CURSO DE FUNDAMENTOS DE ESTADÍSTICA

Docente

Nombre del docente

Fecha de inicio

Horarios

Fecha de finalizacion

Docentes Expertos

¿Qué aprenderás en este curso?

-Diferenciar entre estadística descriptiva e inferencial, y comprender conceptos como población, muestra y parámetros. -Identificar tipos de datos y escalas de medición para un adecuado tratamiento estadístico. -Calcular y analizar medidas de tendencia central, dispersión y representar distribuciones mediante gráficos. -Entender los fundamentos de la probabilidad y principales distribuciones (binomial, Poisson, normal). -Realizar inferencias estadísticas mediante estimaciones, pruebas de hipótesis básicas y análisis de correlación y regresión simple.

Publico objetivo

Resultados esperados

Al finalizar el curso, los participantes podrán:
- Aplicar conceptos fundamentales de estadística para analizar diferentes tipos de datos.
- Utilizar técnicas de estadística descriptiva para resumir y visualizar información.
- Comprender y calcular probabilidades y aplicar distribuciones adecuadas a sus datos.
- Ejecutar pruebas estadísticas básicas para tomar decisiones fundamentadas.
- Analizar relaciones entre variables mediante correlación y regresión simple para extraer conclusiones prácticas.

Modulo I

Fundamentos de la estadística

Definición, importancia y diferencias entre estadística descriptiva e inferencial.
Conceptos clave: población, muestra, parámetros y estadísticas.

Modulo II

Tipos de datos y escalas de medición

Datos cuantitativos (continuos y discretos) y cualitativos (nominales y ordinales).
Escalas de medición: nominal, ordinal, intervalo y razón.
Clasificación de variables: dependientes e independientes.

Modulo III

Estadística descriptiva

Medidas de tendencia central: media, mediana y moda.
Medidas de dispersión: rango, varianza, desviación estándar y rango intercuartílico.
Distribución de datos: tablas de frecuencias, histogramas, diagramas de caja y gráficos de barras.

Modulo IV

Probabilidad

Conceptos básicos: experimento, evento, espacio muestral.
Reglas de probabilidad: suma, multiplicación, probabilidad condicional e independencia.

Modulo V

Distribuciones de probabilidad

Distribuciones discretas: binomial y Poisson.
Distribuciones continuas: normal y uniforme.
Curva normal: media, desviación estándar y regla empírica (68-95-99.7%).

Modulo VI

Inferencia estadística básica

Estimación e intervalos de confianza.
Pruebas de hipótesis: H₀, H₁, significancia (α), p-valor, errores tipo I y II.
Pruebas básicas: z y t.

Modulo VII

Relaciones entre variables

Correlación: coeficiente de Pearson.
Regresión simple: recta de regresión y coeficiente de determinación (R²).

Modulo VIII

Modulo IX

Modulo X

Modulo XI

Modulo XII

Modulo I

Fundamentos de la estadística

Definición, importancia y diferencias entre estadística descriptiva e inferencial.
Conceptos clave: población, muestra, parámetros y estadísticas.

Modulo II

Tipos de datos y escalas de medición

Datos cuantitativos (continuos y discretos) y cualitativos (nominales y ordinales).
Escalas de medición: nominal, ordinal, intervalo y razón.
Clasificación de variables: dependientes e independientes.

Modulo III

Estadística descriptiva

Medidas de tendencia central: media, mediana y moda.
Medidas de dispersión: rango, varianza, desviación estándar y rango intercuartílico.
Distribución de datos: tablas de frecuencias, histogramas, diagramas de caja y gráficos de barras.

Modulo IV

Probabilidad

Conceptos básicos: experimento, evento, espacio muestral.
Reglas de probabilidad: suma, multiplicación, probabilidad condicional e independencia.

Modulo V

Distribuciones de probabilidad

Distribuciones discretas: binomial y Poisson.
Distribuciones continuas: normal y uniforme.
Curva normal: media, desviación estándar y regla empírica (68-95-99.7%).

Modulo VI

Inferencia estadística básica

Estimación e intervalos de confianza.
Pruebas de hipótesis: H₀, H₁, significancia (α), p-valor, errores tipo I y II.
Pruebas básicas: z y t.

Modulo VII

Relaciones entre variables

Correlación: coeficiente de Pearson.
Regresión simple: recta de regresión y coeficiente de determinación (R²).

"Este programa me ayudó a fortalecer mi investigación con herramientas estadísticas y de inteligencia artificial. Es práctico, completo y totalmente aplicable a tesis y proyectos académicos."

"Gracias a este programa, logré estructurar mi tesis doctoral con un enfoque metodológico sólido. Las herramientas de inteligencia artificial que aprendí me ayudaron a analizar grandes volúmenes de datos de forma eficiente."

"La combinación entre estadística aplicada e IA fue justo lo que necesitaba para llevar mis investigaciones al siguiente nivel. Recomiendo esta especialización a todo investigador serio."

"El programa no solo me dio conocimientos técnicos, también me enseñó a aplicarlos en el contexto real de mi tesis. ¡Una inversión totalmente valiosa!"

"Aprendí a utilizar metodologías científicas rigurosas junto con herramientas prácticas de IA, lo que ha mejorado significativamente la calidad de mis reportes y modelos."