Experiencia del instructor:
He realizado mis estudios en la Universidad Politécnica Estatal del Carchi, Universidad de Cuenca y en el Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM), en México. Además, he trabajado en áreas de producción, calidad, y cadena de suministro. Por ahora estoy dictando la catedra de Lean Manufacturing (Green Belt), Planeación de la Producción, Diseño de Experimentos, e Inferencia Estadística en la Universidad de Cuenca. En estas cátedras el manejo de datos es un factor común por lo que he procurado enseñar a través del uso de datos.
Audiencia:
• Profesionales
• Ejecutivos
• Docentes
• Emprendedores
Objetivo General:
El curso tiene como finalidad modelar en forma matemática el comportamiento de una variable de respuesta en función de una o más variables independientes (factores), utilizando programas estadísticos. Para esto se han planteado los siguientes objetivos específicos:
• Comprender los conceptos fundamentales de la regresión lineal.
• Aprender a aplicar modelos de regresión lineal en contextos profesionales e investigativos.
• Desarrollar habilidades para interpretar y comunicar los resultados de los modelos de regresión.
• Aplicar el conocimiento adquirido a través de un proyecto final.
Metodología y Evaluación:
El curso está estructurado de manera que se pueda realizar de forma sincrónica y asincrónica. En los cuales 16 horas se darán de forma presencial y 24 horas serán de trabajo autónomo. Para la aprobación del curso se considerará lo siguiente:
• Asistencia (20% de la nota)
• Trabajos en clase (10% de la nota)
• Trabajo final (70% de la nota)
Se realizarán los trabajos en clase con el fin de mejor la competencia adquirida y una evaluación final que será con un trabajo, que busca integrar los conocimientos del curso. La nota final consistirá en un promedio de las evaluaciones realizadas.
Requisitos previos:
En el curso planteado, se presupone que los participantes tengan un cierto conocimiento de la teoría y la práctica estadística básica. Se espera que se tengan conocimientos sobre los fundamentos de la inferencia estadística, pruebas de hipótesis, intervalos de confianza. Así mismo se presupone un conocimiento básico del de datos, y algo de álgebra lineal y cálculo. Dentro de los programas estadísticos que se utilizarán serán R (versión 4.2.3 o superiores), R Studio (versión 2023) y SPSS (versión 23 o superiores).
Estos requisitos son importantes ya que se hace hincapié en la práctica de la regresión y el análisis de la varianza, debido a que el objetivo es aprender de qué métodos se dispone y, lo que es más importante, cuándo deben aplicarse.
Características del curso:
• El curso tendrá una duración de 40 horas con actividades prácticas de laboratorio teniendo cada estudiante su propio equipo para trabajar.
• Se proveerá material audiovisual para el aprendizaje por parte del docente.
• El estudiante entregará avances del trabajo que realiza a través de la plataforma de educación virtual.
Competencias a Desarrollar:
Los participantes del curso de modelos de regresión lineal aplicados a la investigación pueden adquirir diversas competencias que les permitirán aplicar eficientemente estos modelos en sus contextos laborales e investigativos. Entre las competencias claves que podrían obtener:
• Comprensión de Conceptos Básicos. El participante identificará y comprenderá los conceptos fundamentales de la regresión lineal, incluyendo términos como variables independientes, dependientes, coeficientes, y residuos.
• Aplicación Práctica de Modelos. El participante aplicará modelos de regresión lineal simple, múltiple y/o logístico para analizar relaciones entre variables en contextos profesionales e investigativos.
• Interpretación de Resultados. El participante interpretará de manera crítica los resultados de los modelos de regresión, incluyendo la significancia de los coeficientes, la validez de los modelos y la interpretación de medidas de ajuste. Así mismo, evaluará el rendimiento de los modelos de regresión utilizando métricas como el error cuadrático medio, el coeficiente de determinación (R²), y otras medidas relevantes.
• Selección y Validación de Modelos. El participante aplicará estrategias para seleccionar variables importantes y validar modelos para evitar problemas como el sobreajuste y el subajuste. Además, aprenderá a identificar y gestionar datos atípicos e influencia que puedan afectar la validez de los resultados de los modelos.
• Desarrollo de Proyecto Final. El participante podrá desarrollar y ejecutar un proyecto final que demuestre la aplicación efectiva de modelos de regresión lineal a un problema o pregunta específica.
Estas competencias proporcionan una base sólida para que los participantes apliquen el análisis de regresión lineal en sus roles profesionales y proyectos de investigación, mejorando su capacidad para tomar decisiones basadas en datos y comprender las relaciones entre variables en diversos contextos.
Información extra: Se entrega certificado de aprobación por 40 Horas una vez finalizado el curso.
Canjeables por cupos: Si
Regresión lineal simple (4 horas presenciales)
• Estimación de parámetros y pruebas de hipótesis en la regresión lineal simple
• Interpretación, calidad y validación del ajuste en regresión lineal simple.
Regresión lineal múltiple (4 horas presenciales)
• Del modelo simple al modelo de múltiples variables independientes
• Interpretación, calidad y validación del ajuste en regresión lineal múltiple
• Regresión polinomial
• Diagnósticos de datos atípicos y supuestos.
Regresión Logística (4 horas presenciales)
• Regresión binaria
• Regresión Multinomial
Selección modelos y variables (4 horas presenciales)
• Métodos Forward y Backward
• Criterios de significación
• Criterios globales
Proyecto Final (24 horas autónomas)
• Desarrollo de un proyecto aplicado utilizando modelos de regresión.
• Análisis de datos, interpretación de resultados y redacción de informe.
