¿Te gustaría convertirte en un auténtico experto en Estimación? Entonces, este programa de TECH es perfecto para ti. ¿A qué esperas para matricularte?”

Los sondeos de tendencia de voto, el análisis de mercado o la epidemiología médica son tres de los múltiples sectores en los que la Inferencia Estadística representa un papel fundamental en la deducción de conclusiones y tendencias a través del análisis de una muestra del conjunto. Gracias a la proyección y a la comparación de datos, ha sido posible determinar el candidato favorito en unas elecciones, qué producto prefiere la gente y en qué contexto o las medidas públicas que hay que pautar o evitar para prevenir o controlar el desarrollo de una enfermedad vírica o infecciosa.

Se trata, por lo tanto, de una rama de las Ciencias Sociales de vital importancia para el avance de la sociedad en base a sus necesidades y exigencias y en la que sus profesionales deben contar con un altísimo nivel de conocimiento para trabajar efectivamente en ello. Por esa razón, y con el fin de proporcionar a los interesados en este ámbito toda la información que les permita ponerse al día sobre sus avances, TECH y su equipo de expertos han desarrollado un completísimo programa perfecto para ello. Se trata de una titulación distribuida en 450 horas de material teórico, práctico y adicional gracias al cual el egresado podrá profundizar en los aspectos más novedosos de la estimación (contraste de hipótesis, inferencia Bayesiana, análisis factorial, etc.) y las técnicas estadísticas multivariantes: modelización de sus componentes principales, análisis de correspondencia, análisis cluster, etc.  

Todo ello de manera 100% online y durante 6 meses de capacitación multidisciplinar en la que, además de un temario completo y dinámico, tendrá acceso a material adicional de gran calidad: vídeos al detalle, artículos de investigación, lecturas complementarias ¡y mucho más! Además, gracias al empleo de la metodología Relearning en el desarrollo del programa, no tendrá que invertir horas de más en memorizar, sino que asistirá una actualización de su conocimiento natural y progresiva.

El mejor programa para especializarse en Inferencia Estadística a través de una capacitación multidisciplinar y 100% online”

Esta Especialización en Inferencia Estadística contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Estadística Aplicada
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información técnica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Una titulación que te sumerge en el contraste hipotético a través del conocimiento exhaustivo de sus técnicas y estrategias, como la estimación Bayesiana o de bondad de ajuste”

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.  

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.

Cada módulo incluye un apartado exclusivo en el que encontrarás ejemplos con los que te será más fácil visualizar los conceptos desarrollados en el temario"

Contarás con 450 horas del mejor contenido teórico-práctico y adicional para ahondar en aspectos como las distribuciones asociadas a la norma o en las propiedades de los estimadores"

Para el desarrollo de la estructura y el contenido de esta Especialización, TECH ha tenido en consideración el criterio profesional de un equipo de especialistas en el ámbito de la Estadística Aplicada. Gracias a ello, ha sido posible conformar un temario sólido, completo, actual y altamente capacitante, que incluye las novedades de la estimación y las técnicas multivariantes. Además, se trata de una titulación en la que, a pesar de que el contenido teórico tiene un peso importante, el material adicional y práctico representa buena parte de las 450 horas en las que está distribuida, aportando dinamismo y haciendo de él una experiencia académica única y amena.

Gracias a la exhaustividad con la que ha sido diseñado el temario de este programa, adquirirás el conocimiento más exhaustivo sobre la modelización estadística a través del análisis de cluster”

Módulo 1. Estimación I

1.1. Introducción a la inferencia estadística

1.1.1. ¿Qué es la inferencia estadística?
1.1.2. Ejemplos

1.2. Conceptos generales

1.2.1. Población
1.2.2. Muestra
1.2.3. Muestreo
1.2.4. Parámetro

1.3. Clasificación de la inferencia estadística

1.3.1. Paramétrica
1.3.2. No paramétrica
1.3.3. Enfoque clásico
1.3.4. Enfoque bayesiano

1.4. Objetivo de la inferencia estadística

1.4.1. ¿Qué objetivos?
1.4.2. Aplicaciones de la inferencia estadística

1.5. Distribuciones asociadas a la normal

1.5.1. Chi-Cuadrado
1.5.2. T-Student
1.5.3. F- Snedecor

1.6. Introducción a la estimación puntual

1.6.1. Definición de muestra aleatoria simple
1.6.2. Espacio muestral
1.6.3. Estadístico y estimador
1.6.4. Ejemplos

1.7. Propiedades de los estimadores

1.7.1. Suficiencia y completitud
1.7.2. Teorema de factorización
1.7.3. Estimador insesgado y asintóticamente insesgado
1.7.4. Error cuadrático medio
1.7.5. Eficiencia
1.7.6. Estimador consistente
1.7.7. Estimación de la media, varianza y proporción de una población

1.8. Procedimientos para la construcción de estimadores

1.8.1. Método de los momentos
1.8.2. Método de máxima verosimilitud
1.8.3. Propiedades de los estimadores de máxima verosimilitud

1.9. Introducción a la estimación por intervalos

1.9.1. Introducción definición de intervalo de confianza
1.9.2. Método de la cantidad pivotal

1.10. Tipos de intervalos de confianza y sus propiedades

1.10.1. Intervalos de confianza para la media de una población
1.10.2. Intervalo de confianza para la varianza de una población
1.10.3. Intervalo de confianza para una proporción
1.10.4. Intervalos de confianza para la diferencia de medias poblacionales. Poblaciones normales independientes. Muestras pareadas
1.10.5. Intervalo de confianza para el cociente de varianzas de dos poblaciones normales independientes
1.10.6. Intervalo de confianza para la diferencia de proporciones de dos poblaciones independiente
1.10.7. Intervalo de confianza para un parámetro basado en su estimador de máxima verosimilitud
1.10.8. Utilización de un Intervalo de Confianza para rechazar o no hipótesis

Módulo 2. Estimación II

2.1. Introducción al contraste de hipótesis

2.1.1. Planteamiento del problema
2.1.2. Hipótesis nula y alternativa
2.1.3. Estadístico del contraste
2.1.4. Tipos de error
2.1.5. Nivel de significación
2.1.6. Región crítica. p-valor
2.1.7. Potencia

2.2. Tipos de contrastes de hipótesis

2.2.1. Contraste de razón de verosimilitud
2.2.2. Contrastes sobre medias y varianzas en poblaciones normales
2.2.3. Contrastes sobre proporciones
2.2.4. Relación entre intervalos de confianza y contrastes de hipótesis

2.3. Introducción a la inferencia Bayesiana

2.3.1. Distribuciones a priori
2.3.2. Distribuciones conjugadas
2.3.3. Distribuciones de referencia

2.4. Estimación Bayesiana

2.4.1. Estimación puntual
2.4.2. Estimación de una proporción
2.4.3. Estimación de la media en poblaciones normales
2.4.4. Comparación con los métodos clásicos

2.5. Introducción a la inferencia estadística no paramétrica

2.5.1. Métodos estadísticos no paramétricos: conceptos
2.5.2. Utilización estadística no paramétrica

2.6. Inferencia no paramétrica en comparación con inferencia paramétrica

2.6.1. Diferencias entre las inferencias

2.7. Contraste de bondad de ajuste

2.7.1. Introducción
2.7.2. Métodos gráficos
2.7.3. Contraste de la ecuación de bondad de ajuste
2.7.4. Contraste de Kolmogorov-Smirnov
2.7.5. Contrastes de normalidad

2.8. Contraste de independencia

2.8.1. Introducción
2.8.2. Contrastes de aleatoriedad. Contraste de rachas
2.8.3. Contrastes de independencia en muestras pareadas

2.8.3.1. Contraste de Kendall
2.8.3.2. Contraste de los rangos de Spearman
2.8.3.3. Contraste Chi-Cuadrado de independencia
2.8.3.4. Generalización del contraste Chi-Cuadrado

2.8.4. Contrastes de independencia en k muestras relacionadas

2.8.4.1. Generalización del contraste Chi-Cuadrado
2.8.4.2. Coeficiente de concordancia de Kendall

2.9. Contraste de posición

2.9.1. Introducción
2.9.2. Contrastes de posición para una muestra y muestras pareadas

2.9.2.1. Test de los signos para una muestra. Test de la Mediana
2.9.2.2. Test de los signos para muestras pareadas
2.9.2.3. Test de Wilcoxon de rangos signados para una muestra
2.9.2.4. Test de Wilcoxon de rangos signados para muestras pareadas

2.9.3. Contrastes de posición para dos muestras independientes

2.9.3.1. Test de Wilcoxon-Mann-Whitney
2.9.3.2. Test de la Mediana
2.9.3.3. Contraste Chi-Cuadrado

2.9.4. Contrastes de posición para k muestras independientes

2.9.4.1. Test de Kruskal-Wallis

2.9.5. Contrastes de posición para k muestras relacionadas

2.9.5.1. Test de Friedman
2.9.5.2. Q de Cochran
2.9.5.3. W de Kendall

2.10. Contraste de homogeneidad

2.10.1. Contrastes de homogeneidad para 2 muestras independientes

2.10.1.1. Contraste de Wald-Wolfowitz
2.10.1.2. Contraste de Kolmogorov-Smirnov
2.10.1.3. Contraste Chi-Cuadrado

Módulo 3. Técnicas estadísticas multivariantes

3.1. Análisis factorial

3.1.1. Introducción
3.1.2. Fundamentos del análisis factorial
3.1.3. Análisis factorial
3.1.4. Métodos de rotación de factores e interpretación del análisis factorial

3.2. Modelización análisis factorial

3.2.1. Ejemplos
3.2.2. Modelización en software estadístico

3.3. Análisis de componentes principales

3.3.1. Introducción
3.3.2. Análisis de componentes principales
3.3.3. Sistemática del análisis de componentes principales

3.4. Modelización análisis de componentes principales

3.4.1. Ejemplos
3.4.2. Modelización en software estadístico

3.5. Análisis de correspondencia

3.5.1. Introducción
3.5.2. Test de independencia
3.5.3. Perfiles fila y perfiles columna
3.5.4. Análisis de la Inercia de una nube de puntos
3.5.5. Análisis de correspondencias múltiple

3.6. Modelización análisis de correspondencia

3.6.1. Ejemplos
3.6.2. Modelización en software estadístico

3.7. Análisis discriminante

3.7.1. Introducción
3.7.2. Reglas de decisión para dos grupos
3.7.3. Clasificación sobre varias poblaciones
3.7.4. Análisis canónico discriminante de Fisher
3.7.5. Elección de variables: procedimiento Forwrad y Backaward
3.7.6. Sistemática del análisis discriminante

3.8. Modelización análisis discriminante

3.8.1. Ejemplos
3.8.2. Modelización en software estadístico

3.9. Análisis cluster

3.9.1. Introducción
3.9.2. Medidas de distancia y similitud
3.9.3. Algoritmos de clasificación jerárquica
3.9.4. Algoritmos de clasificación no jerárquica
3.9.5. Procedimientos para determinar el número adecuado de grupos
3.9.6. Caracterización de los clústeres
3.9.7. Sistemática del análisis cluster

3.10. Modelización análisis cluster

3.10.1. Ejemplos
3.10.2. Modelización en software estadístico

Da un paso más en tu camino hacia el éxito en la profesión estadística y especialízate en un ámbito práctico, dinámico y altamente demandado en el mercado laboral actual en tan solo 6 meses de capacitación”