CURSO | Estadística

Published by jrubio on

Objetivos:
Que los alumnos adquieran destrezas en técnicas y herramientas estadísticas para el tratamiento de datos. Se pretende un manejo fluido de conocimiento sobre: test de hipótesis, correlaciones de variables y modelos multivariados, regresiones y análisis determinantes.

 

Contenidos:

  1. Conceptos de estadística inferencial: Población y muestra. Parámetro, estimador y estimación. Teorema central del límite. Estimación puntual. Estimación por intervalos de confianza: Concepto, elementos para su construcción, longitud y precisión. Prueba de hipótesis: Concepto. Hipótesis nula y alternativa. Errores en una prueba de hipótesis.
  2. Pruebas de hipótesis para una población: Distribución T de Student y chi cuadrado. Pruebas de hipótesis: para la media, la proporción y la varianza. Supuestos y distintos casos. Pruebas de hipótesis: para la diferencia de medias y la diferencia de proporciones. Supuestos.
  3. Regresión lineal simple: El modelo de regresión lineal simple. Supuestos del modelo. Variable respuesta y variable regresora. Gráfico de dispersión. Estimación y propiedades de los estimadores de los parámetros. Coeficiente de correlación y de determinación. Predicción en regresión lineal simple.
  4. Análisis de la Varianza: El modelo matemático. Estimación de los parámetros. El contraste de la igualdad de medias. Tabla ANOVA. Análisis de la diferencia entre medias. Validación del modelo.
  5. Pruebas no paramétricas: Estadística no paramétrica: concepto. Tablas de contingencia. Prueba chi cuadrado: de independencia, de concordancia y de homogeneidad.
  6. Regresión Lineal Múltiple: El modelo general de regresión lineal. Estimación y propiedades de los estimadores de los parámetros. Tabla ANOVA. Correlación: simple, parcial y múltiple. Validación del modelo: multicolinealidad. Predicción en regresión lineal múltiple. Selección de las variables regresoras y medidas de bondad de ajuste.
  7. Análisis Discriminante: Objetivos y condiciones de aplicación. Cómo seleccionar y combinar las variables para discriminar máximamente entre los grupos : la función discriminante. Significación e interpretación de la función discriminante. Matriz de clasificación. La asignación de nuevos sujetos a uno de los grupos. Análisis discriminante con más de dos grupos.
  8. Regresión Logística: Situaciones en las que puede aplicarse. Recodificación de las variables predictoras. Selección de las variables del modelo. La tabla de clasificación. La predicción del criterio en términos de probabilidad.

 

Modalidad de dictado y evaluación:
El curso tiene una carga horaria de 60 hs, con clases teóricas (20 hs) y prácticas (40 hs) de resolución de problemas y/o desarrollo de aplicaciones. Se toma un examen final teórico práctico en los turnos correspondientes.

 

Docentes:
Dra: María Laura Nores. (FaMAF-FCA)
Dra. Ximena Porcasi (IG)