CONTENIDO

• 1. Análisis exploratorio de datos.
• 1.1. Matrices de covarianza y correlación.
• 1.2. Gráficos univariados y multivariados.
• 1.3. Aplicaciones en R (o Python).
• 1.4. Clases de variables y escalas de medición.
• 1.5. Distribuciones de frecuencias.
• 1.6. Medidas resumen: tendencia central, dispersión, forma, localización.
• 1.7. Análisis conjunto de variables.


• 2. Distribuciones muestrales y el teorema central del límite.
• 2.1. Conceptos básicos sobre Inferencia Estadística.
• 2.2. Población, muestra, parámetro, estadístico.
• 2.3. Muestreo aleatorio simple y estratificado.
• 2.4. Distribuciones de muestreo en estadística.
• 2.5. La distribución de muestreo de la media y la varianza muestral.
• 2.6. La distribución Normal, t de Student y Chi-Cuadrado. Concepto de Grados de Libertad.
• 2.7. Conceptualización teórica.
• 2.8. La distribución de la diferencia entre dos medias muestrales. Distribución F.
• 2.9. La distribución Normal Bivariada.
• 2.10. Teorema Central del Límite. Caso Univariado y Multivariado.
• 2.11. Aproximación de algunas distribuciones a la Normal.


• 3. Estimación puntual de parámetros.
• 3.1. Métodos clásicos para construir estimadores:Método de Máxima verosimilitud, Método de los momentos, Método de Mínimos Cuadrados.
• 3.2. Criterios para examinar estimadores. Teoremas asociados (Teorema de Rao–Blackwell, Teorema de Neyman Pearson)
• 3.3. Insesgamiento, eficiencia, Suficiencia- Función Score, Información de Fisher - suficiencia, robustez.
• 3.4. Familias Exponenciales.


• 4. Estimación por intervalo.
• 4.1. Conceptos preliminares.
• 4.2. Método de la Cantidad Pivotal. Conceptualización teórica.
• 4.3. Una población: Construcción de Intervalos de Confianza para la media, la varianza y la proporción.
• 4.4. Construcción de IC para parámetros de la Gamma, Exponencial y Poisson.
• 4.5. Aplicaciones prácticas en R.
• 4.6. Dos poblaciones: Construcción de IC para la diferencia de medias, diferencia de proporciones, cociente de varianzas y muestras pareadas.
• 4.7. Intervalos de Confianza Aproximados.


• 5. Pruebas de hipótesis.
• 5.1. Hipótesis nula e hipótesis alternativa. Nivel de Significancia. Estadístico de Prueba y su valor crítico. Regla de decisión, regiones de rechazo y no rechazo.
• 5.2. Riesgos en la toma de decisiones al usar la metodología de pruebas de hipótesis. Errores tipo I y II. Cálculos respectivos. Fundamentación teórica.
• 5.3. Pruebas de hipótesis sobre la media, la varianza y la proporción.
• 5.4. Pruebas de hipótesis sobre la diferencia de medias, igualdad de dos varianzas y diferencia de dos proporciones.
• 5.5. Potencia de una Prueba de Hipótesis.
• 5.6. Lema de Neyman Pearson - Prueba de la Razón de Verosimilitud Generalizada.
• 5.7. Aplicaciones generales de Pruebas de Hipótesis en R.
• 5.8. Introducción. Conceptualización teórica.
• 5.9. Procedimiento para una prueba de Hipótesis. Ejemplos prácticos.


• 6. Análisis de varianza - una vía (opcional).
• 6.1. Conceptos preliminares.
• 6.2 Formulación del modelo estadístico (parte predecible y aleatoria).
• 6.3 Descomposición de la variabilidad. Tabla ANOVA. Parte teórica.
• 6.4 Aplicaciones prácticas en R.