Programa del Curso

Información General

Curso: Taller de Métodos y Técnicas de Investigación I
Programa: Magíster en Sociología
Profesor/a: Carolina Aguilera
Ayudante: Fran Sofía Núñez Rebolledo
Créditos y carácter: 5 créditos y de carácter obligatorio
Horas cronológicas de dedicación:
- Docencia directa: 42 hrs.
- Trabajo autónomo: 135 hrs.

Descripción

Este taller proporciona formación práctica en el uso de R para análisis estadístico en ciencias sociales. El curso enfatiza la aplicación de técnicas estadísticas fundamentales, desde estadística descriptiva hasta modelos de regresión múltiple, utilizando datos reales de investigación social.

Objetivos de Aprendizaje

Al finalizar el curso, las y los estudiantes serán capaces de:

Manipular y preparar datos para análisis estadístico en R
Realizar análisis estadísticos descriptivos e inferenciales
Aplicar pruebas de hipótesis apropiadas según el tipo de datos
Ejecutar y interpretar análisis de correlación y regresión
Comunicar resultados estadísticos de manera clara y profesional

Metodología

El curso se estructura en sesiones prácticas donde se combinan:

Exposiciones teóricas breves sobre los conceptos estadísticos
Demostraciones en vivo de código en R
Ejercicios prácticos guiados
Trabajo autónomo con datos reales

Se espera que las y los estudiantes tengan un computador con R y RStudio instalados a cada sesión. Los contenido por sesión son los de la ayudantía. Los de las cátedra los pueden encontrar en el programa del curso.

Contenidos por Sesión

Sesión 1: Introducción a R y Estadística Descriptiva (I)

Fecha: 21 de octubre, 2025.

Interfaz de RStudio y flujo de trabajo
Tipos de objetos en R (vectores, dataframes, listas)
Importación de datos
Medidas de tendencia central
Tablas de frecuencia y contingencia

Lecturas

Sesión 2: Estadística Descriptiva (II) y Prueba de Hipótesis (I)

Fecha: [Fecha]

Medidas de dispersión y posición
Visualización de datos (histogramas, boxplots, gráficos de barras)
Introducción a la inferencia estadística
Prueba t para una muestra
Prueba t para muestras independientes

Lecturas

Wackerly, Dennis D. and William, Mendenhall and Scheaffer, Richard L. S. (2010). Estadística matemática con aplicaciones. Cengage Learning Editores
DeGroot, Morris and Schervish, Mark. (2014). Probability and Statistics. Pearson Education Limited
Blitzstein, Joseph K. and Hwang, Jessica. (2019). Introduction to Probability. Second Edition: Taylor & Francis Group
Canavos, George C. (1988). Probabilidad y Estadística. Aplicaciones y métodos. McGraw-Hill

Sesión 3: Prueba de Hipótesis (II) y ANOVA

Fecha: [Fecha]

Prueba t para muestras pareadas
Pruebas no paramétricas (Wilcoxon, Mann-Whitney)
ANOVA de un factor
Comparaciones post-hoc (Tukey, Bonferroni)
Supuestos y diagnósticos

Lecturas: - [Referencias]

Sesión 4: Correlación Bivariada y Regresión Lineal Simple

Fecha: [Fecha]

Correlación de Pearson y Spearman
Matrices de correlación
Introducción a la regresión lineal simple
Estimación e interpretación de coeficientes
R² y bondad de ajuste

Lecturas: - [Referencias]

Sesión 5: Regresión Lineal Múltiple

Fecha: [Fecha]

Regresión lineal múltiple
Interpretación de coeficientes con múltiples predictores
Variables dummy y categóricas
Diagnóstico de regresión (residuos, multicolinealidad)
Presentación de resultados

Lecturas: - [Referencias]

Bibliografía Básica del curso

Aldás, Joaquín y Uriel, Ezequiel (2017). Análisis multivariante aplicado con R. Ediciones Parainfo.
Moore, D. (2005). Estadística básica aplicada. Barcelona: Antonio Bosch Editor
Pardo, Ruiz y San Martín. (2015). Análisis de Datos en Ciencias Sociales y de la Salud I. Editorial Síntesis: Madrid
Ritchey, F. (2002). Estadísticas para las Ciencias Sociales: El potencial de la imaginación estadística. México: Mc Graw Hill.
Wooldrige, J. (2010). Introducción a la econometría: un enfoque moderno. 4ta edición. Mexico: Cengage Learning.

Bibliografía Complementaria de R

Christoph Hanck, Martin Arnold, Alexander Gerber, and Martin Schmelzer (2025). Introduction to Econometrics with R. Libro web Disponible en https://www.econometrics-with-r.org/.
Gema Fernández-Avilés y José-María Montero (Eds.) (2024). Fundamentos de ciencia de datos con R. McGrawHiil. Libro web disponible en https://cdr-book.github.io/index.html.

Políticas del Curso

Asistencia

Se requiere [X%] de asistencia para aprobar el curso. Las inasistencias deben ser justificadas.

Integridad Académica

Se espera honestidad académica en todos los trabajos. El plagio o copia resultará en la reprobación del curso según el reglamento de la universidad.

Uso de IA y Herramientas

[Define tu política sobre el uso de ChatGPT, Claude, u otras herramientas de IA para resolver ejercicios]

--- title: "Programa del Curso" --- ## Información General - **Curso:** Taller de Métodos y Técnicas de Investigación I - **Programa:** Magíster en Sociología - **Profesor/a:** Carolina Aguilera - **Ayudante:** Fran Sofía Núñez Rebolledo - **Créditos y carácter:** 5 créditos y de carácter obligatorio - **Horas cronológicas de dedicación:** - *Docencia directa*: 42 hrs. - *Trabajo autónomo*: 135 hrs. ## Descripción Este taller proporciona formación práctica en el uso de R para análisis estadístico en ciencias sociales. El curso enfatiza la aplicación de técnicas estadísticas fundamentales, desde estadística descriptiva hasta modelos de regresión múltiple, utilizando datos reales de investigación social. ## Objetivos de Aprendizaje Al finalizar el curso, las y los estudiantes serán capaces de: 1. Manipular y preparar datos para análisis estadístico en R 2. Realizar análisis estadísticos descriptivos e inferenciales 3. Aplicar pruebas de hipótesis apropiadas según el tipo de datos 4. Ejecutar y interpretar análisis de correlación y regresión 5. Comunicar resultados estadísticos de manera clara y profesional ## Metodología El curso se estructura en sesiones prácticas donde se combinan: - Exposiciones teóricas breves sobre los conceptos estadísticos - Demostraciones en vivo de código en R - Ejercicios prácticos guiados - Trabajo autónomo con datos reales Se espera que las y los estudiantes tengan un computador con R y RStudio instalados a cada sesión. Los contenido por sesión son los de la *ayudantía*. Los de las cátedra los pueden encontrar en el programa del curso. ## Contenidos por Sesión ### Sesión 1: Introducción a R y Estadística Descriptiva (I) **Fecha:** 21 de octubre, 2025. - Interfaz de RStudio y flujo de trabajo - Tipos de objetos en R (vectores, dataframes, listas) - Importación de datos - Medidas de tendencia central - Tablas de frecuencia y contingencia #### Lecturas - [Fernández-Avilés, G. y Montero, J-M. (Eds.). (2024). *Fundamentos de ciencia de datos con R*. McGraw-Hill Interamericana de España](https://cdr-book.github.io/index.html) - [Cano, E. L. En Fernández-Avilés, G. y Montero, J-M. (Eds.). (2024). *R para ciencia de datos*. McGraw-Hill Interamericana de España](https://cdr-book.github.io/ch-110003.html) - [Wickham, H. y Grolemund, G. (2023). *R Para Ciencia de Datos* (traducción). O'Reilly Media](https://es.r4ds.hadley.nz/01-intro.html) - [Wickham, H. (2019). *Advanced R*. Second Edition: CRC Press y Taylor & Francis Group](https://adv-r.hadley.nz/index.html) --- ### Sesión 2: Estadística Descriptiva (II) y Prueba de Hipótesis (I) **Fecha:** [Fecha] - Medidas de dispersión y posición - Visualización de datos (histogramas, boxplots, gráficos de barras) - Introducción a la inferencia estadística - Prueba t para una muestra - Prueba t para muestras independientes #### Lecturas - [Wackerly, Dennis D. and William, Mendenhall and Scheaffer, Richard L. S. (2010). *Estadística matemática con aplicaciones*. Cengage Learning Editores](https://www.cimat.mx/ciencia_para_jovenes/bachillerato/libros/[Wackerly,Mendenhall,Scheaffer]Estadistica_Matematica_con_Aplicaciones.pdf) - DeGroot, Morris and Schervish, Mark. (2014). *Probability and Statistics*. Pearson Education Limited - [Blitzstein, Joseph K. and Hwang, Jessica. (2019). *Introduction to Probability*. Second Edition: Taylor & Francis Group](https://uni.dcdev.ro/y2s2/ps/Introduction%20to%20Probability%20by%20Joseph%20K.%20Blitzstein,%20Jessica%20Hwang%20(z-lib.org).pdf) - [Canavos, George C. (1988). *Probabilidad y Estadística. Aplicaciones y métodos*. McGraw-Hill](https://gsosa61.wordpress.com/wp-content/uploads/2008/03/10-canavos-g-probabilidad-y-estadistica-aplicaciones-y-metodos.pdf) --- ### Sesión 3: Prueba de Hipótesis (II) y ANOVA **Fecha:** [Fecha] - Prueba t para muestras pareadas - Pruebas no paramétricas (Wilcoxon, Mann-Whitney) - ANOVA de un factor - Comparaciones post-hoc (Tukey, Bonferroni) - Supuestos y diagnósticos **Lecturas:** - [Referencias] --- ### Sesión 4: Correlación Bivariada y Regresión Lineal Simple **Fecha:** [Fecha] - Correlación de Pearson y Spearman - Matrices de correlación - Introducción a la regresión lineal simple - Estimación e interpretación de coeficientes - R² y bondad de ajuste **Lecturas:** - [Referencias] --- ### Sesión 5: Regresión Lineal Múltiple **Fecha:** [Fecha] - Regresión lineal múltiple - Interpretación de coeficientes con múltiples predictores - Variables dummy y categóricas - Diagnóstico de regresión (residuos, multicolinealidad) - Presentación de resultados **Lecturas:** - [Referencias] ## Bibliografía Básica del curso - Aldás, Joaquín y Uriel, Ezequiel (2017). *Análisis multivariante aplicado con R*. Ediciones Parainfo. - Moore, D. (2005). *Estadística básica aplicada*. Barcelona: Antonio Bosch Editor - Pardo, Ruiz y San Martín. (2015). *Análisis de Datos en Ciencias Sociales y de la Salud I*. Editorial Síntesis: Madrid - Ritchey, F. (2002). *Estadísticas para las Ciencias Sociales: El potencial de la imaginación estadística*. México: Mc Graw Hill. - Wooldrige, J. (2010). *Introducción a la econometría: un enfoque moderno*. 4ta edición. Mexico: Cengage Learning. ## Bibliografía Complementaria de R - Christoph Hanck, Martin Arnold, Alexander Gerber, and Martin Schmelzer (2025). *Introduction to Econometrics with R*. Libro web Disponible en [https://www.econometrics-with-r.org/](https://www.econometrics-with-r.org/). - Gema Fernández-Avilés y José-María Montero (Eds.) (2024). *Fundamentos de ciencia de datos con R*. McGrawHiil. Libro web disponible en [https://cdr-book.github.io/index.html](https://cdr-book.github.io/index.html). ## Políticas del Curso ### Asistencia Se requiere [X%] de asistencia para aprobar el curso. Las inasistencias deben ser justificadas. ### Integridad Académica Se espera honestidad académica en todos los trabajos. El plagio o copia resultará en la reprobación del curso según el reglamento de la universidad. ### Uso de IA y Herramientas [Define tu política sobre el uso de ChatGPT, Claude, u otras herramientas de IA para resolver ejercicios]