Diplomado en Análisis Estadístico con R

Objetivo General

Proporcionar a los participantes las competencias y elementos básicos para el manejo adecuado del lenguaje de R con la finalidad de manipular, describir y visualizar conjuntos de datos e implementar métodos de inferencia estadística para la toma de decisiones, así como algunos modelos de regresión.

Objetivos específicos

  • Reconocer los elementos básicos de la sintaxis propia del lenguaje de R. 
  • Representar y resumir información de forma adecuada implementando herramientas de R. 
  • Analizar ejemplos reales y presentar aplicaciones para la toma de decisiones basadas en inferencia estadística. 
  • Implementar algunos modelos de regresión para caracterizar relaciones entre variables. 

Justificación

Son muchos los retos a nivel empresarial, social e investigativo en los que resulta necesaria la implementación de herramientas computacionales con miras al análisis de información y a la toma adecuada de decisiones frente a problemáticas diversas. Con el avance raudo del componente tecnológico en nuestro entorno, resulta indispensable adaptarse y estar en constante actualización, por lo que este curso, ofrece a los participantes la posibilidad de adquirir destrezas en el manejo de R, un software de licencia libre ampliamente difundido y con la versatilidad suficiente para responder a necesidades diversas asociadas con el tratamiento, visualización y análisis de conjuntos de datos. 

Fecha de inicio: 11 de julio de 2024

Fecha de finalización: 15 de agosto de 2024

Metodología:  Clases teórico/prácticas

Modalidad:  Virtual Sincrónico

Horario:  Jueves y Viernes de 6:00 p.m. a 9:00 p.m. y Sábados de 8:00 a.m. a 12:00 p.m.

Duración: 96 hrs (48 hrs docencia directa / 48 hrs trabajo independiente)

Para mayor Información contáctate con: 

2'500.000

¡Conoce nuestros descuentos disponibles!

  • Descuento estudiante pregrado o posgrado de la Universidad: 15%
  • Descuento conyúgue e hijos de graduado de pregrado y posgrado: 10%
  • Descuento graduado: 15%
  • Descuento empleado Universidad de La Sabana: 50%
  • Descuento empleados ASPAEN: 50%
  • Descuento familiar empleado: 30%
  • Descuento pronto pago: 10%
  • Descuento grupos 5 o más personas: 15%
  • Descuento grupos 10 o más personas: 20%

MSc. Leidy Natalia León Carvajal

Matemática de la Universidad Distrital Francisco José de Caldas (Bogotá, Colombia), Magíster con tesis meritoria en Ciencias-Estadística de la Universidad Nacional de Colombia (Bogotá, Colombia). Docente Planta de la Universidad de La Sabana, con experiencia docente en Estadística, Probabilidad, Métodos Estadísticos Avanzados y Diseño de Experimentos. Cuenta con un diplomado en Inteligencia Artificial y Aprendizaje Profundo de la Universidad Nacional de Colombia. 

MSc. Juan Pablo Mojica Macías

Matemático de la Universidad Distrital Francisco José de Caldas (Bogotá, Colombia), Magíster en Ciencias-Estadística de la Universidad Nacional de Colombia (Bogotá, Colombia). Docente Planta de la Universidad de La Sabana, con experiencia docente en Estadística, Probabilidad y Métodos Estadísticos Avanzados. Cuenta con un curso de Diseño y Análisis de Experimentos de la Universidad de Buenos Aires (Argentina) y un diplomado en Inteligencia Artificial y Aprendizaje Profundo de la Universidad Nacional de Colombia. 

MSc. Adrián Alberto Santana Alfonso

Licenciado en Matemáticas de la Universidad de Cundinamarca. Especialista en Estadística Aplicada de la Fundación Universitaria los Libertadores y Magister en Ciencias-Estadística de la Universidad Nacional de Colombia (Bogotá Colombia) Docente planta Universidad de La Sabana, con experiencia en diversas áreas de la Matemática, Estadística Avanzada y Modelos Estadísticos Aplicados.  

Primer caso: 

  • Instalación y reconocimiento de la interfaz de R y RStudio. 
  • Manejo de funciones y sintaxis de R. 
  • Importación y limpieza de una base de datos en R.
  • Análisis descriptivo con R.
  • Visualización de datos empleando ggplot2.

Segundo caso: 

  • Fundamentos de muestreo probabilístico.
  • Intervalos de confianza en una y dos muestras.
  • Pruebas de Hipótesis en una y dos muestras.
  • Algunas pruebas no paramétricas para comparación de medias.

Tercer caso: 

  • Regresión lineal simple y correlación.
  • Regresión lineal múltiple.
  • Regresión logística simple.
  • Introducción a la creación de documentos con RMarkdown.
Inscríbete
Volver a Educación Continua