Programa del Curso
Método Científico, Probabilidad & Statistics
- Muy breve historia de la estadística
- ¿Por qué se puede estar "confiado" en las conclusiones
- Probabilidad y toma de decisiones
Preparación para la investigación (decidir "qué" y "cómo")
- El panorama general: la investigación es parte de un proceso con entradas y salidas
- Recopilación de datos
- Interrogadores y medición
- ¿Qué medir?
- Estudios observacionales
- Diseño de Experimentos
- Análisis de datos y métodos gráficos
- Habilidades y técnicas de investigación
- Investigación Management
Descripción de datos bivariados
- Introducción a los datos bivariados
- Valores de la correlación de Pearson
- Simulación de correlaciones de adivinación
- Propiedades de la r de Pearson
- Cálculo de la r de Pearson
- Demostración de restricción de alcance
- Ley de la Suma de Varianzas II
- Ejercicios
Probability
- Introducción
- Conceptos básicos
- Demostración de probabilidad condicional
- Simulación de falacia de jugadores
- Demostración de cumpleaños
- Distribución binomial
- Demostración binomial
- Tarifas base
- Demostración del teorema de Bayes
- Demostración del problema de Monty Hall
- Ejercicios
Distribuciones normales
- Introducción
- Historia
- Áreas de distribuciones normales
- Demostración de Variedades de Distribución Normal
- Estándar Normal
- Aproximación normal al binomio
- Demostración de aproximación normal
- Ejercicios
Distribuciones de muestreo
- Introducción
- Demostración básica
- Demostración del tamaño de la muestra
- Demostración del Teorema del Límite Central
- Distribución muestral de la media
- Distribución muestral de la diferencia entre medias
- Distribución muestral de la r de Pearson
- Distribución muestral de una proporción
- Ejercicios
Estimación
- Introducción
- Grados de libertad
- Características de los estimadores
- Simulación de sesgo y variabilidad
- Intervalos de confianza
- Ejercicios
Lógica de la prueba de hipótesis
- Introducción
- Pruebas de significación
- Errores de Tipo I y Tipo II
- Pruebas de una y dos colas
- Interpretación de resultados significativos
- Interpretación de resultados no significativos
- Pasos en la prueba de hipótesis
- Pruebas de significación e intervalos de confianza
- Conceptos erróneos
- Ejercicios
Medios de prueba
- Media única
- t Demostración de distribución
- Diferencia entre dos medias (grupos independientes)
- Simulación de robustez
- Todas las comparaciones por pares entre medias
- Comparaciones específicas
- Diferencia entre dos medias (pares correlacionados)
- Simulación t correlacionada
- Comparaciones específicas (observaciones correlacionadas)
- Comparaciones por pares (observaciones correlacionadas)
- Ejercicios
Poder
- Introducción
- Ejemplos de cálculos
- Factores que afectan el poder
- Ejercicios
Predicción
- Introducción a la regresión lineal simple
- Demostración de ajuste lineal
- Partición de sumas de cuadrados
- Error estándar de la estimación
- Demostración de la línea de predicción
- Inferencial Statistics para b y r
- Ejercicios
ANOVA
- Introducción
- Diseños ANOVA
- ANOVA de un factor (entre sujetos)
- Demostración unidireccional
- ANOVA multifactorial (entre sujetos)
- Tamaños de muestra desiguales
- Pruebas que complementan el ANOVA
- ANOVA dentro de los sujetos
- Demostración del poder de los diseños dentro de los sujetos
- Ejercicios
Cuadrado Chi
- Distribución de Chi Square
- Mesas unidireccionales
- Demostración de distribuciones de prueba
- Tablas de contingencia
- Simulación de mesa 2 x 2
- Ejercicios
Casos de estudio
Análisis de casos de estudio seleccionados
Requerimientos
Se requiere una sólida comprensión de la estadística descriptiva (media, promedio, desviación estándar, varianza) y una comprensión básica de la probabilidad.
Es posible que desees participar en el curso de preparación: Statistics Nivel 1
Testimonios (7)
very tailored to needs
Yashan Wang
Curso - Data Mining with R
The pace was just right and the relaxed atmosphere made candidates feel at ease to ask questions.
Rhian Hughes - Public Health Wales NHS Trust
Curso - Introduction to Data Visualization with Tidyverse and R
We were using road accident data for practicals
Maphahamiso Ralienyane - Road Safety Department
Curso - Statistical Analysis using SPSS
El estilo flexible y amigable. Aprender exactamente lo que era útil y relevante para mí.
Jenny
Curso - Advanced R
Traducción Automática
The subject matter and the pace were perfect.
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Curso - Programming with Big Data in R
Realmente me beneficié de los ejemplos prácticos de la vida real.
Wioleta
Curso - Data and Analytics - from the ground up
Traducción Automática
la claridad con la que explicó todo el curso, así como la disposición de regresar en el temario cuando fue necesario