Materia	Carrera	Plan	Año	Periodo
ANÁLISIS DE DATOS II	LICENCIATURA EN ANÁLISIS Y GES	OCS-1-27/22	2025	2° cuatrimestre

Docente	Función	Cargo	Dedicación
GALDEANO, PATRICIA LUCIA	Prof. Responsable	P.Asoc Exc	40 Hs
CALVO, ESTEFANÍA	Prof. Co-Responsable	Visitante	10 Hs
PODUJE, MARÍA SILVIA	Responsable de Práctico	A.1ra Simp	10 Hs

La asignatura Análisis de Datos II se propone profundizar los conocimientos estadísticos adquiridos en Análisis de Datos I, incorporando herramientas avanzadas para la inferencia estadística y el análisis de datos en contextos reales, especialmente en el ámbito de las Ciencias Sociales y de la Salud. Se introducen métodos paramétricos y no paramétricos, comparaciones múltiples, análisis con software estadístico y técnicas modernas como el bootstrap. La formación busca que las y los estudiantes desarrollen competencias para el análisis crítico de datos y la toma de decisiones basadas en evidencia.

-EJES/COMPETENCIAS DE LA CARRERA A LOS QUE APORTA LA ASIGNATURA COMPETENCIA
APORTE ALTO: Favorecer el pensamiento crítico y la interpretación contextualizada de los resultados.

APORTE MEDIO: Profundizar en el uso de software estadístico y planillas de cálculo aplicadas al análisis de datos reales.
Desarrollar habilidades para realizar inferencias estadísticas, tanto paramétricas como no paramétricas.
Conocer y aplicar técnicas de comparación de medias, análisis de independencia y verosimilitud.

APORTE BAJO: Introducir herramientas modernas como el método bootstrap.

UNIDAD I:
Inferencia estadística paramétrica Manejo de planillas de cálculo (Excel, Google Sheets) y/o software estadístico (R, SPSS, Jamovi, Python, etc.). Carga, procesamiento y visualización de datos. Preparación de datos: codificación de variables, detección de valores atípicos, manejo de valores perdidos. Estimación de parámetros poblacionales: puntuales e intervalos de confianza. Comparación de medias en una y dos poblaciones normales: muestras independientes y apareadas. Pruebas de hipótesis para la diferencia de medias: formulación, estadísticos de prueba, interpretación de p-valor y errores tipo I y II. Banda de confianza y su relación con los intervalos. Test de Wald y razón de verosimilitud como herramientas de contraste. Aplicación de análisis estadísticos a conjuntos de datos reales de las ciencias sociales y de la salud. Presentación e interpretación de resultados con criterios de claridad y comunicación científica.
UNIDAD II:
Inferencia estadística no paramétrica Fundamentos y cuándo aplicarlos: ausencia de normalidad, escalas ordinales o muestras pequeñas. Pruebas de una muestra: test de signos, test de Wilcoxon. Comparación de dos muestras independientes: test de Mann-Whitney U. Comparación de muestras apareadas: test de Wilcoxon para pares relacionados. Pruebas de independencia: Chi-cuadrado para tablas de contingencia. Aplicación de análisis estadísticos a conjuntos de datos reales de las ciencias sociales y de la salud. Presentación e interpretación de resultados con criterios de claridad y comunicación científica.
UNIDAD III:
Métodos de remuestreo – Introducción al Bootstrap Limitaciones de los métodos clásicos y motivación del uso del bootstrap. Principios del método bootstrap: generación de muestras con reemplazo. Estimación de intervalos de confianza mediante bootstrap. Interpretación de resultados y ventajas del método. Aplicación de análisis estadísticos a conjuntos de datos reales de las ciencias sociales y de la salud. Presentación e interpretación de resultados con criterios de claridad y comunicación científica.
UNIDAD IV:
Comparaciones múltiples Problema del error tipo I acumulado en comparaciones múltiples. Métodos de ajuste: Bonferroni, Holm, Tukey HSD, entre otros. Comparación de múltiples medias en contextos aplicados. Análisis post-hoc y selección de grupos homogéneos. Aplicación en casos con diseño experimental o encuestas por grupos. Discusión crítica sobre la interpretación y uso ético de comparaciones múltiples. Aplicación de análisis estadísticos a conjuntos de datos reales de las ciencias sociales y de la salud. Presentación e interpretación de resultados con criterios de claridad y comunicación científica.

METODOLOGÍA DE ENSEÑANZA
La asignatura se desarrolla con una metodología tipo taller, centrada en el aprendizaje activo y contextualizado. Se prioriza el abordaje de problemas reales mediante el uso de datos provenientes de fuentes confiables, especialmente del ámbito de las ciencias sociales y de la salud, lo que permite a las y los estudiantes comprender el valor aplicado de las herramientas estadísticas. A través de clases interactivas, trabajos prácticos y el uso de software estadístico, se promueve la comprensión profunda de los conceptos, el análisis crítico de resultados y la toma de decisiones fundamentadas. Las actividades se estructuran en torno a proyectos de análisis de datos, los cuales implican etapas de exploración, formulación de hipótesis, aplicación de métodos estadísticos y comunicación de hallazgos. Se favorece el trabajo colaborativo en pequeños grupos, fomentando la argumentación, la discusión metodológica y el respeto por la diversidad de enfoques. Se integran recursos digitales como simuladores, planillas de cálculo, entornos de programación (R o Python) y plataformas virtuales de aprendizaje para enriquecer el proceso formativo. El rol del equipo docente es acompañar el proceso como guía, facilitador y generador de instancias de reflexión crítica. Se estimula el uso ético de los datos y la interpretación responsable de los resultados, con especial énfasis en la transparencia metodológica y la comunicación efectiva de conclusiones estadísticas. Esta propuesta metodológica busca consolidar la autonomía intelectual, la capacidad analítica y el compromiso profesional con el uso riguroso de la estadística.

Evaluación de la asignatura
De acuerdo con lo establecido en el Anexo II de la Ordenanza CS 5/2018, la evaluación de la asignatura se basa en un enfoque continuo, que promueve la participación activa en clase y la entrega de trabajos prácticos. Estos deben evidenciar:
Comprensión conceptual de los métodos estadísticos
Aplicación adecuada de técnicas de inferencia
Uso pertinente de herramientas informáticas
Interpretación y comunicación clara de resultados
Trabajo colaborativo y participación activa
Se adopta una evaluación integrada que contempla aspectos conceptuales, procedimentales y actitudinales. Este enfoque permite valorar no solo la aplicación de técnicas estadísticas, sino también la capacidad de argumentación, el trabajo en equipo y la toma de decisiones fundamentadas.
Acreditación:
La asignatura se acredita únicamente mediante promoción directa. Los estudiantes que no alcancen la promoción quedarán en condición de libres y deberán recursar la materia.
Requisitos para aprobar
Para aprobar el curso, el estudiante debe:
Aprobar al menos el 80% de los trabajos grupales (o sus respectivos recuperatorios) con una calificación mínima de 7 (siete).
Condición de alumno libre
Los estudiantes que no cumplan con los requisitos de regularidad no podrán rendir la asignatura en condición de alumnos libres. Por lo tanto, deberán recursarla.

[1] Behar, R. y Grima, P. (2022). Estadística. Preguntas frecuentes. Universidad del Valle. Disponible en: https://www.estadisticapreguntasfrecuentes.com
[2] Sánchez Alberca, A. (2024). Manual de Estadística para Ciencias e Ingenierías. Disponible en: https://aprendeconalf.es/estadistica-manual/manual-estadistica.pdf

[1] Mendenhall, W.; Beaver, R.; Beaver, B. (2010). Introducción a la probabilidad y estadística. 13ª Edición. McGraw-Hill.
[2] Posada Hernández, G. (2016). Elementos básicos de la estadística descriptiva para el análisis de datos. Fundación Universitaria Luis Amigó.
[3] Quintela del Río, A. (2019). Estadística Básica Edulcorada. Disponible en: https://bookdown.org/aquintela/EBE/

Favorecer el pensamiento crítico y la interpretación contextualizada de los resultados.
Desarrollar habilidades para realizar inferencias estadísticas, tanto paramétricas como no paramétricas.
Profundizar en el uso de software estadístico y planillas de cálculo aplicadas al análisis de datos reales.

Uso de planillas de cálculo y/o software estadístico con aplicación en Ciencias Sociales y de la Salud. Inferencia estadística paramétrica. Bandas de confianza para diferencia de medidas de poblaciones normales. Noción de bootstrap. Test de independencia. Test de Wald y de razón de verosimilitud. Comparaciones múltiples. Inferencia no paramétrica para una muestra, muestras apareadas y muestras independientes.

 

Mail docente del curso: escalvo@ucasal.edu.ar
patriciagaldeano@gmail.com