Este programa doctoral se gestiona íntegramente en línea mediante e‑learning, disponible en español o en inglés para hablantes nativos. Los estudiantes admitidos pueden cursarlo desde su país de residencia y en el idioma seleccionado durante la admisión. Toda la instrucción, actividades, ejercicios y evaluaciones se desarrollan completamente online. A cada estudiante se le asignará un asistente académico de enlace con el Academic Staff, que le asistirá en todo momento por correo electrónico.
El Doctorado en Statistics proporciona a los estudiantes que hayan obtenido un título de maestría en el área objeto de estudio o afín al mismo, un medio para explorar su disposición personal a ser líderes en la profesión. Los estudiantes adquieren dominio de la literatura de su especialidad y de la investigación, aunado a su práctica profesional de alto nivel, demostrando su competencia mediante la aplicación de este conocimiento. Un doctorado es el máximo reconocimiento para las personas que desean alcanzar resultados por encima del promedio y están dispuestas a afrontar los retos de la vida.
Las especialidades del doctorado se definen en el proceso de admisión.
Se espera que los estudiantes posean competencias en pensamiento crítico, investigación estadística, análisis cuantitativo, modelamiento matemático, probabilidad, análisis de datos y uso de herramientas computacionales, que les permitan desarrollar de forma autónoma las investigaciones propias del programa doctoral.
Composición del Doctorado (54 créditos)
El programa comprende 54 créditos, distribuidos en 7 asignaturas de 6 créditos (42 créditos) y Metodología de Investigación, Proyecto y Tesis (12 créditos).
Durante el proceso de admisión, la Universidad podrá reconocer estudios previos y experiencia profesional comprobable mediante convalidaciones de 12 a 18 créditos, cuando corresponda. En consecuencia, los estudiantes precalificados normalmente cursarán 4 o 5 asignaturas de investigación avanzada, además de Metodología de Investigación, Proyecto y Tesis, de acuerdo con el plan de estudios personalizado que determine la Facultad según su perfil académico y profesional.
Duración: Cada curso tiene una duración estimada de dos (2) meses, y la tesis doctoral un mínimo de seis (6) meses. La duración total del programa dependerá de la dedicación del estudiante, las convalidaciones aprobadas por estudios previos y/o experiencia profesional, así como de los créditos pendientes por completar. Quienes cumplen el perfil de ingreso podrán finalizar el programa en un plazo aproximado de 14 a 18 meses (aplican restricciones). Para una precalificación gratuita, envíe su currículo a admissions@tauniversity.org.
Perfil de ingreso: profesionales con título de maestría o nivel equivalente, relacionado o afín al objeto de estudio del doctorado, expedido por una institución de educación superior reconocida y preferiblemente con formación o experiencia en el área de especialización del programa.
Requisito clave: poseer un título de maestría afín y demostrar conocimientos o experiencia en el área de especialización, así como familiarización con las tecnologías y herramientas relacionadas con el objeto de estudio, que le permitan desarrollar de forma remota las investigaciones, actividades prácticas y demás trabajos académicos requeridos por el programa.
Modalidad: programa 100 % en línea (e-learning), con acompañamiento académico personalizado, investigación independiente y horarios flexibles.
El trabajo académico del doctorando consiste en desarrollar cada Curso Independiente de Investigación Avanzada mediante investigación bibliográfica, recursos digitales, el Campus Virtual y las directrices metodológicas del programa. Cuando la especialidad lo requiera, deberán realizarse las prácticas, laboratorios o experimentos correspondientes.
La evaluación final de cada curso consiste en la elaboración y aprobación de un Informe Final de Investigación de aproximadamente 35 páginas (sin incluir preliminares ni anexos), original, auténtico y metodológicamente riguroso, elaborado conforme a las normas y formato establecidos por la Universidad. Durante el desarrollo del curso, el estudiante realizará investigaciones, análisis y actividades académicas complementarias que fortalecerán su proceso de aprendizaje e investigación.
La tesis doctoral es individual, original y auténtica, con una extensión recomendada de 90 a 100 páginas (sin incluir páginas preliminares ni anexos), previa aprobación de la propuesta por el Academic Staff. Asimismo, uno de los trabajos de investigación aprobados deberá ser publicado como artículo científico o Research Paper en una revista arbitrada reconocida por la Universidad
Requisitos de inscripción:
Copia del título de pregrado (licenciatura o equivalente).
Copia del título de maestría y de la transcripción oficial de calificaciones.
Copia del documento de identidad vigente con fotografía.
Propuesta del plan y modalidad de pago seleccionados.
Constancia de experiencia laboral, profesional y/o de docencia universitaria (cuando aplique).
Para iniciar el proceso de admisión, estos documentos deberán remitirse en formato electrónico (PDF o Word) al correo electrónico admissions@tauniversity.org o bien completar la Solicitud de Admisión en línea en: https://tauniversity.org/aplicacion
Temas y Cursos:
Los cursos y temas que se presentan a continuación tienen carácter referencial y describen la estructura general del programa. Las asignaturas que cada estudiante cursará serán definidas por el Consejo de la Facultad durante el proceso de admisión, de acuerdo con su formación previa, experiencia profesional, necesidades de nivelación y, cuando corresponda, sus intereses académicos. Asimismo, el plan de estudios podrá incorporar las actualizaciones curriculares vigentes o aquellas que se encuentren en proceso de implementación al momento de la admisión y que, por tal motivo, no estén reflejadas en la presente descripción del programa.
EST801 – Inferencia Estadística Avanzada / Advanced Statistical Inference
EST802 – Modelos Lineales y No Lineales / Linear and Nonlinear Models
EST803 – Probabilidad y Procesos Estocásticos / Probability and Stochastic Processes
EST804 – Métodos Bayesianos / Bayesian Methods
EST805 – Análisis Multivariado / Multivariate Analysis
EST806 – Series Temporales y Modelos Dinámicos / Time Series and Dynamic Models
EST807 – Métodos de Investigación en Estadística / Research Methods in Statistics
DPS801 Estadísticas Aplicadas Modernas
DPS802 Análisis Multivariable
DPS803 Teoría Estadística Avanzada
DPS804 Temas en Física Matemática
DPS805 Monte Carlo
DPS806 Estimación de Función en Ruido Blanco
DPS807 Análisis de Supervivencia
DPS808 Estadística Aplicada Moderna: Minería de Datos
DPS809 Procesos Estocásticos
DT800 –Tecnologías de Información para la Investigación Avanzada / Information Technologies for Advanced Research:
Estudio integrado de herramientas digitales, análisis de datos, inteligencia artificial, automatización, computación en la nube y tecnologías emergentes aplicadas al campo objeto de estudio.
999A Doctoral Dissertation or Thesis
El trabajo académico del estudiante consiste en desarrollar cada Curso Avanzado Independiente de Investigación, basado en investigación bibliográfica, recursos online, directrices metodológicas del programa y demás recursos disponibles para la investigación. El examen final de cada curso consiste en redactar y aprobar el Informe Final de Investigación de 35 páginas sin contar páginas preliminares ni anexos, original y auténtico. El Informe de Investigación representa el resultado final del proceso de investigación de cada curso y debe estar estructurado y compuesto de conformidad con el formato que exige la Universidad.
La tesis, se emprenderá previa aprobación de la propuesta por parte del Academic Staff de la Universidad, preferiblemente no mayor de 100 páginas sin contar páginas preliminares ni anexos, ni menor de 90 páginas, original y auténtica.
Uno de los trabajos de investigación aprobados, debe ser publicado como artículo científico o Research Paper en revistas científicas de cobertura mundial aceptadas por TAU. La Universidad puede gestionar ayudas para estas publicaciones mediante convenios existentes.
Todas las presentaciones se harán vía Internet.
[ TITULACIONES Y CERTIFICACIONES ]
Nuestros alumnos recibirán su título y notas Apostillado por la Haya a los efectos legales oportunos.
"El trámite de apostilla certificará la autenticidad de la firma de los documentos públicos en un país firmante del Convenio de La Haya, de 5 de octubre de 1961, por el que se suprime la exigencia de legalización de los Documentos Públicos Extranjeros que deban surtir efectos en otro país firmante del mismo. Con todo esto, el egresado de TAU, consigue consolidar su Curriculum, prestigio y profesionalidad a nivel internacional ".
Los estudiantes de países no adscritos a la Convención de La Haya, deben solicitar a la Universidad el procedimiento de legalización consular.
Matrícula y colegiatura: US$ 6,999
Planes de pago sin intereses (si paga antes de la fecha de vencimiento): 24 cuotas mensuales de US$ 292, 32 cuotas mensuales de US$ 219. Incluye: matrícula, registro, programa académico, material didáctico digital, acompañamiento virtual, asesoría académica, metodología, evaluaciones y seguimiento.
Cuota de graduación US$ 650. Incluye: tesis (o proyecto de grado), diploma y transcript en inglés, autenticación del título o apostilla, puede cancelarse en dos o más cuotas, antes de la fecha de grado. Formas de pago: tarjeta de débito o crédito a través de servidor seguro y transferencia bancaria.
Para mayor información sobre la metodología de estudio y requerimientos de admisión, visite https://tauniversity.org/programas/doctorados-distancia-online
- - - - - - -
Programa Sinóptico
DPS801: Regresión lineal y métodos relacionados. Selección de modelo, menos ángulo de regresión y el lazo, métodos escalonados. Clasificación. Análisis discriminante lineal, regresión logística, y soporte de máquinas vectoriales (MVS). Expansiones de la base, splines y regularización. Métodos del kernel. Modelos aditivos generalizados. Alisado del núcleo. Mezclas de Gauss y el algoritmo EM. Evaluación y selección de modelos: crossvalidation y el bootstrap. Pathwise de coordenadas de descenso. Modelos gráficos dispersos.
DPS802: Temas sobre análisis multivariante y matrices aleatorias en estadística.
DPS803: Abarca una amplia gama de temas, incluyendo: procesos empíricos, eficiencia asintótica, convergencia uniforme de medidas, contigüidad, métodos de remuestreo, expansiones Edgeworth.
DPS804: Cubre temas en física matemática. Los temas específicos pueden variar, dependiendo del investigador. Conocimientos avanzados en teoría y análisis de probabilidad es deseable para este curso.
DPS805: Números y vectores aleatorios: inversión, aceptación-rechazo, cópulas. Reducción de varianza: antithetics, estratificación, control de variables, muestreo de importancia. MCMC: cadenas de Markov, balance detallado, Metropolis-Hastings, metrópolis al azar de la caminata, muestreador de nnindependence, muestreo de Gibbs, dechado de la rebanada, híbridos de Gibbs y metrópoli, Temple. Montecarlo secuencial. Cuasi-Monte Carlo. Cuasi-Montecarlo aleatorizado. Ejemplos, problemas y motivación de las estadísticas Bayesiana, aprendizaje nnmachine, finanzas computacionales y gráficos.
DPS806: Forma de espacio de secuencia de modelo de ruido blanco de Gauss. Hiperrectángulos, convexidad cuadrática y Teorema de Pinsker. Estimación MiniMax sobre balones LP y espacios Besov. Papel de ondas y bases incondicionales. Estimadores lineales y umbrales. Desigualdades de Oracle. Recuperación óptima y umbrales universales. Estimador de riesgo imparcial de Stein y elección de umbral. La complejidad penaliza la selección de modelos. Conectando algoritmos de ondas rápidas y teoría. Más allá de las bases ortogonales.
DPS807: El curso introduce conceptos básicos, fundamentos teóricos y métodos estadísticos asociados a los datos de supervivencia. Los temas incluyen censura, estimación de Kaplan-Meier, prueba de Logrank, regresión proporcional de los peligros, modelo acelerado del tiempo de la falta, análisis multivariante del tiempo de falta y riesgos competidores. Se cubrirán los métodos tradicionales de proceso de conteo/martingala, así como los métodos de proceso empíricos modernos. Conocimientos avanzados y comprensión de la teoría básica de probabilidades y métodos estadísticos de inferencia, es deseable para este curso.
DPS808: Secuencia de dos partes. Nuevas técnicas para el aprendizaje predictivo y descriptivo usando ideas que puentean brechas entre estadísticas, informática e inteligencia artificial. El énfasis está en los aspectos estadísticos de su aplicación e integración con una metodología estadística más estándar. El aprendizaje predictivo se refiere a la estimación de modelos a partir de datos con el objetivo de predecir los resultados futuros, en particular, los modelos de regresión y clasificación. El aprendizaje descriptivo se utiliza para descubrir patrones y relaciones generales en los datos sin un objetivo predictivo, visto desde una perspectiva estadística como el análisis exploratorio automatizado por computadora de grandes conjuntos de datos complejos.
DPS809: Semimartingalas, integración estocástica, fórmula de Ito, teorema de Girsanov. Gauss y procesos relacionados. Procesos estacionarios/isotrópicos. Geometría integral y probabilidad geométrica. Maxima de campos y aplicaciones aleatorias a estadísticas espaciales e imágenes.
999A: La tesis, se emprenderá previa aprobación de la propuesta por parte del Academic Staff de la Universidad, preferiblemente no mayor de 100 páginas sin contar páginas preliminares ni anexos, ni menor de 90 páginas, original y auténtico.
