Cursos gratuitos

Curso Gratuito Postgrado en Econometría y Estadística + Titulación Propia Universitaria con 4 Créditos ECTS

Duración: 510
EURO58e3297452dbd
Valoración: 4.5 /5 basada en 64 revisores
cursos gratuitos

Para qué te prepara este curso subvencionado Curso Gratuito Postgrado en Econometría y Estadística + Titulación Propia Universitaria con 4 Créditos ECTS:

El Postgrado en Econometría y Estadística le prepara para aprender a conectar los modelos teóricos con sus formas estimables, aprender a estimar con la información disponible y a interpretar en su sentido estadístico y económico los resultados obtenidos a partir de la investigación.

A quién va dirigido:

El presente Postgrado en Econometría y Estadística está dirigido a estudiantes y docentes de Economía, Ciencias Sociales y Humanidades de universidades públicas y privadas y a todas aquellas personas interesadas en obtener una formación especializada en la econometría y estadística.

Objetivos de este curso subvencionado Curso Gratuito Postgrado en Econometría y Estadística + Titulación Propia Universitaria con 4 Créditos ECTS:

- 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. - Comprender el modelo de Regresión Lineal Múltiple - Realizar un Análisis de observaciones, Multicolinealidad, Heteroscedasticidad y Autocorrelación. - Realizar un modelo de regresión con variables ficticias. - Analizar Modelos de respuesta cualitativa y de variable dependiente-limitada. - Aprender a realizar las operaciones más avanzadas de Excel 2016. - Editar datos y fórmulas con Excel. - Trabajar con tablas y listas de datos. - Analizar los datos. - Utilizar bases de datos, gráficos, diagramas, funciones lógicas, etc.

Salidas Laborales:

Ciencias Sociales, Matemáticas, Estadística, Administración de Empresas. Docencia. Economía.

 

Resumen:

La econometría es una rama de la economía que utiliza modelos matemáticos y estadísticos para predecir variables como precios de bienes y servicios, tipos de interés, los costes de producción, las consecuencias de las políticas económicas? Obtener una formación en Econometría y Estadística es muy importante para el sector empresarial para ser capaz de estimar relaciones causales que moldean el comportamiento económico de agentes económicos. Este Postgrado en Econometría y Estadística le ofrece una formación especializada en este ámbito.

Titulación:

Doble Titulación: - Titulación de Postgrado en Econometría y Estadística con 400 horas expedida por Euroinnova Business School y Avalada por la Escuela Superior de Cualificaciones Profesionales- Titulación Propia Universitaria en Excel Avanzado 2016 con 4 Créditos Universitarios ECTS con 110 horas

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. Además recibirá los materiales didácticos que incluye el curso para poder consultarlos en cualquier momento y conservarlos una vez finalizado el mismo.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:


PARTE 1. INFERENCIA ESTADÍSTICA Y DEL MODELO LINEAL SIMPLE

UNIDAD DIDÁCTICA 1. MODELOS PROBABILÍSTICOS UNIVARIANTES CONTINUOS
  1. Distribución rectangular
  2. - Distribución rectangular estandarizada

  3. Distribución triangular
  4. - Distribución triangular estandarizada

  5. Distribución trapezoidal
  6. - Distribución trapezoidal estandarizada

  7. Algunas aplicaciones de los modelos geométricos
  8. Distribución exponencial
  9. Distribuciones relacionadas con las integrales eulerianas: gamma uniparamétrica, gamma biparamétrica y beta
  10. - Distribución beta

  11. Distribución normal
  12. Distribuciones relacionadas con la distribución normal
  13. - La distribución ? 2 de Pearson

    - La distribución t de Student

    - La distribución F de Snedecor

  14. Convergencias en distribución. Aproximaciones de una distribución de probabilidad por otra
UNIDAD DIDÁCTICA 2. DISTRIBUCIONES ASOCIADAS A LOS ESTADÍSTICOS MUESTRALES DE UNA POBLACIÓN NORMAL
  1. Distribución para la media de una muestra procedente de una población normal con varianza conocida
  2. Distribución para la varianza y cuasivarianza de una muestra procedente de una población normal
  3. Distribución para la media de una muestra procedente de una población normal con varianza desconocida: el cociente t-Student
  4. Distribuciones de probabilidad para la diferencia de medias de dos muestras independientes procedentes de sendas poblaciones normales
  5. - 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

  6. Distribución para el cociente de varianzas
  7. Distribución para la proporción muestral
  8. Distribución para la diferencia de proporciones muestrales
UNIDAD DIDÁCTICA 3. ESTIMACIÓN PUNTUAL DE PARÁMETROS
  1. Método de máxima verosimilitud para la obtención de estimadores
  2. - 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

  3. Método de los momentos para la obtención de estimadores puntuales
  4. Relación entre el método de máxima verosimilitud y el de los momentos
  5. Propiedades deseables para un estimador paramétrico
  6. - Estimadores insesgados

    - Estimadores eficientes

    - Estimadores consistentes

    - Estimadores suficientes

UNIDAD DIDÁCTICA 4. ESTIMACIÓN MEDIANTE INTERVALOS DE CONFIANZA
  1. Intervalos de confianza para la media de una distribución normal
  2. - Caso en el que la varianza de la población es conocida

    - Caso en el que la varianza es desconocida

  3. Intervalo de confianza para una proporción
  4. Intervalo de confianza para la diferencia de medias de dos poblaciones normales
  5. - 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

  6. Intervalo de confianza para la diferencia de proporciones
  7. Intervalo de confianza para la varianza de una población normal
  8. - Intervalos unilaterales cuando la media de la población es conocida

    - Intervalos unilaterales cuando la media de la población es desconocida

    - Intervalos de confianza bilaterales

  9. Intervalo de confianza para la razón de varianzas
  10. - Intervalo bilateral para la razón de varianzas cuando las medias poblacionales son desconocidas

  11. Construcción de regiones de confianza
UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS
  1. Formulación de un contraste de hipótesis
  2. - Hipótesis nula y alternativa

    - Región de rechazo y tipos de error

    - Función de potencia

  3. Contraste de hipótesis para la media de una población normal
  4. - Contraste para la media cuando la varianza es conocida

    - Contraste para la media cuando la varianza es desconocida

    - Contraste para la proporción

  5. Contraste para la diferencia de medias
  6. - 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

  7. Contraste para la diferencia de proporciones
  8. Contraste para la varianza
  9. - Región de rechazo y función de potencia

    - Cálculo de s 2 y del tamaño muestral necesario para alcanzar un determinado valor de potencia

  10. Contraste para la razón de varianzas
  11. - Contraste de dos colas

    - Contraste de una cola a la derecha

  12. Análisis de razón de verosimilitudes
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A LA ECONOMETRÍA
  1. Introducción a los modelos econométricos
  2. Especificación y estimación del modelo lineal simple
  3. - Introducción

    - Estimación mínimo-cuadrática

    - Propiedades de los estimadores mínimo cuadráticos ordinarios

  4. Estimación de la varianza de la perturbación aleatoria
  5. - Cálculo de la suma de cuadrados residual y significado de la varianza muestral del residuo

UNIDAD DIDÁCTICA 7. EL MODELO LINEAL SIMPLE NORMAL
  1. Estimadores máximo-verosímiles
  2. - Otras propiedades de los estimadores del MLS

  3. Distribución de los estimadores de los parámetros del MLS normal
  4. Intervalos y regiones de confianza para los parámetros del MLS normal
  5. Contrastes de hipótesis para los parámetros del MLS normal
  6. El coeficiente de determinación
  7. Análisis de la varianza en la regresión
  8. Equivalencia de las pruebas de correlación, regresión y ANOVApara la incorrelación de las variables del MLS
  9. Explotación del MLS
  10. - 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

  11. El MLS de un solo parámetro o sin término independiente
  12. - Propiedades algebraicas y estadísticas

    - Inferencia en el MLS normal y sin término independiente

  13. Ejercicio tipo del MLS
  14. EDITORIAL ACADÉMICA Y TÉCNICA: Índice de libro Curso de Inferencia estadística y del Modelo Lineal Simple. Autores: R. Herrerías y F. Palacios. Publicado por Delta Publicaciones.

PARTE 2. MICROECONOMETRÍA

UNIDAD DIDÁCTICA 1. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE.
  1. Introducción
  2. Especificación del modelo de regresión lineal múltiple
  3. Inferencia estadística del MRLM I
  4. - El modelo de estimación por mínimos cuadrados ordinarios (MCO)

    - Propiedades del estimado mínimo cuadrático ordinario

    - Distribución muestral del vector de residuos, e

    - El estimador de la varianza del término de perturbación

  5. Inferencia estadística del MRLM II
  6. - Contraste de hipótesis sobre un parámetro. Intervalo de confianza

    - Contraste de significación del modelo

  7. Sumas de cuadrados, análisis de la varianza y R2
  8. El proceso de predicción
  9. Estimación restringida
  10. - Introducción al método de mínimos cuadrados restringidos (MCR).Contrastes de hipótesis

  11. Contrastes de cambio estructural, linealidad y normalidad
  12. Errores de especificación
UNIDAD DIDÁCTICA 2. PROBLEMAS CON LA INFORMACIÓN: ANÁLISIS DE OBSERVACIONES Y MULTICOLINEALIDAD.
  1. Introducción
  2. Influencia potencial
  3. Influencia real
  4. Observaciones atípicas
  5. Multicolinealidad: definición, grados y consecuencias
  6. Principales criterios de detección para la multicolinealidad
  7. - El factor de inflación de la varianza (FIV)

    - El número de condición

    - Contradicción entre los tests individuales de la t y el test conjunto de la F

    - Descomposición de la varianza del estimador

  8. Posibles soluciones a la multicolinealidad
  9. - Incorporación de nueva información

    - Especificación de un nuevo modelo

    - Métodos alternativos de estimación

UNIDAD DIDÁCTICA 3. INFORMACIÓN CUALITATIVA: VARIABLES FICTICIAS.
  1. Introducción
  2. El modelo de regresión con variables ficticias
  3. Una nueva versión del contraste de cambio estructural
UNIDAD DIDÁCTICA 4. EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE GENERALIZADO. PERTURBACIÓN NO ESFÉRICA: HETEROSCEDASTICIDAD Y AUTOCORRELACIÓN.
  1. Introducción
  2. Consecuencias en la estimación por MCO
  3. Estimador Mínimo Cuadrático Generalizado (MCG)
  4. Comparación entre el estimador MCO y MCG
  5. Heteroscedasticidad
  6. - La naturaleza de la relación entre las variables

    - La transformación de variables

    - La omisión de variables relevantes

  7. Métodos de estimación en presencia de heteroscedasticidad
  8. - Matriz de varianzas y covarianzas de la perturbación conocida

    - Matriz de varianzas y covarianzas de la perturbación desconocida 154

  9. Contrastes de heteroscedasticidad
  10. - El contraste de Goldfeld-Quandt

    - El contraste de Breusch-Pagan

    - El contraste de White

  11. Autocorrelación
  12. - La existencia de ciclos y/o tendencias

    - Relaciones no lineales

    - La omisión de variables relevantes

  13. Esquemas lineales con comportamiento autocorrelacionado
  14. Métodos de estimación en presencia de autocorrelación
  15. - El método de Cochrane-Orcutt

    - El método de Prais-Winsten

    - El método de Durbin

  16. Contrastes de autocorrelación
  17. - El contraste de Durban-Watson

    - El contraste de Godfrey

    - Las funciones de autocorrelación simple (FAS) y parcial (FAP) de los residuos

    - Contrastes de Box-Pierce y Ljung-Box

UNIDAD DIDÁCTICA 5. MODELOS DE RESPUESTA CUALITATIVA.
  1. Introducción
  2. Modelos de elección discreta (variable dependiente dicotómica)
  3. - Modelo lineal de probabilidad

  4. Especificación e inferencia de los modelos Probit y Logit
  5. - Método de estimación por máxima verosimilitud

    - Residuos generalizados

    - Bondad de Ajuste

    - Efectos parciales de la variable explicativas sobre la probabilidad P(y = 1)

  6. Contrastes de hipótesis (Test de razón de verosimilitud), Test de Wald y de Multiplicadores de Lagrange)
  7. - El Contraste de Razón de Verosimilitud

    - El Contraste de Wald

    - Contraste de los multiplicadores de Lagrange o Test de ?Score?

    - Comparación entre los Tests de RV, W, ML

  8. Modelos de respuesta múltiple: Modelos Logit Condicional (MLC) y Multinomial (MLM)
  9. - La hipótesis de la utilidad aleatoria

    - Modelo Logit Condicional (MLC)

    - Modelo mixto

    - El modelo Logit multinomial

    - Hipótesis de independencia de las alternativas irrelevantes

UNIDAD DIDÁCTICA 6. MODELOS DE VARIABLE DEPENDIENTE-LIMITADA
  1. Especificación e inferencia de Modelo de Regresión Censurado (Modelo Tobit)
  2. - Métodos de estimación en dos etapas y de la máxima verosimilitud

    - Errores de especificación. Residuos generalizados. Normalidad y Heteroscedasticidad

  3. Variaciones del Modelo Tobit Standard
  4. Generalización del Modelo Tobit: Modelos bivariantes
  5. - Modelo de ?dos partes?

    - El modelo de ?doble valla? (Cragg, 1791)

    - El Modelo de Selectividad (Heckman, 1979)

    - Modelos de Infrecuencia de compra

  6. Introducción a los modelos de recuento.
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN A LOS MODELOS CON DATOS PANEL.
  1. Introducción
  2. Tipología de modelos con datos de panel
  3. Métodos de estimación para modelos en niveles o estáticos
  4. - Estimador MCO (Modelo sin efectos)

    - Estimadores entre-grupos

    - Estimador de covarianza (CV) o intragrupos para los efectos individuales

    - Estimación MCG para los efectos individuales

    - Estimador de covarianza o intragrupos (CV2) para los efectos individuales y temporales

    - Estimación de MCG para los efectos individuales y temporales

  5. Contrastes de especificación en el modelo estático
  6. - Contraste de homogeneidad del panel

    - Contraste de significación de los coeficientes en el modelo de efectos fijos

    - Estimación robusta

    - Contraste de nulidad de los efectos aleatorios

    - Contraste entre efectos fijos o aleatorios

  7. El modelo dinámico
  8. Contrastes de especificación en el modelo dinámico
  9. - Contraste para la autocorrelación de la perturbación

    - Contraste para la sobreidentificación de instrumentos

  10. EDITORIAL ACADÉMICA Y TÉCNICA: Índice de libro Microeconometría Introducción y aplicaciones con Excel. Autores: Jordi Arcarons y Samuel Calonge. Publicado por Delta Publicaciones

PARTE 3. EXCEL AVANZADO

MÓDULO 1. MICROSOFT EXCEL 2016. NIVEL AVANZADO

UNIDAD DIDÁCTICA 1. CONCEPTOS BÁSICOS
  1. Introducción
  2. Elementos de la interfaz
  3. Introducción y edición de datos
  4. Establecimiento de formato
  5. Trabajo con múltiples hojas
  6. Creación de gráficos
  7. Personalización
  8. La ayuda, un recurso importante
UNIDAD DIDÁCTICA 2. EDICIÓN DE DATOS Y FÓRMULAS
  1. Introducción
  2. Tipos de datos
  3. Introducción de datos
  4. Referencias a celdillas
  5. Presentación
UNIDAD DIDÁCTICA 3. TABLAS Y LISTAS DE DATOS
  1. Introducción
  2. Datos de partida
  3. Totalizar y resumir
  4. Filtrar y agrupar los datos
  5. Tablas dinámicas
UNIDAD DIDÁCTICA 4. ANÁLISIS DE DATOS
  1. Introducción
  2. Configuración de herramientas de análisis
  3. Tablas con variables
  4. Funciones para hacer pronósticos
  5. Simulación de escenarios
  6. Persecución de objetivos
  7. La herramienta Solver
  8. Otras herramientas de análisis de datos
UNIDAD DIDÁCTICA 5. BASES DE DATOS
  1. Introducción
  2. Obtención de datos
  3. Edición de bases de datos
  4. Funciones de bases de datos
  5. Asignación XML
UNIDAD DIDÁCTICA 6. GRÁFICOS Y DIAGRAMAS
  1. Generación de gráficos
  2. Inserción de minigráficos
  3. Personalización de máximos y mínimos
  4. Inserción de formas
  5. Imágenes
  6. Elementos gráficos e interactividad
  7. SmartArt
UNIDAD DIDÁCTICA 7. PUBLICACIÓN DE DATOS
  1. Impresión de hojas
  2. Publicar libros de Excel
UNIDAD DIDÁCTICA 8. FUNCIONES LÓGICAS
  1. Relaciones y valores lógicos
  2. Toma de decisiones
  3. Anidación de expresiones y decisiones
  4. Operaciones condicionales
  5. Selección de valores de una lista
UNIDAD DIDÁCTICA 9. BÚSQUEDA DE DATOS
  1. Manipulación de referencias
  2. Búsqueda y selección de datos
  3. Transponer tablas
UNIDAD DIDÁCTICA 10. OTRAS FUNCIONES DE INTERÉS
  1. Manipulación de texto
  2. Trabajando con fechas
  3. Información diversa
UNIDAD DIDÁCTICA 11. ACCESO A FUNCIONES EXTERNAS
  1. Registro de funciones externas
  2. Invocación de funciones
  3. Macros al estilo de Excel 4.0
  4. Libros con macros
UNIDAD DIDÁCTICA 12. MACROS Y FUNCIONES
  1. Registro y reproducción de macros
  2. Administración de macros
  3. Definición de funciones
UNIDAD DIDÁCTICA 13. INTRODUCCIÓN A VBA
  1. El editor de Visual Basic
  2. El editor de código
  3. La ventana Inmediato
  4. Un caso práctico
UNIDAD DIDÁCTICA 14. VARIABLES Y EXPRESIONES
  1. Variables
  2. Expresiones
UNIDAD DIDÁCTICA 15. ESTRUCTURAS DE CONTROL. EL MODELO DE OBJETOS DE EXCEL
  1. Valores condicionales
  2. Sentencias condicionales
  3. Estructuras de repetición
  4. Objetos fundamentales de Excel
  5. Otros objetos de Excel
UNIDAD DIDÁCTICA 16. MANIPULACIÓN DE DATOS
  1. Selección de una tabla de datos
  2. Manipulación de los datos
  3. Inserción de nuevos datos
  4. La solución completa
UNIDAD DIDÁCTICA 17. CUADROS DE DIÁLOGO
  1. Cuadros de diálogo prediseñados
  2. Cuadros de diálogo personalizados
  3. Una macro más atractiva y cómoda
  4. Iniciación del cuadro de diálogo
UNIDAD DIDÁCTICA 18. TRABAJO EN GRUPO
  1. Compartir un libro
  2. Comentarios a los datos
  3. Control de cambios
  4. Herramientas de revisión
UNIDAD DIDÁCTICA 19. DOCUMENTOS Y SEGURIDAD
  1. Limitar el acceso a un documento
  2. Seguridad digital
UNIDAD DIDÁCTICA 20. PERSONALIZACIÓN DE EXCEL
  1. Parámetros aplicables a libros y hojas
  2. Opciones de entorno
  3. La cinta de opciones
  4. Crear fichas y grupos propios
Accede ahora a nuestros cursos y encuentra la más amplia variedad de cursos del mercado, este

curso gratuito le prepara para ser Ciencias Sociales, Matemáticas, Estadística, Administración de Empresas. Docencia. Economía.

. ¿A qué esperas para llevar a cabo tus proyectos personales?.

No se han encontrado comentarios

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *