Experiencia del instructor:

Actualmente se desempeño como Profesor en la Carrera de Ingeniería Industrial en la Universidad de Cuenca. Además, Coordinador del Grupo de Investigación IMAGINE (Industrial Management and Innovation Research) que pertenece al Departamento de Química Aplicada y Sistemas de Producción de la Universidad de Cuenca.

Cuenta con publicaciones en bases de datos Scopus, cuento con 13 publicaciones, así como 9 ponencias en eventos científicos realizados en Ecuador en diferentes Universidades. Ha dirigido 15 tesis de pregrado y 3 tesis de postgrado. Las líneas de investigación en las que se desempeña son: Supply Chain, Simulation process, Optimization process, y Retail. Mis redes sociales son:

Research Gate: https://www.researchgate.net/profile/Juan-Llivisaca-2

Scopus: Llivisaca, Juan - Author details - Scopus (elogim.com)

Orcid: https://orcid.org/my-orcid?orcid=0000-0003-2154-3277

Resumen:

Sabemos que estamos rodeados de datos y que en un experimento o investigación existen más de una variable de interés. Por esto, el curso Herramientas Multivariadas: explorando el comportamiento de datos para la investigación, está diseñado de forma que se cubran las técnicas principales en el análisis multivariante y sea aplicado a la investigación, además, es indispensable el manejo de programas flexibles como R y RStudio que permiten analizar datos desde el enfoque estadístico, por lo que el uso de estos dos programas es indispensable.

Audiencia:

• Profesionales
• Ejecutivos
• Docentes
• Emprendedores

Objetivo General:

El curso tiene como objetivo principal modelar las múltiples relaciones existentes entre diversas variables de manera simultánea, mediante la construcción de modelos estadísticos complejos que permiten distinguir la contribución independiente de cada una de ellas. Para esto se han planteado los siguientes objetivos específicos:

• Comprender los conceptos fundamentales de algunas herramientas de análisis multivariante.
• Aprender a plantear un modelo multivariante en contextos profesionales e investigativos.
• Desarrollar habilidades para interpretar y comunicar los resultados de los modelos desarrollados.
• 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 (20% de la nota)
• Trabajo final (60% 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 integrador, 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 conocimiento medio de la teoría y la práctica estadística descriptiva e inferencial. Se espera que se tengan conocimientos sobre los fundamentos sobre pruebas de hipótesis, ANOVA, intervalos de confianza. Así mismo se presupone un conocimiento medio del manejo de datos, y algo de álgebra lineal y cálculo. Se requiere que el participante tenga conocimiento medio de los programas estadísticos que se utilizarán, que serán R (versión 4.2.3 o superiores), R Studio (versión 2023) y SPSS (versión 23 o superiores).

Estos requisitos son importantes ya que el curso se hace hincapié en la práctica de los modelos multivariantes, 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 computador portátil para trabajar. 
• Se proveerá material audiovisual para el aprendizaje por parte del docente.
• El estudiante entregará los trabajos en clases que realiza a través de la plataforma de educación virtual.

Competencias a Desarrollar:

Los participantes del Herramientas Multivariadas: explorando el comportamiento de datos para 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:

1. Comprensión de Conceptos Básicos. El participante identificará y comprenderá los conceptos fundamentales del análisis multivariante. Esto con el uso de términos propios de los modelos estadísticos.
2. Aplicación Práctica de Modelos. El participante aplicará modelos multivariantes para analizar relaciones entre diferentes variables de interés para el profesional o investigador.
3. Interpretación de Resultados. El participante interpretará de manera crítica los resultados de los modelos multivariantes. Así mismo considerará la calidad de los resultados utilizando indicadores estadísticos.
4. Desarrollo de Proyecto Final. El participante podrá desarrollar y ejecutar un proyecto final que demuestre la aplicación efectiva de modelos estadísticos multivariantes.

Estas competencias proporcionan una base sólida para que los participantes apliquen el análisis multivariante 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.