Para qué te prepara:
Este Curso en Inferencia Estadística y del Modelo Lineal Simple te prepara para que el alumno sea capaz de conocer la formulación y fundamentos de la inferencia estadística y desarrollar una capacidad de análisis, planteamiento y resolución de problemas en estadística.
A quién va dirigido:
El presente curso en Inferencia Estadística y del Modelo Lineal Simple está dirigido a todos aquellos titulados universitarios y/o profesionales de las ciencias sociales que quieran obtener unos conocimientos profesionales sobre la estadística.
Titulación:
Doble Titulación Expedida por EUROINNOVA BUSINESS SCHOOL y Avalada por la Escuela Superior de Cualificaciones Profesionales
Objetivos:
- Aprender los Modelos probabilísticos univariantes continuos. - Realizar distribuciones asociadas a los estadísticos muestrales de una población normal. - Realizar una estimación puntual de parámetros y una estimación mediante intervalos de confianza. - Formular y contrastar hipótesis. - Conocer los modelos econométricos. - Conocer y realizar hipótesis en el modelo lineal simple.
Salidas Laborales:
Ciencias Sociales, Matemáticas, Estadística, Administración de Empresas.
Resumen:
Este curso en Inferencia Estadística y del Modelo Lineal Simple le ofrece una formación especializada en la materia. La inferencia estadística es el conjunto de métodos que permiten inducir, a partir de la información empírica proporcionada por una muestra, cual es el comportamiento de una determinada población con un riesgo de error medible en términos de probabilidad. Con el curso de Inferencia Estadística y del Modelo Lineal Simple el alumno encontrará las técnicas para el análisis y recopilación de información a través de la inferencia estadística, que aplicada le reportará decisiones más correctas y mayor rendimiento en su negocio.
Metodología:
Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.
Temario:
- Distribución rectangular estandarizada - Distribución triangular estandarizada - Distribución trapezoidal estandarizada - Distribución beta - La distribución ? 2 de Pearson - La distribución t de Student - La distribución F de Snedecor - Caso en el que las varianzas de ambas poblaciones son conocidas - Caso en el que las varianzas de ambas poblaciones son desconocidas pero iguales - Caso en el que las varianzas de ambas poblaciones son desconocidas y desiguales (Aproximación de Welch) - Caso en el que las dos varianzas son desconocidas y tamaños muestrales elevados - Elemento de verosimilitud muestral de una variable aleatoria discreta - Elemento de verosimilitud muestral de una variable aleatoria continua - Método de obtención del estimador máximo verosímil en el caso de un sólo parámetro - Método de obtención de los estimadores máximo verosímiles en el caso de varios parámetros - Estimadores insesgados - Estimadores eficientes - Estimadores consistentes - Estimadores suficientes - Caso en el que la varianza de la población es conocida - Caso en el que la varianza es desconocida - Caso de ambas varianzas conocidas - Caso en el que las dos varianzas son desconocidas pero iguales - Caso en el que ambas varianzas son desconocidas y desiguales (aproximación de Welch) - Caso en el que ambas varianzas son desconocidas y desiguales pero los tamaños muestrales son elevados - Intervalos unilaterales cuando la media de la población es conocida - Intervalos unilaterales cuando la media de la población es desconocida - Intervalos de confianza bilaterales - Intervalo bilateral para la razón de varianzas cuando las medias poblacionales son desconocidas - Hipótesis nula y alternativa - Región de rechazo y tipos de error - Función de potencia - Contraste para la media cuando la varianza es conocida - Contraste para la media cuando la varianza es desconocida - Contraste para la proporción - Caso en el que se conocen las varianzas - Caso de las dos varianzas desconocidas e iguales - Caso de dos varianzas desconocidas y tamaños muestrales altos - Región de rechazo y función de potencia - Cálculo de s 2 y del tamaño muestral necesario para alcanzar un determinado valor de potencia - Contraste de dos colas - Contraste de una cola a la derecha - Introducción - Estimación mínimo-cuadrática - Propiedades de los estimadores mínimo cuadráticos ordinarios - Cálculo de la suma de cuadrados residual y significado de la varianza muestral del residuo - Otras propiedades de los estimadores del MLS - Predicción puntual óptima - Distribución del predictor lineal e intervalo de confianza para la E[Y?0 X0 ] - Intervalo de confianza para Y0 y análisis de la permanencia estructural del modelo - Propiedades algebraicas y estadísticas - Inferencia en el MLS normal y sin término independienteUNIDAD DIDÁCTICA 1. MODELOS PROBABILÍSTICOS UNIVARIANTES CONTINUOS
UNIDAD DIDÁCTICA 2. DISTRIBUCIONES ASOCIADAS A LOS ESTADÍSTICOS MUESTRALES DE UNA POBLACIÓN NORMAL
UNIDAD DIDÁCTICA 3. ESTIMACIÓN PUNTUAL DE PARÁMETROS
UNIDAD DIDÁCTICA 4. ESTIMACIÓN MEDIANTE INTERVALOS DE CONFIANZA
UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A LA ECONOMETRÍA
UNIDAD DIDÁCTICA 7. EL MODELO LINEAL SIMPLE NORMAL