Profesionales del análisis de datos interesados en diseñar experimentos efectivos para obtener el máximo rigor empírico en sus investigaciones.
CURSO DE NIVEL INTERMEDIO
Para un mejor aprovechamiento de la formación es recomendable tener conocimientos básicos previos sobre R Software.
Comentarios:
Domina los fundamentos clave del diseño y la planificación de experimentos estadísticos con la herramienta R Software. Aplica técnicas estadísticas alternativas (no paramétricas y robustas) para datos que no se ajustan a los supuestos de los enfoques clásicos. Leer más
Un curso práctico orientado a estudiantes, profesionales, investigadores y PhD, interesados en:
Consolidar sus conocimientos sobre el diseño y el análisis de experimentos. Diseñar experimentos optimizados para alcanzar los objetivos de sus análisis. Conocer las etapas del diseño experimental. Comparar tratamientos y realizar pruebas de hipótesis. Dominar las pruebas de análisis de varianza (ANOVA). Seleccionar el tipo de diseño experimental adecuado: factorial, jerárquico y split-splot.
Competencias
Con aplicación directa a tu día a día profesional
Al finalizar el Curso de Diseño experimental e inferencia con R habrás desarrollado competencias avanzadas para diseñar experimentos con rigor empírico, y 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 con menor margen de error. Evaluar 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, una de las competencias profesionales más demandadas en el mercado laboral de la Ciencia de Datos.
Enfoque práctico
La práctica hace al maestro
El Curso de Diseño experimental e inferencia con R, es un programa práctico impartido con la metodología exclusiva de Máxima Formación, 100% on-line y learn by doing (aprender haciendo).
¿Por qué es único?
Porque está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos cuyo objetivo es transformar el saber en habilidades prácticas avanzadas con aplicación directa a su operativa con los datos.
Nuestro programa formativo con enfoque práctico:
Garantiza una curva de aprendizaje progresiva y se adapta a tu nivel de desempeño. Pone el énfasis en el seguimiento diario de tus necesidades de aprendizaje particulares. Disfrutas de un asesoramiento de calidad que te permite aplicar los nuevos conocimientos, desde el primer día.
Profesorado:
En este Máster contarás con el asesoramiento y las tutorías ilimitadas de dos docentes expertos que van compartir contigo todo su conocimiento y su experiencia en el sector de la Ciencia de Datos:
- Rosana Ferrero Soy Doctora en Biociencias y Máster en Estadística Aplicada. Llevo más de 15 años de experiencia colaborando con instituciones públicas y privadas, así como con varias empresas, en áreas como la Medicina, la Biotecnología, las Políticas públicas, y la Biología. Me apaciona la docencia y la divulgación, mi objetivo es ayudarte a analizar e interpretar datos complejos y tomar decisiones fundamentadas.
- Juan Luis López Analista de datos con certificaciones en Data Visualization with ggplot2, Data Analysis in R y Machine Learning Toolbox. Profesor de estadística aplicada con R Software en Máxima Formación desde 2018. Aquí he trabajado como docente en los distintos másteres que ofertamos, en múltiples cursos de formación para el Centro Superior de Investigaciones Científicas y el Servicio Andaluz de Salud, así como en asesorías estadísticas realizadas para empresas externas.
Titulación que se obtiene:
Tras finalizar esta formación recibirás un diploma expedido por Máxima Formación como garantía de aprovechamiento del curso.
- Inicio: Todo el año - Plazo de Matrícula: Abierto
• 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. Leer más
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 DOS 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. • Efectos principales y efectos de interacción.Leer menos
Máxima Formación
Contacta con el centro para más información
Es gratis y sin compromiso
Deja tu opinión