Técnicas estadísticas y de Big Data aplicadas al estudio de la opinión pública y el comportamiento electoral

La cursada se organiza en dos módulos (A y B) con una duración de 4 semanas cada uno.

Contenidos teórico-metodológicos:

Análisis de distintas interpretaciones teóricas sobre el comportamiento electoral y sobre opinión pública.
Los pronósticos en las ciencias sociales. Modelos de pronósticos del comportamiento electoral.
Técnicas de asignación de indecisos: proyección lineal, asignación por voto anterior. Conceptos de muestreo, estadística inferencial. Diseños muestrales más utilizados en opinión pública. Ajustes muestrales y ponderaciones.
Estudio y aplicación de herramientas estadísticas para la determinación y caracterización de fenómenos electorales específicos.
Análisis de casos de segmentación del voto por características sociodemográficas: ingresos, edad, sexo, y otras.
La fidelidad de voto, matriz de transferencia. Corte de boleta, fuga y captación de votos. Impacto de la identificación partidaria y fenómenos de voto expresivo.

Contenidos prácticos:

Proyección lineal de indecisos y proyección de indecisos por voto anterior.
Aplicación de estadísticas descriptivas al análisis y caracterización de fenómenos de opinión y del comportamiento electoral.
Continuidad y cambio en los resultados electorales, indecisos.
Segmentación social del voto: análisis de los votantes según características sociodemográficas y nivel socioeconómico.
Análisis de fenómenos de opinión pública, análisis de imagen de los dirigentes (liderazgos), evaluación de gestiones.
Percepción de problemas percibidos y demandas de la población hacia el sistema político. Aplicación del análisis de múltiples respuestas. Porcentajes de casos y de respuestas.
Aplicación modelos de regresión y de interacción múltiple a la prognosis electoral.
Población y muestra. Diseños muestras probabilísticas. Determinación del tamaño de muestra. Error estadístico, cobertura, ponderación.
Ajustes muestrales a características del universo. Ponderaciones por una o dos variables.

Contenidos teórico-metodológicos:

Aplicación de esquemas causales al comportamiento electoral y los fenómenos de opinión, el control de variables.
Datos agregados e individuales: falacia ecológica.
Análisis de relaciones causales y asociación estadística. Aplicaciones de coeficientes de asociación para variables no métricas. Coeficientes de correlación para variables métricas: r de Pearson.
Conceptos fundamentales de Ciencia de Datos. Métodos Supervisados y no Supervisados (Clustering)
Sistemas de computación distribuida y Arquitecturas de Big Data.
Definición de API: Rest y Streaming

Contenidos prácticos:

Análisis comparativos entre fenómenos electorales en dos contextos nacionales (EEUU y Argentina).
Elaboración de tablas de contingencia para relaciones bivariadas con datos de encuestas de Opinión Pública.
Aplicación de la correlación de Pearson: análisis del resultado de voto para distintos distritos, de acuerdo con el tamaño del distrito. Correlación entre porcentajes obtenidos por distintos partidos, correlaciones entre evaluaciones de dirigentes políticos.
Aplicaciones de tablas de contingencia al análisis del comportamiento electoral: Análisis del trasvase y la fidelidad de voto en relación al voto anterior
Concepto de asociación e independencia estadística. Interpretación de coeficientes de asociación, Test de Χ².
Introducción al análisis e interpretación del análisis de asociación multivariados.
Aplicación de modelos de Data Mining y Clustering
Aprendizaje Supervisado y No supervisado. Matriz de contingencia. Métricas de Performance. Casos de aplicación
Acceso a grandes bases de datos mediante frameworks de Big Data