MÓDULO IV. TÉCNICAS DE ANÁLISIS MULTIVARIANTE (40 hrs) TEMA 5. ESCALADO MULTIDIMENSIONAL.

TEMA 1. ANÁLISIS DE CORRESPONDENCIAS. 5.1.- Introducción.

1.1.- Introducción. 5.2.- Formulación.
1.2.- Análisis de correspondencias bidimensional con R. 5.3.- Escalado multidimensional con R. Métrico y no métrico.
1.3.- Análisis de correspondencias múltiple con R. 5.4.- Cálculo de matrices.

COCID
1.4.- Conclusión. 5.5.- Conclusión.

TEMA 2. ANÁLISIS FACTORIAL. TEMA 6. ANÁLISIS CLUSTERS.

Colegio Científico de Datos
2.1.- Introducción. 6.1.- Introducción.
2.2.- Formulación. 6.2.- Formulación.
2.3.- Análisis factorial con R. 6.3.- Análisis clusters con R.
2.4.- Conclusión. 6.4.- Elección del número de clusters.
6.5.- Conclusión.
DIPLOMADO DE ACTUALIZACIÓN PROFESIONAL
TEMA 3. ANÁLISIS DE COMPONENTES PRINCIPALES.
3.1.- Introducción. NÚMERO REGISTRO - 17DAP57319
3.2.- Formulación. MÓDULO V. BASES DE DATOS. BIG DATA Y ETL (40 hrs) DE FECHA 06 DE DICIEMBRE DE 2019
3.3.- Análisis de componentes principales con R. TEMA 1. TRABAJO DE BIG DATA Y CUBOS OLAP.
3.4.- Representaciones gráficas 1.1.- OLAP (On-Line Analytical Processing – Procesamiento analítico SECRETARÍA DE EDUCACIÓN DEL ESTADO DE MORELOS
3.5.- Conclusión. en línea)
1.1.1.- Los Cubos OLAP
TEMA 4. ANÁLISIS DISCRIMINANTE. 1.1.2.- Gestores de bases de datos con OLAP
4.1.- Introducción. 1.1.3.- Hechos y dimensiones
4.2.- Formulación. 1.1.4.- Operaciones OLAP
4.3.- Análisis discriminante con R. 1.1.4.1.- «Rebanada»
4.4.- Validación cruzada. 1.1.4.2.- «Dados»
4.5.- Método de los k vecinos más próximos.
4.6.- Método de los k vecinos más próximos. Validación cruzada.
4.7.- Análisis discriminante. K grupos y clasificación desconocida.
4.8.- Conclusión.
1.1.4.3.- Enrollar
1.1.4.4.- Profundizar
1.1.4.5.- Pivote
DISEÑO DE
Que conseguirá
⇒ Diseñar investigación práctica desde su metodología.
INVESTIGACIÓN
⇒ Trabajar de forma profesional con el software R, aprendiendo su potencialidad de R para el
procesamiento de datos. Y ANÁLISIS DE DATOS
⇒ Realizar e interpretar todas las técnicas estadísticas de clásicas a avanzadas, análisis
multivariante y machine learning.
⇒ Diseñar bases de datos grandes (Big Data) en R con estrategias ETL. CON SOFTWARE R
Material proporcionado
1.-Temario Oficial en pdf
Data Scientist. Software R. De las técnicas clásicas a las avanzadas.
Autor/editor: Tomás Alberto Salmerón Enciso
pp: 600
ISBN: 978-84-608-7178-1
DEP. LEGAL: GR-681-2016

2.-Bases de datos propias.

3.-Software R.
4.-Resolución de mayoría de técnicas en SPSS.
5.-Paquetes adicionales para técnicas avanzadas.
6.-Guía Didáctica.
7.-Material complementario en R.
8.-Acceso a multitud de material de licencia libre en R en Biblioteca Virtual de COCID.
9.-Acceso a más de 60 video-tutoriales.
10.-Servicio de cafetería en modalidad presencial

Sede modalidad presencial

Pico de Orizaba 1, Los Volcanes, 62350 Cuernavaca, Mor. CITPsi- UEAM

administracion@cocid.mx

735 - 339-27-95

COCID Informes
Colegio Científico de Datos
www.cocid.mx/diplomados

Av. 5 de Febrero 117 A, Benito Juárez, C.P.

62900 Jojutla de Juárez, Mor. Inicio 07 de Marzo de 2020
PROMOTORA DE FORMACIÓN ASML. S.C. PROMOTORA DE FORMACIÓN ASML. S.C.
 MÓDULO II. TÉCNICAS CLÁSICAS (40 hrs) MÓDULO III. TÉCNICAS AVANZADAS (40 hrs)
TEMA 1. R SOFTWARE. TEMA 1. TÉCNICAS ACTUALES EN REGRESIÓN. TRATAMIENTO DE DATOS ANÓMALOS.
1.1.- Descripción. 1.1.- Introducción.
1.2.- Bibliotecas.
1.2.- Historia.
1.3.- Formulación.
1.3.- Características 1.4.- Ejemplo completo:
1.4.- Instalación 1.4.1.- Regresión lineal por mínimos cuadrados.
Objetivo 1.5.- Formatos. 1.4.2.- Técnicas actuales en Regresión (tratamiento de datos anómalos).
1.6.- Transponer datos de hoja de cálculo. 1.4.2.1.- Recta de Huber.
Convertirse en un científico de datos profesional con el software R, aprendiendo la potencialidad de 1.7.- Cargado de archivos. 1.4.2.2.- LTS-Least Trimmed Squares.
1.4.2.3.- LMS-Least Median of Squares.
1.8.- Trabajo de bases de datos.
R para el procesamiento de datos, interpretando de forma correcta los resultados obtenidos y así 1.4.2.4.- Recta MM.
1.5.- Conclusión.
innovar en sus proyectos de investigación. TEMA 2. ESTADÍSTICA DESCRIPTIVA I.
2.1.- Gráficos de barras. TEMA 2. REGRESIÓN POISSON.
Dirigido a: 2.2.- Gráficos de sectores. 2.1.- Introducción.
2.3.- Histograma. 2.2.- Cálculo con R.
Ÿ Licenciados, 2.3.- Conclusión.
2.4.- Nubes de puntos.
Ÿ Maestros, 2.5.- Gráficos de cajas.
TEMA 3. MODELOS DE REGRESIÓN LOGÍSTICA. LOGIT Y PROBIT.
Ÿ Doctores e Investigadores de las Ciencias Experimentales, 2.6.- Gráficos para tablas de doble entrada.
3.1.- Introducción.
2.7.- Conclusión. 3.2.- Modelos logit y probit.
Ÿ Psicológicas, 3.3.- Modelos de regresión logit con R.
Ÿ Biológicas, TEMA 3. ESTADÍSTICA DESCRIPTIVA II. 3.4.- Modelos de regresión probit con R.
3.1.- Medidas de posición y dispersión. 3.5.- Conclusión.
Ÿ Médicas, 3.1.1.- Media.
Ÿ y todo aquel interesado, (independiente del campo científico), en conocer el Diseño de 3.1.2.- Mediana. TEMA 4. REGRESIÓN SUAVIZADA.
4.1.- Introducción.
Investigación así como la Ciencia de Datos y la interpretación de resultados, y el trabajo de bases 3.1.3.- Cuasivarianza.
4.2.- Formulación.
3.1.4.- Cuasidesviación típica. 4.3.- Regresión suavizada con R.
de datos con estrategias ETL y cubos OLAP. 3.1.5.- Cuantiles. 4.4.- Conclusión.
3.1.6.- Resumen.
Requisitos de ingreso 3.2.- La distribución normal. TEMA 5. REGRESIÓN MÚLTIPLE ROBUSTA.
3.3.- Medidas para investigación. 5.1.- Introducción.
Ÿ Copia de credencial de elector o identificación oficial 3.4.- Conclusión. 5.2.- Regresión de Huber.
5.3.- Regresión múltiple robusta de Huber.
Ÿ CURP TEMA 4. PRUEBAS NO PARAMÉTRICAS.
5.4.- MM-estimadores.
5.5.- Regresión múltiple M-estimadores.
Ÿ Copia de cédula profesional de licenciatura, Maestría o Doctorado o Copia de Titulo en su caso. 4.1.- Test de Wilcoxon.
4.2.- Test de Wilcoxon – Mann-Whitney.
5.6.- Conclusión.

Ÿ Copia de comprobante de domicilio 4.3.- Test de Kolmogorov – Smirnov.

4.4.- Test de Kruskal – Wallis.
TEMA 6. CORRELACIÓN SIMPLE Y MÚLTIPLE ROBUSTAS.
6.1.- Introducción.
En caso de no tener uno de estos documentos deberá ponerse en contacto con COCID 4.5.- Conclusión. 6.2.- Correlación robusta para dos variables.
6.2.1.- Correlación de porcentaje ajustado.
6.2.2.- Correlación winsorizada.
Modalidad: TEMA 5. CHI-CUADRADO Y T DE STUDENT. 6.2.3.- M-estimadores de Goldberg e Iglewicz.
Número de horas: 200 5.1.- Chi- cuadrado de Pearson. 6.3.- Correlación robusta para p variables.
5.1.1.- Introducción. 6.3.1.- Correlación de porcentaje ajustado entre p variables.
2 Modalidades de aprendizaje: 5.1.2.- Formulación. 6.3.2.- Correlación winsorizada entre p variables.
5.1.3.- Resolución con R. 6.4.- Conclusión.
1.-En la modalidad híbrida. Se imparte de forma presencial en día sábado. Tendrá las ventajas de 5.1.4.- Conclusión.
TEMA 7. MODELOS LINEALES GENERALIZADOS UNIVARIANTES.
5.2.- T-Student.
poder asistir e ir replicando cada técnica en su propia laptop con el apoyo y explicación de personal 5.2.1.- Distribución t-Student.
7.1.- Desarrollo.
7.2.- Conclusión.
experto en el tema. Aparte, durante la semana podrá ir trabajando a su ritmo en la plataforma virtual 5.2.3.- conclusión.
donde encontrará más material complementario, apoyo del profesor continuo y las actividades a TEMA 8. MODELOS LINEALES MIXTOS GENERALIZADOS. DISEÑO POR BLOQUES
TEMA 6. ANÁLISIS DE VARIANZA. DISEÑO COMPLETAMENTE ALEATORIOS.
realizar. ALEATORIZADO. 8.1.- Introducción.
8.2.- Formulación.
2.-En la modalidad virtual. Comenzará a trabajar a su ritmo, en las horas que usted disponga con 6.1.- Un factor clásico. HSD Tukey.
8.3.- Modelos lineales generalizados y mixtos generalizados con R. Diseño por bloques
6.2.- Un factor robusto. HSD Tukey.
el apoyo personalizado del tutor experto. Contará con todo el material (pdf, bases de datos, guía 6.3.- Dos factores clásico.
aleatorios.
8.4.- Conclusión.
didáctica, tareas, video-tutoriales, etc) para sacar el mayor rendimiento a su aprendizaje. 6.4.- Dos factores robusto.
TEMA 9. ÁRBOLES DE REGRESIÓN Y CLASIFICACIÓN (CARTS).
Costo TEMA 7. ANÁLISIS DE VARIANZA. MEDIDAS REPETIDAS. 9.1.- Introducción.
9.2.- Árboles de regresión con R.
$ 15,000.00 MXN (Público en general) 7.1.- Introducción.
9.3.- Prunned o podado del Árbol.
7.2.- Formulación.
Puede realizarlo en un solo pago antes del comienzo del diplomado o en cinco pagos diferidos. 7.3.- Análisis de Varianza. Medidas Repetidas con R.
9.4.- Árboles de clasificación con R.
9.5.- Conclusión.
7.4.- Conclusión.
Ÿ Antes del día comienzo de diplomado $3,000.00 MXN TEMA 10. MODELOS ADITIVOS GENERALIZADOS GAM.
TEMA 8. REGRESIÓN Y CORRELACIÓN LINEAL SIMPLES. 10.1.- Introducción.
Ÿ 1-5 de abril $3,000.00 MXN 8.1.- Regresión lineal simple. 10.2.- Formulación.
Ÿ 1-5 de mayo $3,000.00 MXN 8.1.1.- Introducción. 10.3.- Modelos GAM con R.
10.4.- Conclusión.
Ÿ 1-5 de junio $3,000.00 MXN 8.1.2.- Modelo.
8.1.3.- Contraste.
Ÿ 1-5 de julio $3,000.00 MXN 8.1.4.- Tabla de análisis de varianza.
TEMA 11. ANÁLISIS DE SUPERVIVENCIA.
11.1.- Introducción.
8.1.5.- Regresión con R. 11.2.- Cálculo completo en R. Uno y dos grupos.
Nota: 8.1.6.- Conclusión.
Si requiere factura, esta será más el 16% IVA 8.2.- Correlación simple. TEMA 12. MODELOS SARIMA DE SERIES TEMPORALES.
8.2.1.- Introducción. 12.1.- Introducción.
8.2.2.- Coeficiente de correlación de Pearson. 12.2.- Objetivos y usos en las diferentes ciencias.
Proceso de Inscripción. 8.2.3.- Correlación lineal con R.
12.3.- Paquetes a instalar en R.
12.4.- Bibliotecas a abrir en R.
1.-Ingresar al siguiente link para poder realizar el pre-registro. 8.2.4.- Conclusión. 12.5.- Cómo introducir los datos en R.
12.6.- Ejemplo completo:
https://www.cocid.mx/diplomado-diseno-de-investigacion/ TEMA 9. REGRESIÓN MÚLTIPLE. 12.6.1.- Cálculo con R.
2.- Una vez registrado en el sistema, el personal de COCID, se pondrá en contacto con usted y 9.1.- Modelo. 12.6.2.- Filtrado lineal.
12.6.3.- Modelos SARIMA:
9.2.- Contraste de la regresión lineal múltiple.
proporcionará los datos para realizar los pagos correspondientes. 12.6.3.1.- Identificación del modelo.
9.3.- Tabla de análisis de la varianza para la regresión lineal múltiple.
12.6.3.2.- Estimación de los parámetros.
Temario: 9.4.- Estimación de la varianza común.
12.6.3.3.- Diagnosis.
9.5.- Contraste de hipótesis sobre los coeficientes de regresión. 12.6.3.4.- Predicción.
MÓDULO I. DISEÑO DE INVESTIGACIÓN (40 hrs)
9.6.- Regresión múltiple con R. 12.6.3.5.- Test de serie estacionaria.
TEMA 1. FUNDAMENTOS Y BASES EMPÍRICAS. 9.7.- Selección secuencial de variables por pasos. 12.6.4.- Cointegración de Series.
12.7.- Conclusión.
TEMA 2. ELECCIÓN DEL TEMA, OBJETIVOS E HIPÓTESIS. TEMA 10. CORRELACIÓN MÚLTIPLE.
10.1.- Introducción. TEMA 13. PARÁMETROS GRÁFICOS.
TEMA 3. MUESTREOS, TIPOS, DATOS Y CONTROLES. 10.2.- Cálculo con R. 13.1.- Gráfico plot. Función legend.
13.2.- Recta de regresión.
10.3.- Representaciones gráficas. 13.3.- Histograma.
TEMA 4. TIPOS DE DISEÑOS DE INVESTIGACIÓN. 10.4.- Conclusión. 13.4.- Gráfico de cajas.
13.5.- Gráficos de barras con barras de error.