Descripción
Aprende a transformar datos de investigación y datos empresariales en dashboards interactivos, indicadores y reportes profesionales utilizando Power BI.
¿Qué aprenderás?
- Entorno de Power BI Desktop.
- Importación de Excel, CSV y otras fuentes.
- Conexión con diferentes fuentes de datos.
- Power Query.
- Limpieza de datos.
- Transformación de datos.
- Cambio de tipos.
- Columnas.
- Filtrado.
- División y combinación de columnas.
- Eliminación de duplicados.
- Tratamiento de valores faltantes.
- Combinar consultas.
- Anexar consultas.
- Relaciones entre tablas.
- Modelo estrella.
- Tablas de hechos y dimensiones.
- Modelamiento de datos.
- Columnas calculadas.
- Medidas.
- Introducción a DAX.
- Funciones DAX.
- KPIs.
- Tarjetas.
- Gráficos.
- Tablas y matrices.
- Segmentadores.
- Filtros.
- Interacciones.
- Drill-down.
- Navegación entre páginas.
- Diseño de dashboards.
- Indicadores empresariales.
- Dashboards de ventas.
- Dashboards de inventarios.
- Dashboards financieros.
- Dashboards de clientes.
- Dashboards de investigación.
- Visualización de resultados científicos.
- Publicación y actualización de informes.
Aprenderás haciendo
Construirás dashboards completos desde cero, tanto con casos empresariales como con datos de investigación.
- Teacher: Ing. Inves. Jhon Corpus
Descripción
Aprende a realizar análisis estadísticos completos utilizando Jamovi, combinando una interfaz intuitiva con procedimientos estadísticos de nivel académico y científico.
El curso está pensado para quienes quieren realizar análisis estadístico sin depender de una programación compleja, pero comprendiendo qué prueba utilizar, por qué utilizarla y cómo interpretar el resultado.
¿Qué aprenderás?
1. Manejo de datos
- Entorno de Jamovi.
- Importación de Excel y CSV.
- Tipos de variables.
- Configuración de variables.
- Variables nominales, ordinales, continuas y dicotómicas.
- Recodificación.
- Transformación de variables.
- Filtros.
- Creación de variables calculadas.
2. Estadística descriptiva
- Frecuencias.
- Porcentajes.
- Media.
- Mediana.
- Moda.
- Percentiles.
- Cuartiles.
- Rango.
- Varianza.
- Desviación estándar.
- Asimetría.
- Curtosis.
- Histogramas.
- Boxplots.
- Gráficos descriptivos.
3. Normalidad y supuestos
- Shapiro-Wilk.
- Evaluación gráfica.
- Normalidad.
- Homogeneidad de varianzas.
- Identificación de supuestos.
- Selección entre pruebas paramétricas y no paramétricas.
4. Pruebas para muestras independientes
- t de Student independiente.
- Mann-Whitney.
- Comparación de grupos.
- Interpretación de resultados.
5. Pruebas para muestras relacionadas
- t pareada.
- Wilcoxon.
- Comparación pretest-postest.
- Interpretación del cambio.
6. Variables categóricas
- Tablas de contingencia.
- Chi-cuadrado.
- McNemar.
- Q de Cochran.
7. Comparación de múltiples grupos
- ANOVA.
- Comparaciones post hoc.
- ANCOVA.
- Kruskal-Wallis.
8. Correlaciones
- Pearson.
- Spearman.
- Interpretación de dirección, fuerza y significancia.
9. Regresión
- Regresión lineal simple.
- Regresión lineal múltiple.
- Variables predictoras.
- Coeficientes.
- R².
- Evaluación del modelo.
10. Modelamiento avanzado
- Modelos lineales generalizados.
- Modelos logit.
- Modelos probit.
- Modelos Poisson.
- Modelos Gamma.
- Interpretación de resultados.
- Uso de módulos estadísticos cuando corresponda.
11. Interpretación
- Lectura de tablas.
- Valor p.
- Intervalos de confianza.
- Tamaños de efecto cuando estén disponibles.
- Redacción de resultados estadísticos.
Aprenderás haciendo
Cada análisis será desarrollado directamente sobre bases de investigación, pasando de la pregunta de investigación al resultado estadístico y finalmente a su interpretación.
- Teacher: Ing. Inves. Jhon Corpus
Descripción
Aprende a utilizar JASP para desarrollar análisis estadísticos de investigación mediante una interfaz intuitiva, visual y orientada a la interpretación.
Además de los procedimientos estadísticos tradicionales, conocerás las posibilidades de estadística bayesiana, permitiéndote ampliar tu comprensión del análisis estadístico moderno.
¿Qué aprenderás?
1. Manejo de bases de datos
- Importación de Excel y CSV.
- Configuración de variables.
- Tipos de medición.
- Organización de datos.
- Filtros.
- Transformaciones.
2. Estadística descriptiva
- Frecuencias.
- Media.
- Mediana.
- Moda.
- Percentiles.
- Cuartiles.
- Varianza.
- Desviación estándar.
- Rango.
- Asimetría.
- Curtosis.
- Histogramas.
- Boxplots.
- Visualizaciones.
3. Pruebas de normalidad y supuestos
- Shapiro-Wilk.
- Evaluación gráfica.
- Homogeneidad.
- Comprobación de supuestos.
- Selección del procedimiento estadístico.
4. Pruebas de comparación
- t independiente.
- t relacionada.
- Mann-Whitney.
- Wilcoxon.
- ANOVA.
- ANCOVA.
- Kruskal-Wallis.
5. Datos categóricos
- Tablas de contingencia.
- Chi-cuadrado.
- McNemar.
- Q de Cochran.
6. Correlación
- Pearson.
- Spearman.
- Interpretación de asociación.
7. Regresión
- Regresión lineal simple.
- Regresión lineal múltiple.
- Evaluación de predictores.
- Coeficientes.
- Ajuste del modelo.
8. Modelamiento
- Introducción a modelos lineales generalizados.
- Modelos logit.
- Modelos probit.
- Modelos Poisson.
- Modelos Gamma, según procedimientos/módulos disponibles.
- Interpretación de resultados.
9. Estadística bayesiana
- Conceptos básicos de estadística bayesiana.
- Diferencia entre enfoque frecuentista y bayesiano.
- Bayes Factor.
- Interpretación de evidencia.
- Comparación de modelos.
- Aplicación práctica de análisis bayesianos disponibles en JASP.
10. Interpretación
- Valor p.
- Intervalos de confianza.
- Tamaños de efecto.
- Bayes Factor.
- Interpretación estadística y sustantiva.
Aprenderás haciendo
Resolverás casos de investigación completos, comparando cuándo utilizar procedimientos frecuentistas y cuándo puede ser útil un enfoque bayesiano.
- Teacher: Ing. Inves. Jhon Corpus
Descripción
Aprende Stata desde la preparación de bases de datos hasta el análisis estadístico y el modelamiento avanzado. El curso combina el trabajo mediante interfaz gráfica con el uso de comandos y do-files, permitiéndote construir análisis reproducibles y organizados.
¿Qué aprenderás?
1. Entorno y manejo de Stata
- Interfaz de Stata.
- Variables y observaciones.
- Importación de Excel y otros formatos.
- Creación y modificación de variables.
- Etiquetas de variables y valores.
- Recodificación.
- Generación de nuevas variables.
- Tratamiento de datos faltantes.
- Filtros y selección de observaciones.
- Uso de
describe,summarize,tabulatey comandos fundamentales. - Organización de bases de datos.
2. Programación reproducible
- Sintaxis de Stata.
- Comandos.
- Uso del Do-file Editor.
- Creación de do-files.
- Ejecución por bloques.
- Comentarios y organización del código.
- Automatización de análisis.
- Guardado y reutilización de procedimientos.
3. Estadística descriptiva
- Frecuencias.
- Tablas.
- Media, mediana y moda.
- Percentiles y cuartiles.
- Rango.
- Varianza.
- Desviación estándar.
- Coeficiente de variación.
- Asimetría y curtosis.
- Tablas cruzadas.
- Gráficos estadísticos.
- Histogramas.
- Boxplots.
- Gráficos de dispersión.
4. Normalidad
- Shapiro-Wilk.
- Kolmogorov-Smirnov y procedimientos equivalentes.
- Evaluación gráfica de normalidad.
- Interpretación del valor p.
- Selección de pruebas paramétricas y no paramétricas.
5. Comparación de grupos
- t para muestras independientes.
- t para muestras relacionadas.
- Mann-Whitney.
- Wilcoxon.
- ANOVA.
- ANCOVA.
- Kruskal-Wallis.
6. Pruebas para variables categóricas
- Chi-cuadrado.
- Tablas de contingencia.
- Frecuencias esperadas.
- McNemar.
- Q de Cochran.
7. Correlaciones
- Pearson.
- Spearman.
- Interpretación de magnitud y dirección.
- Significancia estadística.
8. Regresión
- Regresión lineal simple.
- Regresión lineal múltiple.
- Interpretación de coeficientes.
- R².
- Significancia individual y global.
- Predicción.
- Diagnóstico del modelo.
9. Modelos lineales generalizados
- Fundamentos de GLM.
- Elección de distribución y función de enlace.
- Modelos logit.
- Modelos probit.
- Modelos Poisson.
- Modelos Gamma.
- Interpretación de coeficientes.
- Odds ratios cuando corresponda.
- Razones de incidencia/tasas cuando corresponda.
- Interpretación aplicada al contexto de investigación.
10. Presentación de resultados
- Interpretación de salidas de Stata.
- Exportación de resultados.
- Elaboración de tablas y gráficos.
- Construcción de análisis reproducibles.
Aprenderás haciendo
Cada bloque partirá de una pregunta de investigación, se construirá el análisis en Stata y se terminará con la interpretación del resultado.
- Teacher: Ing. Inves. Jhon Corpus
Descripción
Aprende a utilizar SPSS para organizar, analizar, interpretar y presentar datos de investigación, desde la preparación de una base de datos hasta la aplicación de pruebas estadísticas y la interpretación de sus resultados.
Este curso está diseñado con un enfoque 100 % práctico, utilizando ejemplos y bases de datos similares a las que se emplean en tesis, artículos científicos, proyectos de investigación y estudios profesionales.
¿Qué aprenderás?
1. Manejo y preparación de datos
- Conocer el entorno de SPSS.
- Crear y configurar una base de datos.
- Definir variables.
- Asignar etiquetas y valores.
- Codificar variables cualitativas y cuantitativas.
- Importar bases de datos desde Excel.
- Identificar y corregir errores de digitación.
- Recodificar variables.
- Crear nuevas variables.
- Trabajar con valores perdidos.
- Filtrar y seleccionar casos.
- Segmentar bases de datos.
2. Estadística descriptiva
- Distribuciones de frecuencias.
- Frecuencias absolutas y relativas.
- Tablas estadísticas.
- Medidas de tendencia central:
- Media.
- Mediana.
- Moda.
- Medidas de posición:
- Percentiles.
- Cuartiles.
- Medidas de dispersión:
- Rango.
- Varianza.
- Desviación estándar.
- Coeficiente de variación.
- Medidas de forma:
- Asimetría.
- Curtosis.
- Elaboración e interpretación de gráficos estadísticos.
3. Pruebas de normalidad
- Shapiro-Wilk.
- Kolmogorov-Smirnov.
- Interpretación del valor p.
- Evaluación de supuestos.
- Determinación de pruebas paramétricas y no paramétricas.
4. Comparación de dos grupos independientes
- t de Student para muestras independientes.
- U de Mann-Whitney.
- Interpretación de medias, medianas, diferencias y significancia.
5. Comparación de dos mediciones relacionadas
- t de Student para muestras relacionadas.
- Wilcoxon para rangos con signo.
- Interpretación del cambio entre medición inicial y final.
6. Datos categóricos
- Tablas de contingencia.
- Chi-cuadrado de independencia.
- Interpretación de frecuencias observadas y esperadas.
- McNemar para datos dicotómicos relacionados.
7. Comparación de más de dos grupos
- ANOVA de un factor.
- Comparaciones post hoc.
- ANCOVA.
8. Más de dos mediciones relacionadas
- Q de Cochran.
- Aplicación e interpretación en variables dicotómicas relacionadas.
9. Correlación
- Correlación de Pearson.
- Correlación de Spearman.
- Interpretación del coeficiente y valor p.
10. Regresión y modelamiento
- Regresión lineal simple.
- Regresión lineal múltiple.
- Interpretación de coeficientes.
- R² y ajuste del modelo.
- Modelos lineales generalizados.
- Introducción a modelos logit.
- Modelos probit.
- Modelos Poisson.
- Modelos Gamma.
- Interpretación de coeficientes y resultados según el modelo.
11. Interpretación de resultados
- Lectura de tablas de SPSS.
- Identificación del estadístico correcto.
- Interpretación del valor p.
- Interpretación de intervalos de confianza.
- Elaboración de conclusiones estadísticas.
- Presentación de resultados para tesis y artículos científicos.
Aprenderás haciendo
Trabajarás con bases de datos reales o simuladas de investigación, aplicando cada procedimiento directamente en SPSS y aprendiendo no solamente a ejecutar una prueba, sino a responder:
¿Por qué aplico esta prueba? ¿Qué significa el resultado? ¿Cómo lo interpreto?
- Teacher: Ing. Inves. Jhon Corpus