Matricúlate ahora en este Posgrado en Análisis de Datos y consigue una Titulación expedida por Euroinnova International Online Education

Titulación
Modalidad
Online
Duración - Créditos
460 horas
Becas y Financiación
Sin Intereses
Plataforma Web
Equipo Docente
Especializado
Acompañamiento
Personalizado
Comienza tu matrícula
Paso 1:
Para matricularte introduce tu Email
Resumen matrícula:

MEJOR DESCUENTO

MEJOR DESCUENTO

MEJOR DESCUENTO


Resumen Matrícula

Precio original

Beca exclusiva

-

Descuento + cupón bienvenida

-

Plan Becas

-


Precio final:

Opiniones de nuestros alumnos

Media de opiniones en los Cursos y Master online de Euroinnova

Nuestros alumnos opinan sobre: Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud

4,6
Valoración del curso
100%
Lo recomiendan
4,9
Valoración del claustro

Francisco Montañés

CASTELLÓN/CASTELLÓ

Opinión sobre Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud

Francisco Montañés, ¿qué has aprendido en el Postgrado Online?

Saber la raíz de procedencia de estudios más complejos que había tratado con anterioridad.

Francisco Montañés, ¿qué es lo que más te ha gustado de este Postgrado Online?

La bibliografía.

Francisco Montañés, ¿qué has echado en falta del Postgrado Online?

Que el sistema de evaluación incluyera entrega de trabajos al profesor, basándose en el uso de SPSS.

Alberto Rodríguez

SALAMANCA

Opinión sobre Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud

Alberto Rodríguez, ¿qué te hizo decidirte por nuestro Postgrado Online?

Precio y facilidades.

Alberto Rodríguez, ¿qué has aprendido en el Postgrado Online?

Las facilidades que se dan para poder hacerlo en cualquier momento.

Alberto Rodríguez, ¿qué es lo que más te ha gustado de este Postgrado Online?

El temario.

Alberto Rodríguez, ¿qué has echado en falta del Postgrado Online?

Tanto documentación en formato físico, así como vídeos explicativos de alguna de esas técnicas.

Francisco Gahete

Opinión sobre Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud

Francisco Gahete, ¿qué has aprendido en el Postgrado Online?

Sobre el análisis descriptivo.

Francisco Gahete, ¿qué es lo que más te ha gustado de este Postgrado Online?

La claridad con que se explican conceptos a veces complicados por su contenido teórico.

Francisco Gahete, ¿qué has echado en falta del Postgrado Online?

Ejercicios prácticos al final de cada unidad que pudieran ser comentados con un profesor.

Luis Buitrón

PICHINCHA

Opinión sobre Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud

Luis Buitrón, ¿qué te hizo decidirte por nuestro Postgrado Online?

La necesidad de aprender.

Luis Buitrón, ¿qué has aprendido en el Postgrado Online?

Me ha permitido afianzar conocimientos, y abre la necesidad de profundizar en algunos temas.

Luis Buitrón, ¿qué es lo que más te ha gustado de este Postgrado Online?

La variedad de temas que ofrecen, con sus respectivas referencias bibliográficas.

Luis Buitrón, ¿qué has echado en falta del Postgrado Online?

Nada.

Lucía H.

MADRID

Opinión sobre Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud

Con este Posgrado en Análisis de Datos he podido ampliar mis conocimientos teóricos sobre los datos. Además, gracias a la modalidad online he podido compaginar a la perfección mi vida laboral y personal con esta formación.
* Todas las opiniones sobre Postgrado en Analisis de Datos en Ciencias Sociales y de la Salud, aquí recopiladas, han sido rellenadas de forma voluntaria por nuestros alumnos, a través de un formulario que se adjunta a todos ellos, junto a los materiales, o al finalizar su curso en nuestro campus Online, en el que se les invita a dejarnos sus impresiones acerca de la formación cursada.
Alumnos

Plan de estudios de Posgrado En Analisis De Datos

POSGRADO EN ANÁLISIS DE DATOS. Con este curso online podrás convertirte en un experto sobre las distribuciones normales. Dale a tu carrera profesional el impulso que realmente merece y de la manera más cómoda y efectiva posible.

Resumen salidas profesionales
de posgrado en analisis de datos
Si le interesa el ámbito de las ciencias del comportamiento y la salud y quiere conocer los aspectos fundamentales sobre el análisis de datos en este entorno este es su momento, con el Postgrado en Análisis de Datos en Ciencias Sociales y de la Salud podrá adquirir los conocimientos necesarios para desempeñar esta función de la mejor manera posible. En la sociedad actual en la que vivimos damos mucha importancia a la información, sea en el entorno que sea, en este caso tratamos de conseguir información gracias al análisis de datos dentro de la sociedad, por lo que es importante conocer todo lo referente de este fenómeno. Realizando este Postgrado en Análisis de Datos en Ciencias Sociales y de la Salud conocerá las técnicas de análisis teniendo una visión precisa de este ámbito.
Contenidos
del curso editados por
Editorial Sintesis
Titulo del Libro: Análisis de datos en ciencias sociales y de la salud I, II, III
Autor: Pardo, Antonio. Ruiz, Miguel Ángel. San Martín, Rafael
Objetivos
de posgrado en analisis de datos
Los objetivos de este Posgrado en Análisis de Datos son:
- Conocer los niveles de indagación: descripción, relacional, explicativo.
- Realizar un análisis descriptivo de variables categorías con SPSS.
- Realizar análisis descriptivos de variables cuantitativas.
- Conocer la inferencia en el contraste de Hipostesis
- Ejecutar un análisis de varianza en un factor completamente aleatorio.
- Conocer los modelos lineales.
- Realizar una regresión logística.
Salidas profesionales
de posgrado en analisis de datos
Con este Posgrado en Análisis de Datos el alumno podrá adquirir más conocimientos sobre la administración y la gestión empresarial. Además, mejorará sus expectativas profesionales como investigador o profesor dentro de las ciencias sociales y de la salud en todo lo relacionado con el análisis de los datos.


Para qué te prepara
el posgrado en analisis de datos
Este Postgrado en Análisis de Datos en Ciencias Sociales y de la Salud le prepara para conocer a fondo el ámbito del análisis de datos dentro del entorno de ciencias sociales y de la salud, adquiriendo los conocimientos y técnicas oportunas para realizar análisis de manera profesional y de diferentes formas, con el objetivo de que se haga un trabajo de calidad.
A quién va dirigido
el posgrado en analisis de datos
El Postgrado en Análisis de Datos en Ciencias Sociales y de la Salud está dirigido a todos aquellos profesionales del sector de la investigación y análisis de datos que deseen seguir adquiriendo formación, así como a cualquier persona interesada en dedicarse profesionalmente al entorno que quiera adquirir conocimientos sobre el análisis de datos en ciencias sociales y de la salud.
Metodología
de posgrado en analisis de datos
Metodología Curso Euroinnova
Carácter oficial
de la formación
La presente formación no está incluida dentro del ámbito de la formación oficial reglada (Educación Infantil, Educación Primaria, Educación Secundaria, Formación Profesional Oficial FP, Bachillerato, Grado Universitario, Master Oficial Universitario y Doctorado). Se trata por tanto de una formación complementaria y/o de especialización, dirigida a la adquisición de determinadas competencias, habilidades o aptitudes de índole profesional, pudiendo ser baremable como mérito en bolsas de trabajo y/o concursos oposición, siempre dentro del apartado de Formación Complementaria y/o Formación Continua siendo siempre imprescindible la revisión de los requisitos específicos de baremación de las bolsa de trabajo público en concreto a la que deseemos presentarnos.

Temario de Posgrado En Analisis De Datos

  1. Que es el análisis de datos.
  2. Para qué sirve el análisis de datos.
  3. Niveles de indagación: descripción, relacional, explicativo.
  4. Escalas de medida.
  5. - Clasificatoria de Stevens.

    - Rol de las escalas de medida.

  6. Programas informativos para el análisis de datos.
  7. Ejercicios.
  1. Tipos de variables.
  2. Población y muestra.
  3. Parámetros y estadísticos.
  4. Muestreo.
  5. Variables aleatorias.
  6. - Centro, dispersión y forma de la distribución.

  7. Probabilidad.
  8. - Espacio muestral y sucesos.

    - Conceptos de probabilidad.

    - Regla de la multiplicación.

    - Regla de la suma.

  9. Apéndice 2.
  10. - Combinatoria (reglas de contar).

    - Como seleccionar una muestra aleatoria.

  11. Ejercicios.
  1. Tablas de frecuencias.
  2. Gráficos para variables categorías.
  3. Análisis descriptivo de variables categóricas con SPSS.
  4. Variables dicotómicas.
  5. - La distribución binominal.

  6. Variables politomicas.
  7. - La distribución multinominal.

  8. Apéndice 3.
  9. - Tablas de frecuencias con variables de respuesta múltiples.

  10. Ejercicios.
  1. Cuantiles.
  2. Tendencia central.
  3. - Media aritmética.

    - Mediana.

    - Estadísticos resistentes.

    - Comparación entre estadísticos de tendencia central.

  4. Dispersión.
  5. Amplitudes.
  6. Desviaciones promedio.
  7. Varianza y desviación típica.
  8. Comparación entre estadísticos de dispersión.
  9. Coeficientes de variación.
  10. Forma de la distribución.
  11. Gráficos para variables cuantitativas.
  12. Índices de asimetría y curtosis.
  13. Análisis descriptivo de variables cuantitativas con SPSS.
  14. Análisis descripción y exploratorio.
  15. Apéndice 4.
  16. - Reglas de sumatorio.

    - Métodos para el cálculo de cuantíales.

    - Sintaxis para algunos estadísticos no incluidos en SPSS.

  17. Ejercicios.
  1. Puntuación típica.
  2. - Puntuaciones típicas y percentiles.

    - Escalas derivadas.

  3. Curva normal.
  4. - Tabla de la curva normal.

    - Aproximación de la distribución binominal a la normal.

  5. Puntuaciones típicas y curva normal con SPSS.
  6. Apéndice 5.
  7. - La distribución X.

    - La distribución t.

  8. Ejercicios.
  1. Que es una distribución muestral.
  2. - En caso concreto.

    - Otro caso concreto.

    - El caso general.

  3. Distribución muestral del estadístico media.
  4. Distribución muestral del estadístico proporción.
  5. Importancia del tamaño muestral.
  6. Apéndice 6.
  7. - Valor esperado y varianza del estadístico media.

    - Distribución muestral del estadístico varianza.

    - El método Monte Carlo.

  8. Ejercicios.
  1. Que es la inferencia estadística.
  2. Estimación puntual.
  3. - Propiedades de un buen estimador.

  4. Estimación por intervalos.
  5. - Como interpretar un intervalo de confianza.

    - Intervalo de confianza para el parámetro media.

    - Intervalo de confianza para el parámetro proporción.

  6. Apéndice 7.
  7. Precisión de la estimación y tamaño de la muestra.
  8. Estimación por máxima verosimilitud.
  9. Estimación por mínimos cuadrados.
  10. Ejercicios.
  1. El contraste de hipótesis.
  2. - Las hipótesis estadísticas.

    - Los supuestos del contraste.

    - El estadístico del contraste y su distribución muestral.

    - La regla de decisión.

    - La decisión.

  3. Estimación por intervalos y contraste de hipótesis.
  4. Clasificación de los contraste de hipótesis.
  5. Apéndice 8.
  6. - Consideraciones sobre el nivel crítico (valor p).

  7. Ejercicios.
  1. El contraste sobre una proporción (prueba binomial).
  2. - El contraste sobre una proporción con SPSS.

  3. La prueba X de Pearson sobre bondad de ajuste.
  4. - La prueba X de Pearson sobre la bondad de ajuste con SPSS.

  5. El contraste sobre una media (prueba 7 para una muestra) con SPSS.
  6. Apéndice 9.
  7. Relación entre la distribución t, la distribución X y la venganza.
  8. Supuestos del estadístico X de Pearson.
  1. Variables categóricas.
  2. Tablas de contingencias.
  3. - Tipos de frecuencias.

  4. Gráficos de barra agrupadas.
  5. Asociación en tablas de contingencias.
  6. La prueba X de Pearson sobre independencia.
  7. Medidas de asociación.
  8. Residuos tipificados.
  9. Tablas de contingencias y gráficos de barras con SPSS.
  10. La prueba X de Pearson sobre independencia con SPSS.
  1. La prueba T de Student para muestras independientes.
  2. Asumiendo variables igualdades.
  3. Independencia, normalidad e igualdad de varianzas.
  4. No asumiendo varianzas iguales.
  5. La prueba T de Student par amuestras independientes con SPSS.
  6. Apéndice 11.
  7. - La distribución muestral del estadístico T asumiendo.

    - El contraste sobre igualdad de varianzas.

  1. Muestras relacionadas.
  2. Comparar o relacionar.
  3. La prueba T DE Student para muestras relacionadas.
  4. - La prueba T de Student para muestras relacionadas con SPSS.

  5. Relación lineal.
  6. - Diagramas de dispersión.

    - Cuantificación de la intensidad de la relación: la covarianza.

    - El coeficiente de correlación de Pearson: R.

    - Contraste de hipótesis sobre el parámetro.

    - Como interpretar el coeficiente de correlación R.

    - Relación y casualidad.

    - Relación lineal con SPSS.

  7. Apéndice 12.
  8. - Contraste de hipótesis sobre ?XY = k0 (con k0 =/ 0).

    - Contraste de hipótesis sobre dos coeficientes de correlación.

  1. La interferencia estadística.
  2. El contraste de hipótesis.
  3. - Un ejemplo.

    - Que significa rechazar y no rechazar la hipótesis nula.

    - Contrastes bilaterales y unilaterales.

  4. Errores Tipo I y II y potencia de un contraste.
  5. - Factores de lo que depende la potencia.

  6. Tamaño del efecto.
  7. Clasificación de las contrastes de hipótesis.
  8. Programas informativos para el análisis de datos.
  9. Apéndice 13. Calculo de la potencia.
  10. Curva de potencias.
  1. Contraste sobre el centro de una distribución.
  2. - La prueba sobre el centro de una distribución.

    - La prueba de Wikcoxon para una muestra.

    - La prueba de los signos para una muestra.

    - La prueba T, la de Wilcoxon y de la de los signos.

    - Los contrastes sobre el centro de una distribución.

    - Los contrastes sobre el centro de una distribución con SPSS.

  3. Contrastes sobre la dispersión de una distribución.
  4. Contrastes sobre la forma de una distribución.
  5. - La prueba de Kolmogorov-Smirnov sobre bondad de ajuste.

    - Los contrastes sobre la forma de una distribución con SPSS.

  6. Apéndice 2.
  7. La prueba de las rachas.
  8. La prueba de los cuantiles.
  1. Proporciones independientes y relacionadas.
  2. Homogeneidad marginal y simetría.
  3. - Simetría con variables dicotómicas: la prueba de McNemar.

    - Simetría con variables politónicas: la prueba de Bowker.

    - Homogeneidad marginal y simetría con SPSS.

  4. Índices de riesgo.
  5. - Riesgo relativo.

    - Odds ratio.

    - Relación entre el riesgo relativo y la odds ratio.

    - Consideraciones sobre la interpretación de los índices de riesgo.

    - Los índices de riesgo con SPSS.

  6. Índices de acuerdo.
  7. - Acuerdo con variables nominales: Kappa.

  8. El índice de acuerdo Kappa con SPSS.
  9. Asociación entre variables categóricas ordinales.
  10. - Medidas de concordancia-discordancia.

    - Medidas de concordancia-discordancia con SPSS.

  11. Apéndice 3.
  12. Simetría relativa.
  13. Combinación de tablas 2 x 2 (Cochran y Mantel-Haenszel)
  14. La paradoja de Simpson.
  15. Medidas de asociación basadas en la reducción proporcional del error.
  16. Muestras pequeñas: la prueba exacta de Fisher.
  17. Concordancias y discordancias en una tabla de contingencias.
  18. Como reproducir una tabla de contingencias en SPSS.
  1. La prueba T de Student para muestras independientes.
  2. La prueba de Mann-Whitney.
  3. - La prueba de Mann-Whitney con SPSS.

  4. La prueba de Kruskal-Wallis.
  5. - La prueba de Kruskal Wallis con SPSS.

  6. Medidas del tamaño del efecto.
  7. - El caso de dos grupos.

    - El caso de más de los grupos.

    - Medidas del tamaño del efecto con SPSS.

  8. Calculo de la potencia y del tamaño muestral.
  9. Contrastes de equivalencia y no-inferioridad.
  10. Métodos para demostrar equivalencia.
  11. - Doble contraste unilateral de Schurmann.

    - Intervalo de confianza de Westlake.

  12. Métodos para demostrar no-inferioridad.
  13. Limitaciones de los contraste de equivalencia y no enfermedad.
  14. Apéndice 4.
  15. La prueba de Kolmogorov-Smirnov para dos muestras independientes.
  16. La prueba de las rachas de Wald-Wolfowitz.
  17. La prueba de reacciones extremas de Moses.
  1. La prueba T de Student para muestras relacionadas.
  2. La prueba de Wilcoxon para dos muestras.
  3. - La prueba de Wilcoxon para dos muestras de SPSS.

  4. La prueba de los signos para dos muestras.
  5. - La prueba de los signos para dos muestras con SPSS.

  6. El coeficiente de correlación de Pearson.
  7. El coeficiente de correlación de Spearman.
  8. Medidas del tamaño de Spearman con SPSS.
  9. Medidas de la potencia y del tamaño muestral.
  10. Apéndice 17.
  11. Correlaciones parciales.

    - Modelos de análisis de varianza.

    - Números de factores.

    - Tipo de asignación de las unidades de análisis a las condiciones del estudio.

    - Forma de establecer los niveles del factor.

    - Clasificación de los modelos de análisis de varianza.

  1. La lógica del análisis de varianza.
  2. ANOVA de un factor completamente aleatorio (A-CA).
  3. - Supuestos del ANOVA de un factor.

    - Independencia.

    - Normalidad.

    - Igualdad de varianzas (homocedasticidad).

  4. Transformación de las puntuaciones.
  5. - Efectos fijos y aleatorios.

    - Medidas del tamaño del efecto.

    - Calculo de la potencia y del tamaño muestral.

  6. Comparaciones múltiples entre medidas.
  7. - Comparaciones múltiples entre medidas.

    - Tasa de error en las comparaciones múltiples.

  8. Comparaciones planeadas o a priori.
  9. - Prueba de Dunn-Bonferroni.

    - Comparaciones de tendencias.

    - Prueba de Dunnett.

  10. Comparaciones de post hoc o a posteriores.
  11. - Prueba de Tukey.

    - Prueba de Scheffe.

  12. Comparaciones múltiples: que procedimiento elegir ANOVA de un factor con SPSS.
  13. - Supuestos.

    - Hipótesis de igualdad de medidas.

    - Tamaña del efecto y potencia observada.

    - Comparaciones post hoc.

    - Comparaciones planeadas y de tendencias.

  14. Apéndice 18.
  15. Distribución muestral de estadístico F.
  16. - Tabla de la Distribución F.

    - La distribución F con SPSS.

  17. Estadístico F robustos: Welch y Brown-Forsythe.
  18. Comparaciones post hoc: procedimientos alternativos.
  19. - Métodos secuenciales.

  20. Efectos aleatorios.
  1. Estructura de los datos y notación.
  2. La interacción entre factores.
  3. ANOVA de dos factores completamente aleatorizados (AB-CA).
  4. - Supuestos del ANOVA de dos factores.

    - Efectos fijos y aleatorios.

    - Medidas del tamaño del efecto.

    - Calculo de la potencia y del tamaño muestral.

  5. Comparaciones múltiples.
  6. - Efectos principales.

    - Efectos simples.

    - Efecto de la interacción.

  7. ANOVA de dos factores completamente aleatorizados con SPSS.
  8. - Hipostasis globales (efecto de A de B y de AB).

    - Tamaño del efecto y potencia observada.

    - Comparaciones post hoc: efectos principales.

    - Comparaciones múltiples: efectos simples.

    - Comparaciones múltiples: efecto de la interacción.

  9. Apéndice 19.
  10. Casillas con tamaños muéstrales distintos.
  11. Mas sobre los efectos simple y el efecto de la interacción.
  12. La sentencia LMATRIX.
  13. Modelos jerárquicos o anidados.
  1. Características de los diseños con medidas repetidas.
  2. ANOVA de un factor con medidas repetidas (A-MR).
  3. Supuestos del modelo.
  4. Alternativas al estadístico F.
  5. - Estadístico F con los grados de libertad modificados.

    - Aproximación multivariada.

    - Que solución elegir.

  6. Medidas del tamaño del efecto.
  7. Calculo de la potencia y del tamaño muestral.
  8. Comparaciones múltiples.
  9. ANOVA de un factor con medidas repetidas (A-MR) con SPSS.
  10. - Esfericidad.

    - Igualdad de medias.

    - Tamaño del efecto y potencia observada.

    - Comparaciones planeadas.

    - Comparaciones post hoc.

  11. La prueba de Friedman.
  12. Apéndice 20.
  13. - Como estimar épsilon.

    - Prueba de Cochran.

    - Coeficiente de concordancia W de Kendall.

  14. Prueba de no-aditividad de Turkey.
  1. ANOVA de dos factores con medidas repetidas en ambos (AB-MR)
  2. Supuestos del modelo.
  3. Medidas del tamaño del efecto.
  4. Calculo de la potencia y del tamaño muestral.
  5. Comparaciones múltiples.
  6. ANOVA de dos factores con medidas repetidas en ambos (AB-MR) con SPSS.
  7. - Esfericidad.

    - Hipótesis globales (efecto de A de B y de AB).

    - Tamaño del efecto y potencia observada.

    - Comparaciones post hoc: efectos principales.

    - Comparaciones múltiples: efectos simples.

    - Comparaciones múltiples: efectos de la interacción.

  8. ANOVA de dos factores con medidas repetidas en uno (AB-CA-MR)
  9. - Supuestos del modelo.

    - Medidas del tamaño del efecto.

    - Calculo de la potencia y del tamaño muestral.

    - Comparaciones múltiples.

  10. ANOVA de dos factores con medidas repetidas en uno (AB-CA-MR) con SPSS.
  11. - Esferidad muti-muestra e igualdad de varianzas.

    - Hipótesis globales (efectos de A de B y de AB).

    - Comparaciones post hoc: efectos principales.

    - Comparaciones múltiples: efectos simples.

    - Comparaciones múltiples: efectos de la interacción.

  12. Apéndice 21.
  13. La sentencia MMATRIX.
  14. - Análisis de los efectos simples.

    - Comparaciones entre los niveles de un mismo efecto simple.

    - Análisis del efecto de la interacción.

  1. Regresión lineal simple.
  2. Diagrama de dispersión.
  3. La recta de regresión.
  4. - Mínimos cuadrados.

    - Coeficientes de regresión.

    - Coeficientes de regresión tipificados.

  5. Bondad de ajuste.
  6. Significación de los coeficientes de regresión.
  7. - Intervalos de confianza.

  8. Como efectuar pronósticos.
  9. Regresión lineal múltiple.
  10. La ecuación de regresión.
  11. - Coeficientes de regresión.

    - Coeficientes de regresión tificados.

  12. Bondad de ajuste.
  13. Significación de los coeficientes de regresión.
  14. Importancia relativa de las variables.
  15. Variables independientes categóricas.
  16. Regresión jerárquica o por pasos.
  17. - Criterios para seleccionar variables.

    - Métodos para seleccionar variables.

  18. Supuestos del modelo de regresión lineal.
  19. Linealidad.
  20. No colinealidad.
  21. Normalidad.
  22. Homocedasticidad.
  23. Casos atípicos e influentes.
  24. - Casos atípicos en Y.

    - Casos atípicos en X.

  25. Casos influyentes.
  26. - Cambio en los coeficientes de regresión.

    - Cambio en los pronósticos.

    - Cambio en los residuos.

  27. Qué hacer con los casos atípicos e influyentes.
  28. Regresión lineal con SPSS.
  29. Regresión múltiple.
  30. - Bondad de ajuste.

    - Educación de regresión.

    - Significación de los coeficientes de regresión.

    - Pronósticos.

    - Importancia relativa de regresión.

    - Chequeo de los supuestos.

    - Casos atípicos e influyentes.

  31. Regresión jerárquica o por pasos.
  32. - Regresión jerárquica o por pasos con variables categóricas.

  33. Comentarios finales.
  34. - Validez de una ecuación de regreso.

  35. Consideraciones sobre el tamaño muestral.
  36. Apéndice 22.
  37. Regresión curvilínea.
  1. Que es un modelo lineal.
  2. Componentes de un modelo lineal.
  3. - El componente aleatorio.

    - El componente sistemático.

    - La función de enlace.

  4. Clasificación de los modelos lineales.
  5. Como ajustar un modelo lineal.
  6. Seleccionar el modelo.
  7. Estimar los parámetros y obtener los pronósticos.
  8. Valorar la calidad o ajuste del modelo.
  9. - Ajuste global.

    - Contribución de cada variable.

  10. Chequear los supuestos del modelo.
  11. Casos atípicos e influyentes.
  12. Apéndice 23.
  13. Distribuciones de la familia exponencial.
  14. Máxima verosimilitud.
  1. Análisis de varianza.
  2. - Seleccionar el modelo.

    - Estimar los parámetros y obtener los pronósticos.

    - Valorar la calidad o ajuste del modelo.

    - Chequear los supuestos.

  3. Análisis de covarianza.
  4. Lógica del análisis de covarianza.
  5. Seleccionar el modelo.
  6. Estimar los parámetros y obtener los pronósticos.
  7. Valorar de covarianza con SPSS.
  8. - Como chequear los supuestos.

    - Como valorar el efecto del factor.

    - Pendientes de regresión heterogénea.

  9. Análisis de regresión lineal.
  10. Seleccionar el modelo.
  11. Estimar los parámetros y obtener los pronósticos.
  12. Valorar la calidad o ajuste del modelo.
  13. Chequear los supuestos.
  14. Interacción entra variables independientes.
  15. - Dos variables cuantitativas.

    - Unas variables dicotómicas y una cuantitativa.

  16. Apéndice 24.
  17. Elementos de un modelo lineal clásico.
  1. Efectos fijos, aleatorios y mixtos.
  2. Que es un modelo lineal mixto.
  3. Modelos con grupo aleatorios.
  4. Análisis de varianza: un factor de efectos aleatorios.
  5. - Información preliminar.

    - Ajuste global.

    - Significación de los efectos incluidos en el modelo.

    - Estimaciones de los parámetros.

  6. Análisis de varianza: dos factores de efectos mixtos.
  7. - Información preliminar.

    - Ajuste global.

    - Significación de los efectos incluidos en el modelo.

    - Estimaciones de los parámetros.

    - Comparaciones múltiples.

  8. Modelos con medidas repetidas.
  9. Estructura de los datos.
  10. Análisis de varianza: un factor con medidas repetidas.
  11. - Significación de los efectos incluidos en el modelo.

    - Estimaciones de los parámetros.

    - Comparaciones múltiples.

  12. Análisis de varianza: dos factores con medidas repetidas en ambos.
  13. - Significación de los efectos incluidos en el modelo.

    - Estimaciones de los parámetros.

  14. Análisis de varianza: dos factores con medidas repetidas en uno.
  15. - Significación de los afectos incluidos en el modelo.

    - Estimación de los parámetros.

    - Comparaciones múltiples.

    - Análisis de los efectos simples.

    - Análisis de los efectos de la interacción.

    - Análisis del efecto de la interacción.

  16. Análisis de covarianza: dos factores con medidas repetidas en uno.
  17. Estructura de la matriz de varianzas-covarianzas residual.
  18. Apéndice 25.
  19. Elementos de un modelo lineal mixto.
  20. Métodos de estimación en los modelos lineales mixtos.
  1. Que es un modelo multinivel.
  2. Análisis de varianza: un factor de efectos aleatorios.
  3. Análisis de regresión: medias como resultados.
  4. Análisis de covarianza: un factor de efectos aleatorios.
  5. Análisis de regresión: medias pendientes como resultados.
  6. Curvas de crecimiento.
  7. - Medidas repetidas: coeficientes aleatorios.

    - Medidas repetidas: medidas y pendientes como resultados.

  8. Apéndice 26.
  9. El tamaño muestral en los modelos multinivel.
  1. Regresión con respuestas dicotómicas.
  2. - Función lineal.

    - La función logística.

    - La transformación logit.

  3. Regresión logística binaria o dicotómica.
  4. Una covariables (regresión simple).
  5. - Información preliminar.

    - Ajuste global: significación estadística.

    - Ajuste global: significación sustantiva.

    - Pronósticos y clasificación.

  6. Significación de los coeficientes de regresión.
  7. Interpretación de los coeficientes de regresión.
  8. Más de una covariables (regresión múltiple).
  9. - Ajuste global.

    - Significación de los coeficientes de regresión.

    - Interpretación de los coeficientes de regresión.

  10. Pronósticos y clasificación.
  11. Covariables categóricas.
  12. Interacción entre covariables.
  13. - Dos covariables dicotómica.

    - Una covariables dicotómica y una cuantitativa.

    - Dos covariables cuantitativas.

  14. Regresión logística jerárquica o por pasos.
  15. Supuestos del modelo de regresión logística.
  16. Linealidad.
  17. No colinealidad.
  18. Independencia.
  19. Dispersión proporcional a la media.
  20. Casos atípicos e influyentes.
  21. Casos atípicos.
  22. Casos influyentes.
  23. Apéndice 27.
  24. Regresión probit.
  1. Regresión nominal.
  2. El modelo de regresión nominal.
  3. Una variable independiente (regresión simple).
  4. - Ajuste global.

    - Significación e interpretación de los coeficientes de regresión.

  5. Más de una variable independiente (regresión múltiple).
  6. - Ajuste global.

    - Significación e interpretación de los coeficientes de regresión.

    - Pronósticos y clasificación.

  7. Interacción entre variables independientes.
  8. Regresión por pasos.
  9. Sobre dispersión.
  10. Regresión ordinal.
  11. El modelo de regresión ordinal.
  12. Una variable independiente (regresión simple).
  13. - Ajuste global.

    - Significación e interpretación de los coeficientes de regresión.

  14. Más de una variable independiente (regresión múltiple).
  15. Interacción entre variables independientes.
  16. Odds proporcionales.
  17. Apéndice 28.
  18. Funciones de enlace en los modelos de regresión ordinal.
  1. Regresión lineal con recuentos.
  2. Regresión de Poisson con recuentos.
  3. El modelo de regresión de Poisson.
  4. Una variable independiente (regresión simple).
  5. - Ajuste global: significado estadística.

    - Ajuste global: significado de sustantiva.

    - Significación de los coeficientes de regresión.

    - Interpretación de los coeficientes de regresión.

  6. Una variable independiente dicotómica.
  7. Una variable independiente polifónica.
  8. Más de una variable (regresión múltiple).
  9. - Ajuste global.

    - Significación de los coeficientes de regresión.

    - Interpretación de los coeficientes de regresión.

  10. Interacción entre variables independientes.
  11. - Dos variables dicotómicas y una cuantitativa.

  12. Regresión de Poisson con tasas de respuesta.
  13. Sobredispersion.
  14. Apéndice 29.
  15. - Criterios de información.

    - La distribución binominal negativa y el problema de la sobredispersión.

  1. Tablas de contingencias.
  2. - notación en tablas de contingencias.

    - Asociación en tablas de contingencias.

  3. Modelos loglineales jerárquicos.
  4. Como formular modelos loglineales.
  5. - El modelo de independencia.

    - El modelo de dependencia.

    - Parámetros independientes.

    - Tablas multidimensionales.

    - El principio de jerarquía.

  6. Como estimar las frecuencias esperadas de un modelo loglineal.
  7. Como evaluar la calidad o ajuste de un modelo loglineal.
  8. Como seleccionar el mejor modelo loglineal.
  9. Como analizar los residuos.
  10. Como analizar modelos loglineales jerárquicos con SPSS.
  11. - Ajuste por pasos.

  12. Modelos loglineal generales.
  13. Como ajustar un modelo concreto.
  14. Estimaciones de los parámetros.
  15. Estructura de las casillas.
  16. Tablas incompletas.
  17. - Ceros muéstrales.

    - Ceros estructurales.

  18. Tablas cuadradas.
  19. - Cuasi-independencia.

    - Simetría completa.

    - Simetría relativa.

  20. Tasas de respuesta.
  21. Comparaciones entre niveles.
  22. Modelos logit.
  23. Una variable independiente.
  24. Más de una variable independiente.
  25. Correspondencia entre los modelos logit y los loglineales.
  26. El procedimiento Logit.
  27. - Ajuste global: significación estadística.

    - Ajuste global: significación sustantiva.

    - Interpretación de los coeficientes de un modelo logit.

  28. Apéndice 30.
  29. Esquemas de muestreo.
  30. Estadísticos mínimo-suficientes.
  31. Grados de libertad en un modelo loglineal.
  1. Tiempos de espera, eventos, casos censurados.
  2. - Disposición de los datos.

  3. Tablas de mortalidad.
  4. - Tablas de mortalidad con SPSS.

    - Como comprar tiempos de espera.

  5. El método de Kaplan-Meier.
  6. - El estadístico producto-limite.

  7. El método de Kaplan-Meier con SPSS.
  8. Gráficos de los tiempos de espera.
  9. Como comprar tiempos de espera.
  10. Regresión de Cox.
  11. La actuación de regresión.
  12. - Impacto proporcional.

  13. Regresión de Cox con SPSS.
  14. Variables independientes categóricas.
  15. Regresión de Cox por pasos.
  16. Diagnósticos del modelo de regresión de Cox.
  17. Casos atípicos e influyentes.
  18. - Residuos de Cox-Snell.

    - Residuos parciales.

    - Diferencia en las betas.

  19. Covariables dependientes del tiempo.
  20. - Como crear covariables dependientes del tiempo.

    - Regresión con covariables dependientes del tiempo.

    - Regresión con covariables cuyos valores cambian con el tiempo.

  21. Apéndice 31.
  22. Intervalos de confianza para las funciones de probabilidad.
  23. El estadístico de Wilcoxon-Gehan.
  24. EDITORIAL ACADÉMICA Y TÉCNICA: Índice de libro Análisis de datos en ciencias sociales y de la salud I, II, III. Pardo, Antonio. Ruiz, Miguel Ángel. San Martín, Rafael. Publicado por Editorial Síntesis

Titulación de Posgrado En Analisis De Datos

TITULACIÓN expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y CLADEA (Consejo Latinoamericano de Escuelas de Administración)

Curso Online EuroinnovaPostgrado Online Curso  homologado POSGRADO EN ANALISIS DE DATOSPostgrado Online Curso  homologado

EURO - EUROINNOVA - Privados

Cursos relacionados

Especialista en Extraccion, Decodificacion y Analisis de Datos de Telefonia Movil
CURSO ANÁLISIS DE DATOS MÓVIL: Especialista en Extracción, Decodificación y Análisis de Datos de Telefonía Móvil
4,8
420€
260€
38% descuento
Curso de Tecnicas para el Analisis de Datos Clinicos
CURSO DE ANÁLISIS DE DATOS CLÍNICOS: Curso de Técnicas para el Análisis de Datos Clínicos
4,8
420€
260€
38% descuento
Master en Analisis y Visualizacion de Datos Masivos
MASTER ANÁLISIS Y VISUALIZACIÓN DE DATOS MASIVOS: Master en Análisis y Visualización de Datos Masivos
4,8
2380€
1795€
25% descuento
Especialista en Analisis de Datos en Psicologia
CURSO ANÁLISIS DE DATOS EN PSICOLOGÍA: Especialista en Análisis de Datos en Psicología
4,8
540€
360€
33% descuento

Claustro docente de Posgrado En Analisis De Datos

Euroinnova Formación
Iván Girela Estudillo
Tutor
Grado en Administración y Dirección de Empresa
Su formación +
Linkedin Euroinnova
Euroinnova Formación
Jesús Morales Domínguez
Tutor
Titulado Universitario 2 ciclo o Licenciado - Licenciado en Ciencias del Trabajo, Titulado Universitario 1 ciclo o Diplomado - Diplomado en Turismo
Su formación +
Linkedin Euroinnova
Euroinnova Formación
María Berenjeno García
Tutor
Grado en Ciencias Políticas y de la Administración, Grado en Derecho, MÁSTER EN PROPIEDAD INDUSTRIAL, INTELECTUAL COMPETENCIA Y NUEVAS TECNOLOGÍAS
Su formación +
Linkedin Euroinnova
Euroinnova Formación
Pilar Plaza Orpez
Tutor
Titulado Universitario 2 ciclo o Licenciado - Licenciado en Derecho
Su formación +
Linkedin Euroinnova

7 razones para realizar el Posgrado En Analisis De Datos

1
Nuestra Experiencia

Más de 20 años de experiencia en la formación online.

Más de 300.000 alumnos ya se han formado en nuestras aulas virtuales.

Alumnos de los 5 continentes.

25% de alumnado internacional.

Las cifras nos avalan
Logo google
4,7
2.625 opiniones
Logo youtube
8.582
suscriptores
Logo facebook
4,4
12.842 opiniones
Logo youtube
5.856
seguidores
2
Nuestra metodología

Flexibilidad

Aprendizaje 100% online, flexible, desde donde quieras y como quieras

Docentes

Equipo docente especializado. Docentes en activo, digitalmente nativos

Acompañamiento

No estarás solo/a. Acompañamiento por parte del equipo de tutorización durante toda tu experiencia como estudiante.

Aprendizaje real

Aprendizaje para la vida real, contenidos prácticos, adaptados al mercado laboral y entornos de aprendizaje ágiles en campus virtual con tecnología punta

Seminarios

Seminarios en directo. Clases magistrales exclusivas para los estudiantes

3
Calidad AENOR

Se llevan a cabo auditorías externas anuales que garantizan la máxima calidad AENOR.

Nuestros procesos de enseñanza están certificados por AENOR por la ISO 9001, 14001 y 27001.

Certificación de calidad
4
Confianza

Contamos con el sello de Confianza Online y colaboramos con las Universidades más prestigiosas, Administraciones Públicas y Empresas Software a nivel Nacional e Internacional.

Confianza logo Proteccion logo
5
Empleo y prácticas

Disponemos de Bolsa de Empleo propia con diferentes ofertas de trabajo, y facilitamos la realización de prácticas de empresa a nuestro alumnado.

6
Nuestro Equipo

En la actualidad, Euroinnova cuenta con un equipo humano formado por más de 300 profesionales. Nuestro personal se encuentra sólidamente enmarcado en una estructura que facilita la mayor calidad en la atención al alumnado.

7
Somos distribuidores de formación

Como parte de su infraestructura y como muestra de su constante expansión, Euroinnova incluye dentro de su organización una editorial y una imprenta digital industrial.

Paga como quieras

Financiación 100% sin intereses

Hemos diseñado un Plan de Becas para facilitar aún más el acceso a nuestra formación junto con una flexibilidad económica. Alcanzar tus objetivos profesionales e impulsar tu carrera profesional será más fácil gracias a los planes de Euroinnova.

Si aún tienes dudas solicita ahora información para beneficiarte de nuestras becas y financiación.

20%
Antiguos Alumnos

Como premio a la fidelidad y confianza de los alumnos en el método EUROINNOVA, ofrecemos una beca del 20% a todos aquellos que hayan cursado alguna de nuestras acciones formativas en el pasado.

20%
Beca Desempleo

Para los que atraviesan un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.

15%
Beca Emprende

Una beca en consonancia con nuestra apuesta por el fomento del emprendimiento y capacitación de los profesionales que se hayan aventurado en su propia iniciativa empresarial.

15%
Beca Amigo

La beca amigo surge como agradecimiento a todos aquellos alumnos que nos recomiendan a amigos y familiares. Por tanto si vienes con un amigo o familiar podrás contar con una beca de 15%.

* Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 900 831 200 o vía email en formacion@euroinnova.es

* Becas no acumulables entre sí.

* Becas aplicables a acciones formativas publicadas en euroinnova.es

Materiales entregados con el Posgrado En Analisis De Datos

Información complementaria

Preguntas al director académico sobre el Posgrado En Analisis De Datos

Artículos relacionados

¿Tienes dudas?
Llámanos gratis al 900 831 200
Matricularme