Diplomado en Investigación estadística con R y RStudio
Duración: 5 meses (150 horas)
Folio de validez oficial de la red SEP-CONOCER EC0301 y EC366
Masterclass GRATIS: https://youtu.be/UNoNqoQLj1o Registro: https://www.pharbiois.com/contacto
Inicio: 15 de junio del 2026 (Bienvenida por zoom), acceso inmediato recibiendo el pago
Modalidad: Online: asincrónico (plataforma: https://pharbiois.milaulas.com/
Idioma: Español
Profesor: Roly Vidal Ramos Gómez (Académico de Universidad de Ciencias Aplicadas, Perú)
Formación: M en C y Especialista en Estadística
Trayectoria: Estadístico con 10+ años de experiencia en análisis de datos y modelado predictivo. Especialista en RStudio, SPSS y Minitab, con dominio en análisis multivariado, series de tiempo e investigación aplicada. Enfocado en capacitación y uso de estadística para decisiones basadas en datos.
acerca del DIPLOMADO
El Diplomado está dirigido a estudiantes, investigadores y profesionales del sector empresarial que necesitan aplicar métodos estadísticos sólidos en sus proyectos. Este programa asincrónico aborda temas clave como recolección, organización e interpretación de datos, formulación de hipótesis y aplicación de pruebas estadísticas, todo utilizando el entorno RStudio mediante ejemplos prácticos aplicables a investigaciones reales y análisis de datos empresariales. Se recomienda contar con conocimientos básicos en estadística y un manejo funcional de computadora, incluyendo la instalación de programas, uso de hojas de cálculo, navegación por carpetas, comprensión básica de archivos de texto y ejecución de comandos en software especializado. Al finalizar, los participantes estarán capacitados para aplicar herramientas estadísticas con precisión en contextos académicos, clínicos, sociales, industriales o empresariales, incluyendo análisis de datos en áreas como marketing, producción, control de calidad, biotecnología, y salud.
TEMARIO
-Presentación del diplomado y examen diagnóstico
MÓDULO 1: EL PROGRAMA RSTUDIO HERRAMIENTA EFICAZ PARA EL APRENDIZAJE ESTADÍSTICO
Semana 1: Manipulación de datos en R (10 horas)
o Breve introducción de R
o Descarga e instalación de R
o El medioambiente R (interface de comandos en R y Rstudio)
- Instalación y descarga de paquetes
- Aspectos básicos de R
- Vectores
- Matrices
- Arreglos
- data.frames
o Lectura de datos
- Datos de archivos csv, txt
- Datos disponibles en R
- Datos disponibles en paquetes e internet
o Manejo de base de datos
- Generación y modificación de variables
- Aplicación de filtros
- Unión de base de datos
Semana 2: Programación con R y estadística descriptiva (10 horas)
o Uso de sentencias if, else
o Uso de bucles for, while
o Estructura de programación en R
o Interactuando con R
o Conceptos básico de estadística
Población, muestra
Tipos de variables
Estadístico, parámetro
o Medidas de tendencia central
o Medidas de variabilidad
o Medidas de asimetría
o Interpretación de un caso de estudio
Semana 3: Probabilidad y simulación (10 horas)
o Nociones de probabilidad
o Simulación de eventos
o Variables aleatoria
o Principales variables aleatorias discretas
o Principales variables aleatorias continuas
Semana 4: Gráficos en R y muestreo estadístico (10 horas)
o Gráficos básicos
- Histogramas
- Boxplots
o Gráficos con ggplot2
o Muestreo estadístico
- Muestreo aleatorio simple
- Muestreo estratificado
- Muestreo por conglomerados
MÓDULO 2: ANÁLISIS INFERENCIAL PARA LA TOMA DE DECISIONES
Semana 5: Estadística inferencial (10 horas)
o Pruebas de hipótesis para un parámetro
o Prueba de hipótesis para dos parámetros
o Prueba de hipótesis para u vector de parámetros
o Correlación y regresión lineal simple
Semana 6: Estadística no paramétrica (10 horas)
o Pruebas de hipótesis para un parámetro
o Prueba de hipótesis para dos parámetros
o Correlación y regresión lineal simple
Semana 7: Diseños Experimentales (10 horas)
o Diseños completamente al azar
o Diseño de bloques
o Diseño factorial
o Otros diseños experimentales
MÓDULO 3: MÉTODOS MULTIVARIADOS PARA DESCUBRIR PATRONES Y
RELACIONES EN LOS DATOS
Semana 8: Modelo de regresión más utilizados (10 horas)
o Regresión lineal múltiple
o Regresión logística binaria
o Regresión logística multinomial
o Regresión logística ordinal
Semana 9: Métodos multivariados no supervisados (10 horas)
o Análisis factorial
o Análisis clúster
o Reducción de variables y observaciones bajo presencia de
variables cualitativas
Semana 10: Análisis de series de tiempo (10 horas)
o Preparación de datos en R
o Métodos clásicos
o Método Holt Winters
o Método Box Jenkins (ARIMA y SARIMA)
Modalidad de estudio
El curso se desarrolla de manera asincrónica en donde se explica a través de videos y materiales como word, ppt, pdf y scripts, acerca de los temas presentados. Durante cada semana de clase el estudiante deberá dedicar 10 horas para su aprendizaje. Para aprobar el curso el estudiante deberá desarrollar las taras de conocimiento semanales de los métodos aprendidos y un trabajo encargado en cada módulo.
Nota: Se califica con actividades en google classroom (70%) y ejercicio final y/o exámen (30%), la constancia se entrega con calificación numérica de 1-10.
En este link puedes descargar el programa en PDF