MÉTODOS ESTADÍSTICOS PARA LA TOMA DE DECISIONES Modalidad: Remota
Solicita Información
Déjanos tus datos y nos pondremos en contacto contigo
DESCRIPCIÓN
Este curso introduce a los estudiantes en los fundamentos de los métodos estadísticos aplicados a la toma de decisiones en diversos contextos de la investigación y los negocios. Se enfoca en proporcionar las herramientas analíticas necesarias para recopilar, organizar, analizar y presentar datos de manera efectiva.
Los participantes aprenderán a interpretar resultados estadísticos y a utilizar la información obtenida para respaldar procesos de toma de decisiones informadas. Se abordarán tópicos como, entendimiento de problemas estadísticos, tratamiento y manipulación de datos, técnicas de segmentación y pronósticos a través del lenguaje de programación R (posit).
-
Requisito:
Tener como mínimo 1 año de experiencia laboral o contar con el grado académico de bachiller universitario* - Modalidad: Remota
- Clases: 14, 21 de diciembre; 11, 18, 25 de enero; 1 y 8 de febrero
- Horario: Sábado 9:00 p.m. a 12:00 p.m.
- Inversión: S/.1950
- Consulta por los beneficios que tenemos para ti.
OBJETIVOS
– Comprender y aplicar la Estadística Descriptiva incluyendo el cálculo de estadísticos básicos o la elaboración de gráficos que ayudan a visualizar la información de los datos previa a cualquier análisis.
– Aprender el uso de un software open source como R (posit) para desarrollar análisis estadístico y fomentar la toma de decisiones.
– Introducir técnicas estadísticas esenciales para facilitar el aprendizaje futuro en áreas más avanzadas como Big Data, Machine Learning, Data Science o Inteligencia Artificial, aplicando estos conceptos a casos prácticos.
TEMARIO
| Sesión1: Introducción a la Analítica de Datos y AED | ||
|---|---|---|
| El método científico y su relación con la Estadística. Variables y datos. | ||
| Tipos de Enfoques: Enfoque Descriptivo e Inferencial. | ||
| Muestreo de datos: Probabilístico y No probabilístico. | ||
| Abusos y errores que se pueden cometer en el empleo de la Estadística. | ||
| Entendimiento del problema de la naturaleza o negocio que deseo solucionar. | ||
| Introducción al lenguaje estadístico Posit (R Studio Cloud). | ||
| Sesión 2: Análisis Exploratorio de Datos (AED) | ||
| Preparación y valor agregado de los datos. | ||
| Examen gráfico y descriptivo numérico. | ||
| Medidas de tendencia central y de variabilidad. Comparativa entre estadísticos de tendencia central y variabilidad. | ||
| Asociaciones o relaciones entre variables cualitativas y cuantitativas. | ||
| Casos y valores atípicos. Missings y representatividad de la información. | ||
| Sesión 3: Pruebas de Hipótesis Estadísticas. Estadística Paramétrica y No Paramétrica. | ||
| Introducción al proceso de test o pruebas de hipótesis. | ||
| Pruebas estadísticas paramétricas y no paramétricas. | ||
| Test de Anova: Análisis de varianza. | ||
| Test de Chi-cuadrado. | ||
| Test de normalidad de datos y de homogeneidad de varianzas. | ||
| Sesión 4: Métodos de reducción de la dimensionalidad. | ||
| El problema de la dimensionalidad de variables. | ||
| Métodos de reducción de dimensiones. | ||
| ACP. Métodos de elección de los componentes. | ||
| Criterio de Kaiser y de la varianza explicada. | ||
| Análisis de correspondencias. ACM. | ||
| Sesión 5: Métodos de clustering o generación de perfiles. | ||
| Segmentación o análisis de conglomerados. | ||
| Técnicas jerárquicas de segmentación. Algoritmo AGNES, DIANA. | ||
| Técnicas no jerárquicas de segmentación. Algoritmo K-Means, Pam, Clara. | ||
| Sesión 6: Predicción y pronósticos con técnicas de regresión y series de tiempo. | ||
| Introducción a los modelos de pronósticos. | ||
| Análisis de regresión lineal simple. | ||
| Análisis de estimación con series de tiempo bajo el enfoque de descomposición. | ||
| Sesión 7: Clasificación y técnicas de predicción categórica. | ||
| Introducción a los problemas y métodos de clasificación. | ||
| Regresión logística binaria y multiclase. | ||
| Análisis Discriminate y Naive Bayes. | ||
| Técnicas de clasificación de aprendizaje estadístico avanzado: SVM, Arboles de decisión y Bosques aleatorios. | ||
PERFIL DEL PARTICIPANTE
El curso está dirigido a profesionales que quieran iniciar o complementar su conocimiento en el ámbito de la estadística. Profesionales que se desarrollan en áreas de Business Intelligence, TI, Marketing, Planificación, Analytics u otras áreas relacionadas al análisis de datos y la toma de decisiones. Profesionales que deseen incursionar en el mundo de Big Data y Data Science como oportunidad en la línea de carrera y deseen entender toda la ciencia estadística que existen detrás de varios conceptos estudiados.
DOCENTE
André Chávez
People Analytics & PPM Senior Manger en Backus. Anteriormente se desempeñó como Analytics Manager en AB InBev. Ha cumplido funciones similares en Interbank, Claro, Chubb Seguros e INEI. Con experiencia en análisis estadístico y gestión de la información. Cofundador de San Marcos Data Science Community, comunidad dedicada a promover la investigación de los estudiantes de la UNMSM en temas como Data Science, Big Data, Machine Learning y Data Mining. Especialización en Machine Learning y Cómputo Distribuido por el Centro de Investigación en Matemáticas (México). Licenciado en Estadística por la Universidad Nacional Mayor de San Marcos.
CERTIFICACIÓN
Los participantes que cumplan con el 80% de asistencia al curso y obtengan una nota mínima aprobatoria de once (11) recibirán el Certificado de Participación correspondiente, en formato digital, emitido por Pacífico Business School.
*Cabe mencionar que, para el cómputo del número de años de experiencia laboral requerido, no se considerarán las prácticas preprofesionales y las prácticas profesionales realizadas.
Una vez iniciado el curso, no se podrá solicitar la devolución por este concepto. El dictado de clases del curso se iniciará siempre que se alcance el número mínimo de alumnos matriculados establecido por Pacífico Business School. Pacífico Business School se reserva el derecho de modificar la plana docente, por motivos de fuerza mayor o por disponibilidad del profesor, garantizando que la calidad del curso no se vea afectada.
Toda modificación será comunicada anticipadamente a los participantes. Todo el material estará a su disposición en las plataformas virtuales. Requisito: tener como mínimo 1 año de experiencia laboral o contar con el grado académico de bachiller universitario. Cabe mencionar que, para el cómputo del número de años de experiencia laboral requerido, no se considerarán las prácticas preprofesionales y las prácticas profesionales realizadas.
Términos y condiciones
De conformidad con la Ley N° 29733, Ley de Protección de Datos Personales, y su Reglamento aprobado por Decreto Supremo N° 003-2013-JUS, la Universidad del Pacífico (Jr. Gral. Sánchez Cerro N° 2141, distrito de Jesús María) declara que cuenta con una Política de Privacidad a la que se puede acceder desde su portal institucional (https://www.up.edu.pe/Documents/3.politica-privacidad.pdf). Asimismo, con la aceptación de los términos y condiciones se otorga el consentimiento para que la Universidad realice el tratamiento de sus datos personales conforme a las diferentes finalidades y perfiles que la Universidad determina en su Política de Privacidad, las cuales incluyen finalidades académicas, comerciales, administrativas y otras vinculadas con las actividades que realiza, así como con los servicios y productos que ofrece.
Los datos personales recopilados (nombres y apellidos, documento de identidad, teléfono y correo electrónico, y en general cualquier otro) se conservarán por el plazo máximo de sesenta (60) años, o hasta que sean modificados dependiendo de la naturaleza de los mismos. Asimismo, la Universidad garantiza que cuenta con medidas de seguridad; que cualquier transferencia, cesión o encargo de datos personales se sujetará a lo previsto por la Ley; y que la Universidad procurará que los datos personales que recopila no se vean afectados por cualquier uso indebido.
En caso que el titular desee ejercer sus derechos de acceso, cancelación, oposición, revocatoria de consentimiento, modificación o cualquier otro, podrá enviar una comunicación escrita a la oficina de Data Intelligence, dejándolo en, recepción de la Universidad del Pacífico, Jr. Gral. Luis M. Sánchez Cerro Nº 2141, distrito de Jesús María o escribir a revocatoria.datos.personales@up.edu.pe. Esta oficina tiene la obligación de informar los procedimientos para hacer valer los derechos mencionados anteriormente.
Cómo llegar
Contacto
Vía Mensaje