Compartir en:
Acerca del programa:
El Diplomado en Estadística, mención métodos estadísticos, tiene como propósito habilitar a profesionales para realizar modelamientos estadísticos y análisis cuantitativos, fortaleciendo sus habilidades en programación y análisis de datos en R, aplicados a su contexto profesional.
¿Otro programa de interés?
Haz click aquí para conocer el Diplomado en Data Science.
Haz click aquí para conocer el Magíster en Estadística UC
Dirigido a:
Profesionales y administrativos de departamentos de estadísticas, metodologías, análisis de datos y modelamientos, y otros profesionales equivalentes.
Jefe de Programa
Ricardo Aravena Cuevas.
Equipo Docente
keyboard_arrow_downRicardo Aravena Cuevas.
Magíster en Estadística y Estadístico por la Pontificia Universidad Católica de Chile. Profesor Titular UC en la Facultad de Matemáticas. Ha impartido docencia en Estadística para diversas facultades UC y programas de posgrado en otras universidades, destacando por su experiencia en formación aplicada y docencia interdisciplinaria.
Mónica Bravo Mella.
Estadístico por la Pontificia Universidad Católica de Chile. Profesora Adjunta UC y Consultora Senior. Posee más de 30 años de experiencia en asesorías estadísticas, participando en diversos proyectos para instituciones del sector público y privado. Destaca por su trayectoria en consultoría aplicada y formación profesional en estadística para distintas carreras universitarias.
Ricardo Olea Ortega.
Doctor en Estadística por la Pontificia Universidad Católica de Chile, donde también obtuvo los grados de Licenciado en Matemáticas, Estadístico y Magíster en Estadística. Profesor e investigador del Departamento de Estadística UC, con experiencia en series temporales, modelos de predicción, econometría y análisis financiero. Ha dirigido tesis de postgrado y desarrollado herramientas en R para el análisis de series de tiempo.
Jonathan Acosta Salazar.
Doctor en Matemática por la Pontificia Universidad Católica de Valparaíso e Ingeniero Civil Matemático por la Universidad Técnica Federico Santa María. Sus líneas de investigación se centran en estadística espacial, series de tiempo, análisis de regresión y procesamiento de imágenes. Ha publicado en revistas científicas de alto impacto y participado en diversos proyectos FONDECYT relacionados con procesos espaciales y muestras efectivas.
Pedro Luiz Ramos.
Doctor en Estadística. Profesor Asistente UC en la Facultad de Matemáticas. Posee Magíster en Matemática Aplicada y Computacional y Título Profesional en Estadística por la UNESP (Brasil). Es investigador y asesor en programas de doctorado UC, con experiencia en inferencia bayesiana y clásica, análisis de confiabilidad y control de calidad.
Descripción
keyboard_arrow_downEl Diplomado en Estadística, mención métodos estadísticos, tiene como propósito fortalecer las habilidades estadísticas de los participantes, capacitando a los profesionales en modelamiento y análisis cuantitativo de datos. A lo largo del programa, los estudiantes aprenderán a utilizar herramientas estadísticas, como el uso del lenguaje de programación R, para realizar modelamientos de fenómenos complejos, interpretar resultados estadísticos y aplicar técnicas de regresión en contextos profesionales.
Los contenidos abarcan fundamentos de modelamiento, métodos de análisis y técnicas estadísticas modernas, dotando a los estudiantes de competencias sólidas para abordar problemáticas actuales con rigor y precisión.
Este diplomado es altamente pertinente en el contexto profesional actual, donde el manejo de datos y el análisis cuantitativo son esenciales para la toma de decisiones informadas. La formación proporcionada permitirá a los participantes aplicar el conocimiento estadístico en el análisis de datos institucionales y en el desarrollo de proyectos que requieran explicaciones predictivas, contribuyendo directamente a la mejora y eficiencia de procesos en sus respectivas organizaciones. Al finalizar el programa, los estudiantes estarán capacitados para responder a necesidades específicas en sus áreas, desarrollando análisis precisos que impacten en la toma de decisiones.
La metodología del programa combina clases expositivas, talleres prácticos y análisis de casos, asegurando una comprensión tanto teórica como práctica de los métodos estadísticos. A través de ejercicios aplicados en entornos simulados y el uso intensivo de software R, los estudiantes pondrán en práctica las habilidades adquiridas, preparándose para su aplicación en contextos reales. La modalidad es online, con clases en vivo a través de una plataforma de streaming, complementadas con contenidos asincrónicos en un sistema de gestión de aprendizaje (LMS) que facilita la autonomía del aprendizaje y permite a los estudiantes revisar el material en cualquier momento durante el transcurso del programa.
El programa, impartido en modalidad online con clases en vivo, hará uso de la plataforma LSM Moodle, desarrollada por la Facultad de Matemáticas. A través de este entorno virtual, los alumnos podrán acceder a materiales de trabajo, presentaciones de clases, ejercicios y evaluaciones, facilitando así un aprendizaje estructurado e interactivo.
Requisitos de Ingreso
keyboard_arrow_down- Profesionales y administrativos de diferentes disciplinas que se desempeñen en instituciones públicas o privadas en las áreas de análisis y manejo de datos.
- Estar en posesión de un título profesional de una carrera de al menos 8 semestres.
Objetivos de Aprendizaje
keyboard_arrow_down
- Aplicar metodologías estadísticas para el análisis y predicción de datos en contextos profesionales de toma de decisiones basadas en evidencia
Desglose de cursos
keyboard_arrow_downCurso 1: Métodos estadísticos, fundamentos y aplicaciones
keyboard_arrow_downDocente(s): Mónica Bravo Mella (responsable), Carolina Honores
Unidad académica responsable: Facultad de Matemáticas.
Créditos: 4
Horas totales: 72 | Horas directas: 42 | Horas indirectas: 30
Descripción del curso:
En el curso, los estudiantes desarrollarán competencias para organizar y analizar datos mediante técnicas gráficas y descriptivas, evaluar relaciones entre variables y calcular probabilidades aplicando principios fundamentales. El aprendizaje se estructurará a través de ejercicios prácticos de análisis univariado y bivariado, estimación y pruebas de hipótesis, reforzando así la comprensión de conceptos esenciales para el dominio de los métodos estadísticos. La evaluación se llevará a cabo mediante trabajos prácticos y controles aplicados, los cuales permitirán evidenciar el manejo de técnicas descriptivas y probabilísticas en contextos reales.
Resultados de Aprendizaje:
- Organizar información estadística mediante técnicas gráficas y descriptivas en contextos de análisis estadístico aplicado.
- Evaluar relaciones entre variables mediante análisis univariado, bivariado y pruebas estadísticas en contextos de análisis estadístico aplicado.
Contenidos:
- Descripción de datos univariados.
- Medidas de tendencia central y dispersión.
- Representación gráfica: histograma.
- Análisis exploratorio de datos.
- Descripción de datos bivariados.
- Construcción de tablas de contingencia.
- Representación gráfica bivariada.
- Medidas de asociación.
- Modelos de probabilidad.
- Modelos de probabilidad discretos.
- Modelos de probabilidad continuos.
- Estimación e intervalos de confianza.
- Teorema del límite central.
- Métodos de estimación puntual e intervalar.
- Determinación del tamaño de muestra.
- Pruebas de hipótesis
- Elementos de una prueba de hipótesis.
- Pruebas sobre medias y proporciones.
- Prueba de hipótesis para dos muestras.
- Regresión lineal.
- Correlación y asociación.
- Modelo de regresión lineal simple.
- Causalidad versus causalidad.
Estrategias Metodológicas:
- Clases expositivas
- Análisis de casos
Estrategias Evaluativas:
- Control Nº1 Estadística descriptiva: 50%.
- Control Nº2 Prueba de hipótesis, modelo de regresión: 50%.
Curso 2: Modelamiento estadístico
keyboard_arrow_downDocente(s): Ricardo Aravena C. (Responsable), Ricardo Olea O., Jonathan Acosta, Carolina Honores
Unidad académica responsable: Facultad de Matemáticas.
Créditos: 4
Horas totales: 72 | Horas directas: 42 | Horas indirectas: 30
Descripción del curso::
En el curso los estudiantes desarrollarán competencias en la aplicación de metodologías de modelamiento estadístico, abarcando modelos lineales y no lineales, así como modelos logísticos y de Poisson, orientados a la estimación y predicción de datos complejos. Estos aprendizajes se consolidarán mediante ejercicios prácticos centrados en regresión simple y múltiple, con un enfoque en la verificación de supuestos teóricos y metodológicos. Aplicación de metodologías de modelos predictivos para series de tiempo y entrenarse en el uso de software especializado en análisis estadístico. La evaluación comprenderá proyectos aplicados y ejercicios prácticos, destinados a evidenciar el dominio de las técnicas y la adecuada gestión de bases de datos para su análisis.
Resultados de Aprendizaje:
- Aplicar modelos lineales al análisis y predicción de datos en contextos de investigación estadística aplicada.
- Aplicar procesos de estimación y predicción mediante modelos logísticos y regresión de Poisson en contextos de análisis de datos complejos.
- Utilizar modelos predictivos de series de tiempo para analizar tendencias y realizar proyecciones en contextos reales.
Contenidos:
- Regresión lineal simple y múltiple.
- Mínimos cuadrados.
- Estimación y predicción.
- Diagnóstico y análisis de residuos.
- Aplicaciones a modelos factoriales.
- Introducción a los modelos lineales generalizados
- Planteamiento de modelos: regresión logística y Poisson.
- Estimación y predicción.
- Series de tiempo.
- Modelos ARIMA.
- Ajustes y predicciones.
- Estacionalidad. SARIMA.
Estrategias Metodológicas:
- Clases expositivas
- Análisis de casos
Estrategias Evaluativas:
- Taller1: Regresión: 50%.
- Taller 2: Series de Tiempo: 50%.
Curso 3: Aplicaciones estadísticas
keyboard_arrow_downDocente(s): Ricardo Aravena C. (Responsable), Pedro Luiz Ramos, Matías Esquivel, Carolina Honores
Unidad académica responsable: Facultad de Matemáticas.
Créditos: 4
Horas totales: 72 | Horas directas: 42 | Horas indirectas: 30
Descripción del curso:
En el curso los estudiantes desarrollarán habilidades para seleccionar y aplicar diseños muestrales en la recolección de datos, El aprendizaje se estructurará mediante ejercicios prácticos en métodos de muestreo, multivariado, técnicas de clasificación y segmentación de datos, y aplicaciones de machine learning. La evaluación se realizará a través de proyectos aplicados y tareas prácticas que permitan evidenciar la comprensión y el dominio de técnicas avanzadas en contextos de análisis estadístico real.
Resultados de Aprendizaje:
- Distinguir la aplicación de diseños muestrales para la obtención de datos.
- Entrenar en el uso de software específico para implementar técnicas de análisis de datos y modelo estadístico.
- Analizar el proceso de clasificación y segmentación de datos en contextos reales de estudio estadístico.
Contenidos:
- Muestreo.
- Muestreo aleatorio simple.
- Muestreo estratificado.
- Muestreo de conglomerados.
- Diseños complejos.
- Métodos multivariados.
- Análisis de componentes principales.
- Análisis factorial.
- Métodos de segmentación.
- Principios y fundamentos de Machine Learning (ML).
- Introducción a ML
- Procedimientos de ejecución.
- Métodos de ML (aprendizaje supervisado y no supervisado).
- Árboles de decisión / Random Forest.
- Modelo de regresión lineal / logística.
- SVM (clasificación binaria).
- Redes neuronales.
- KNN (k vecinos más cercanos).
- K-Means.
- Clustering.
- Naive Bayes.
Estrategias Metodológicas:
- Clases expositivas
- Análisis de casos
Estrategias Evaluativas:
- Taller de Muestreo: 40%
- Taller de Multivariado: 60%
Requisitos Aprobación
keyboard_arrow_down- Curso 1: Métodos Estadísticos, fundamentos y aplicaciones 34%
- Curso 2: Modelamiento estadístico 33%
- Curso 3: Aplicaciones estadísticas 33%
Los alumnos deberán ser aprobados de acuerdo los siguientes criterios:
- Calificación mínima de todos los cursos 4.0 en su promedio ponderado.
- Un mínimo de asistencia de 75% a todo evento.
Los resultados de las evaluaciones serán expresados en notas, en escala de 1,0 a 7,0 con un decimal, sin perjuicio que la Unidad pueda aplicar otra escala adicional.
Para aprobar un Diplomado o Programa de Formación o Especialización, se requiere la aprobación de todos los cursos que lo conforman y, en los casos que corresponda, de otros requisitos que indique el programa académico.
El estudiante será reprobado en un curso o actividad del Programa cuando hubiere obtenido como nota final una calificación inferior a cuatro (4,0).
Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.
Además, se entregará una insignia digital por diplomado. Sólo cuando alguno de los cursos se dicte en forma independiente, además, se entregará una insignia por curso.
Proceso de Admisión
keyboard_arrow_downLas 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.
¿Te parece interesante este programa?
Sí No
