Máster de Estadística Aplicada con R Software

La tutorización de calidad es nuestro valor diferencial

La metodología del Máster de Estadística es 100% online, pero no tiene un formato masivo.

SOMOS DIFERENTES, y muestra de ello son las excelentes valoraciones de nuestros alumnos titulados. 

Te garantizamos la tutorización de calidad por profesores expertos, el seguimiento diario de tus necesidades de aprendizaje particulares y el asesoramiento que necesitas para aplicar con éxito los conocimientos adquiridos en tus proyectos.

• Metodología 100% online.
• Enfoque práctico.
• Estudio de casos de análisis reales.
• Aprendizaje flexible sin horarios.
• Clases audiovisuales paso a paso.
• Contenidos propios siempre actualizados.

✔️ Mejora tu actual desempeño profesional aplicando el análisis de datos avanzado a tu día a día laboral.

✔️ Desarrolla tu carrera y ocupa puestos especializados en el área de la Ciencia de Datos con competencia técnica demostrable:

• Científico de datos (Data Scientist).
• Chief Data Officer.
• Mánager o consultor Business Intelligence o Business Analytics.
• Arquitecto de datos.
• Ingeniero de datos.
• Analista de datos (Data Analyst)
• Analista de negocio.
• Gestor Big Data.
• Gestor Data Mining.
• Investigador.

Este Máster está diseñado para Graduados, Licenciados, PhD y  Doctorados universitarios interesados en alcanzar el perfil de experto en Ciencia de Datos y:

• Adquirir una visión global de los procesos estadísticos en el análisis de grandes volúmenes de datos complejos.
• Aplicar la Estadística aplicada para resolver problemas de una forma eficiente en áreas de trabajo de diversa índole (científicas, industriales o sociales) y construir modelos analíticos y algoritmos.
• Dotarse de habilidades especializadas en estadística, programación, visualización y comunicación, para dar explicación a los resultados obtenidos.
• Ocupar puestos de trabajo nacionales e internacionales en empresas, administración e industrias, vinculados a proyectos de investigación, desarrollo e innovación (I+D+i).

Formación bonificable para empresas

Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.

Requisitos de acceso

Para realizar la reserva de matrícula y obtener el título, el alumno debes acreditar estar en posesión del:

• Título de Grado universitario o titulación equivalente por una universidad española, o
• Titulación equivalente por estudios extranjeros que den acceso a estudios de Postgrado (titulación oficial).

Cómo formalizar la matrícula

Envía escaneada a cursos@maximaformacion.es la siguiente documentación:

ALUMNOS UNIÓN EUROPEA: Fotocopia del DNI y fotocopia compulsada del Título Universitario.

ALUMNOS LATINOAMÉRICA: Cédula de ciudadanía o Pasaporte y fotocopia apostillada del Título Universitario.

En ambos casos, completar y firmar la Autorización de Tratamiento de Datos Personales y la Solicitud de Admisión.

PRIMER MÓDULO – TÉCNICAS CLÁSICAS Y ROBUSTAS
15 ECTS – 3 Meses

Este módulo te ayudará a lidiar con datos complejos (muestras de pequeño tamaño, presencia de datos extremos o atípicos, el incumplimiento de los supuestos clásicos de la estadística -normalidad y homogeneidad de varianza-).

Comenzamos con una rápida introducción al Software R y a las herramientas de gestión y manipulación de bases de datos. Aplicarás herramientas de estadística descriptiva clásica y conocerás técnicas actuales de estadística robusta que te permitirán obtener resultados más fiables. Serás capaz de generar gráficos potentes para resumir los principales patrones de tus datos. Profundizarás en los contrastes de hipótesis (paramétricos, no paramétricos y robustos) con los que pondrás a prueba las preguntas de tu investigación.

Te enseñaremos a elegir la técnica más adecuada a cada caso para que saques el mayor partido a tus datos. Y por último veremos cómo informar de tus resultados estadísticos, aprenderás a detectar el alcance de tus resultados, la potencia estadística de tus análisis y cómo necesitas plantear tu estudio para obtener más chance de detectar efectos significativos.

• TEMA 1. SOFTWARE R

Manejo de bases de datos en el software R. Programación.

• TEMA 2. ESTADÍSTICA DESCRIPTIVA

Variables categóricas y numéricas. Estadísticos clásicos y robustos. Gráficos avanzados.

• TEMA 3. ESTADÍSTICA INFERENCIAL

Pruebas paramétricas, no paramétricas y robustas.

• TEMA 4. REGRESIÓN Y CORRELACIÓN

Correlación simple, múltiple, parcial y robusta. Regresión lineal simple y múltiple. Selección de variables y transformaciones. Regresión robusta simple y múltiple.

SEGUNDO MÓDULO: TÉCNICAS AVANZADAS
15 ECTS – 3 Meses

Aprenderás diseños experimentales y modelos avanzados de análisis estadístico. Este módulo te permitirá analizar tus datos según su diseño experimental y crear diseños experimentales óptimos para responder a tus preguntas de investigación.

También utilizarás técnicas avanzadas de modelado para predecir comportamientos. Modelos aditivos (AM), lineales generalizados (GLM, de Poisson, Binomiales negativos y Logísticos), mixtos (MM) y sus combinaciones (GAM, GAMM, GLMM). Los modelos mixtos, que están tan de moda, permiten modelar varianzas no constantes, efectos aleatorios y datos correlacionados (temporales y/o espaciales).

• TEMA 5. DISEÑO EXPERIMENTAL

ANOVA uni y bi-factorial. Diseño experimental por bloques aleatorizados, Diseño de medidas repetidas, Diseño split-plot, Diseño anidado o jerárquico y ANCOVA.

• TEMA 6. MODELOS AVANZADOS

Modelo lineal (LM), Modelo aditivo (AM), Modelo lineal generalizado (GLM) univariante, Modelo aditivo generalizado (GAM), Introducción al Modelo mixto (MM).

TERCER MÓDULO: TÉCNICAS MULTIVARIANTES
30 ECTS – 3 Meses

Estas técnicas actuales se conocen como Big Data o Data mining y se han puesto muy de moda debido a su capacidad de analizar grandes volúmenes de datos y estudios donde tenemos múltiples variables respuesta (biomarcadores, perfiles de clientes, etc.).. Aprenderás métodos de clasificación automática o no supervisada como los Análisis Cluster y métodos de clasificación supervisada como el Análisis Discriminante y los Árboles de Regresión Multivariantes.

Aplicarás distintas técnicas probar si existen diferencias significativas entre grupos para un conjunto de variables respuesta (MANOVA, ANOSIM, ADONIS, MRPP, Mantel) y técnicas de ordenación y reducción de las dimensiones de los datos.

• TEMA 7. CLASIFICACIÓN

Análisis de conglomerados (Clúster) jerárquico y no jerárquico.

• TEMA 8. DISCRIMINACIÓN

Análisis discriminante (LDA) y Árbol de regresión multivariada (MRT).

• TEMA 9. COMPARACIÓN MULTIVARIANTE

Pruebas para diferencias multivariadas entre grupos (MANOVA, MRPP, ANOSIM, NPMANOVA, MANTEL).

• TEMA 10. ORDENACIÓN Y EXPLICACIÓN

Análisis de correspondencias (CA), CA sin tendencia (DCA), CA parcial (pCA), y CA canónico (CCA), Análisis de componentes principales (PCA), Análisis de redundancia (RDA).

TRABAJO FIN DE MÁSTER DE ESTADÍSTICA 
6 ECTS