Especialista en Inferencia Estadística y del Modelo Lineal Simple
200 horas
Modalidad Online
Resumen
Este curso en Inferencia Estadística y del Modelo Lineal Simple le ofrece una formación especializada en la materia. La inferencia estadística es el conjunto de métodos que permiten inducir, a partir de la información empírica proporcionada por una muestra, cual es el comportamiento de una determinada población con un riesgo de error medible en términos de probabilidad. Con el curso de Inferencia Estadística y del Modelo Lineal Simple el alumno encontrará las técnicas para el análisis y recopilación de información a través de la inferencia estadística, que aplicada le reportará decisiones más correctas y mayor rendimiento en su negocio.
Objetivos
– Aprender los Modelos probabilísticos univariantes continuos.
– Realizar distribuciones asociadas a los estadísticos muestrales de una población normal.
– Realizar una estimación puntual de parámetros y una estimación mediante intervalos de confianza.
– Formular y contrastar hipótesis.
– Conocer los modelos econométricos.
– Conocer y realizar hipótesis en el modelo lineal simple.
Salidas profesionales
Ciencias Sociales, Matemáticas, Estadística, Administración de Empresas.
Para qué te prepara
Este Curso en Inferencia Estadística y del Modelo Lineal Simple te prepara para que el alumno sea capaz de conocer la formulación y fundamentos de la inferencia estadística y desarrollar una capacidad de análisis, planteamiento y resolución de problemas en estadística.
A quién va dirigido
El presente curso en Inferencia Estadística y del Modelo Lineal Simple está dirigido a todos aquellos titulados universitarios y/o profesionales de las ciencias sociales que quieran obtener unos conocimientos profesionales sobre la estadística.
Temario
- Distribución rectangular
- - Distribución rectangular estandarizada
- Distribución triangular
- - Distribución triangular estandarizada
- Distribución trapezoidal
- - Distribución trapezoidal estandarizada
- Algunas aplicaciones de los modelos geométricos
- Distribución exponencial
- Distribuciones relacionadas con las integrales eulerianas: gamma uniparamétrica, gamma biparamétrica y beta
- - Distribución beta
- Distribución normal
- Distribuciones relacionadas con la distribución normal
- - La distribución χ 2 de Pearson
- - La distribución t de Student
- - La distribución F de Snedecor
- Convergencias en distribución. Aproximaciones de una distribución de probabilidad por otra
- Distribución para la media de una muestra procedente de una población normal con varianza conocida
- Distribución para la varianza y cuasivarianza de una muestra procedente de una población normal
- Distribución para la media de una muestra procedente de una población normal con varianza desconocida: el cociente t-Student
- Distribuciones de probabilidad para la diferencia de medias de dos muestras independientes procedentes de sendas poblaciones normales
- - Caso en el que las varianzas de ambas poblaciones son conocidas
- - Caso en el que las varianzas de ambas poblaciones son desconocidas pero iguales
- - Caso en el que las varianzas de ambas poblaciones son desconocidas y desiguales (Aproximación de Welch)
- - Caso en el que las dos varianzas son desconocidas y tamaños muestrales elevados
- Distribución para el cociente de varianzas
- Distribución para la proporción muestral
- Distribución para la diferencia de proporciones muestrales
- Método de máxima verosimilitud para la obtención de estimadores
- - Elemento de verosimilitud muestral de una variable aleatoria discreta
- - Elemento de verosimilitud muestral de una variable aleatoria continua
- - Método de obtención del estimador máximo verosímil en el caso de un sólo parámetro
- - Método de obtención de los estimadores máximo verosímiles en el caso de varios parámetros
- Método de los momentos para la obtención de estimadores puntuales
- Relación entre el método de máxima verosimilitud y el de los momentos
- Propiedades deseables para un estimador paramétrico
- - Estimadores insesgados
- - Estimadores eficientes
- - Estimadores consistentes
- - Estimadores suficientes
- Intervalos de confianza para la media de una distribución normal
- - Caso en el que la varianza de la población es conocida
- - Caso en el que la varianza es desconocida
- Intervalo de confianza para una proporción
- Intervalo de confianza para la diferencia de medias de dos poblaciones normales
- - Caso de ambas varianzas conocidas
- - Caso en el que las dos varianzas son desconocidas pero iguales
- - Caso en el que ambas varianzas son desconocidas y desiguales (aproximación de Welch)
- - Caso en el que ambas varianzas son desconocidas y desiguales pero los tamaños muestrales son elevados
- Intervalo de confianza para la diferencia de proporciones
- Intervalo de confianza para la varianza de una población normal
- - Intervalos unilaterales cuando la media de la población es conocida
- - Intervalos unilaterales cuando la media de la población es desconocida
- - Intervalos de confianza bilaterales
- Intervalo de confianza para la razón de varianzas
- - Intervalo bilateral para la razón de varianzas cuando las medias poblacionales son desconocidas
- Construcción de regiones de confianza
- Formulación de un contraste de hipótesis
- - Hipótesis nula y alternativa
- - Región de rechazo y tipos de error
- - Función de potencia
- Contraste de hipótesis para la media de una población normal
- - Contraste para la media cuando la varianza es conocida
- - Contraste para la media cuando la varianza es desconocida
- - Contraste para la proporción
- Contraste para la diferencia de medias
- - Caso en el que se conocen las varianzas
- - Caso de las dos varianzas desconocidas e iguales
- - Caso de dos varianzas desconocidas y tamaños muestrales altos
- Contraste para la diferencia de proporciones
- Contraste para la varianza
- - Región de rechazo y función de potencia
- - Cálculo de σ 2 y del tamaño muestral necesario para alcanzar un determinado valor de potencia
- Contraste para la razón de varianzas
- - Contraste de dos colas
- - Contraste de una cola a la derecha
- Análisis de razón de verosimilitudes
- Introducción a los modelos econométricos
- Especificación y estimación del modelo lineal simple
- - Introducción
- - Estimación mínimo-cuadrática
- - Propiedades de los estimadores mínimo cuadráticos ordinarios
- Estimación de la varianza de la perturbación aleatoria
- - Cálculo de la suma de cuadrados residual y significado de la varianza muestral del residuo
- Estimadores máximo-verosímiles
- - Otras propiedades de los estimadores del MLS
- Distribución de los estimadores de los parámetros del MLS normal
- Intervalos y regiones de confianza para los parámetros del MLS normal
- Contrastes de hipótesis para los parámetros del MLS normal
- El coeficiente de determinación
- Análisis de la varianza en la regresión
- Equivalencia de las pruebas de correlación, regresión y ANOVApara la incorrelación de las variables del MLS
- Explotación del MLS
- - Predicción puntual óptima
- - Distribución del predictor lineal e intervalo de confianza para la E[Yˆ0 X0 ]
- - Intervalo de confianza para Y0 y análisis de la permanencia estructural del modelo
- El MLS de un solo parámetro o sin término independiente
- - Propiedades algebraicas y estadísticas
- - Inferencia en el MLS normal y sin término independiente
- Ejercicio tipo del MLS
Titulación
TITULACIÓN expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y reconocido con la excelencia académica en educación online por QS World University Rankings
