Podrás descargar todo el contenido a cualquier dispositivo electrónico desde el Campus Virtual y consultarlo siempre que lo necesites, incluso sin conexión a internet”   

El campo de la ingeniería es uno de los que más se beneficia del análisis de datos y la estadística, y la estimación es una de las herramientas clave para la toma de decisiones informadas en el prediseño y análisis de proyectos. Por tanto, una capacitación sólida en este ámbito se convierte en una necesidad para cualquier ingeniero que desee avanzar en su carrera profesional y destacar en el mercado laboral. 

El Diplomado en Estimación ofrece todos los conocimientos especializados en las diferentes técnicas y métodos utilizados en la estimación de parámetros, proporcionando a los ingenieros las habilidades necesarias para analizar y tomar decisiones informadas en la etapa de diseño y análisis de proyectos. Así, el programa se adapta a las necesidades actuales del mercado, proporcionando información de primer nivel a los alumnos en temas como la inferencia estadística, la estimación puntual y por intervalos, y los procedimientos para la construcción de estimadores, entre otros. 

Por ello, TECH ha diseñado un programa se desarrolla en formato 100% online, lo que permite a los estudiantes acceder a todos los contenidos desde cualquier lugar y en cualquier momento, adaptándose a las necesidades de los profesionales que desean continuar su instrucción sin renunciar a su actividad laboral. Además, utiliza la metodología Relearning, que permite una integración de los conceptos fundamentales natural y progresiva, a través de la repetición y la presentación en distintos soportes audiovisuales.

Distribuye la carga lectiva acorde a tus necesidades personales y compatibiliza la titulación universitaria con labores profesionales”

Este Diplomado en Estimación contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son: 

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

Vídeos motivacionales, casos prácticos, contenidos gráficos y esquemáticos, foros de discusión... Todo lo que necesitas para dar un salto a tu carrera laboral. No esperes más”   

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

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

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

Profundiza en los procedimientos para la construcción de estimadores ahondando en los métodos de máxima verosimilitud” 

Compagina tus responsabilidades personales y laborales con el estudio gracias a este Diplomado. 100% flexible y online” 

El plan de estudios que compone este programa ha sido elaborado por expertos en Estimación. Así, han incluido 300 horas del mejor contenido teórico, práctico y adicional presentado en diferentes formatos audiovisuales. Además, con la revolucionaria metodología exclusiva de TECH, el Relearning, el egresado profundizará en estadística de manera natural y progresiva. Todo ello presentado en un flexible formato totalmente online, permitiendo al alumno adquirir las herramientas más vanguardistas desde cualquier dispositivo con conexión a internet y con acceso al campus virtual las 24 horas del día. 

El plan de estudios más completo y actualizado del mercado está a tu alcance gracias a este Diplomado mediante una capacitación 100% online”   

Módulo 1. Estimación I 

1.1. Introducción a la inferencia estadística 

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

1.2. Conceptos generales 

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

1.3. Clasificación de la inferencia estadística 

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

1.4. Objetivo de la inferencia estadística 

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

1.5. Distribuciones asociadas a la normal 

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

1.6. Introducción a la estimación puntual 

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

1.7. Propiedades de los estimadores 

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

1.8. Procedimientos para la construcción de estimadores 

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

1.9. Introducción a la estimación por intervalos 

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

1.10.  Tipos de intervalos de confianza y sus propiedades 

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

Módulo 2. Estimación II  

2.1. Introducción al contraste de hipótesis 

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

2.2. Tipos de contrastes de hipótesis 

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

2.3. Introducción a la inferencia bayesiana 

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

2.4. Estimación bayesiana 

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

2.5. Introducción a la inferencia estadística no paramétrica 

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

2.6. Inferencia no paramétrica en comparación con inferencia paramétrica 

2.6.1. Diferencias entre las inferencias 

2.7. Contraste de bondad de ajuste 

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

2.8. Contraste de independencia 

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

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

2.8.4. Contrastes de independencia en k muestras relacionadas

2.8.4.1. Generalización del contraste chi-cuadrado 
2.8.4.2. Coeficiente de concordancia de Kendall 

2.9. Contraste de posición 

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

2.9.2.1. Test de los signos para una muestra. Test de la Mediana 
2.9.2.2. Test de los signos para muestras pareadas 
2.9.2.3. Test de Wilcoxon de rangos signados para una muestra 
2.9.2.4. Test de Wilcoxon de rangos signados para muestras pareadas
 
2.9.3. Contrastes de posición para dos muestras independientes

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

2.9.4. Contrastes de posición para k muestras independientes

2.9.4.1. Test de Kruskal-Wallis

2.9.5. Contrastes de posición para k muestras relacionadas 

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

2.10. Contraste de homogeneidad 

2.10.1. Contrastes de homogeneidad para dos muestras independientes

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

Esta es tu oportunidad de acceder a los mejores contenidos teórico-prácticos del panorama académico, solo en la biblioteca de TECH”