Diplomado en Análisis estadístico de datos sociales

Víctor Macías

Ingeniero Comercial de la Universida de 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.

Pamela Ayala

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

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

Este Diplomado en Análisis Estadístico de Datos Sociales surge ante la necesidad de formación comprensiva en análisis estadístico de datos por parte de distintos profesionales de diversas áreas, que en su quehacer profesional requieren analizar datos generados en o para sus organizaciones.

El Diplomado cubre las técnicas de análisis de datos cuantitativos más utilizadas en el área de las ciencias sociales, partiendo desde los fundamentos matemáticos y estadísticos esenciales, lo que lo hace apto para personas con todo tipo de experiencia y trayectoria en el área. De esta manera, el Diplomado abarca los contenidos necesarios para realizar análisis inferencial de datos, abordando las técnicas de análisis más utilizadas en el área de las ciencias sociales.

El Diplomado está compuesto por dos cursos. El primero, Análisis de Datos Sociales, cubre los fundamentos matemáticos y estadísticos esenciales para introducirse al manejo e interpretación de datos cuantitativos. Por otra parte, el segundo curso, Análisis de Regresión Múltiple, entrega las herramientas para diseñar, calcular e interpretar modelos de regresión múltiple utilizando variables dependientes categóricas y escalables a partir de los conocimientos adquiridos en el primer curso.

Al final del Diplomado se espera que las y los estudiantes sepan ejecutar, analizar e interpretar técnicas de análisis de datos a partir de la estadística descriptiva e inferencial y puedan generar sus propios informes de resultados de análisis de datos cuantitativos. Para cada tema se trabajará en ejercicios prácticos utilizando el software estadístico Stata.

Este diplomado se impartirá en modalidad en 2023 on line – clases en vivo, es decir, clases sincrónicas vía plataforma zoom. Además, se integran horas de clases asincrónicas, a través de videocápsulas grabadas, para administración por parte de los y las estudiantes. Para este 2023, se incluirán algunas horas de actividades presenciales o en formato híbrido. 

• Grado académico o título profesional obtenido en universidades chilenas o extranjeras
• Currículum vitae con antecedentes curriculares. 

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

Curso análisis de datos sociales

Social Data Analysis Course

Horas cronológicas: 54 horas

Horas pedagógicas: 72 horas

Créditos: 10

Descripción del curso 

Este curso aborda las técnicas de análisis de datos cuantitativas más utilizadas en el área de las ciencias sociales, tales como el análisis descriptivo univariado, análisis inferencial, y análisis de tablas de contingencia. Tiene un énfasis práctico, orientado a resolver problemas y preguntas sociológicas concretas.

Resultados de aprendizaje

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

• Identificar los fundamentos estadísticos que hay detrás del análisis e interpretación de datos descriptivos.
• Practicar la estadística inferencial, en la estimación de intervalos de confianza y pruebas de hipótesis.
• Construir y leer tablas de resultados.
• Presentar resultados de datos cuantitativos de manera clara y comprensible.
• 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. Se realizarán clases teóricas que se complementarán con clases prácticas, las que tendrán un énfasis en el manejo de datos, a través del programa estadístico STATA. También, se sumarán realizarán clases asincrónicas, mediante cápsulas informativas pregrabadas que permitirán complementar los contenidos del curso.

Evaluación de los aprendizajes

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

Bibliografía

• 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 análisis de regresión múltiple

Regression Analysis course

Horas cronológicas: 54 horas

Horas pedagógicas: 72 horas

Créditos: 10

Descripción del curso 

Este curso entrega entre las herramientas para diseñar, calcular e interpretar modelos de regresión múltiple utilizando variables dependientes categóricas y abordando tanto los análisis de regresión lineal como de regresión logística.

Resultados de aprendizaje

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

• Aplicar la técnica de Mínimos Cuadrados Ordinarios.
• Proponer, implementar y analizar un modelo multivariado de regresión lineal o logística con datos reales.
• 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. Se realizarán clases teóricas que se complementarán con clases prácticas, las que tendrán un énfasis en el manejo de datos, a través del programa estadístico STATA. También, se sumarán realizarán clases asincrónicas, mediante cápsulas informativas pregrabadas que permitirán complementar los contenidos del curso.

Evaluación de los aprendizajes

• Realización de dos controles (30%).
• Realización de dos ejercicios prácticos (30%).
• Un examen final (40%).

Bibliografía

• 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])

• Conectarse vía plataforma zoom a un 75% de las sesiones de ambos cursos.
• 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 certificado digital 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. 

Las personas interesadas deberán completar la ficha de postulación que se encuentra al costado derecho de esta página web  y enviar los siguientes documentos al momento de la postulación o de manera posterior a la coordinación a cargo:  

• Currículum vitae actualizado.
• Copia simple de título o licenciatura (de acuerdo a cada programa).
• Fotocopia simple del carnet de identidad por ambos lados.

Con el objetivo de brindar las condiciones y asistencia adecuadas, invitamos a personas con discapacidad física, motriz, sensorial (visual o auditiva) u otra, a dar aviso de esto durante el proceso de postulación.

El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.

No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula.