Pregrado Estadística Aplicada

La Estadística Aplicada es un campo dinámico y desafiante, que marca la diferencia en múltiples sectores. Mediante ella se pueden analizar la estructura y comportamiento de los fenómenos, utilizando herramientas y técnicas para desentrañar patrones, relaciones y regularidades presentes en la información recopilada. Por ello, muchas empresas buscan especialistas que comprendan los datos, descifren patrones ocultos y revelen verdades fundamentales, para así impulsar avances en campos tan importantes como la medicina, la economía o la tecnología. TECH ha desarrollado este programa considerando todos estos aspectos para equipar a los estudiantes con habilidades que los destacarán en el competitivo escenario actual. Se trata de una oportunidad única para aspirar a las mejores oportunidades laborales del momento y con un disruptivo formato de estudio 100% online.

Titulación

duración

4 años

Modalidad

Online

Horario

A tu ritmo

Exámenes

Online

fecha de inicio

Acreditación

4000 horas

financiación hasta

12 meses

Precio(primer año)

La mayor facultad de ingeniería del mundo”

Presentación

Con esta Pregrado en Estadística Aplicada adquirirás las capacidades y conocimientos de un especialista de primer nivel”

Decidir cuál va a ser la Pregrado de elección es una decisión que requiere de un análisis de factores amplio y objetivo. Necesitado de personal especializado, que posea la mayor capacitación posible, el sector de la Estadística Aplicada valora de manera muy especial los perfiles que incorporan habilidades transversales para comprender, analizar y sacar conclusiones significativas a partir de datos.

Con esta Pregrado de TECH, el alumno no solo dominará herramientas estadísticas avanzadas, sino que también se convertirá en un solucionador de problemas, capaz de tomar decisiones informadas en un mundo impulsado por la información. Desde el diseño de experimentos, hasta la predicción de tendencias, la Estadística Aplicada brindará a los estudiantes la oportunidad de influir en la forma en la que se entiende y se moldea el entorno.

Así, se sumergirán en la comprensión del azar y la probabilidad, fundamentales para el análisis de datos. Luego, ahondarán en las técnicas para describir y explorar conjuntos de datos, así como herramientas matemáticas en álgebra y matemática discreta. Además, se incluirá el estudio de la estadística económica, recopilando información social y de mercados. Asimismo, los alumnos profundizarán con métodos matemáticos específicos para la estadística, adquiriendo habilidades en programación y en el uso de software estadístico y bases de datos.

De igual forma, se desarrollarán competencias en estimación, depuración de datos y manipulación estadística, con énfasis en áreas como la investigación comercial, la salud y la economía. Finalmente, abordarán la ética profesional, habilidades directivas y metodología de investigación, lo que les permitirá, no solo manejar datos, sino también liderar equipos y aplicar conocimientos de manera ética y efectiva en la resolución de problemas reales.

TECH ofrece la mayor calidad del panorama académico online, permitiendo optimizar el tiempo, sin desplazamientos forzosos y adaptando el estudio al horario personal. Se trata de una oportunidad única para capacitarse con la comodidad y flexibilidad del método online más eficaz del panorama universitario actual.

Un aprendizaje completo e innovador que impulsará el desarrollo de tus competencias en todos los sentidos, preparándote par ser un profesional de primera línea” 

TECH brinda la oportunidad de obtener la Pregrado en Estadística Aplicada en un formato 100% en línea, con titulación directa y un programa diseñado para aprovechar cada tarea en la adquisición de competencias para desempeñar un papel relevante en la empresa. Pero, además, con este programa, el estudiante tendrá acceso al estudio de idiomas extranjeros y formación continuada de modo que pueda potenciar su etapa de estudio y logre una ventaja competitiva con los egresados de otras universidades menos orientadas al mercado laboral. Un camino creado para conseguir un cambio positivo a nivel profesional, relacionándose con los mejores y formando parte de la nueva generación de profesionales ingenieros capaces de desarrollar su labor en cualquier lugar del mundo.

Lleva tus habilidades analíticas al siguiente nivel gracias a esta Pregrado en Estadística Aplicada”

Plan de estudios

El estudiante cursará el plan de estudios recorriendo las diferentes áreas específicas que le permitirán dominar el mundo de la Estadística Aplicada, con un enfoque integral de la interpretación de datos, desde la base del azar y la probabilidad hasta el dominio de técnicas avanzadas de análisis estadístico. Gracias a este programa, el estudiante saldrá pertrechado de todos los conocimientos necesarios para desempeñarse profesionalmente a un alto nivel.

¡Prepárate para liderar proyectos en la era de la información! Te convertirás en un experto capaz de tomar decisiones estratégicas fundamentadas en la ciencia de los números”

El programa de la Pregrado en Estadística Aplicada se imparte en formato 100% en línea, para que el estudiante pueda elegir el momento y el lugar que mejor se adapte a la disponibilidad, horarios e intereses. Este programa, que se desarrolla a lo largo de 4 años, pretende ser una experiencia única y estimulante que siembre las bases para el éxito profesional.

Durante las 40 asignaturas de la formación, el estudiante analizará multitud de casos prácticos mediante los escenarios simulados planteados en cada uno de ellos. Ese planteamiento práctico se completará con actividades y ejercicios, acceso a material complementario, vídeos in focus, videos de apoyo, clases magistrales y presentaciones multimedia, para hacer sencillo lo más complejo y establecer una dinámica de trabajo que permita al estudiante la correcta adquisición de competencias.

Un programa diseñado para que puedas adaptar su curso a tu disponibilidad. ¡Haz de tu aprendizaje un proceso flexible, eficaz y exitoso!”

Dónde, cuándo y cómo se imparte

Esta Pregrado se ofrece 100% en línea, por lo que alumno podrá cursarla desde cualquier sitio, haciendo uso de una computadora, una tableta o simplemente mediante su smartphone.

Además, podrá acceder a los contenidos tanto online como offline. Para hacerlo offline, bastará con descargarse los contenidos de los temas elegidos, en el dispositivo y abordarlos sin necesidad de estar conectado a internet.

El alumno podrá cursar la Pregrado a través de sus 40 asignaturas, de forma autodirigida y asincrónica. Adaptamos el formato y la metodología para aprovechar al máximo el tiempo y lograr un aprendizaje a medida de las necesidades del alumno.

Asignatura 1. Azar y Probabilidad
Asignatura 2. Descripción y Exploración de Datos
Asignatura 3. Álgebra y Matemática Discreta
Asignatura 4. Estadística Económica
Asignatura 5. Fuentes y Técnicas de Recogida de Información Social y de Mercados
Asignatura 6. Métodos Matemáticos para Estadística I
Asignatura 7. Métodos Matemáticos para Estadística II
Asignatura 8. Métodos Matemáticos para Estadística III
Asignatura 9. Programación I
Asignatura 10. Programación II
Asignatura 11. Software Estadístico I
Asignatura 12. Bases de Datos: Diseño y Gestión
Asignatura 13. Inglés
Asignatura 14. Estimación I
Asignatura 15. Estimación II
Asignatura 16. Estudio y Depuración de Datos
Asignatura 17. Matemáticas con Ordenador
Asignatura 18. Probabilidad y Procesos Dinámicos
Asignatura 19. Sistema Estadístico e Indicadores Económicos
Asignatura 20. Software Estadístico II
Asignatura 21. Técnicas de Optimización
Asignatura 22. Aplicaciones Estadísticas a la Industria
Asignatura 23. Diseño de Experimentos
Asignatura 24. Diseños Muestrales
Asignatura 25. Diseños Muestrales Avanzados y Estadísticas Oficiales
Asignatura 26. Investigación Comercial y Análisis de Mercados: Procedimientos y Aplicaciones
Asignatura 27. Métodos Avanzados de Diseño de Experimentos
Asignatura 28. Métodos de Predicción Lineal
Asignatura 29. Simulación y Líneas de Espera
Asignatura 30. Técnicas Estadísticas Multivariantes I
Asignatura 31. Técnicas Estadísticas Multivariantes II
Asignatura 32. Aplicaciones Estadísticas en Ciencias de la Salud
Asignatura 33. Metodología Seis Sigma para la Mejora de la Calidad
Asignatura 34. Métodos Econométricos en Economía y Finanzas
Asignatura 35. Series Temporales
Asignatura 36. Técnicas Avanzadas de Predicción
Asignatura 37. Técnicas de Segmentación y Tratamiento de Encuestas
Asignatura 38. Ética Profesional
Asignatura 39. Habilidades Directivas y Liderazgo
Asignatura 40. Metodología de la Investigación

Convertirás datos en oportunidades y revelarás los secretos detrás de cada cifra para impulsar el progreso y la innovación”

Asignatura 1. Azar y probabilidad

Tema 1. Modelos probabilísticos

1.1. Introducción
1.2. Fenómenos aleatorios
1.3. Espacios de probabilidad
1.4. Propiedades de la probabilidad
1.5. Combinatoria

Tema 2. Probabilidad condicionada

2.1. Definición de probabilidad condicionada
2.2. Independencia de sucesos
2.3. Propiedades de la independencia de sucesos
2.4. La Fórmula de la Probabilidad Total
2.5. La Fórmula de Bayes

Tema 3. Variables aleatorias unidimensionales

3.1. Concepto de variable aleatoria unidimensional
3.2. Operaciones con variables aleatorias
3.3. Función de distribución de una variable aleatoria
3.4. Unidimensional. Propiedades
3.5. Variables aleatoria discreta, continua y mixta
3.6. Transformaciones de variables aleatorias

Tema 4. Características de las variables aleatorias unidimensionales

4.1. Esperanza matemática. Propiedades del operador esperanza
4.2. Momentos respecto al origen. Momentos respecto a la media
4.3. Relaciones entre momentos
4.4. Medidas de posición, dispersión y forma
4.5. Teorema de Chebychev

Tema 5. Distribuciones discretas

5.1. Distribución degenerada
5.2. Distribución uniforme sobre n puntos
5.3. Distribución de Bernouilli
5.4. Distribución binomial
5.5. Distribución de Poisson
5.6. Distribución binomial negativa
5.7. Distribución geométrica
5.8. Distribución hipergeométrica

Tema 6. Distribución normal

6.1. Introducción
6.2. Características de una distribución normal
6.3. Representación de una distribución normal
6.4. Aproximación de una binomial por una normal

Tema 7. Otras distribuciones continuas

7.1. Distribución uniforme
7.2. Distribución gamma
7.3. Distribución exponencial
7.4. Distribución beta

Tema 8. Variable aleatoria bidimensional

8.1. Introducción
8.2. Variable aleatoria bidimensional
8.3. Variable aleatoria bidimensional discreta. Función de masa
8.4. Variable aleatoria bidimensional continua. Función de densidad

Tema 9. Distribuciones variable aleatoria bidimensional

9.1. Función de distribución conjunta. Propiedades
9.2. Distribuciones marginales
9.3. Distribuciones condicionadas
9.4. Variables aleatorias independientes

Tema 10. Leyes de los grandes números y Teorema Central del Límite

10.1. Sucesiones de variables aleatorias
10.2. Convergencia de sucesiones de variables aleatorias. Relaciones entre los distintos tipos de convergencia

10.2.1. Convergencia Puntual
10.2.2. Convergencia casi segura
10.2.3. Convergencia en probabilidad
10.2.4. Convergencia en ley o en distribución

10.3. Leyes de los Grandes Números
10.4. Problema central del límite clásico

Asignatura 2. Descripción y Exploración de Datos

Tema 1. Introducción a la estadística

1.1. Conceptos básicos estadística
1.2. Objetivo del análisis exploratorio de datos o estadística descriptiva
1.3. Tipos de variables y escalas de medida
1.4. Redondeos y notación científica

Tema 2. Resumen de datos estadísticos

2.1. Distribuciones de frecuencias: tablas
2.2. Agrupamiento en intervalos
2.3. Representaciones gráficas
2.4. Diagrama diferencial
2.5. Diagrama integral

Tema 3. Estadística descriptiva unidimensional

3.1. Características de posición central: media, mediana, moda
3.2. Otras características de posición: cuartiles, deciles y percentiles
3.3. Características de dispersión: varianza y desviación típica (muestrales y poblacionales), rango, rango inter-cuartil
3.4. Características de dispersión relativa
3.5. Puntuaciones tipificadas
3.6. Características de forma: simetría y curtosis

Tema 4. Complementos en el estudio de una variable

4.1. Análisis exploratorio: diagrama de caja y otros gráficos
4.2. Transformación de variables
4.3. Otras medias: geométrica, armónica, cuadrática
4.4. La desigualdad de Chebyshev

Tema 5. Estadística descriptiva bidimensional

5.1. Distribuciones de frecuencias bidimensionales
5.2. Tablas estadísticas de doble entrada. Distribuciones marginales y condicionadas
5.3. Conceptos de independencia y dependencia funcional
5.4. Representaciones gráficas

Tema 6. Complementos en el estudio de dos variables

6.1. Características numéricas de una distribución bidimensional
6.2. Momentos conjuntos, marginales y condicionados
6.3. Relación entre medidas marginales y condicionales

Tema 7. Regresión

7.1. Línea general de regresión
7.2. Curvas de regresión
7.3. Ajuste lineal
7.4. Predicción y error

Tema 8. Correlación

8.1. Concepto de correlación
8.2. Razones de correlación
8.3. Coeficiente de correlación de Pearson
8.4. Análisis de la correlación

Tema 9. Correlación entre atributos

9.1. Coeficiente de Sperman
9.2. Coeficiente Kendall
9.3. Chi cuadrado

Tema 10. Introducción a las series temporales

10.1. Series temporales
10.2. Proceso estocástico

10.2.1. Procesos estacionarios
10.2.2. Procesos no estacionarios

10.3. Modelos
10.4. Aplicaciones

Asignatura 3. Algebra y Matemática Discreta

Tema 1. Métodos de prueba, inducción y recursión

1.1. Variables y cuantificadores
1.2. Métodos de prueba
1.3. Inducción
1.4. Recursión

Tema 2. Conjuntos y funciones

2.1. Conjuntos
2.2. Operaciones con conjuntos
2.3. Funciones
2.4. Cardinalidad

Tema 3. Teoría de números y aritmética modular

3.1. Divisibilidad y aritmética modular
3.2. Números primos
3.3. Máximo común divisor y mínimo común múltiplo
3.4. Congruencias lineales
3.5. Teorema chino del resto
3.6. El pequeño teorema de Fermat
3.7. Raíz primitiva y logaritmo discreto
3.8. Algoritmo de Diffie-Hellman

Tema 4. Operaciones con matrices

4.1. El concepto de matriz
4.2. Operaciones fundamentales con matrices
4.3. La matriz identidad y la potencia de una matriz
4.4. Las matrices cero-uno
4.5. La matriz transpuesta, inversa y el determinante

Tema 5. Relaciones

5.1. Relaciones binarias y sus propiedades
5.2. Relaciones n-arias
5.3. Representación de relaciones
5.4. Cierre de una relación

Tema 6. Eliminación gaussiana

6.1. Resolución automática de sistemas de ecuaciones
6.2. Eliminación gaussiana ingenua
6.3. Vector de error y vector residual
6.4. Eliminación gaussiana con pivotaje parcial escalado

Tema 7. Programación lineal

7.1. Problemas de programación lineal
7.2. Forma estándar
7.3. Forma distensionada
7.4. Dualidad

Tema 8. Algoritmo Simplex

8.1. Qué es el algoritmo Simplex
8.2. Interpretación geométrica
8.3. Pivotaje
8.4. Inicialización
8.5. Cuerpo del algoritmo

Tema 9. Grafos

9.1. Introducción a los grafos
9.2. Relaciones de vecindad
9.3. Representación de grafos
9.4. Grafos isomorfos
9.5. Conectividad en grafos

Tema 10. Árboles

10.1. Introducción a los árboles
10.2. Aplicaciones de los árboles
10.3. Recorrido de árboles

Asignatura 4. Estadística Económica

Tema 1. Introducción

1.1. Definición de número índice
1.2. Usos de los números índice
1.3. Problemas relacionados con los números

Tema 2. Clasificación de los índices

2.1. Concepto y clasificación
2.2. Índice simple
2.3. Índice compuesto
2.4. Según el tipo de magnitud

Tema 3. Índices simples

3.1. Tasas de variación
3.2. Índices simples cuánticos o de producción
3.3. Índices simples más utilizados

Tema 4. Índices compuestos sin ponderar

4.1. Definición y propiedades
4.2. Índice de Sauerbeck
4.3. Índice de Bradstreet-Dûtot

Tema 5. Índices compuestos ponderados

5.1. Índices de Laspeyres
5.2. Índices de Paasche
5.3. Índices de Edgeworth
5.4. Índices de Fisher

Tema 6. Índices de valor

6.1. Índices de precios
6.2. Índices de cantidades
6.3. Índices de valores

Tema 7. Propiedades de los índices

7.1. Propiedades de los números índices simples
7.2. Propiedades de los números índices compuestos
7.3. Cumplimiento de las propiedades por los índices de precios

Tema 8. Operaciones con índices

8.1. Renovación
8.2. Enlace
8.3. Cambio de base

Tema 9. Índices encadenados

9.1. Índices en cadena
9.2. El índice de volumen de Laspeyres encadenado
9.3. Cambio de base en una serie de números índices

Tema 10. Valoración de series

10.1. Deflación de series económicas
10.2. Renovación de componentes y de coeficientes de ponderación en los números índices complejos
10.3. Enlace o empalme de series de números índices con distinta base

Asignatura 5. Fuentes y Técnicas de recogida de información social y de mercados

Tema 1. Concepto de investigación social y de mercados

1.1. Definición
1.2. Cualidades
1.3. Papel de la Investigación social y de mercados

Tema 2. La investigación social y de mercados

2.1. Objetivos
2.2. Alcance
2.3. Planificación
2.4. Diseño

Tema 3. Fuentes de información

3.1. Concepto
3.2. Tipos de fuente de información
3.3. Fuentes secundarias
3.4. Fuentes primarias

Tema 4. Estrategias de búsqueda, medición de las fuentes de información y evaluación

4.1. Tipo de estrategias
4.2. Selección de la información
4.3. Evaluación de la información

Tema 5. Métodos y técnicas de recogida de información

5.1. Procesos metodológicos

5.1.1. Planteamiento inicial
5.1.2. Planificación de la investigación
5.1.3. Recogida de datos
5.1.4. Análisis de resultados
5.1.5. Elaboración del informe

5.2. Técnicas proyectivas
5.3. La observación
5.4. Pseudocompra

Tema 6. El impacto de las nuevas técnicas de recogida de información y sus soportes específicos

6.1. Encuesta
6.2. Paneles
6.3. Observación
6.4. Cuestionario y protocolos de recogida

Tema 7. Los métodos cualitativos de obtención de información

7.1. Características de la encuesta
7.2. Tipos de encuesta
7.3. Diseño del cuestionario
7.4. Estructura y secuencia del cuestionario

Tema 8. El trabajo de campo

8.1. Planificación de trabajo de campo
8.2. Proceso secuencial de la recogida de datos
8.3. Metodologías

8.3.1. Cuantitativas
8.3.2. No cuantitativas

8.4. Evaluación del trabajo de campo

Tema 9. El muestreo en investigación social y de mercados

9.1. El proceso de muestreo en investigación de mercados
9.2. Métodos de muestreo
9.3. Determinación del tamaño de la muestra
9.4. Error de la muestra

Tema 10. Sistema de información de mercadotecnia

10.1. Concepto
10.2. Análisis de oportunidades y amenazas
10.3. Objetivos
10.4. Estrategias de mercadotecnia
10.5. Acciones, Resultados y control

Asignatura 6. Métodos matemáticos para estadística I

Tema 1. Los números reales

1.1. Propiedades de los números reales
1.2. Desigualdades
1.3. Valor absoluto

Tema 2. Funciones reales

2.1. Dominio e Imagen
2.2. Operaciones con funciones
2.3. Simetría, periodicidad
2.4. Crecimiento, extremos locales, concavidad
2.5. Funciones básicas
2.6. Traslaciones y dilataciones

Tema 3. Límite y continuidad de funciones

3.1. Noción de límite en un punto
3.2. Limites laterales
3.3. Limites infinitos y en el infinito
3.4. Asíntotas
3.5. Continuidad
3.6. Teoremas sobre funciones continuas en un intervalo cerrado

Tema 4. La derivada y sus aplicaciones

4.1. Noción de derivada
4.2. Recta tangente
4.3. Reglas de derivación
4.4. Teoremas sobre funciones derivables
4.5. Aplicaciones de estos teoremas
4.6. Representación gráfica de funciones

Tema 5. Teorema del valor medio

5.1. Definición
5.2. Interpretación geométrica
5.3. Aplicaciones

Tema 6. Optimización

6.1. Introducción a la optimización
6.2. Problemas de programación Lineal
6.3. Método Simplex

Tema 7. Integrales indefinidas

7.1. La primitiva de una función
7.2. Reglas para el cálculo de primitivas: sustitución
7.3. Integración por partes
7.4. Integración de funciones racionales
7.5. Integración de funciones trigonométricas

Tema 8. La integral definida

8.1. Definición
8.2. Propiedades de la integral definida
8.3. Teorema fundamental del Cálculo
8.4. Aplicaciones de la integral definida

Tema 9. Integrales impropias

9.1. Definición de integrales impropias
9.2. Integrales impropias de 1ª especie
9.3. Integrales impropias de 2ª especie
9.4. Criterios de convergencia

Tema 10. Series numéricas

10.1. Condición necesaria de convergencia
10.2. Series geométricas, telescópicas, armónicas
10.3. Criterios de convergencia para las series con términos positivos: comparación, criterio del cociente, criterio de la raíz, criterio de la integral
10.4. Series alternadas, criterio de Leibniz
10.5. Convergencia absoluta y convergencia condicional

Asignatura 7. Métodos matemáticos para estadística II

Tema 1. Matrices

1.1. Definición
1.2. Matrices escalonadas
1.3. Operaciones con matrices
1.4. Matrices regulares
1.5. Matrices elementales
1.6. Inversa por Gauss

Tema 2. Sistemas lineales

2.1. Introducción
2.2. Resolución de sistemas lineales por Gauss
2.3. Problemas

Tema 3. Teorema de Rouché-Frobenius

3.1. Definición
3.2. Demostración
3.3. Aplicaciones

Tema 4. Espacios vectoriales

4.1. Espacios vectoriales
4.2. Subespacios vectoriales
4.3. Dependencia e independencia lineal
4.4. Base y dimensión de un espacio vectorial
4.5. Cambio de base
4.6. Ecuaciones paramétricas e implícitas
4.7. Eliminación de parámetros

Tema 5. Aplicaciones lineales

5.1. Aplicaciones lineales
5.2. Imagen de una aplicación lineal
5.3. Núcleo de una aplicación lineal
5.4. Determinación de una aplicación lineal
5.5. Ecuaciones de una aplicación lineal
5.6. Operaciones con aplicaciones lineales

Tema 6. Rango y determinante

6.1. Definición de determinante
6.2. Desarrollo por adjuntos
6.3. Propiedades y cálculo de determinante
6.4. Rango de una matriz por determinantes
6.5. Eliminación de parámetros usando determinantes

Tema 7. Matriz inversa

7.1. Concepto
7.2. Propiedades de la matriz inversa
7.3. Métodos de inversión de matrices

Tema 8. Regla de Cramer

8.1. Definición
8.2. Propiedades
8.3. Aplicaciones

Tema 9. Diagonalización

9.1. Endomorfismo de un espacio vectorial
9.2. Autovalores y autovectores
9.3. Polinomio característico
9.4. Diagonalización de matrices

Tema 10. Teorema de Cayley-Hamilton

10.1. Definición
10.2. Demostración
10.3. Aplicaciones

Asignatura 8. Métodos matemáticos para estadística III

Tema 1. Polinomio de Taylor

1.1. Fórmula de Taylor con resto
1.2. Aplicaciones
1.3. Desarrollos en serie de Taylor

Tema 2. Series de potencias

2.1. Definición
2.2. Convergencia de series de potencias
2.3. Derivación e integración

Tema 3. Funciones de varias variables

3.1. Funciones de R^n en R^m
3.2. Límites y continuidad
3.3. Derivadas parciales
3.4. Diferenciabilidad
3.5. Gradiente y curvas de nivel
3.6. Extremos locales de funciones de dos variables

Tema 4. Multiplicadores de Lagrange

4.1. Definición
4.2. Propiedades
4.3. Aplicaciones

Tema 5. Integrales dobles

5.1. Definición
5.2. Propiedades
5.3. Problemas

Tema 6. Integrales triples

6.1. Definición
6.2. Propiedades
6.3. Problemas

Tema 7. Formas bilineales

7.1. Matrices asociadas a una forma bilineal en distintas bases
7.2. Formas bilineales simétricas
7.3. Formas bilineales antisimétricas

Tema 8. Formas cuadráticas

8.1. Expresión matricial de una forma cuadrática
8.2. Matrices congruentes
8.3. Vectores conjugados
8.4. Núcleo
8.5. Diagonalización
8.6. Clasificación de las formas cuadráticas
8.7. Aplicación a extremos de funciones de varias variables

Tema 9. Espacios vectoriales euclideos

9.1. Producto escalar
9.2. Matriz métrica
9.3. Normas, distancias
9.4. Vectores ortogonales y ortonormales
9.5. Proyección ortogonal

Tema 10. Método de mínimos cuadrados

10.1. Definición
10.2. Propiedades
10.3. Aplicaciones

Asignatura 9. Programación I

Tema 1. Introducción a la programación

1.1. Estructura básica de un ordenador
1.2. Software
1.3. Lenguajes de programación
1.4. Ciclo de vida de una aplicación informática

Tema 2. Diseño de algoritmos

2.1. La resolución de problemas
2.2. Técnicas descriptivas
2.3. Elementos y estructura de un algoritmo

Tema 3. Elementos de un programa

3.1. Origen y características del lenguaje C++
3.2. El entorno de desarrollo
3.3. Concepto de programa
3.4. Tipos de datos fundamentales
3.5. Operadores
3.6. Expresiones
3.7. Sentencias
3.8. Entrada y salida de datos

Tema 4. Sentencias de control

4.1. Sentencias
4.2. Bifurcaciones
4.3. Bucles

Tema 5. Abstracción y modularidad: funciones

5.1. Diseño modular
5.2. Concepto de función y utilidad
5.3. Definición de una función
5.4. Flujo de ejecución en la llamada de una función
5.5. Prototipo de una función
5.6. Devolución de resultados
5.7. Llamada a una función: parámetros
5.8. Paso de parámetros por referencia y por valor
5.9. Ámbito identificador

Tema 6. Estructuras de datos estáticas

6.1. Matrices
6.2. Matrices. Poliedros
6.3. Búsqueda y ordenación
6.4. Cadenas. Funciones de E/S para cadenas
6.5. Estructuras. Uniones
6.6. Nuevos tipos de datos

Tema 7. Estructuras de datos dinámicas: punteros

7.1. Concepto. Definición de puntero
7.2. Operadores y operaciones con punteros
7.3. Matrices de punteros
7.4. Punteros y Matrices
7.5. Punteros a cadenas
7.6. Punteros a estructuras
7.7. Indirección múltiple
7.8. Punteros a funciones
7.9. Paso de funciones, estructuras y matrices como parámetros de funciones

Tema 8. Ficheros

8.1. Conceptos básicos
8.2. Operaciones con ficheros
8.3. Tipos de ficheros
8.4. Organización de los ficheros
8.5. Introducción a los ficheros C++
8.6. Manejo de ficheros

Tema 9. Recursividad

9.1. Definición de recursividad
9.2. Tipos de recursión
9.3. Ventajas e inconvenientes
9.4. Consideraciones
9.5. Conversión recursivo-iterativa
9.6. La pila de recursión

Tema 10. Prueba y documentación

10.1. Pruebas de programas
10.2. Prueba de la caja blanca
10.3. Prueba de la caja negra
10.4. Herramientas para realizar las pruebas
10.5. Documentación de programas

Asignatura 10. Programación II

Tema 1. Introducción a la programación orientada a objetos

1.1. Introducción a la programación orientada a objetos
1.2. Diseño de clases
1.3. Introducción a Lenguaje Unificado de Modelado (UML) para el modelado de los problemas

Tema 2. Relaciones entre clases

2.1. Abstracción y herencia
2.2. Conceptos avanzados de herencia
2.3. Polimorfismo
2.4. Composición y agregación

Tema 3. Introducción a los patrones de diseño para problemas orientados a objetos

3.1. Qué son los patrones de diseño
3.2. Patrón Factory
3.3. Patrón Singleton
3.4. Patrón Observer
3.5. Patrón Composite

Tema 4. Excepciones

4.1. ¿Qué son las excepciones?
4.2. Captura y gestión de excepciones
4.3. Lanzamiento de excepciones
4.4. Creación de excepciones

Tema 5. Interfaces de usuarios

5.1. Introducción a Qt
5.2. Posicionamiento
5.3. ¿Qué son los eventos?
5.4. Eventos: definición y captura
5.5. Desarrollo de interfaces de usuario

Tema 6. Introducción a la programación concurrente

6.1. Introducción a la programación concurrente
6.2. El concepto de proceso e hilo
6.3. Interacción entre procesos o hilos
6.4. Los hilos en C++
6.5. Ventajas e inconvenientes de la programación concurrente

Tema 7. Gestión de hilos y sincronización

7.1. Ciclo de vida de un hilo
7.2. La Clase Hilo (Thread)
7.3. Planificación de hilos
7.4. Grupos hilos
7.5. Hilos de tipo demonio
7.6. Sincronización
7.7. Mecanismos de bloqueo
7.8. Mecanismos de comunicación
7.9. Monitores

Tema 8. Problemas comunes dentro de la programación concurrente

8.1. El problema de los productores consumidores
8.2. El problema de los lectores y escritores
8.3. El problema de la cena de los filósofos

Tema 9. Documentación y pruebas de software

9.1. ¿Por qué es importante documentar el software?
9.2. Documentación de diseño
9.3. Uso de herramientas para la documentación

Tema 10. Pruebas de software

10.1. Introducción a las pruebas del software
10.2. Tipos de pruebas
10.3. Prueba de unidad
10.4. Prueba de integración
10.5. Prueba de validación
10.6. Prueba del sistema

Asignatura 11. Software estadístico I

Tema 1. Introducción al entorno SPSS

1.1. Como funciona SPSS
1.2. Creación, listado y remoción de objetos en memoria
1.3. Comparativa con otros programas de software estadístico

Tema 2. Consola en SPSS

2.1. Entorno consola en SPSS
2.2. Principales controles
2.3. Importar datos desde EXCEL

Tema 3. Modo script en SPSS

3.1. Entorno script en SPSS
3.2. Principales comandos
3.3. Scripts en modo por lotes

Tema 4. Objetos en SPSS

4.1. Objetos
4.2. Leyendo datos desde un archivo
4.3. Guardando datos
4.4. Generación de datos

Tema 5. Estructuras de control de flujo de ejecución

5.1. Estructuras condicionales
5.2. Estructuras repetitivas/iterativas
5.3. Vectores y matrices

Tema 6. Operaciones con objetos

6.1. Creación de objetos
6.2. Conversión de objetos
6.3. Operadores
6.4. Como acceder los valores de un objeto: el sistema de indexación
6.5. Accediendo a los valores de un objeto con nombres
6.6. El editor de datos
6.7. Funciones aritméticas simples
6.8. Cálculos con Matrices

Tema 7. Funciones en SPSS

7.1. Bucles y vectorización
7.2. Creando sus propias funciones
7.3. Principales funciones

7.3.1. Funciones aritméticas
7.3.2. Funciones estadísticas
7.3.3. Funciones de cadena
7.3.4. Funciones de conversión de cadena/numérica
7.3.5. Funciones de fecha y hora
7.3.6. Funciones de variables aleatorias y de distribución
7.3.7. Funciones de valores perdidos
7.3.8. Funciones lógicas

Tema 8. Gráficos en SPSS

8.1. Manejo de gráficos
8.2. Abriendo múltiples dispositivos gráficos
8.3. Disposición de una gráfica
8.4. Funciones graficas
8.5. Parámetros gráficos

Tema 9. Paquetes de SPSS

9.1. Librería SPSS
9.2. Paquetes SPSS

Tema 10. Estadística en SPSS

10.1. Un ejemplo simple de análisis de varianza
10.2. Formulas
10.3. Funciones genéricas

Asignatura 12. Bases de datos: diseño y gestión

Tema 1. Introducción a las Bases de Datos

1.1. ¿Qué es una Base datos?
1.2. Historia de los sistemas de Bases de Datos
1.3. Bases de datos en la vida cotidiana

Tema 2. Sistema de información y Bases de Datos

2.1. Conceptos
2.2. Características
2.3. Evolución de las bases de datos

Tema 3. Definición y características

de un Sistema Gestor de Bases de Datos

3.1. Historia y arquitectura de un sistema de gestión de bases de datos
3.2. Definición de la base de datos
3.3. Características principales
3.4. Manipulación de la base de datos

Tema 4. Arquitectura de los Sistemas Gestores de Bases de Datos

4.1. Arquitecturas centralizadas y cliente-servidor
4.2. Arquitecturas de sistemas servidores
4.3. Sistemas paralelos
4.4. Sistemas distribuidos
4.5. Tipos de redes

Tema 5. Principales Sistemas Gestores de Bases de Datos (SGBD)

5.1. Tipos de SGBD
5.2. Funciones de los gestores de bases de datos
5.3. Comparativa de los principales SGBD

Tema 6. Desarrollo de aplicaciones de Bases de Datos

6.1. Interfaces web para bases de datos
6.2. Ajuste del rendimiento
6.3. Pruebas de Rendimiento
6.4. Normalización
6.5. Comercio electrónico
6.6. Sistema Heredados

Tema 7. Etapas de diseño de Bases de Datos

7.1. Diseño conceptual
7.2. Diseño lógico
7.3. Diseño de aplicaciones

Tema 8. Implementación de la Base de Datos

8.1. Lenguaje de consulta estructurado (SQL)
8.2. Procesamiento de datos
8.3. Consulta de datos
8.4. Gestión de la Base de Datos con SQL
8.5. Trabajando con Bases de Datos SQLite

Tema 9. Nociones de HTML y expresiones regulares

9.1. Estructura y código de una página web
9.2. Etiquetas y atributos HTML y hoja de estilo en cascada CSS
9.3. Búsqueda de textos con expresiones regulares
9.4. Caracteres especiales, conjuntos, grupos y repeticiones

Tema 10. Recopilación y almacenamiento de datos de páginas web

10.1. Introducción a las herramientas de raspado Web
10.2. Programación de herramientas de raspado Web en Python
10.3. Búsqueda y obtención de información con expresiones regulares
10.4. Búsqueda y obtención de información con Beautiful Soup
10.5. Almacenamiento en bases de datos
10.6. Exportación de resultados en ficheros de valores separados por comas

Asignatura 13. Inglés

Tema 1. Idiomas, personas y biografías

1.1. Reuniones Familiares
1.2. ¿Has estado alguna vez en Inglaterra?
1.3. ¡Nos vamos de viaje!
1.4. Personalidades Influyentes

Tema 2. El deporte y actividades físicas

2.1. Me apunto al gimnasio
2.2. Alimentación y dieta
2.3. Me he torcido el tobillo
2.4. ¿Qué deportes haces?

Tema 3. Viajes y movilidad

3.1. ¿A qué hora viene el autobús?
3.2. Estoy de vacaciones
3.3. Restaurantes con platos típicos
3.4. Tradiciones y fiestas populares

Tema 4. En la oficina

4.1. Tenemos un nuevo compañero de trabajo
4.2. Reunión de trabajo
4.3. Petición de vacaciones
4.4. Una entrevista de trabajo

Tema 5. El fin de semana y tiempo libre

5.1. ¿Cenamos fuera o en casa?
5.2. Hacer una excursión
5.3. Hobbies y aficiones
5.4. El tiempo y condiciones climáticas

Tema 6. Precios y formas de pagar

6.1. En la cafetería
6.2. ¿Cuánto cuesta este bolso?
6.3. ¿En efectivo o con tarjeta?

Tema 7. La mudanza y mi nueva casa

7.1. Buscando una nueva casa
7.2. ¿Podrías ayudarme con la mudanza?
7.3. Conociendo a mis vecinos
7.4. Tenemos que comprar muebles nuevos

Tema 8. Redes sociales e Internet

8.1. ¿Tienes cobertura?
8.2. Mis redes sociales
8.3. No tengo conexión a internet
8.4. Internet en la vida cotidiana

Tema 9. Arte y museo

9.1. Quiero estudiar Bellas Artes
9.2. ¿Quién es Picasso?
9.3. ¿Te gusta pintar?
9.4. Visita a Museos

Tema 10. En la universidad

10.1. Estudiamos en la biblioteca
10.2. ¿Has aprobado?
10.3. Mis compañeros de clase
10.4. Asignaturas y horarios

Tema 11. En el médico

11.1. Me duele la cabeza, no me siento bien
11.2. Pedir una cita médica
11.3. La receta médica y la farmacia
11.4. ¿Te encuentras mejor

Asignatura 14. Estimación I

Tema 1. Introducción a la inferencia estadística

1.1. ¿Qué es la inferencia estadística?
1.2. Relación con el Análisis Descriptivo
1.3. Relación con el cálculo de probabilidades

Tema 2. Conceptos Generales

2.1. Población
2.2. Muestra
2.3. Muestreo
2.4. Parámetro

Tema 3. Clasificación de la inferencia estadística

3.1. Paramétrica
3.2. No paramétrica
3.3. Enfoque clásico
3.4. Enfoque bayesiano

Tema 4. Objetivo de la inferencia estadística

4.1. Objetivos y aplicaciones de la inferencia estadística
4.2. Inferencia estadística en el mundo cotidiano
4.3. Inferencia, estimación y contraste de hipótesis

Tema 5. Distribuciones asociadas a la Normal

5.1. Chi-Cuadrado
5.2. T-Student
5.3. F- Snedecor

Tema 6. Introducción a la estimación puntual

6.1. Definición de muestra aleatoria simple
6.2. Espacio muestral
6.3. Estadístico y estimador
6.4. Ejemplos

Tema 7. Propiedades de los estimadores

7.1. Suficiencia y completitud
7.2. Teorema de factorización
7.3. Estimador insesgado y asintóticamente insesgado
7.4. Error cuadrático medio
7.5. Eficiencia
7.6. Estimador consistente
7.7. Estimación de la media, varianza y proporción de una población

Tema 8. Procedimientos para la construcción de estimadores

8.1. Método de los momentos
8.2. Método de máxima verosimilitud
8.3. Propiedades de los estimadores de máxima verosimilitud

Tema 9. Introducción a la estimación por intervalos

9.1. Intervalo de confianza
9.2. Método de la cantidad pivotal
9.3. Características de un estimador
9.3.1. Estimador media muestral
9.3.2. Estimador varianza muestral
9.3.3. Estimador proporción muestral

Tema 10. Tipos de Intervalos de Confianza y sus propiedades

10.1. Intervalos de confianza para la media de una población
10.2. Intervalo de confianza para la varianza de una población
10.3. Intervalo de confianza para una proporción
10.4. Intervalos de confianza para la diferencia de medias poblacionales. Poblaciones normales independientes. Muestras pareadas
10.5. Intervalo de confianza para el cociente de varianzas de dos poblaciones normales independientes
10.6. Intervalo de confianza para la diferencia de proporciones de dos poblaciones independientes
10.7. Intervalo de confianza para un parámetro basado en su estimador de máxima verosimilitud
10.8. Utilización de un Intervalo de Confianza para rechazar o no hipótesis

Asignatura 15. Estimación II

Tema 1. Introducción al Contraste de hipótesis

1.1. Planteamiento del problema
1.2. Hipótesis nula y alternativa
1.3. Estadístico del contraste
1.4. Tipos de error
1.5. Nivel de significación
1.6. Región crítica. p-valor
1.7. Potencia

Tema 2. Tipos de contrastes de hipótesis

2.1. Contraste de razón de verosimilitud
2.2. Contrastes sobre medias y varianzas en poblaciones normales
2.3. Contrastes sobre proporciones
2.4. Relación entre intervalos de confianza y contrastes de hipótesis

Tema 3. Introducción a la inferencia Bayesiana

3.1. Distribuciones a priori
3.2. Distribuciones conjugadas
3.3. Distribuciones de referencia

Tema 4. Estimación Bayesiana

4.1. Estimación puntual
4.2. Estimación de una proporción
4.3. Estimación de la media en poblaciones normales
4.4. Comparación con los métodos clásicos

Tema 5. Introducción a la inferencia estadística no paramétrica

5.1. Métodos estadísticos no paramétricos: conceptos
5.2. Utilización estadística no paramétrica
5.3. Características de las pruebas no paramétricas

Tema 6. Inferencia no paramétrica en comparación con inferencia paramétrica

6.1. Ventajas y desventajas del uso de métodos no paramétricos
6.2. Diferencias entre las inferencias
6.3. Tipos de pruebas en un grupo
6.4. Tipos de pruebas en dos o más grupos

Tema 7. Contraste de bondad de ajuste

7.1. Introducción
7.2. Métodos gráficos
7.3. Contraste de la x2 de bondad de ajuste
7.4. Contraste de Kolmogorov-Smirnov
7.5. Contrastes de normalidad

Tema 8. Contraste de independencia

8.1. Introducción
8.2. Contrastes de aleatoriedad. Contraste de rachas
8.3. Contrastes de independencia en muestras pareadas

8.3.1. Contraste de Kendall
8.3.2. Contraste de los rangos de Spearman
8.3.3. Contraste Chi-Cuadrado de independencia
8.3.4. Generalización del contraste Chi-Cuadrado

8.4. Contrastes de independencia en k muestras relacionadas

8.4.1. Generalización del contraste Chi-Cuadrado
8.4.1. Coeficiente de concordancia de Kendall

Tema 9. Contraste de posición

9.1. Introducción
9.2. Contrastes de posición para una muestra y muestras pareadas

9.2.1. Test de los signos para una muestra. Test de la Mediana
9.2.2. Test de los signos para muestras pareadas
9.2.3. Test de Wilcoxon de rangos signados para una muestra
9.2.4. Test de Wilcoxon de rangos signados para muestras pareadas

9.3. Contrastes de posición para dos muestras independientes

9.3.1. Test de Wilcoxon-Mann-Whitney
9.3.2. Test de la Mediana
9.3.3. Contraste Chi-Cuadrado

9.4. Contrastes de posición para k muestras independientes

9.4.1. Test de Kruskal-Wallis

9.5. Contrastes de posición para k muestras relacionadas

9.5.1. Test de Friedman
9.5.2. Q de Cochran
9.5.3. W de Kendall

Tema 10. Contraste de homogeneidad

10.1. Contraste de Wald-Wolfowitz
10.2. Contraste de Kolmogorov-Smirnov
10.3. Contraste Chi-Cuadrado

Asignatura 16. Estudio y depuración de datos

Tema 1. Archivos de datos: Codificación y Transformación

1.1. Bases de datos
1.2. Codificación de datos
1.3. Transformación de datos

Tema 2. Control de integridad de los datos: Estudio univariable

2.1. Distribución de frecuencias
2.2. Medidas de tendencia central
2.4. Medidas de dispersión
2.5. Inferencia estadística

Tema 3. Control de integridad de los datos: Estudio Bivariable

3.1. Análisis bivariable entre dos variables cualitativas: tablas de contingencia
3.2. Técnicas de análisis bivariable
3.3. Distribuciones de frecuencia bidimensionales

Tema 4. Control de integridad de los datos: Estudio Multivariable

4.1. Correlación
4.2. Regresión
4.3. Análisis Factorial
4.4. Análisis de conglomerados o clusters
4.5. Análisis de Segmentación
4.6. Análisis Conjoint

Tema 5. Detección de valores perdidos

5.1. Recolección de datos
5.2. Datos perdidos y atípicos
5.3. Problemas de datos perdidos

Tema 6. Tratamiento de valores perdidos

6.1. Visualización de los patrones de los valores perdidos
6.2. Visualización de los estadísticos descriptivos de los valores perdidos
6.3. Estimación de los estadísticos

6.3.1. Opciones de estimación EM
6.3.2. Opciones de estimación de regresión
6.3.3. Variables pronosticadas y predictora

Tema 7. Imputación de valores perdidos

7.1. Analizar patrones
7.2. Imputación múltiple
7.3. Trabajo con datos de imputación múltiple
7.4. Análisis de datos de imputación múltiple

Tema 8. Pruebas de normalidad para la evaluación de las hipótesis de partida para el análisis de datos

8.1. Contrastes de normalidad
8.2. Análisis de la homogeneidad de varianza
8.3. Pruebas estadísticas

Tema 9. Pruebas de homocedasticidad para la evaluación de las hipótesis de partida para el análisis de datos

9.1. Prueba Breusch-Pagan
9.2. Prueba White
9.3. Prueba de puntuación para la varianza del error no constante
9.4. Otras pruebas

Tema 10. Pruebas de independencia para la evaluación de las hipótesis de partida para el análisis de datos

10.1. Prueba de aproximado de Pearson
10.2. Prueba exacta de Fisher
10.3. Comparativa entre pruebas exacto vs aproximado

Asignatura 17. Matemáticas con ordenador

Tema 1. Introducción a la plataforma MATLAB

1.1. ¿Qué es MATLAB?
1.2. Operaciones básicas
1.3. Graficas sencillas

Tema 2. Algebra lineal en MATLAB

2.1. Vectores y matrices
2.2. Funciones estándar que incluye MATLAB
2.3. Resolución de sistemas de ecuaciones lineales

Tema 3. Series numéricas y funcionales en MATLAB

3.1. Sucesiones en MATLAB
3.2. Cálculo de valores de sucesión
3.3. Resolución de series numéricas y funcionales

Tema 4. Funciones de una y varias Variables en MATLAB

4.1. Funciones de una sola variable
4.2. Funciones de varias variables
4.3. Graficas

Tema 5. Introducción a Latex

5.1. ¿Qué es Latex? Primeros pasos
5.2. Símbolos y signos matemáticos
5.3. Fórmulas matemáticas
5.4. Matrices y tablas

Tema 6. Introducción a R

6.1. El entorno R
6.2. Estadística con R
6.3. Escritura de nuevas funciones

Tema 7. Introducción a Sage

7.1. ¿Qué es Sage?
7.2. Como trabajar con Sage: Primero pasos
7.3. Paquetes de matemáticas incluidos en Sage

Tema 8. Introducción a Sistema Operativo Bash

8.1. ¿Qué es Bash?
8.2. Principales funciones y comandos de Bash
8.3. Funciones estadísticas en Bash

Tema 9. Introducción a Phyton

9.1. ¿Qué es Phyton?
9.2. Principales funciones y comandos de Phyton
9.3. Phyton en estadística

Tema 10. Introducción a SAS

10.1. ¿Qué es SAS?
10.2. Principales funciones y comandos de SAS
10.3. Uso de SAS en la estadística

Asignatura 18. Probabilidad y procesos dinámicos

Tema 1. Variable aleatoria n-dimensional

1.1. Definición
1.2. Distribuciones conjuntas, marginales y condicionadas de un vector aleatorio
1.3. Independencia entre las componentes de un vector

Tema 2. Momentos de un vector aleatorio

2.1. Esperanza matemática y Covarianza
2.2. Momentos
2.3. Función generatriz de momentos de un vector aleatorio

2.3.1. Matriz de covarianzas
2.3.2. Matriz de correlaciones

Tema 3. Distribuciones n- dimensionales

3.1. Distribución Multinomial
3.2. Distribución Normal bidimensional
3.3. Distribución Normal n-dimensional

Tema 4. Sucesiones de variables aleatorias

4.1. Definición de sucesiones
4.2. Convergencia en probabilidad
4.3. Teoremas principales de sucesiones

Tema 5. Tipos de convergencia de sucesiones de variable aleatorias

5.1. Convergencia casi segura
5.2. Convergencia en probabilidad
5.3. Convergencia en ley
5.4. Convergencia en media cuadrática
5.5. Relación entre los distintos tipos de convergencias

Tema 6. Ley de los Grandes números

6.1. Planteamiento general de las leyes de los grandes números
6.2. Leyes débiles de los grandes números
6.3. Leyes fuertes de los grandes números

Tema 7. Teorema Central del limite

7.1. Primeros teoremas y leyes límite
7.2. Planteamiento del problema central del límite clásico
7.3. Extensiones del caso Bernoulli
7.4. Solución del problema central del límite clásico

Tema 8. Introducción a los procesos estocásticos

8.1. Introducción
8.2. Clasificación de los procesos estocásticos

8.2.1. Procesos estacionarios
8.2.2. Procesos ergódicos
8.2.3. Procesos con incrementos independientes
8.2.4. Procesos con incrementos estacionarios

8.3. Análisis de fenómenos físicos mediante procesos estocásticos

Tema 9. Cadenas de Markov en tiempo discreto

9.1. Introducción y definición
9.2. Matriz de transición
9.3. Distribución transitoria
9.4. Tiempos de permanencia
9.5. Comportamiento límite
9.6. Costos
9.7. Tiempos de primer paso

Tema 10. Cadenas de Markov en tiempo continuo

10.1. Introducción y definición
10.2. Matriz de probabilidades de transición: propiedades
10.3. Construcción y generador de una cadena de Markov (Q-matriz)
10.4. El proceso de Poisson
10.5. Análisis transitorio: ecuaciones de Kolmogorov
10.6. Tiempos de permanencia
10.7. Comportamiento límite
10.8. Costos
10.9. Tiempos de primer paso

Asignatura 19. Sistema estadístico e indicadores económicos

Tema 1. Introducción

1.1. El ámbito de la economía
1.2. Tres principios de la economía: optimización, equilibrio y empirismo
1.3. Métodos y cuestiones económicas

Tema 2. Demanda, oferta y equilibrio

2.1. Los Mercados
2.2. ¿Cómo se comportan los/as compradores/as?
2.3. ¿Cómo se comportan los/as vendedores/as?
2.4. Oferta y demanda en equilibrio

Tema 3. Consumidores, vendedores e incentivos

3.1. El problema del comprador/a
3.2. Del problema del comprador/a la curva de demanda
3.3. Elasticidades de demanda e índices del coste de la vida
3.4. El excedente del consumidor/a
3.5. El problema del vendedor/a
3.6. Del problema del vendedor/a (en un mercado competitivo) a la curva de oferta
3.7. El excedente del productor/a

Tema 4. La competencia perfecta y la mano invisible

4.1. Competencia perfecta y eficiencia
4.2. Los precios dirigen la mano invisible
4.3. Equidad y eficiencia

Tema 5. La macroeconomía y su evolución

5.1. PIB real y nominal. Los índices de precios
5.2. Cuestiones macroeconómicas
5.3. Lo que no mide el PIB
5.4. La Contabilidad Nacional: el PIB su medición y sus límites

Tema 6. Análisis de las diferencias de nivel de vida entre países

6.1. La renta como elemento de medición
6.2. La función de producción agregada y la productividad
6.3. La tecnología

Tema 7. Crecimiento económico

7.1. La importancia del crecimiento económico
7.2. Las fuentes del crecimiento económico
7.3. Introducción a la contabilidad del crecimiento
7.4. Crecimiento, desigualdad y pobreza

Tema 8. Análisis económico a corto plazo

8.1. Los ciclos económicos
8.2. El equilibrio macroeconómico y los ciclos
8.3. Los multiplicadores y el equilibrio a corto y medio plazo

Tema 9. Políticas estabilizadoras

9.1. Estabilización
9.2. Tipos de políticas estabilizadoras

9.2.1. Política monetaria
9.2.2. Política fiscal
9.2.3. Política de oferta

9.3. Efectos de una política estabilizadora

Tema 10. Macroeconomía y comercio internacional

10.1. Las ventajas del comercio internacional
10.2. La contabilidad del comercio internacional
10.3. El comercio internacional y el crecimiento económico

Asignatura 20. Software estadístico II

Tema 1. Introducción al entorno R

1.1. ¿Qué es R?
1.2. Instalación de R
1.3. Interfaces para programación y gráficas
1.4. Creación, listado y remoción de objetos en memoria

Tema 2. Consola en R

2.1. Entorno consola en R
2.2. R como calculadora
2.3. Principales controles

Tema 3. Modo script en R

3.1. Edición y ejecución de comandos desde otros programas: scripts
3.2. El entorno R-Commander
3.3. Estadísticos descriptivos básicos con R-Commander

Tema 4. Objetos en R

4.1. Objetos
4.2. Leyendo datos desde un archivo
4.3. Guardando datos
4.4. Generación de datos

Tema 5. Estructuras de control de flujo de ejecución

5.1. Estructuras condicionales
5.2. Estructuras repetitivas/iterativas
5.3. Vectores y matrices

Tema 6. Operaciones con objetos

Tema 7. Funciones en R

7.1. Bucles y vectorización
7.2. Escribiendo un programa en R
7.3. Creando sus propias funciones

Tema 8. Gráficos en R

8.1. Manejo de gráficos

8.1.1. Abriendo múltiples dispositivos gráficos
8.1.2. Disposición de una gráfica

8.2. Funciones graficas
8.3. Comandos de graficación de bajo nivel
8.4. Parámetros gráficos
8.5. Los paquetes GRID y Lattice

Tema 9. Paquetes de R

9.1. Librería y paquetes importantes en R
9.2. Cargar paquete
9.3. Organización de paquetes en CRAN

Tema 10. Estadística en R

10.1. Un ejemplo simple de análisis de varianza
10.2. Formulas
10.3. Funciones genéricas

Asignatura 21. Técnicas de optimización

Tema 1. Introducción a los Métodos de Optimización

1.1. Definición de la Investigación Operativa
1.2. Evolución histórica de la Investigación Operativa
1.3. Etapas de un Problema de Investigación Operativa
1.4. Modelos de la Investigación Operativa
1.5. Áreas de aplicación de la Investigación Operativa

Tema 2. Los problemas de programación lineal

2.1. Hipótesis de un Problema de Programación Lineal
2.2. Formulaciones de un Problema de Programación Lineal
2.3. Escribir un Problema de Programación Lineal en forma estándar
2.4. Método geométrico de resolución

Tema 3. Análisis convexos

3.1. Conjuntos convexos. Propiedades
3.2. Variedades lineales, hiperplanos y semiespacios
3.3. Conjuntos Poliédricos
3.4. Puntos extremos
3.5. Teorema de Separación

Tema 4. Tipos de soluciones

4.1. Soluciones Factibles
4.2. Soluciones Básicas
4.3. Relación entre Punto Extremo y Solución Básica Factible

Tema 5. El método del Simplex

5.1. Fundamentos del Simplex
5.2. Método del Simplex en forma tabular
5.3. Casos especiales del método Simplex
5.4. Motivación geométrica del método Simplex
5.5. Variables artificiales: Método de la M y método de las dos Fases

Tema 6. Programación lineal continua

6.1. Mejora de una Solución Básica Factible
6.2. Inicialización. Búsqueda de una solución básica factible inicial

6.2.1. El método de las penalizaciones
6.2.2. El método de las variables artificiales o método de las dos fases

6.3. Degeneración y Ciclado

Tema 7. Otros métodos Simplex

7.1. El método revisado del Simplex
7.2. El método de descomposición
7.3. Método Símplex del transporte

Tema 8. El método Dual del Simplex en los problemas de programación lineal continua

8.1. Construcción del Problema Dual
8.2. Relación Primal-Dual
8.3. El algoritmo Dual del Simplex
8.4. Inicialización en el Problema Dual

Tema 9. Análisis de sensibilidad

9.1. Introducción al Análisis de Sensibilidad
9.2. Cambios Discretos. Incorporación de Restricciones
9.3. Programación Paramétrica

Tema 10. Problemas de Programación Lineal Entera

10.1. Introducción. Ejemplos
10.2. El Método de Enumeración Implícita de Gloves para Problemas 0-1
10.3. Método de Ramificación y Acotación
10.4. Método de los Planos de Corte
10.5. El Problema del Transporte. Algoritmo del Transporte
10.6. El Problema de la Asignación. Algoritmo Húngaro

Asignatura 22. Aplicaciones estadísticas a la industria

Tema 1. Teoría de colas

1.1. Introducción
1.2. Sistemas de colas
1.3. Medidas de efectividad
1.4. El proceso de Poisson
1.5. La distribución exponencial
1.6. Proceso de nacimiento y muerte
1.7. Modelos de colas con un servidor
1.8. Modelos con múltiples servidores
1.9. Modelos de colas con capacidad limitada
1.10. Modelos con fuentes finitas
1.11. Modelos generales

Tema 2. Introducción a Grafos

2.1. Conceptos básicos
2.2. Grafos orientados y no orientados
2.3. Representaciones matriciales: Matrices de adyacencia y de incidencia

Tema 3. Aplicaciones de Grafos

3.1. Árboles: propiedades
3.2. Árboles enraizados
3.3. Algoritmo de búsqueda en profundidad
3.4. Aplicación a la determinación de bloques
3.5. Algoritmo de búsqueda en anchura
3.6. Árbol recubridor de peso mínimo

Tema 4. Caminos y distancias

4.1. Distancia en grafos
4.2. Algoritmo del camino crítico

Tema 5. Flujo máximo

5.1. Redes de transporte
5.2. Algoritmo de Ford-Fulkerson
5.3. Distribución de flujo a coste mínimo

Tema 6. Técnica de Evaluación y Revisión de Programas (PERT)

6.1. Definición
6.2. Método
6.3. Aplicaciones

Tema 7. Método del Camino Crítico o de la Ruta Crítica (CPM)

7.1. Definición
7.2. Método
7.3. Aplicaciones

Tema 8. Gestión de proyectos

8.1. Diferencias y ventajas entre los métodos PERT y CPM
8.2. Procedimiento para trazar un modelo de red
8.3. Aplicaciones con duración de las actividades aleatorias

Tema 9. Inventarios deterministas

9.1. Costos asociados a los flujos
9.2. Costos asociados a los stocks o de almacenamiento
9.3. Costos asociados a los procesos. Planificación de reaprovisionamiento
9.4. Modelos de gestión de inventarios

Tema 10. Inventarios probabilísticos

10.1. Nivel de servicio y stock de seguridad
10.2. Tamaño óptimo de pedido
10.3. Un periodo
10.4. Varios periodos
10.5. Revisión continua
10.6. Revisión periódica

Asignatura 23. Diseño de experimentos

Tema 1. Introducción al diseño de experimentos

1.1. Objetivo
1.2. Hipótesis
1.3. Variables
1.4. Control del Sesgo
1.5. Diseños habituales
1.6. Cálculo tamaño muestral

Tema 2. Análisis de varianza (ANOVA) 1 Factor completamente aleatorizado

2.1. Descomposición de la varianza
2.2. Modelo y Tabla ANOVA
2.3. Contrastes
2.4. Separación de Medias - diferencia menos significativa LSD / Bonferroni / Scheffe / Tukey
2.5. Verificación del modelo (Prueba de Levene, Gráfico de Residuos, Normalidad)

Tema 3. Análisis de varianza (ANOVA) 1 Bloque

3.1. Factor Fijo / Aleatorio
3.2. Descomposición de la varianza
3.3. Modelo y Tabla ANOVA

Tema 4. ANOVA 1 Factor con Bloques Completos

4.1. Modelo y Tabla ANOVA
4.2. Verificación del modelo
4.3. Estudios Cross-Over

Tema 5. ANOVA 1 Factor Bloques incompletos

5.1. Cuadrados Latinos
5.2. Modelo y Tabla ANOVA
5.3. Hipótesis de interés

Tema 6. ANOVA 2 Factores

6.1. Modelo y Tabla ANOVA
6.2. Separación de Medias - Student-Newman-Keuls SNK / Dunnet / Otros métodos
6.3. Prueba POST HOC

Tema 7. ANOVA Factores con Interacción

7.1. Modelo y Tabla ANOVA
7.2. Interacciones
7.3. Separación de Medias - SNK / Dunnet / Otros métodos

Tema 8. ANOVA con Subréplicas

8.1. Modelo ANOVA
8.2. Tabla ANOVA
8.3. ANOVA de modelos mixtos

Tema 9. ANÁLISIS DE COVARIANZA (ANCOVA)

9.1. Modelos de análisis de la covarianza
9.2. Especificación del modelo ACNOVA en R
9.3. Estimación y Selección del modelo

Tema 10. ANCOVA con Interacciones

10.1. Modelo ANOVA
10.2. Tabla ANOVA
10.3. Interacciones

Asignatura 24. Diseños muestrales

Tema 1. Consideraciones Generales sobre Muestreo

1.1. Introducción
1.2. Notas históricas
1.3. Concepto de Población, Marco y Muestra
1.4. Ventajas y desventajas del Muestreo
1.5. Etapas de un proceso muestral
1.6. Aplicaciones del muestreo
1.7. Tipos de muestreo
1.8. Diseños muéstrales

Tema 2. El muestreo aleatorio simple

2.1. Introducción
2.2. Definición del diseño muestral: muestreo aleatorio simple (M.A.S.) (N, n), m.a.s.R y parámetros asociados
2.3. Estimación de parámetros poblacionales
2.4. Determinación del tamaño muestral (sin reposición)
2.5. Determinación del tamaño muestral (con reposición)
2.6. Comparación entre muestreo aleatorio simple sin y con reposición
2.7. Estimación en subpoblaciones

Tema 3. Muestreos probabilísticos

3.1. Introducción
3.2. Diseño o Procedimiento muestrales
3.3. Estadísticos, estimadores y sus propiedades
3.4. Distribución de un estimador en el muestreo
3.5. Selección de unidades sin y con reposición. Probabilidades iguales
3.6. Estimación simultánea de variables

Tema 4. Aplicaciones de muestreo probabilísticos

4.1. Encuestas de opinión
4.2. Estudios de medios
4.3. Estudios de mercado
4.4. Estudios de calidad y satisfacción con el servicio
4.5. Análisis del diseño empresarial y organizacional
4.6. Investigación social aplicada

Tema 5. Muestreo aleatorio estratificado (MAE)

5.1. Introducción
5.2. Definición y características
5.3. Estimadores bajo M.A.E(n)
5.4. Afijaciones
5.5. Determinación del tamaño muestral
5.6. Otros aspectos del M.A.E

Tema 6. Aplicaciones de muestreo aleatorio estratificado

6.1. Muestreo aleatorio estratificado proporcionado
6.2. Muestreo aleatorio estratificado desproporcionado
6.3. Estratificación proporcional versus no proporcional

Tema 7. Muestreo sistemático

7.1. Introducción
7.2. Estimaciones en el muestreo sistemático
7.3. Descomposición de la varianza en muestreo sistemático
7.4. Eficiencia del muestreo sistemático comparado al m.a.s
7.5. Estimación de la varianza: muestras replicadas o interpenetrantes

Tema 8. Aplicaciones Muestreo sistemático

8.1. Muestreo Sistemático estratificado
8.2. Muestreo Sistemático en dos dimensiones
8.3. Muestreo Sistemático replicado

Tema 9. Métodos indirectos de estimación

9.1. Estimación indirecta
9.2. Comparativa entre estimación directa e indirecta
9.3. Principales Métodos indirectos para estimación

9.3.1. Método de Benchmark-Multiplier
9.3.2. Método Captura-Recaptura
9.3.3. Técnicas de Nominación
9.3.4. Método de Poisson Truncado
9.3.5. Otros Métodos

Tema 10. Aplicaciones de métodos indirectos de estimación

10.1. Estimadores
10.2. Métodos indirectos de estimación
10.3. Bootstrap en métodos indirectos de estimación en muestreo estratificado

Asignatura 25. Diseños muestrales avanzados y estadísticas oficiales

Tema 1. Muestreo con probabilidades desiguales

1.1. Métodos para seleccionar muestras con probabilidades proporcionales al tamaño (PPS)
1.2. Estimación en el muestreo con probabilidades proporcionales al tamaño y con reemplazamiento (PPSWR)
1.3. Eficiencia relativa del estimador de la media en el PPSWR
1.4. Determinación del tamaño de la muestra para estimar la media/total de la población
1.5. Procedimientos de muestreo PPS y sin reemplazamiento (PPSWOR)

Tema 2. Aplicaciones de muestreo con probabilidades desiguales

2.1. Muestreo con probabilidades desiguales con reemplazamiento
2.2. Muestreo con probabilidades desiguales sin reemplazamiento
2.3. Obtención y estimación de muestras con probabilidades desiguales con SAS

Tema 3. Muestreo por conglomerados

3.1. Estimación de la media/total utilizando muestreo aleatorio simple (SRS)
3.2. Eficiencia relativa del muestreo por conglomerados
3.3. Determinación del tamaño de la muestra para estimar la media/total
3.4. Estimación de la proporción y tamaño de muestra necesario para estimar la proporción
3.5. Selección de conglomerados con probabilidades desiguales

Tema 4. Aplicaciones de muestreo por conglomerados

4.1. Conglomerados de igual tamaño
4.2. Conglomerados de tamaño desigual
4.3. Obtención y estimación de muestras en muestreo monoetápico de conglomerados con SAS

Tema 5. Muestreo bietápico

5.1. Estimación de la media/total en muestro bietápico utilizando muestreo aleatorio simple sin remplazo (SRSWOR) en ambas etapas
5.2. Estimación de la proporción
5.3. Estimación de la media/total utilizando muestreo aleatorio simple con reemplazo y sin remplazo PPSWR y SRSWOR

Tema 6. Aplicaciones de muestreo bietápico

6.1. Conglomerados de igual tamaño
6.2. Conglomerados de tamaño desigual
6.3. Obtención y estimación de muestras en muestreo bietápico de conglomerados con SAS

Tema 7. Modelo de respuesta aleatorizada

7.1. Modelo
7.2. Aplicación
7.3. Ejemplos

Tema 8. Modelo en dos fases aplicados a la no respuesta

8.1. Modelo
8.2. Aplicación
8.3. Ejemplos

Tema 9. Encuestas por muestreo

9.1. ¿Qué son las encuestas por muestreo?
9.2. Metodología
9.3. Principales resultados

Tema 10. Índice de precios al consumidor

10.1. ¿Qué mide?
10.2. Metodología
10.3. Principales resultados

Asignatura 26. Investigación comercial y análisis de mercados: procedimientos y aplicaciones

Tema 1. Fundamentos de la Investigación de Mercados

1.1. Concepto de Investigación de Mercados y Mercadotecnia
1.2. Utilidad de la investigación de mercados
1.3. La ética de la investigación de mercados

Tema 2. Aplicaciones de la Investigación de Mercados

2.1. El valor de la investigación para los directivos
2.2. Factores de la decisión de investigar el mercado
2.3. Principales objetivos de la Investigación de Mercados

Tema 3. Tipos de Investigación de Mercados

3.1. Investigaciones exploratorias
3.2. Investigaciones descriptivas
3.3. Investigaciones causales

Tema 4. Tipos de Información

4.1. Elaboración: Primaria y Secundaria
4.2. Naturaleza cualitativa
4.3. Naturaleza cuantitativa

Tema 5. Organización de la Investigación de Mercados

5.1. El Departamento interno de Investigación de Mercados
5.2. La contratación externa de la investigación
5.3. Factores de decisión: interna vs externa

Tema 6. Gestión de Proyectos de Investigación

6.1. La Investigación de Mercados como un proceso
6.2. Etapas de Planificación en la Investigación de Mercados
6.3. Etapas de Ejecución en la Investigación de Mercados
6.4. Gestión de un Proyecto de Investigación

Tema 7. Los Estudios de Gabinete

7.1. Objetivos de los Estudios de Gabinete
7.2. Fuentes de información secundaría
7.3. Resultados de los Estudios de Gabinete

Tema 8. El Trabajo de Campo

8.1. Obtención de información primaria
8.2. Organización de la obtención de información
8.3. Control de entrevistadores

Tema 9. Investigación de Mercados en línea

9.1. Herramientas de investigación cuantitativas en mercados en línea
9.2. Herramientas de investigación cualitativas dinámicas de los clientes

Tema 10. La Propuesta de Investigación de Mercados

10.1. Objetivos y Metodología
10.2. Plazos de ejecución
10.3. Presupuesto

Asignatura 27. Métodos avanzados de diseño de experimentos

Tema 1. Diseños Factoriales 2^2 y 2^3

1.1. Tabla estándar y ecuación de regresión
1.2. Estimación
1.3. Modelo con replicación
1.4. Tabla ANOVA y contrastes

Tema 2. Diseños Factoriales 2^K

2.1. Concepto de interacción
2.2. Diseño bifactorial con replicaciones
2.3. Diseño bifactorial sin replicaciones
2.4. Modelo de efectos aleatorios
2.5. Modelo bifactorial mixto

Tema 3. Fracciones Factoriales

3.1. Conceptos generales: Definiciones
3.2. Ecuación generatriz de una fracción
3.3. Ampliación de los diseños: diseños secuenciales

Tema 4. Modelo Unifactorial Completamente Aleatorio

4.1. Planteamiento del modelo
4.2. Estimación de los componentes de la varianza
4.3. Intervalos de confianza para los componentes de la varianza

Tema 5. Modelo Unifactorial con Bloques Aleatorios Completos

5.1. Planteamiento del modelo
5.2. Estimación de los parámetros del modelo
5.3. Descomposición de la variabilidad
5.4. Análisis estadístico

Tema 6. Diseño de Medidas Repetidas con un factor intra-sujetos

6.1. Datos
6.2. Análisis básico
6.3. Gráfico
6.4. Comparaciones múltiples

Tema 7. Diseño de Medidas Repetidas con dos factores intra-sujetos

7.1. Datos
7.2. Análisis básico
7.3. Gráfico
7.4. Comparaciones múltiples

Tema 8. Diseño de Medidas Repetidas con un factor intra-sujetos y un factor inter-sujetos

8.1. Datos
8.2. Análisis básico
8.3. Gráfico
8.4. Comparaciones múltiples

Tema 9. Modelo de Parcelas Divididas con bloques

9.1. Datos
9.2. Análisis básico
9.3. Gráfico
9.4. Comparaciones múltiples

Tema 10. Modelo de Parcelas Divididas Completamente Aleatorizado

10.1. Datos
10.2. Análisis básico
10.3. Gráfico
10.4. Comparaciones múltiples

Asignatura 28. Métodos de predicción lineal

Tema 1. El modelo de Regresión lineal simple

1.1. Introducción a los modelos de regresión y pasos previos en la regresión simple: Exploración de los datos
1.2. Modelo
1.3. Hipótesis
1.4. Parámetros

Tema 2. Estimación y contrastes de la regresión lineal simple

2.1. Estimación puntual de los parámetros del modelo

2.1.1. Método de mínimos cuadrados
2.1.2. Los estimadores de máxima verosimilitud

2.2. Inferencia sobre los parámetros del modelo bajo las hipótesis de Gauss-Markov

2.2.1. Intervalos
2.2.2. Test

2.3. Intervalo de confianza para la respuesta media e intervalo de predicción de nuevas observaciones
2.4. Inferencias simultáneas en la regresión simple
2.5. Bandas de confianza y de predicción

Tema 3. Diagnosis y validación del modelo de regresión lineal simple

3.1. Multicolinealidad
3.2. Residuos
3.3. Análisis de la varianza (ANOVA) del modelo de regresión simple
3.4. Errores de especificación
3.5. Diagnósticos del modelo

3.5.1. Evaluación gráfica de la linealidad y verificación de las hipótesis mediante el análisis de los residuos
3.5.2. Prueba de falta de ajuste lineal

Tema 4. El modelo de Regresión lineal Múltiple

4.1. Exploración de los datos con herramientas de visualización multidimensional
4.2. Expresión matricial del modelo y los estimadores de los coeficientes
4.3. Interpretación de los coeficientes del modelo múltiple

Tema 5. Estimación y contrastes de la regresión lineal múltiple

5.1. Leyes de los estimadores de los coeficientes, de las predicciones y de los residuos
5.2. Aplicación de las propiedades de las matrices idempotentes
5.3. Inferencia en el modelo lineal múltiple
5.4. Análisis de varianza del modelo

Tema 6. Diagnosis y validación del modelo de regresión lineal múltiple

6.1. Test de “ligaduras” para resolver restricciones lineales sobre los coeficientes

6.1.1. El principio de la variabilidad incremental

6.2. Análisis de los residuos
6.3. Transformaciones de Box-Cox

Tema 7. El problema de la multicolinealidad

7.1. Detección
7.2. Soluciones

Tema 8. Regresión polinómica

8.1. Definición y ejemplo
8.2. Forma de matriz y cálculo de estimaciones
8.3. Interpretación
8.4. Aproximaciones alternativas

Tema 9. Regresión con variable cualitativas

9.1. Regresión con variable cualitativa dicotómica
9.2. Regresión con variable cualitativa de varias categorías
9.3. Variables ficticias en regresión (dummies)
9.4. Interpretación de los coeficientes

Tema 10. Criterio de selección de modelos

10.1. El estadístico Cp de Mallows
10.2. La validación cruzada de modelos
10.3. La selección automática por pasos

Asignatura 29. Simulación y Líneas de Espera

Tema 1. Fundamentos de procesos de Poisson

1.1. Procesos de Poisson homogéneos
1.2. Caracterización
1.3. Distribución del número de eventos
1.4. Distribución del tiempo entre arribos y de tiempos de arribo
1.5. Superposición y refinamiento de procesos de Poisson
1.6. Procesos de Poisson no homogéneos
1.7. Función de intensidad y tasa media de arribos

Tema 2. Características numéricas de los sistemas de colas

2.1. Elementos básicos de un sistema de colas
2.2. Estructuras típicas
2.3. Medidas de comportamiento

Tema 3. Fórmula de Little

3.1. Interpretación de la fórmula de Little
3.2. Ecuaciones de coste
3.3. Derivados de la fórmula de Little

Tema 4. Modelos clásicos de colas

4.1. Modelos de colas finitas

4.1.1. Modelo (M/M/1/K)
4.1.2. Modelo (M/M/s/k)

4.2. Modelos de colas con distribuciones no exponenciales

4.2.1. Modelo M/G/1
4.2.2. Modelo M/D/s
4.2.3. Modelo M/Ek/s

4.3. Sistemas de colas reales

Tema 5. Concepto de número aleatorio y sus aplicaciones prácticas

5.1. Números pseudoaleatorios
5.2. Métodos de generación de números pseudoaleatorios

5.2.1. Método de los cuadrados medios
5.2.2. Métodos congruenciales

5.3. Pruebas para la comprobación de la uniformidad y la aleatoriedad

5.3.1. Comprobación de la uniformidad

5.3.1.1. Contraste de Kolmogorov-Smirnov
5.3.1.2. Prueba de la χ 2
5.3.1.3. Contraste de los pares consecutivos no solapado

5.3.2. Contraste de aleatoriedad

5.3.2.1. Test de rachas

Tema 6. Generación de variables y vectores aleatorios

6.1. Distribución conjunta de un vector aleatorio

6.1.1. Vectores aleatorios discretos
6.1.2. Vectores aleatorios continuos

6.2. Distribuciones marginales y condicionadas
6.3. Independencia entre variables aleatorias
6.4. Características de un vector aleatario

6.4.1. Esperanza
6.4.2. Covarianza
6.4.3. Correlación
6.4.4. Matriz de varianzas y covarianzas

6.5. Transformaciones de vectores aleatorios

Tema 7. Métodos de Montecarlo

7.1. El método de Monte Carlo
7.2. Aplicaciones del método de Monte Carlo para el cálculo de integrales: integración en el intervalo (0,1), en el intervalo (a, b) y en intervalos infinitos
7.3. Estimación del número pi

Tema 8. Generación de procesos aleatorios

8.1. Método de Inversión variables en aleatoria discretas
8.2. Método de aceptación y rechazo en variables aleatorias discretas
8.3. Método de Inversión variables en aleatoria continuas
8.4. Método de aceptación y rechazo en variables aleatorias continuas

Tema 9. Técnicas de reducción de la varianza

9.1. Variables antitéticas
9.2. Estratificación
9.3. Variables de control
9.4. Números aleatorios comunes

Tema 10. Análisis estadístico de datos simulados

10.1. Técnicas de inferencia estadística. Histogramas, distribución empírica
10.2. Estimación de parámetros de una distribución
10.3. Estimadores de máxima verosimilitud
10.4. Propiedades de un buen estimador
10.5. Error cuadrático medio y varianza de un estimador
10.6. La media y la varianza muestrales
10.7. Fórmulas recursivas para el cálculo de la media y la varianza muestrales
10.8. Estimador de la proporción
10.9. Fórmula recursiva para el estimador de la proporción
10.10. Estimadores por intervalos del valor esperado y de una proporción
10.11. Técnica de remuestreo Bootstrap
10.12. Aplicación para la estimación de una proporción, de la varianza y del error cuadrático medio de un estimador

Asignatura 30. Técnicas Estadísticas Multivariantes I

Tema 1. Análisis factorial

1.1. Introducción
1.2. Fundamentos del análisis factorial
1.3. Análisis Factorial
1.4. Métodos de rotación de factores e interpretación del análisis factorial

Tema 2. Modelización Análisis factorial

2.1. Modelo del Análisis Factorial
2.2. Modelización en software estadístico R
2.3. Modelización en software estadístico SPSS

Tema 3. Análisis de componentes principales

3.1. Introducción
3.2. Análisis de Componentes Principales
3.3. Sistemática del análisis de Componentes Principales

Tema 4. Modelización Análisis de componentes principales

4.1. Modelo del Análisis de componentes principales
4.2. Modelización en software estadístico R
4.3. Modelización en software estadístico SPSS

Tema 5. Análisis de correspondencia

5.1. Introducción
5.2. Prueba de independencia
5.3. Perfiles fila y perfiles columna
5.4. Análisis de la Inercia de una nube de puntos
5.5. Análisis de correspondencias múltiple

Tema 6. Modelización Análisis de correspondencia

6.1. Modelo del Análisis de correspondencia
6.2. Modelización en software estadístico R
6.3. Modelización en software estadístico SPSS

Tema 7. Análisis discriminante

7.1. Introducción
7.2. Reglas de decisión para dos grupos
7.3. Clasificación sobre varias poblaciones
7.4. Análisis canónico discriminante de Fisher
7.5. Elección de variables: procedimiento hacia delante y hacia atrás
7.6. Sistemática del análisis discriminante

Tema 8. Modelización Análisis discriminante

8.1. Modelo del Análisis discriminante
8.2. Modelización en software estadístico R
8.3. Modelización en software estadístico SPSS

Tema 9. Análisis de grupos

9.1. Introducción
9.2. Medidas de distancia y similitud
9.3. Algoritmos de clasificación jerárquica
9.4. Algoritmos de clasificación no jerárquica
9.5. Procedimientos para determinar el número adecuado de grupos
9.6. Caracterización de los grupos
9.7. Sistemática del análisis de grupos

Tema 10. Modelización Análisis de grupos

10.1. Modelo del Análisis discriminante
10.2. Modelización en software estadístico R
10.3. Modelización en software estadístico SPSS

Asignatura 31. Técnicas Estadísticas Multivariantes II

Tema 1. Introducción

1.1. Análisis descriptivo numérico y gráficos de datos multivariantes
1.2. Análisis de correlación canónica
1.3. Análisis de conglomerados
1.4. Otras técnicas multivariantes

Tema 2. Escala nominal

2.1. Medidas de asociación para tablas 2x2

2.1.1. Coeficiente Phi
2.1.2. Riesgo relativo
2.1.3. Razón de productos cruzados (odds ratio)

2.2. Medidas de asociación para tablas IxJ:

2.2.1. Coeficiente de contingencia
2.2.2. V de Cramer
2.2.3. Lambdas
2.2.4. Tau de Goodman y Kruskal
2.2.5. Coeficiente de incertidumbre

2.3. El Coeficiente Kappa

Tema 3. Escala ordinal

3.1. Coeficientes Gamma
3.2. Coeficientes Tau-b y Tau-c de Kendall
3.3. Coeficientes D de Sommers

Tema 4. Escala de intervalo o de razón

4.1. Escalas de medida

4.1.1. Escala Nominal
4.1.2. Escala Ordinal
4.1.3. Escala de Intervalo
4.1.4. Escala de razón

4.2. Coeficiente Eta
4.3. Coeficientes de correlación de Pearson y de Spearman

Tema 5. Análisis estratificado en tablas 2x2

5.1. Análisis de 2 variables dicotómicas
5.2. Tablas de contingencia
5.3. Análisis estratificado en tablas 2x2

Tema 6. Formulación del problema en modelos loglineales

6.1. El modelo saturado para dos variables
6.2. El modelo saturado general
6.3. Otros tipos de modelos

Tema 7. El modelo saturado

7.1. Cálculo de los efectos
7.2. Bondad del ajuste
7.3. Prueba de los k efectos
7.4. Prueba de asociación parcial

Tema 8. El modelo Jerárquico

8.1. Introducción
8.2. Tipos de bases de datos
8.3. Características de la estructura jerárquica
8.4. Función de manipulación de datos en el modelo jerárquico

Tema 9. Modelos de respuesta probit

9.1. Formulación del problema
9.2. Estimación de los parámetros
9.3. Prueba de bondad de ajuste ji-cuadrado
9.4. Prueba de paralelismo para grupos
9.5. Estimación de la dosis necesaria para obtener una determinada proporción de respuesta

Tema 10. Regresión logística binaria

10.1. Formulación del problema
10.2. Variables cualitativas en la regresión logística
10.3. Selección de las variables
10.4. Estimación de los parámetros
10.5. Bondad del ajuste
10.6. Clasificación de los individuos
10.7. Predicción

Asignatura 32. Aplicaciones Estadísticas en Ciencias de la Salud

Tema 1. Introducción

1.1. Estadística en ciencias de la salud
1.2. Análisis estadístico: elementos básicos
1.3. Introducción a la investigación reproducible mediante el paquete knitr de R

Tema 2. Clasificación de estudios

2.1. Temas de bioestadística
2.2. Estudios epidemiológicos

2.2.1. Notación
2.2.2. Criterios de clasificación
2.2.3. Tipo de diseño del estudio epidemiológico: ensayos epidemiológicos aleatorios, cohorte, caso-control, cruce de casos, transversales, ecológicos

2.3. Diagrama de clasificación de estudios

Tema 3. Clasificación de variables y modelos de regresión relacionados

3.1. Según el tipo de medida
3.2. Según el papel en el estudio
3.3. Tipo de variables explicativas
3.4. Tipo de modelos de regresión según la métrica de la variable respuesta
3.5. Variables respuesta de tipo tiempo

Tema 4. Fuentes de información

4.1. Información comunicada

4.1.1. Introducción
4.1.2. Diseño de cuestionarios de salud

4.2. Información medida

4.2.1. Introducción
4.2.2. Comentarios

4.3. El libro de códigos

Tema 5. Problemas derivados

de la recopilación de información

5.1. Datos faltantes

5.1.1. Introducción
5.1.2. Tipo de datos faltantes
5.1.3. Tratamiento de los datos faltantes

5.2. Información sesgada

5.2.1. Introducción
5.2.2. Algunas fuentes de sesgo

5.3. Ejemplos del impacto del error de medida

Tema 6. Medidas de presencia de la enfermedad

6.1. Introducción
6.2. Prevalencia

6.2.1. Definición
6.2.2. Estimación
6.2.3. Comentarios

6.3. Incidencia acumulada

6.3.1. Definición
6.3.2. Comentarios

6.4. Tasa de incidencia

6.4.1. Definición
6.4.2. Comentarios
6.4.3. Comparación de dos tasas de incidencia

Tema 7. Medidas de asociación entre la exposición y la enfermedad

7.1. Introducción
7.2. El riesgo relativo

7.2.1. Definición
7.2.2. Comentarios

7.3. Razón de oportunidades (odds ratio)

7.3.1. El odds
7.3.2. El odds ratio
7.3.3. Comentarios

7.4. Intervalos de confianza para razón de oportunidades y riesgo relativo
7.5. El riesgo atribuible
7.6. Riesgo atribuible a la población
7.7. Riesgo atribuible a la exposición

Tema 8. Causalidad, confusión e interacción

8.1. Introducción
8.2. Causalidad
8.3. Confusión
8.4. Interacción

Tema 9. Tomas de decisiones: Pruebas de hipótesis

9.1. Introducción
9.2. Estableciendo una prueba de hipótesis
9.3. Errores de tipo I y tipo II
9.4. Decisión y errores
9.5. Significación estadística. El p-valor
9.6. El p-valor como herramienta de decisión

Tema 10. Potencia y tamaño de la muestra

10.1. Concepto de potencia
10.2. Comparaciones

10.2.1. De dos proporciones (prevalencias o riesgos)
10.2.2. De dos tasas
10.2.3. De dos razones de oportunidades (odds)

10.3. Introducción a la estimación del tamaño de la muestra basada en la potencia empírica

Asignatura 33. Metodología Seis Sigma para la mejora de la Calidad

Tema 1. Aseguramiento estadístico de la calidad

1.1. Introducción y marco histórico
1.2. Filosofías y principios de la calidad
1.3. Métodos estadísticos empleados en la mejora de la calidad
1.4. Análisis de los sistemas de medición
1.5. Procesos e instrumentos de la calidad

Tema 2. Metodología Seis Sigma

2.1. Normativa de calidad
2.2. Metodología Seis Sigma
2.3. Implementación Seis Sigma

Tema 3. Gráficos de control

3.1. Introducción
3.2. Proceso en estado de control estadístico y proceso fuera de control
3.3. Gráficos de control y contrastes de hipótesis
3.4. Base estadística de los gráficos de control. Modelo general
3.5. Tipos de gráficos de control

Tema 4. Otras herramientas básicas del SPC

4.1. Calidad SPC
4.2. El resto de las “Siete Magníficas”
4.3. Caso práctico ilustrativo

Tema 5. Gráficos de control para atributos

5.1. Introducción
5.2. Gráficos de control para la fracción no conforme
5.3. Gráficos de control para el número de no conformes
5.4. Gráficos de control para defectos

Tema 6. Gráficos de control para variables

6.1. Introducción
6.2. Gráficos de control de la media y el rango
6.3. Gráficos de control para unidades individuales
6.4. Gráficos de control basados en medias móviles

Tema 7. Muestreo de aceptación lote a lote por atributos

7.1. Introducción
7.2. Muestreo simple por atributos
7.3. Muestreo doble por atributos
7.4. Muestreo múltiple por atributos
7.5. Muestreo secuencial
7.6. Inspección con rectificación

Tema 8. Análisis de capacidad del proceso y del sistema de medición

8.1. Índices de capacidad
8.2. Estudios de capacidad de sistemas de medición
8.3. Herramientas estadísticas para el análisis de capacidad
8.4. Límites de tolerancia naturales

Tema 9. Introducción a la metodología Taguchi para la optimización de procesos

9.1. La filosofía de la calidad Taguchi
9.2. Control de calidad en línea y fuera de línea
9.3. Función de pérdida
9.4. Razones señal-ruido
9.5. Diseño de experimentos ortogonales
9.6. Diseños robustos_ Factores controlables y factores de ruido
9.7. Limitaciones de la metodología de Taguchi

Tema 10. Casos prácticos

10.1. Casos prácticos para los Gráficos de control para atributos
10.2. Casos prácticos para los Gráficos de control para variables
10.3. Casos prácticos para el Muestreo de aceptación lote a lote por atributos
10.4. Casos prácticos para el Análisis de capacidad del proceso y del sistema de medición
10.5. Casos prácticos ilustrativo para la Introducción a la metodología Taguchi para la optimización de procesos

Asignatura 34. Métodos Econométricos en Economía y Finanzas

Tema 1. Introducción al manejo de R

1.1. Introducción y preliminares
1.2. Manejo y manipulación de datos con R
1.3. Modelos estadísticos en R
1.4. Gráficos en R
1.5. Simulación y bootstrap

Tema 2. Introducción a la Econometría

2.1. Naturaleza y contenido de la Econometría
2.2. La modelización económica
2.3. Teoría econométrica del análisis de regresión

Tema 3. Regresión lineal

3.1. El Modelo Lineal General (MLG)
3.2. Hipótesis del modelo
3.3. Estimación por Mínimos Cuadrados Ordinarios (MCO)
3.4. Inferencia y predicción en el MLG
3.5. Contrastes de cambio estructural
3.6. Multicolinealidad y errores de medida

Tema 4. Modelos con datos de sección cruzada

4.1. Causas de la heterocedasticidad
4.2. Contrastes de heterocedasticidad
4.3. Estimador de Mínimos Cuadrados Generalizados
4.4. Estimador de Mínimos Cuadrados ponderados factible

Tema 5. Modelos con datos de series temporales

5.1. Magia “potagia” o las regresiones espurias
5.2. Estacionariedad y Raíces Unitarias
5.3. No estacionariedad y Cointegración
5.4. Cointegración y Mecanismos de Corrección del Error (MCE)
5.5. Modelos de regresión con series temporales estacionarias: autocorrelación
5.6. El estimador de Mínimos Cuadrados Generalizados (MCG)
5.7. Indicadores adelantados: Causalidad en sentido de Granger y correlación contemporánea

Tema 6. Modelos dinámicos estacionarios

6.1. Modelos dinámicos estacionarios
6.2. Modelo autorregresivo integrado de promedio móvil (ARIMA)
6.3. Modelo autorregresivo integrado de promedio móvil y variables exógenas (ARIMAX)
6.4. Estimación de modelos ARIMA
6.5. Diagnosis de modelos ARIMA

Tema 7. Endogeneidad, variables instrumentales y mínimos cuadrados en dos etapas MC2E

7.1. ¿En qué consiste el problema de la Endogeneidad?, ¿Qué problemas origina?
7.2. Orígenes de la endogenidad

7.2.1. Omisión de alguna variable relevante (porque no es observable) que está correlacionada con alguna otra variable explicativa
7.2.2. Errores en la medida
7.2.3. Modelo de regresión con retardos y autocorrelación en los errores

7.3. Estimador de variables instrumentales y mínimos cuadrados en dos etapas (MC2E)
7.4. Contrastes de endogeneidad y restricciones de sobreestimación

Tema 8. Modelos de regresión con datos de panel

8.1. Especificación de modelos con datos de panel
8.2. Estimación de modelos con efectos fijos
8.3. Estimación de modelos con efectos aleatorios
8.4. Sistema de ecuaciones aparentemente no relacionadas

Tema 9. Modelos de econometría espacial

9.1. Introducción a la estadística y a las medidas de asociación espacial
9.2. La construcción de la matriz de distancias para la medición de dependencias espaciales
9.3. Especificaciones del modelo con dependencia espacial

9.3.1. Modelo de error con retardos espaciales
9.3.2. El modelo con errores espaciales autorregresivos

9.4. Problemas de mínimos cuadrados ordinarios para la estimación de modelos con retardo espacial y el estimador de mínimos cuadrados en dos etapas

Tema 10. Modelos de Regresión cuantílica

10.1. Regresión en media y regresión por cuantiles
10.2. Estimación de la regresión intercuantílica
10.3. Representación gráfica de la solución

Asignatura 35. Series Temporales

Tema 1. Introducción a las series temporales

1.1. Definición de serie temporal
1.2. Procesos estocásticos
1.3. Procesos estacionarios
1.4. Procesos no estacionarios
1.5. Modelos

Tema 2. Análisis descriptivo de una serie temporal

2.1. Estudio de la tendencia. Método de ajuste analístico
2.2. Variaciones estacionales
2.3. Existencia de ciclos. Periodograma
2.4. Métodos de Suavizado

Tema 3. Modelos de series temporales estacionarias

3.1. Introducción en las series temporales estacionarias
3.2. Función de autocorrelación simple y función de autocorrelación parcial
3.3. Modelos deterministas de series temporales

Tema 4. Modelo autorregresivo AR

4.1. El proceso AR (1)
4.2. El proceso AR (2)
4.3. El proceso autorregresivo general AR(p)

Tema 5. Modelo de medias móviles MA

5.1. El proceso de media móvil de orden 1 MA (1)
5.2. El proceso MA(q)
5.3. El modelo mixto autorregresivo de medidas moviles ARMA(p,q)

Tema 6. Modelo ARIMA

6.1. El modelo ARIMA(p,d,q)
6.2. El modelo ARIMA estacional
6.3. Previsión con modelos ARIMA

Tema 7. Identificación y estimación de modelos autorregresivos integrados de medidas móviles ARIMA

7.1. La metodología Box-Jenkins
7.2. Transformaciones para estabilizar la varianza
7.3. Identificación del modelo ARIMA
7.4. Estimación de los parámetros del modelo

Tema 8. Diagnosis y predicción de los modelos ARIMA

8.1. Diagnosis del modelo
8.2. Análisis de los residuos
8.3. Medidas de la adecuación del modelo
8.4. Predicción con Modelos ARIMA
8.5. Modelos de regresión con perturbaciones ARMA: Analisis de intervención

Tema 9. Modelos de series temporales con intervención

9.1. Intervención versus outliers
9.2. La modelización ARIMA en presencia de outliers o intervenciones externas
9.3. Las variables impulso y escalón
9.4. Pasos en la identificación y validación de modelos ARIMA en presencia de outliers o intervenciones
9.5. Modelización mediante variables impulso y escalón, después de hacer estacionaria la serie

Tema 10. Análisis de intervención, datos atípicos, valores perdidos y funciones de transferencia

10.1. Datos atípicos e intervención
10.2. Tratamiento de atípicos
10.3. Diferentes modelos de intervención
10.4. Estimación de valores perdidos en series temporales
10.5. Predicciones automáticas en presencia de intervención
10.6. Modelos de funciones de Transferencia

Asignatura 36. Técnicas Avanzadas de Predicción

Tema 1. El modelo General de Regresión lineal

1.1. Definición
1.2. Propiedades
1.3. Ejemplos

Tema 2. Regresión de mínimos cuadrados parciales

2.1. Definición
2.2. Propiedades
2.3. Ejemplos

Tema 3. Regresión sobre componentes principales

3.1. Definición
3.2. Propiedades
3.3. Ejemplos

Tema 4. Regresión de riesgo relativo RRR

4.1. Definición
4.2. Propiedades
4.3. Ejemplos

Tema 5. Regresión Ridge

5.1. Definición
5.2. Propiedades
5.3. Ejemplos

Tema 6. Regresión Lasso

6.1. Definición
6.2. Propiedades
6.3. Ejemplos

Tema 7. Regresión Elasticnet

7.1. Definición
7.2. Propiedades
7.3. Ejemplos

Tema 8. Modelos de predicción no Lineal

8.1. Modelos de regresión no lineales
8.2. Mínimos cuadrados no lineales
8.3. Transformación a un modelo lineal

Tema 9. Estimación de parámetros en un sistema no lineal

9.1. Linealización
9.2. Otros métodos de estimación de parámetros
9.3. Valores iniciales
9.4. Programas de cómputo

Tema 10. Inferencia estadística en regresión no lineal

10.1. La inferencia estadística en la regresión no lineal
10.2. Validación de la inferencia aproximada
10.3. Ejemplos

Asignatura 37. Técnicas de Segmentación y Tratamiento de Encuestas

Tema 1. Encuesta por muestreo

1.1. Objetivo de una encuesta por muestreo. Métodos de recolección de datos más usuales. Fuentes de error en las encuestas
1.2. Selección de la muestra: muestreo y tamaño. Fuentes secundarias
1.3. Encuestas oficiales

Tema 2. Validez y fiabilidad de los cuestionarios

2.1. Validez factorial
2.2. Consistencia interna: alpha de Cronbach
2.3. Cálculo de la fiabilidad de un cuestionario o escala mediante SPSS

Tema 3. Análisis estadístico de datos procedentes de tablas contingencia bidimensionales

3.1. Posibles análisis sobre una tabla de contingencia bidimensional
3.2. La lógica del análisis logarítmico-lineal: descomposición de una tabla de contingencia bidimensional. Elementos básicos del análisis logarítmico-lineal. Efectos y Parámetros
3.3. Cálculo e interpretación de los parámetros
3.4. Modelos logarítmico-lineales para una tabla de 2 vías
3.5. Modelos jerárquicos. Relación entre las hipótesis de independencia y los modelos logarítmico-lineales jerárquicos. Contrastes para la significación de los parámetros
3.6. Contrastes para la significación de los efectos. Contrastes para la bondad de un modelo

Tema 4. Estudio de una tabla de contingencia mediante análisis de correspondencias

4.1. Perfiles y distancia ji-cuadrado
4.2. Absorción de inercia
4.3. Calidad de representación
4.4. Contribución del elemento al factor
4.5. Contribución del factor al elemento. Principio de equivalencia distribucional

Tema 5. Análisis de segmentación: Algoritmo Chaid

5.1. Métodos de detección automática de la interacción
5.2. Algoritmo CHAID: etapas del proceso, tipos de predictores, métodos de parada del algoritmo
5.3. Comportamiento del CHAID en presencia de la paradoja de Simpson

Tema 6. Análisis estadístico de datos procedentes de tablas contingencia tridimensionales

6.1. Conceptos de asociación e interacción. Paradoja de Simpson
6.2. Componentes que influyen en la magnitud de las frecuencias de una tabla trifactorial
6.3. Independencia completa
6.4. Independencia múltiple e independencia condicionada
6.5. Modelo saturado para una tabla de tres vías
6.6. Modelos logarítmico-lineales jerárquicos para una tabla de tres vías
6.7. Grados de libertad de los modelos
6.8. Relación entre las hipótesis de independencia y los modelos logarítmico-lineales jerárquicos
6.9. Evaluación de los modelos. Test de significación para la bondad de un modelo. Test de significación de los efectos

Tema 7. Modelos de elección discreta y preferencia multidimensional

7.1. Datos de preferencia declarada y de preferencia revelada
7.2. Datos de ordenación
7.3. Escalas de respuesta ordenadas
7.4. Valoración contingente

Tema 8. Árboles de clasificación y regresión y bosques aleatorios

8.1. Árboles de Decisión y Bosques Aleatorios
8.2. Diferencia entre Árboles de Decisión y Bosques Aleatorios
8.3. Ventajas y Desventajas de los Bosques Aleatorios

Tema 9. Escalamiento multidimensional

9.1. Introducción
9.2. Distancia y similitud
9.3. Solución clásica
9.4. Similitudes

Tema 10. Análisis de cesta de la compra

10.1. Relaciones de contigencia
10.2. Dimensionalidad
10.3. Heterogeneidad de los consumidores
10.4. Caso práctico

Asignatura 38. Ética Profesional

Tema 1. Introducción a la Ética

1.1. Conceptos fundamentales de ética
1.2. Ética profesional

Tema 2. Fundamentos de Educación Ética

2.1. Conceptualización de la ética y su relación con la educación
2.2. Panorama de la ética contemporánea
2.3. La dimensión moral en la educación
2.4. Modelos en educación moral
2.5. Modelos de educación moral: Socialización, clarificación de valores, desarrollo del juicio moral y formación de virtudes

Tema 3. Construcción de la Personalidad Moral del Sujeto

3.1. La personalidad moral: dimensiones
3.2. La personalidad moral como resultado
3.3. Agencias de educación moral
3.4. Importancia de los diversos agentes en educación moral
3.5. La educación moral en los grupos familiares
3.6. La educación moral en los centros educativos
3.7. El poder educador del medio

Tema 4. La Educación Moral en la Sociedad Actual

4.1. Competencia moral del ciudadano actual
4.2. Prácticas morales y construcción de la personalidad moral
4.3. Competencia moral para la protección del medio natural y urbano
4.4. Competencia moral para una relación entre Norte y Sur
4.5. Competencia moral para un diálogo intercultural

Tema 5. La Educación Moral en el Currículo. Unidad Didáctica y Valores

5.1. Finalidades de la educación moral
5.2. Contenidos de la educación moral
5.3. Procesos de enseñanza y aprendizaje moral
5.4. Materiales curriculares de educación moral
5.5. La evaluación de valores morales y actitudes éticas

Tema 6. El Sentido Ético en la Existencia Humana

6.1. La ética y la conciencia humana
6.2. La ética profesional del maestro en el contexto mexicano
6.3. Estructura antropológica del comportamiento ético
6.4. El comportamiento ético
6.5. Libertad y responsabilidad

Tema 7. La Ética y el Ejercicio Profesional

7.1. Vinculación de la ética con el ejercicio profesional
7.2. Responsabilidad ante la sociedad
7.3. Repercusiones sociales de la conducta no ética

Tema 8. Ética de los abogados

8.1. Aspectos generales
8.2. Desempeño de sus funciones

Tema 9. Ética de los jueces

9.1. Aspectos generales
9.2. Desempeño de sus funciones

Tema 10. Ética de los legisladores

10.1. Aspectos generales
10.2. Desempeño de sus funciones

Asignatura 39. Habilidades Directivas y Liderazgo

Tema 1. Las personas en las organizaciones

1.1. Calidad de vida laboral y bienestar psicológico
1.2. Equipos de trabajo y la dirección de reuniones
1.3. Coaching y gestión de equipos
1.4. Gestión de la igualdad y diversidad

Tema 2. Gestión del talento

2.1. Concepto de Gestión del Talento
2.2. Funciones y procesos en la gestión del talento
2.3. Técnicas de gestión del talento
2.4. Tendencias en la gestión del talento

Tema 3. Desarrollo directivo y liderazgo

3.1. Concepto de Desarrollo Directivo
3.2. Concepto de Liderazgo
3.3. Teorías del Liderazgo
3.4. Estilos de Liderazgo
3.5. La Inteligencia en el Liderazgo
3.6. Los desafíos del Líder en la actualidad

Tema 4. Gestión del cambio

4.1. Concepto de Gestión del Cambio
4.2. El Proceso de Gestión del Cambio
4.3. La Implementación del Cambio. El Modelo de Kotter

Tema 5. Comunicación estratégica

5.1. Comunicación interpersonal
5.2. Habilidades comunicativas e influencia
5.3. Comunicación interna y plan de comunicación integral
5.4. Barreras para la comunicación empresarial

Tema 6. Negociación y gestión de conflictos

6.1. Técnicas de negociación efectiva
6.2. Conflictos interpersonales
6.3. Negociación intercultural

Asignatura 40. Metodología de La Investigación

Tema 1. Nociones básicas sobre investigación: la ciencia y el método científico

1.1. Definición del método científico
1.2. Método analítico
1.3. Método sintético
1.4. Método inductivo
1.5. El pensamiento cartesiano
1.6. Las reglas del método cartesiano
1.7. La duda metódica
1.8. El primer principio cartesiano
1.9. Los procedimientos de inducción según J. Mill Stuart

Tema 2. Paradigmas de investigación y métodos derivados de ellos

2.1. ¿Cómo surgen las ideas de investigación?
2.2. ¿Qué investigar en educación?
2.3. Planteamiento del problema de investigación
2.4. Antecedentes, justificación y objetivos de la investigación
2.5. Fundamentación teórica
2.6. Hipótesis, variables y definición de conceptos operativos
2.7. Selección del diseño de investigación
2.8. El muestreo en estudios cuantitativos y cualitativos

Tema 3. El proceso general de la investigación: enfoque cuantitativo y cualitativo

3.1. Presupuestos epistemológicos
3.2. Aproximación a la realidad y al objeto de estudio
3.3. Relación sujeto-objeto
3.4. Objetividad
3.5. Procesos metodológicos
3.6. La integración de métodos

Tema 4. Proceso y etapas de la investigación cuantitativa

4.1. Fase 1: Fase conceptual
4.2. Fase 2: Fase de planificación y diseño
4.3. Fase 3: Fase empírica
4.4. Fase 4: Fase analítica
4.5. Fase 5: Fase de difusión

Tema 5. Tipos de investigación cuantitativa

5.1. Investigación histórica
5.2. Investigación correlacional
5.3. Estudio de caso
5.4. Investigación “ex post facto” sobre hechos cumplidos
5.5. Investigación cuasi-experimental
6.6. Investigación experimental

Tema 6. Proceso y etapas de la investigación cualitativa

6.1. Fase 1: Fase preparatoria
6.2. Fase 2: Fase de campo
6.3. Fase 3: Fase analítica
6.4. Fase 4: Fase informativa

Tema 7. Tipos de investigación cualitativa

7.1. La etnografía
7.2. La teoría fundamentada
7.3. La fenomenología
7.4. El método biográfico y la historia de vida
7.5. El estudio de casos
7.6. El análisis de contenido
7.7. El examen del discurso
7.8. La investigación acción participativa

Tema 8. Técnicas e instrumentos para la recogida de datos cuantitativos

8.1. La entrevista estructurada
8.2. El cuestionario estructurad
8.3. Observación sistemática
8.4. Escalas de actitud
8.5. Estadísticas
8.6. Fuentes secundarias de información

Tema 9. Técnicas e instrumentos para la recogida de datos cuantitativos

9.1. Entrevista no estructurada
9.2. Entrevista en profundidad
9.3. Grupos focales
9.4. Observación simple, no regulada y participativa
9.5. Historias de vida
9.6. Diarios
9.7. Análisis de contenidos
9.8. El método etnográfico

Tema 10. Control de calidad de los datos

10.1. Requisitos de un instrumento de medición
10.2. Procesamiento y análisis de datos cuantitativos
10.3. Validación de datos cuantitativos
10.4. Estadística para el análisis de datos
10.5. Estadística descriptiva
10.6. Estadística inferencial
10.7. Procesamiento y análisis de datos cualitativos
10.8. Reducción y categorización
10.9. Clarificar, sinterizar y comparar
10.10. Programas para el análisis cualitativo de datos textuales

Licenciatura en Estadística Aplicada

La estadística aplicada se erige como la disciplina que ilumina el camino desde la complejidad de los datos, hasta la claridad de las decisiones informadas. La Licenciatura en este ámbito creada por TECH Universidad es tu pasaporte a la comprensión profunda y la maestría en el arte de convertir datos en valiosa inteligencia. Este programa innovador, impartido en modalidad 100% online, ofrece una combinación única de teoría estadística rigurosa, con su aplicación práctica en diversos campos, preparándote para enfrentar los desafíos analíticos del mundo real. El plan de estudios inicia con la construcción de una base sólida en los principios estadísticos fundamentales. Desde la probabilidad, hasta la inferencia estadística, adquirirás las habilidades necesarias para analizar patrones y tendencias en conjuntos de datos complejos. Asimismo, aprenderás a utilizar herramientas estadísticas para abordar problemas del mundo real y tomar decisiones informadas, abarcando tanto la investigación científica, como el análisis de negocios.

Titúlate con una Licenciatura en Estadística Aplicada

¿Quieres transformar tu futuro de forma fácil pero eficiente? Opta por estudiar en la mejor universidad online del mundo. La Licenciatura integra tecnologías estadísticas avanzadas, proporcionándote experiencia práctica con herramientas y software líderes en la industria. Aprenderás a utilizar plataformas modernas para realizar análisis predictivos, minería de datos y visualización estadística. Además, tendrás la oportunidad de especializarte en áreas específicas de interés como ciencia de datos, análisis de negocios o investigación social. Esto te permite adaptar tu educación a tus metas profesionales y explorar campos donde la estadística tiene un impacto significativo. Al graduarte, serás un experto en la interpretación de datos y la toma de decisiones informadas. Estarás equipado para enfrentar desafíos analíticos en una variedad de campos, desde la investigación científica, hasta el análisis de negocios. ¡Inscríbete ahora y comienza tu viaje hacia una carrera impactante en el mundo de la estadística aplicada!