Ciencia de datos para la toma de decisiones gerenciales – 1ra edicióneBook
N/A

SOBRE EL AUTOR

Juan Manuel Candelo Viáfara

Profesor asociado en la Universidad del Valle, seccional Buga. Ha enseñado en áreas administrativas, económicas y financieras en diversos programas. Autor de más de 20 publicaciones científicas en revistas Q2, B y C (Publindex), así como libros y capítulos de investigación, incluido uno publicado por Springer.

Carlos Fernando Osorio Andrade

Profesor e investigador de la Universidad del Valle e investigador del INTEP con 8 años de Experiencia docente en pregrado y posgrado. Consultor en investigación de mercados y estrategias de marketing online (SEO y SEM). Autor de más de 20 artículos científicos sobre comportamiento digital del consumidor, turismo y modelos estadísticos avanzados.

Edwin Arango Espinal

Profesor y director en la Universidad del Valle, sede Caicedonia/Sevilla. Investigador en innovación tecnológica, gobernanza y marketing, con publicaciones en revistas de alto impacto. Destacado en análisis bibliométrico y modelos de datos. Líder en proyectos de innovación educativa, combinando rigor académico con enfoques prácticos. Cuenta con experiencia como CEO de organizaciones sin fines de lucro, además de ser coordinador de proyectos educativos y ejecutivo senior en tecnología y educación superior.

TABLA DE CONTENIDO

Resumen ejecutivo

Capítulo 1. Modelos de corte transversal
1.1 Introducción a la regresión simple
1.2 Importancia y aplicaciones en administración y negocios
1.3 Supuestos del modelo de regresión simple
1.3.1 Supuesto de linealidad
1.3.2 Supuesto de independencia
1.3.3 Supuesto de homocedasticidad
1.3.4 Supuesto de normalidad
1.3.5 Supuesto de multicolinealidad
1.4 Aplicación e interpretación del modelo de regresión
1.4.1 Interpretación de resultados
1.4.2 Evaluando la calidad del modelo
1.4.3 Interpretando una salida de resultados en un software estadístico
1.5 ¿Son importantes los modelos de corte transversal?

Capítulo 2. Datos de conteo
2.1 Introducción a los datos de conteo
2.2 Determinando si los datos son de conteo
2.3 Rechazando el supuesto de normalidad
2.4 Distribuciones comunes para datos de conteo
2.4.1 Distribución de Poisson
2.4.2 Distribución binomial negativa
2.4.3 Selección de la distribución adecuada
2.5 Supuestos de los modelos de conteo
2.5.1 Homocedasticidad
2.5.2 Ausencia de multicolinealidad
2.5.3 Independencia de observaciones
2.6 Aplicación del modelo de conteo
2.7 Los datos de conteo y su importancia en la toma de decisiones

Capítulo 3. Modelos Binarios
3.1 Introducción a los modelos logit
3.2 Características de la variable dependiente binaria
3.3 Supuestos de la regresión binaria
3.4 Aplicación del modelo logit
3.5 Los modelos binarios y su desarrollo en la modernidad empresarial

Capítulo 4. Series de tiempo
4.1 Una serie de tiempo
4.2 Modelos autorregresivos integrados de medias móviles (ARIMA)
4.3 Regresión cuantílica en series de tiempo
4.4 Modelo VAR
4.5 Series de tiempo una complejidad sencilla de abordar
Conclusiones generales
Referencias