Diplomado: Métodos Estadísticos para el Análisis de Datos
Información general
Resumen
El diplomado le brindará las herramientas básicas para procesar y analizar datos y apoyar la toma de decisiones en la organización.
Habilidades que desarrollarás:
- Manejo de herramientas para procesar y analizar datos.
- Manejo de herramientas computacionales R y Python para procesar y analizar datos
- Soporte a la toma de decisiones.
Contenido
- Conceptos básicos
- Variables
- Distribución de frecuencia para variables
- Gráficos
- Medidas de tendencia Central: media aritmética, mediana, moda
- Medidas de Posición: Percentiles
- Medidas de Dispersión: Rango, varianza, desviación estándar, coeficiente de variación
- Distribuciones de frecuencias conjuntas
- Teoría básica de conjuntos
- Experimentos aleatorios y espacio muestral
- Eventos, probabilidad de un evento
- Propiedades básicas de probabilidad
- Probabilidad condicional, independencia
- Teorema de Bayes
- Concepto de variable aleatoria
- Distribuciones discretas de probabilidad
- Distribuciones continúas de probabilidad
- Valor esperado de una variable aleatoria
- Varianza de una variable aleatoria
- Covarianza y correlación de variables aleatorias
- Algunas distribuciones de probabilidad
- Distribución discreta uniforme, binomial, hipergeométrica, Poisson y normal
- Teorema Central del Límite
- Introducción a la inferencia estadística
- Estimación de la media
- Error estándar de la media
- Tamaño de muestra
- Intervalo de confianza para la media en muestras pequeñas
- Intervalo de confianza para la proporción
- Tamaño de muestra
- Hipótesis estadística
- Prueba de una hipótesis estadística
- Pruebas relacionadas con una sola media (varianza conocida)
- Pruebas sobre una sola media (varianza desconocida)
- Pruebas relacionadas con proporciones
- Regresión lineal simple: Método de mínimos cuadrados
- Inferencia acerca de los coeficientes de regresión
- Regresión lineal múltiple
- Evaluación de los supuestos del modelo de Regresión Múltiple: normalidad, autocorrelación, heteroscedasticidad, multicolinealidad
- Conceptos de métodos multivariados estadísticos
- Análisis Factorial
- Análisis en componentes principales
- Análisis de correspondencias
- Análisis de conglomerados
- Análisis discriminante
- Conceptos de series de tiempo
- Modelos AR
- Modelos ARMA
- Modelos ARIMA
Características:
Programa dirigido a:
Esteprograma es adecuado para estudiantes y profesionales que deseen desarrollar habilidades prácticas en aprendizaje automático y aplicaciones en ciencias de datos.
