La enseñanza de la estadística en la modalidad a distancia se sustenta en los beneficios que las tecnologías de la información y la comunicación (TIC) pueden ofrecer. Las TIC constituyen un soporte didáctico provechoso para afrontar las dificultades que se presentan en la comprensión de ciertos conceptos.
La estadística, claramente, es el común denominador en las investigaciones que involucran el análisis de datos para probar una hipótesis de investigación. El incremento en el uso de la estadística en las investigaciones ha sido evidente en las últimas décadas, y se ha constituido en una herramienta fundamental en las predicciones y toma de decisiones a partir de la observación de un conjunto de datos. Si bien este surgimiento se vincula directamente con el crecimiento de la informática, es claro que, en gran medida, también se debe a la necesidad de los/as investigadores/as de adquirir nuevos procedimientos de análisis de datos que respondan a sus objetivos, independientemente del área disciplinar en la que se desenvuelvan. No obstante, el crecimiento informático ha contribuido a este hecho debido a la aparición de ciertos software de aplicación estadística de fácil acceso y formato amigable para el/la investigador/a que desee llevar a cabo sus propios análisis. Sin embargo, para poder conducir dicho análisis, es requisito imprescindible que el/la investigador/a tenga ciertos conocimientos básicos sobre estadística, para no llegar a conclusiones equivocadas.
La mayoría de los/as profesionales de diferentes disciplinas requieren de métodos estadísticos, como el modelado estadístico e inferencia, tanto para llevar a cabo el análisis de datos como para su posterior interpretación. Cada vez es mayor la importancia de esta área de la estadística en el desarrollo de investigaciones de diferentes campos.
Generales
Proporcionar conocimientos básicos de estadística inferencial para el manejo y análisis de datos.
Proporcionar conocimientos básicos de estadística inferencial para el manejo y análisis de datos.
Utilizar las herramientas metodológicas de manera adecuada frente a un determinado problema en estudio.
Conocer las distintas metodologías de inferencia estadística para comparar poblaciones bajo distintos supuestos distribucionales.
Analizar datos de frecuencias.
Aplicar las técnicas de regresión lineal simple y múltiple como herramientas fundamentales para el desarrollo de la actividad profesional y de la investigación científica.
Hacer uso de la tecnología actual a través de los software estadísticos apropiados.
Interpretar trabajos en los que se han aplicado técnicas estadísticas.
Unidad 1:
¿Cómo tomar decisiones con estadística?
El lenguaje de la estadística en la toma de decisiones.
Hipótesis nula y alternativa.
Pruebas de hipótesis. Probabilidades de error tipo I y tipo II.
Formación de reglas de decisión.
Probabilidad asociada.
Resultados significativos versus resultados importantes.
Unidad 2:
Comparando medias. Pruebas paramétricas asumiendo distribución normal.
Introducción.
Muestras apareadas versus muestras independientes.
Muestras apareadas.
Muestras independientes.
Ejemplos de aplicación.
Unidad 3:
Comparando medias. Pruebas no paramétricas.
Generalidades de las Técnicas no paramétricas. ¿Cuándo utilizarlas?
Test para muestras apareadas.
Test para muestras independientes.
Ejemplos de aplicación.
Unidad 4:
Análisis de datos de frecuencias.
Introducción.
Test de independencia.
Test de bondad de ajuste.
Test de homogeneidad.
Ejemplos de aplicación.
Unidad 5:
Análisis de regresión simple.
Modelo de regresión lineal simple.
Estimación de la función de regresión.
Estimación de la variancia del término del error s².
Inferencias concernientes a los coeficientes de regresión.
Estimación por intervalo de los coeficientes de regresión.
Estimación por intervalo del valor esperado de la variable respuesta.
Análisis de correlación.
Unidad 6:
Aptitud del modelo de regresión.
Residuales.
Análisis gráfico de los residuales.
Residuales estudentizados.
Detección de valores atípicos.
Gráfico normal de residuales.
Unidad 7:
Regresión múltiple.
Modelos de regresión múltiple.
Estimadores mínimos cuadrados.
Análisis de la variancia.
Inferencias acerca de los parámetros de regresión.
Correlación múltiple.
Coeficientes de determinación parcial.
Correlación parcial.
Pruebas de hipótesis concernientes a los coeficientes de regresión en regresión múltiple.
Multicolinealidad y sus efectos.
Métodos de selección de variables. Naturaleza del problema.
Distintos métodos de selección de variables.
El curso está planificado para la modalidad a distancia a través de la plataforma educativa Carreras y Cursos, del SIED - Campus Virtual UNR de la Universidad Nacional de Rosario.
La propuesta dispone de materiales y recursos de diseño multimedial que posibilitan el acceso a los contenidos de manera asincrónica, atendiendo a la organización autónoma de tiempos y espacios de aprendizaje.
Para garantizar una comunicación interactiva entre la docente y los/as estudiantes, como medio de carácter sincrónico (videoconferencia), se utilizará la plataforma institucional establecida. Los encuentros sincrónicos quedarán grabados y estarán disponibles en el aula a partir del día siguiente de la videoconferencia.
Las clases se desarrollarán en forma teórico-prácticas, y la solución de problemas se hará a través del uso del software estadístico R y de la plataforma educativa.
Las clases prácticas tendrán como objetivo la resolución de problemas propuestos con datos, en los cuales los/as estudiantes deberán hallar la técnica estadística que mejor responda y se adapte a los objetivos planteados en cada caso. Para realizar esta tarea, los/as estudiantes contarán con un tutorial sobre el software utilizado para cada tipo de análisis que se llevará a cabo. Asimismo, trabajarán en la confección de programas en el software R, que les permitirán tomar las decisiones pertinentes sobre los datos.
Los contenidos están organizados en unidades temáticas (módulos). Estas unidades se desarrollarán durante las semanas de dictado de acuerdo al cronograma presentado. El material semanal de cada apartado quedará accesible según aparezca en el programa.
Las clases se llevarán a cabo mediante videos y tutoriales confeccionados por la docente, donde se desarrollarán los contenidos teóricos y las aplicaciones en problemas biológicos.
Los/as estudiantes dispondrán, además, del material en formato PDF y de los archivos de datos utilizados para la parte práctica.
Se realizarán encuentros sincrónicos con el objetivo de responder preguntas e interactuar con los/as estudiantes, en un recorrido por los temas de cada módulo. Estos encuentros serán con asistencia obligatoria, y los/as estudiantes deberán alcanzar un 75% de asistencia.
Las consultas a través del foro estarán habilitadas durante todo el cursado.
Semana |
Tema |
Descripción |
Cantidad de horas |
Modalidad |
1 |
Unidad 1 - Teoría |
Generalidades y Conceptos de inferencia Estadística |
4 |
Asincrónica |
1 |
Unidad 2 – Teoría y Práctica |
Muestras apareadas e independientes - Comparando medias con test paramétricos. Resolución de problemas de comparación de medias con variables Normales |
5 |
Asincrónica |
1 |
2 Encuentros sincrónicos |
3 |
Sincrónica |
|
2 |
Unidad 3 – Teoría y práctica |
Muestras apareadas e independientes - Comparando medias con test No paramétricos. Resolución de problemas de comparación de medias con variables no Normales |
5 |
Asincrónica |
2 |
Unidad 4- Teoría y Práctica |
Análisis de datos de frecuencias. Test de bondad de ajuste, homogeneidad e independencia. Aplicaciones. |
4 |
Asincrónica |
2 |
2 Encuentros sincrónicos |
3 |
Sincrónica |
|
3 |
Unidad 5 y 6 - Teoría |
Análisis de regresión simple y Aptitud del modelo de regresión |
3 |
Asincrónica |
3 |
Unidad 5 y 6- Práctica |
Práctica de Regresión simple y evaluación del modelo |
6 |
Asincrónica |
3 |
2 Encuentros sincrónicos |
3 |
Sincrónica |
|
4 |
Unidad 7- Teoría |
El modelo de Regresión múltiple |
5 |
Asincrónica |
4 |
Unidad 7- Práctica |
Regresión múltiple. Aplicaciones |
6 |
Asincrónica |
4 |
2 Encuentros sincrónicos |
3 |
Sincrónica |
12 horas sincrónicas y 38 horas asincrónicas.
Clases teóricas: 25 horas. Clases prácticas: 25 horas
La evaluación constará de dos partes:
1-
Evaluación individual y asincrónica. Se fijará para un día (a definir) de la semana posterior a la finalización del cursado. Se publicará en el Aula Virtual del curso una evaluación que tendrá horario de apertura y de cierre. Se utilizará la actividad Examen que ofrece la plataforma educativa.
2-
Los/as estudiantes deberán resolver un conjunto de problemas prácticos y realizar la entrega dentro del período informado por la docente, mediante la actividad Tarea, también disponible en la plataforma. Para aprobar el curso, los/as participantes deberán obtener, en cada una de las evaluaciones, un mínimo de 6 puntos sobre un total de 10.
Los/as estudiantes necesitarán un dispositivo con conexión a internet, con capacidad de integrarse a un sistema de videoconferencias y utilizar el programa R. El software utilizado será de acceso libre y podrá descargarse de la página https://cran.r-project.org. Se ofrecerá a los/as estudiantes un tutorial para llevar a cabo la instalación.
Dra. Celina Beltrán
Estudios de grado y Posgrado:
Licenciada en Estadística por la Facultad de Ciencias Económicas y Estadística (UNR), en marzo del año 2000.
Postdoctorado, por la Universidad Nacional de Rosario, con Modalidad Proyecto. Título del proyecto: “Análisis y clasificación automática de textos mediante la utilización de técnicas estadísticas multivariadas”. Aprobó el informe final el 5 de septiembre de 2014.
Doctorado en Humanidades y Artes con mención Lingüística, en la Facultad de Humanidades y Artes (UNR), en diciembre de 2008. Título de tesis: “Modelización lingüística e información estadística en el análisis automático de textos”, dirigida por el Dr. Gabriel G. Bés de la Université Blaise-Pascal, Gril, Clermont-Ferrand, Francia.
Maestría en Estadística Aplicada, en la Facultad de Ciencias Económicas y Estadística (UNR), en octubre de 2004. Título de tesis: “Modelos para series de tiempo estacionales”, dirigida por la Magister María Teresa Blaconá.
Investigación:
Categorización en el Programa de Incentivos de la UNR: Categoría II.
Docencia de grado y posgrado actual:
Jefa de Trabajos Prácticos con dedicación exclusiva de la cátedra de Estadística, Facultad de Ciencias Agrarias (UNR), desde abril de 2009. Concursado el 21-03-2011. Docente del Doctorado en Ciencias Agrarias, Especialización en Bioinformática y Especialización en Producción Animal Sustentable. Facultad de Ciencias Agrarias (UNR).
Docente del Doctorado de la Facultad de Humanidades y Artes (UNR).
Resolución de Consejo Directivo 107/2022
Doctorandos/as de la Facultad de Ciencias Agrarias, Ingenieros/as Agrónomos/as, Licenciados/as en Biotecnología, Médicos/as Veterinarios/as, Biólogos/as y carreras afines a la Bioinformática
Doctorandos/as en Ciencias Agrarias, Ingenieros/as Agrónomos/as, Licenciados/as en Biotecnología, Médicos/as Veterinarios/as, Biólogos/as y carreras afines a la Bioinformática
ABIERTA LA INSCRIPCIÓN
INICIO DE CURSADO: 16 de septiembre de 2024
4 semanas - Carga horaria total: 50 horas
12 horas sincrónicas y 38 horas asincrónicas.
Clases teóricas: 25 horas.
Clases prácticas: 25 horas
Miércoles 18 hs. a 19.30 hs.
Viernes 18 hs. a 19.30 hs.
El dictado del curso se desarrollará a través de la plataforma Moodle del Campus Virtual de la UNR.
Mínimo de 5 estudiantes.
Máximo de 25 estudiantes.
Sistema Institucional de Educación a Distancia
Campus Virtual
Universidad Nacional de Rosario
Maipú 1065 – 2º piso - Of. 214 - Rosario - Argentina
Mesa de Ayuda Carreras y Cursos