Aplicada. Participa en proyectos de investigación relacionados con movilidad y transporte, desarrollando algoritmos para reconocimiento de patrones a partir de datos espacio temporales y técnicas de Aprendizaje de Máquina.
Jefferson Elizalde
Ciencias SocialesPsicólogo Clínico y Máster en metodología en ciencias del comportamiento y salud. Experto en estadística avanzada y psicometría en SPSS y R. Docente de la Facultad de Psicología de la Universidad del Azuay. Docente de posgrado de la Universidad de Cuenca. Tutor de investigación de posgrado en la UISEK. Revisor de artículos científicos de la Revista Iberoamericana de diagnóstico y Evaluación (RIDEP).
Jhonatan Avilés
Ciencia y TecnologíaEnfocado en Diseño de experimento estadísticos.
Modelación de la cadena de Suministro.
Mejora de Procesos industriales.
