CURSO: INTERPRETACION Y COMUNICACION DE DATOS PARA POLITICAS PUBLICAS TRADUCCION: INTERPRETATION AND COMMUNICATION OF DATA FOR PUBLIC POLICY SIGLA: GOB1004 CREDITOS: 10 MODULOS: 02 DE CATEDRA + 01 DE AYUDANTIA = 03 MODULOS TIPO: CATEDRA CARACTER: OPTATIVO CALIFICACION: ESTANDAR DISCIPLINA: ESTADISTICA PALABRAS CLAVE: ANALISIS DE DATOS; INTERPRETACION DE DATOS; VISUALIZACION I. DESCRIPCIÓN DEL CURSO En este curso se espera que el estudiante aprenda a interpretar y comunicar datos cuantitativos para informar la toma de decisiones de politicas publicas. El aprendizaje se realizara combinando catedras expositivas, discusion de ejemplos aplicados de varias disciplinas, incluyendo salud publica, urbanismo, demografia, y negocios, y mediante el ejercicios practicos y discusiones grupales. El curso requiere del uso de software a eleccion del alumno entre alternativas como las siguientes: como por ejemplo STATA, R, Excel, u otros. II. OBJETIVOS DE APRENDIZAJE Objetivo General Comunicar e interpretar datos cuantitativos para informar la toma de decisiones en politica publica. Objetivos especificos 1. Interpretar resultados de analisis de datos cuantitativos basicos en politica publica. 2. Evaluar criticamente la calidad y pertinencia de los datos utilizados para el analisis de politica publica. 3. Comunicar datos cuantitativos de forma efectiva para facilitar la toma de decisiones basada en evidencia en politicas publicas. III. CONTENIDOS El curso revisa los siguientes contenidos en funcion del analisis y comunicacion de datos cuantitativos para politica publica. 1. Naturaleza de los datos 1.1. De datos a informacion 1.2. Alfabetizacion estadistica 1.3. Heuristica en el juicio y la toma de decisiones 1.4. Sesgos cognitivos 1.5. Tipos de estudios estadisticos 1.6. Comunicacion visual de informacion: imagenes y cantidades 2. Resumen de estadisticas descriptivas 2.1. Series de tiempo 2.2. Datos descriptivos: variables numericas, distribuciones, histogramas 2.3. Distribuciones normales 2.4. Resumenes cuantitativos 2.5. Datos en dos o mas dimensiones 2.6. Transformaciones lineales y no lineales 3. Herramientas para resumir y visualizar datos 3.1. Tipos de graficos 3.2. Variaciones en una tabla 3.3. Percepcion visual y comunicacion grafica 3.4. Principios de la construccion de graficos 3.5. Uso de evidencia visual para la toma de decisiones 4. Recopilando y analizando datos 4.1. Tipos de datos y niveles de medicion 4.2. Encuesta con muestreo: Tipos, estratificacion, sesgos comunes. 4.3. Experimentos 4.4. Estudios observacionales 5. Probabilidades 5.1. Conceptos basicos de probabilidad 5.2. Ley de los grandes numeros 5.3. De una muestra a una poblacion 5.4. Muestras probabilisticas 5.5. Distribuciones comunes 5.6. Modelacion probabilistica 5.7. Probabilidad condicional 6.Inferencia estadistica 6.1. De probabilidad a inferencia 6.2. Intervalos de confianza 6.3. Test de hipotesis 6.4. Ejemplos de inferencia estadistica aplicada 7. Jurel tipo salmon: problemas comunes en estadistica aplicada 7.1. Sesgo de seleccion 7.2. Numeros enga?osos 7.3. Problemas de dise?o 7.4. Regresion a la media 7.5. Etica y estadistica 8. Comunicando con datos cuantitativos 8.1. Codificacion de informacion cuantitativa en graficos 8.2. Convenciendo audiencias con informacion cuantitativa 8.3. Combinando multiples variables 8.4. Graficos chatarra 8.5. Innovar o estandarizar IV.METODOLOGIA PARA EL APRENDIZAJE - Catedras expositivas. - Discusion de ejemplos y problemas aplicados. - Ejercicios practicos. - Ayudantias: laboratorio. V.EVALUACION DE APRENDIZAJES - Comentarios semanales 10% - Tarea elaborada en grupo con entrega individual 30% - Prueba mitad de semestre 20% - Policy Memo 20% - Examen final 20% VI.BIBLIOGRAFIA Minima Bennett J.O., Briggs W.L., and Triola M.F. Statistical Reasoning for Everyday Life. Pearson, 4th edition, 2014. Cleveland W.S. The Elements of Graphing Data. Hobart Press, 2nd edition. 1994. Gelman A. and Nolan D. Teaching Statistics. A Bag of Tricks. Oxford University Press, 2nd edition, 2017 Tufte E. The Visual Display of Quantitative Information. Graphics Press, 2nd edition. 2001. Tufte E. Visual Explanations: Images and Quantities, Evidence and Narrative. Graphics Press. 1997. Complementaria Cameron D, Jones IG: John Snow, the Broad Street Pump and Modern Epidemiology. Int J Epidemiol 1983, 12(4):393-396. Chang W. R Graphics Cookbook. Practical Recipes for Visualizing Data. 2013. Few S. Show Me the Numbers: Designing Tables and Graphs to Enlighten. Analytics Press, 2nd edition. 2012. Gamow G. One, Two, Three? Infinity: Facts and Speculations of Science, 3rd edition. 1961. Goldacre B. Bad Science: Quacks, Hacks, and Big Pharma Flacks. Farrar, Straus, and Giroux: New York, 1st edition, 2010. Kahneman D., Slovic P., Tversky A. Judgment Under Uncertainty: Heuristics and biases. Cambridge University Press 1982. Kahneman D. Thinking Fast and Slow. Farrar, Straus, and Giroux: New York, 1st edition, 2011. Shah A.K., Oppenheimer D.M. Heuristics Made Easy: An Effort-Reduction Framework. Psychological Bulletin, 2008 134 (2): 207?222. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE GOBIERNO / OCTUBRE 2017