Educación Continua

Este diplomado constituye una especialización en análisis estadístico inferencial de datos cuantitativos, dirigida a profesionales o licenciados de diversas áreas que deseen introducirse en el análisis de datos sociales y/o que tengan necesidades de generar informes de resultados con datos en sus lugares de trabajo, así como profesionales que deseen actualizar y profundizar su formación metodológica en técnicas como el análisis de regresión múltiple.

• Grado académico o título profesional, obtenido en universidades chilenas o extranjeras, equivalente al grado de licenciado que confiere la Pontificia Universidad Católica de Chile. 
• Currículum vitae con antecedentes curriculares. 
• Aprobar el proceso de selección que realiza el Comité Académico del Diplomado.

1. Comprender los fundamentos estadísticos que hay detrás del análisis e interpretación de datos descriptivos e inferenciales.
2. Aplicar técnicas para presentar resultados de datos cuantitativos de manera clara y comprensible.

El Diplomado consta de la realización de dos cursos:

• CURSO ANÁLISIS DE DATOS SOCIALES: 10 CRÉDITOS
• CURSO ANÁLISIS DE REGRESIÓN MÚLTIPLE: 10 CRÉDITOS

*Los alumnos/as pueden optar a realizar uno de los dos cursos , pero si desean obtener la certificación del Diplomado  deben realizar necesariamente los dos cursos y aprobar con nota mínima de 4.0 y 75% de asistencia cada curso.

CURSO ANÁLISIS DE DATOS SOCIALES
Social Data Analysis Course
Horas cronológicas: 54 horas
Horas pedagógicas: 72 horas
Créditos: 10

RESULTADOS DE APRENDIZAJE:
Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Identificar los fundamentos estadísticos que hay detrás del análisis e interpretación de datos descriptivos.
2. Practicar la estadística inferencial, en la estimación de intervalos de confianza y pruebas de hipótesis.
3. Construir y leer tablas de resultados.
4. Presentar resultados de datos cuantitativos de manera clara y comprensible.
5. Conocer maneras de presentar resultados de datos cuantitativos de manera clara y comprensible.

CONTENIDOS:

• Análisis de datos descriptivos: medidas de tendencia central, de dispersión y de distribuciones univariadas; creación, análisis e interpretación de tablas con dos o más variables.
• Inferencia estadística: conceptos; estimación de intervalos de confianza para medias y proporciones; pruebas de hipótesis de medias y proporciones para una y dos muestras; coeficiente chi-cuadrado.
• Presentación de informes de resultados, creación de gráficos.

METODOLOGÍA DE ENSEÑANZA Y APRENDIZAJE:

La metodología consiste principalmente en clases on line – clases en vivo donde se expondrán los contenidos del curso. La profesora contará con una presentación en PowerPoint que le permitirá reforzar los contenidos y entregar distintos ejemplos de ellos. Además, las clases teóricas se complementarán con clases prácticas, las que tendrán un énfasis en el manejo de datos, a través del programa estadístico STATA. También, se realizarán clases con cápsulas informativas pregrabadas que permitirán complementar los contenidos del curso. Se trabajará con variadas bases de datos disponibles en el ISUC, tanto generadas en investigaciones previas del Departamento de Estudios del ISUC, como de otras bases de datos, tanto nacionales como internacionales.

EVALUACIÓN DE LOS APRENDIZAJES:

1. Realización de dos controles cortos de media hora al inicio de algunas clases (30%)
2. Realización de dos ejercicios prácticos a realizarse en el plazo de una semana (30%)
3. Un examen final (40%).

CURSO ANÁLISIS DE REGRESIÓN MÚLTIPLE
Regression Analysis course
Horas cronológicas: 54 horas
Horas pedagógicas: 72 horas
Créditos: 10

RESULTADOS DE APRENDIZAJE:
Al finalizar este curso los/las estudiantes debieran ser capaces de:

1. Aplicar la técnica de Mínimos Cuadrados Ordinarios.
2. Proponer, implementar y analizar un modelo multivariado de regresión lineal o logística con datos reales.
3. Evaluar la calidad del modelo de regresión a través del testeo de los supuestos del estándar gaussiano.

CONTENIDOS:

• Lógica del análisis multivariado a través de regresiones: correlaciones parciales; variables confundentes y relaciones espúreas; causación versus correlación.
• Regresión lineal simple: estimación de coeficientes; estándar Gaussiano y Teorema de Gauss Markov; inferencia Estadística para regresión lineal bi-variada.
• Regresión lineal múltiple: estimación de coeficientes, especificación de modelos, incorporación de variables dummy, interpretación de interacciones.
• Verificación de supuestos y de la bondad de ajuste en los modelos de regresión multivariada: multicolinearidad, ausencia de autocorrelación, heterocedasticidad, especificación del modelo, revisión de casos raros (outliers).
• Regresión logística binaria: aplicaciones, cálculo e interpretación de modelos.

METODOLOGÍA DE ENSEÑANZA Y APRENDIZAJE:

La metodología consiste principalmente en clases on line – clases en vivo donde se expondrán los contenidos del curso. Los profesores contarán con presentaciones en PowerPoint que les permitirán reforzar los contenidos y entregar distintos ejemplos de ellos. Además, las clases teóricas se complementarán con clases prácticas, las que tendrán un énfasis en el manejo de datos, a través del programa estadístico STATA. También, se realizarán clases con cápsulas informativas pregrabadas que permitirán complementar los contenidos del curso.

EVALUACIÓN DE LOS APRENDIZAJES:

1. Realización de dos controles (30%).
2. Realización de dos ejercicios prácticos (30%). 
3. Un examen final (40%).

JEFE DE PROGRAMA

María Soledad Herrera Ponce

Socióloga y Licenciada en Sociología (Pontificia Universidad Católica de Chile), Diploma de Estudios Avanzados en Análisis de Datos y Doctora en Sociología de la Universidad Autónoma de Madrid. Es Directora del Instituto de Sociología y profesora asociada ISUC. Dicta las cátedras de análisis de datos y metodología de la investigación en pregrado y de metodología avanzada y estudios de población en el programa de Magíster del ISUC. Ha dirigido y participado en varios estudios, principalmente cuantitativos, en el Departamento de Estudios Sociológicos del ISUC, con gran experiencia tanto en el levantamiento de datos a través de encuestas. Tiene una vasta experiencia en el análisis de datos con información secundaria proveniente tanto de bases nacionales (Encuestas Casen, Censos Nacionales) como internacionales (Encuesta Mundial de Valores).

EQUIPO DOCENTE

Pamela Ayala
Socióloga, Pontificia Universidad Católica de Chile
Profesora Instituto de Sociología UC
Doctor en Sociología, Pontificia Universidad Católica de Chile.

Víctor Macías
Ingeniero Comercial de la Universida dde Chile.
Magíster en Economía de la Universidad de Chile
Doctor en Economía de la Universidad de Maryland.
Académico de la Universidad de Chile y la Universidad Diego Portales en las siguientes áreas: Entorno económico para los negocios, Tópicos en economía y negocios usando R, Econometría financiera, Introducción a Fintech y R para Finanzas, Evaluación de Impacto, Análisis Predictivo, Innovación Financiera.

Mario Vera
Magíster en Economía de Recursos Naturales y Medioambiente de la Universidad de Concepción
Ingeniero Comercial y Economista de la Universidad de Concepción.

Además se incorporarán al equipo uno o dos ayudantes que guiarán y asistirán a los docentes durante algunas de las clases.

Para aprobar el Diplomado, se requiere:

1. Conectarse vía palataforma zoom a un 75% de las sesiones de ambos cursos.
2. Aprobar con nota no inferior a 4.0 en una escala de 1.0 a 7.0, cada uno de los cursos de acuerdo a la siguiente ponderación:

Curso: Análisis de datos sociales

• Controles: 30%
• Ejercicios: 30%
• Examen: 40%   

Curso: Regresión múltiple

• Controles: 30%
• Ejercicios: 30%
• Examen: 40%

El promedio final del Diplomado será el promedio de la nota final de cada curso con las siguientes ponderaciones (en una escala de 1,0 a 7,0):

• Nota final Curso Análisis de datos sociales = 50%
• Nota final Curso Análisis de regresión múltiple = 50%

- Los alumnos que aprueben las exigencias del programa recibirán un Diploma y Certificado de aprobación otorgado por la Pontificia Universidad Católica de Chile.
- El alumno que no cumpla con una de estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.
- Para quienes aprueben sólo un curso del diplomado, es posible entregar un certificado de aprobación del curso aprobado.

Curso Análisis de Datos Sociales

• Babbie, E. (1996). Manual para la práctica de la investigación social. Desclée De Brouwer, Bilbao. Cap.15. “Análisis elementales”. Cap.16. “El modelo de elaboración”
• Ritchey, Ferris (2002). Estadística para las Ciencias Sociales. El potencial de la imaginación estadística. McGraw-Hill, México. Cap.7. “Uso de la teoría de la probabilidad para producir distribuciones muestrales”. Cap.8. “Estimación del parámetro usando intervalos de confianza”. Cap.9. “Comprobación de hipótesis”. Cap.10. “Pruebas de hipótesis con muestra única: establecimiento de la representatividad de las muestras”. Cap.11. “Relaciones bivariadas: prueba t para comparar las medias de dos grupos”. Cap.3. “Gráficos: una imagen dice más que mil palabras”.
• De Miguel, A. 1997. Manual del Perfecto Sociólogo. Madrid: Espasa Calpe. Cap.5. “Cómo se lee una tabla”.Cap.8. “Cómo se construye un cuadro”.

Curso Regresión Múltiple

• Wooldridge, J. (2001). Introducción a la econometría: Un enfoque moderno. Australia, Thomsom. Parte 1 “Análisis de la regresión con datos de corte transversal”. Cap.2 “Modelo de regresión simple”. Cap.3 “Análisis de regresión múltiple: estimación”. Cap.4 “Análisis de regresión múltiple: inferencia”. Cap.7 “Análisis de regresión múltiple con información cualitativa: variables binarias (o ficticias)”.
• Gujarati, D. (2004). Econometría. McGraw-Hill, México. Cap.1. “Naturaleza del Análisis de Regresión”. Cap.2. “Análisis de regresión con dos variables: algunas ideas básicas”. Cap.3. “Modelo de regresión con dos variables: problemas de estimación”. Cap.7. “Análisis de regresión múltiple: problemas de estimación”. Cap. 8. “Análisis de regresión múltiple: el problema de la inferencia”. Cap.9. “Modelos de regresión con variables dicotómicas”. Parte 2 “Violación de los supuestos del modelo clásico”. Cap.10. “Multicolinealidad: ¿Qué pasa si las regresoras están correlacionadas?”. Cap.11. Heteroscedasticidad: ¿Qué pasa cuando la varianza del error no es estable? Cap.13. “Diseño de modelos econométricos: especificación del modelo y prueba de diagnóstico”. 
• Knoke, Bohrnstedt y Potter (2002). Statistics for Social Data Analysis. Ithaca, F.E. Peacock Publishers. Cap.9. “Non linear and logistic regression”. 
• Agresti, Alan. (2007). Introduction to Categorical Data Analysis}. Second Edition. Wiley Series (Cap. 2, excluyendo sección 2.6; Cap. 3, pp. 68-74 y 84-90; 4 [entero])

Las personas interesadas deberán completar la ficha de postulación que se encuentra en http://www.educacioncontinua.uc.cl/ y enviar los siguientes documentos a Francisca Campos al correo frcampos@uc.cl

• Currículum Vitae actualizado con foto
• Copia simple de título o licenciatura 
• Fotocopia simple del carnet de identidad por ambos lados.

- Tras la revisión de antecedentes, los y las postulantes aceptados/as serán confirmados a través de un correo electrónico. En algunos casos, será necesario llamar a entrevista presencial o telefónica para verificar, especialmente, manejo de algunos contenidos.
- Las postulaciones son hasta completar las vacantes.

VACANTES: 30

El Programa se reserva el derecho de suspender la realización del diplomado/curso si no cuenta con el mínimo de alumnos requeridos. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero en un plazo aproximado de 10 días hábiles. A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del total del arancel.

Importante- Sobre retiros y suspensiones-

• La coordinación del programa se reserva el derecho de suspender o reprogramar la realización de la actividad si no cuenta con el mínimo de alumnos requeridos o por motivos de fuerza mayor. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero a la brevedad posible con un máximo de 10 días hábiles. La devolución se efectuará con depósito en la cuenta (corriente o vista) que indique el alumno o a través de un vale vista que deberá ser retirado en cualquier sucursal del Banco Santander.
• A las personas matriculadas que se retiren de la actividad antes de la fecha de inicio, se les devolverá el total pagado menos el 10% del valor del programa.* A las personas que se retiren una vez iniciada la actividad, se les cobrará las horas o clases cursadas o asistidas y materiales entregados a la fecha de la entrega de solicitud formal de retiro más el 10% del valor del programa*
• La solicitud de retiro debe realizarse a la coordinación a cargo y hasta antes de que el 50% de la actividad se haya desarrollado (Reglamento de alumno de Educación Continua).   
• En ambos casos la devolución, demorará cómo máximo 15 días hábiles y se efectuará con depósito en la cuenta (corriente o vista) que indique el alumno o a través de un vale vista que deberá ser retirado en cualquier sucursal del Banco Santander. *El 10% corresponde al uso de vacante y se calcula en base al precio publicado, no el valor final pagado.