Curso de Diseño experimental e inferencia con R

Duración

6 semanas

Precio

390€

Inicio

15 de Mayo de 2021

Matrícula

Solicita información

Descripción del curso

Diseña experimentos efectivos y pon a prueba tus hipótesis.

Un curso práctico con el que aprenderás a dominar los aspectos más importantes del diseño y análisis de experimentos con R Software.

Aprende a planificar, experimentar y analizar datos en tu investigación. Conoce técnicas estadísticas alternativas (no paramétricas y robustas) para datos que no se ajustan a los supuestos de los enfoques clásicos.

• Inicio: consulta el calendario de convocatorias
• Duración: 6 semanas
• Metodología: 100% on-line
• Enfoque práctico: Learn by doing
• Plazas: limitadas

Destinatarios

Este curso práctico está orientado a investigadores y profesionales del análisis de datos cuya actividad requiere el diseño y análisis de datos experimentales.

Competencias

Competencias avanzadas y aplicables a tu día a día profesional.

Al finalizar el curso serás capaz de:

• • Diseñar experimentos efectivos para optimizar tu investigación. Determinar el tamaño de muestra necesario para detectar efectos significativos sin perder recursos.
  • Seleccionar la prueba de hipótesis correcta para tu investigación y evaluar sus supuestos.
  • Analizar datos utilizando técnicas estadísticas clásicas, modernas y robustas para tomar decisiones en tu organización o investigación.
  • Evaluar con confianza tus resultados y el de otros, estimar su potencia estadística y su tamaño de efecto.
  • Comunicar y representar de manera clara tus resultados.
  • Dominar el lenguaje estadístico de R Software y Rstudio, una de las competencias profesionales más demandadas en el mercado laboral de la Ciencia de Datos.

Metodología e-learning

Con enfoque Learn by doing «aprende haciendo»

El Curso de Diseño experimental e inferencia con R es una formación práctica, intensiva y especializada impartida con metodología 100% on-line:

• Tutorización personalizada
  Con el apoyo individualizado de un docente experto comprometido con tu aprendizaje.
• Enfoque Learn by doing
  Pon en práctica los nuevos conocimientos analizando casos reales desarrollados completamente en torno a R Software.
• A tu ritmo
  Aprende cuándo y dónde quieras, marca tu propio ritmo de aprendizaje, sin fechas ni plazos de entrega.
• Contenidos de calidad
  Evoluciona paso a paso con materiales didácticos, actualizados y prácticos aplicables a tus proyectos profesionales.
• Evaluación continua
  Basada en la comprensión de los conceptos y en la capacidad técnica para resolver los ejercicios propuestos. Con certificado de finalización.
  

Requisitos de acceso

• Curso especializado

Para un mejor aprovechamiento es interesante contar con conocimientos básicos sobre Estadística, R Software y RStudio.

Si necesitas iniciarte en el manejo de esta herramienta, te recomendamos el Curso de Introducción al Data Science con R

• Reserva tu plaza on-line

Consulta el inicio de las próximas convocatorias en el calendario 2021.

Programa de contenidos

El Curso de Diseño experimental e inferencia con R se divide en cuatro bloques temáticos:

TEMA 1 | Introducción al diseño de experimentos

El diseño experimental en la actualidad.

• Importancia del diseño y análisis de experimentos.
• Revisión de conceptos importantes.
• Etapas en el diseño de experimentos.
• Tipos de diseño experimental.
• Uso del Software estadístico R.

TEMA 2 | Comparación de dos tratamientos

Pruebas de hipótesis para dos muestras.

• Diseño de comparación de muestras aleatorizadas.
• Pruebas de significación.
• Comparación de 2 muestras independientes.
• Comparación de 2 muestras relacionadas.
• Potencia estadística y estimación del tamaño muestral.
• Alternativas al enfoque clásico: pruebas no paramétricas y pruebas robustas.

TEMA 3 | Comparación de varios tratamientos en un factor

Pruebas de Análisis de Varianza (ANOVA).

• Bloques, replicación y aleatorización.
• Comparación de más de 2 muestras independientes.
• Comparación de más de 2 muestras relacionadas (medidas repetidas).
• Comparaciones múltiples post hoc.
• Potencia estadística y estimación del tamaño muestral.
• Alternativas al enfoque clásico: pruebas no paramétricas y pruebas robustas.
• Diseño completamente aleatorizado.
• Diseño en bloques aleatorizados y cuadrados latinos.

TEMA 4 | Comparación de varios tratamientos en dos factores

Diseños factoriales.

• Diseños factoriales o cruzados.
• Diseños jerárquicos o anidados.
• Diseño split-plot o de parcelas divididas.