CERTIFICADO EN ESTADÍSTICA PARA LA TOMA DE DECISIONES

  • Duración:

    4 Meses

  • Tipo de programa:

    Programa de Formación Continua

  • Modalidad:

    Virtual

  • Título:

    Certificado en Estadística para la Toma de Decisiones

El Certificado en Estadística para la Toma de Decisiones apunta a resolver la necesidad de entender el análisis de datos estadísticos, cómo representarlos gráficamente, cuáles son las probabilidades de que ocurran eventos, el grado de confianza de las observaciones sobre poblaciones y la ética en la aplicación de la estadística.

Este Certificado no solo te proveerá las bases teóricas y prácticas para realizar un trabajo crítico sobre distintas variables, sino que también te capacitará sobre distintas herramientas computacionales para el análisis estadístico de datos. Estas aptitudes son claves para las nuevas formas de trabajo en equipo y la inter e intracolaboración de recursos donde se manejan variables y datos a analizar para poder plantear soluciones innovadoras basadas en la capacidad de realizar un análisis crítico al evaluar los datos estadísticos.

A partir de este Certificado, podrás:

  • Comprender y aplicar los principios para el estudio y diseño de colecciones de datos y su representación gráfica y numérica.
  • Describir la relación entre distintos tipos de variables, cuantificar, correlacionar y entender la información en la asociación de observaciones.
  • Entender la probabilidad de ocurrencia de eventos y sus aplicaciones en distintas áreas profesionales. Fundamentar decisiones sobre el análisis probabilístico.
  • Determinar si lo que se indica mediante una determinación estadística acerca de una población debe ser tenida en cuenta o rechazada mediante pruebas de hipótesis. Entender las bases éticas de la estadística.

PRECIO DE LISTA

$21.375,00

Consultar descuento vigente

DOCENTE EXPERTO

Ernesto E. Ambroggio

Ph.D. en Ciencias Químicas. Investigador adjunto de CONICET. Especialista en química analítica.

AVALADO POR:

Cursos que lo componen

MÓDULO 1: Conceptos y aplicaciones iniciales
Unidad 1: Conceptos y aplicaciones iniciales
1.1.1 Introducción a la estadística
1.1.2 La materia prima de la estadística: Datos, elementos, variables y observaciones
1.1.3 Escalas de las medidas
1.1.4 Recolección de datos: fuente, muestra y población
Unidad 2: Estadística descriptiva e inferencial
1.2.1 Conceptos iniciales de estadística descriptiva
1.2.2 Representación de datos cualitativos
1.2.3 Representación de datos cuantitativos

MÓDULO 2: Medidas de tendencia central y variabilidad de datos
Unidad 1: Medidas de tendencia central. Las tres “M” de la estadística: media, moda, mediana
2.1.1 Introducción a la tendencia central en estadística
2.1.2 Media de una muestra o media aritmética
2.1.3 Mediana de una muestra
2.1.4 Moda de una muestra
Unidad 2: Variabilidad o dispersión de las observaciones
2.2.1 El rango o amplitud muestral y diferencia respecto a la media
2.2.2 Diferencias respecto a la media: varianza muestral y desviación estándar
2.2.3 Coeficiente de variación
2.2.4 Medidas de posición para indicar la dispersión de datos: fractiles o percentiles

MÓDULO 3: Introducción a las probabilidades
Unidad 1: Conceptos básicos de las probabilidades
3.1.1 Importancia de las probabilidades
3.1.2 ¿Qué es contar?
3.1.3 Nociones básicas de probabilidades
3.1.4 Exposición informal de una definición formal
Unidad 2: Las reglas del juego
3.2.1 Reglas básicas de las probabilidades
3.2.2 Probabilidad condicional y probabilidad total
3.2.3 La regla de Bayes

MÓDULO 4: Uso de Microsoft Excel como herramienta computacional en estadística
Unidad 1: Uso de herramientas para la representación de datos
4.1.1 Introducción
4.1.2 Representación de datos mediante tablas
4.1.3 Representación de datos mediante gráficos
Unidad 2: Uso de herramientas informáticas para el análisis de datos
4.2.1 Herramienta de Microsoft Excel para análisis de datos

MÓDULO 1: Asociación entre variables categóricas y cuantitativas
Unidad 1: Asociación entre variables categóricas
1.1.1. Variables de respuesta, explicativas y asociación entre variables categóricas
1.1.2. Tablas de contingencia y proporciones condicionales
1.1.3. Tablas de Frecuencia
1.1.4. ¿Existe una asociación entre las variables?
Unidad 2: Asociación entre variables cuantitativas y su correlación
1.2.1. Gráfico de dispersión: relación entre una variable dependiente de otra
1.2.2. Análisis del gráfico de dispersión: búsqueda de tendencias
1.2.3. La correlación entre variables como resumen del grado de asociación entre las mismas. Cálculo de correlación
1.2.4. Cálculo e interpretación de la covarianza

MÓDULO 2: El análisis predictivo en la asociación de variables
Unidad 1: Regresión lineal simple
2.1.1. El modelo lineal
2.1.2. El método de los mínimos cuadrados
2.1.3. Coeficiente de determinación
2.1.4. Ejemplo de regresión lineal simple
Unidad 2: Regresión múltiple y regresión no lineal
2.2.1 El modelo multilineal
2.2.2 Ejemplo de regresión multilineal
2.2.3 Coeficiente de determinación
2.2.4 Modelos y métodos no lineales

MÓDULO 3: Análisis del modelo de regresión. Regresión
logística
Unidad 1: Análisis del modelo de regresión
3.1.1 Interpretación y uso de parámetros estimados
3.1.2 El error estándar de parámetros
3.1.3 Análisis de residuos
3.1.4 Valores atípicos, influyentes y de alto poder en regresión
Unidad 2: Regresión logística
3.2.1 El modelo logístico
3.2.2 Estimación e implementación de la regresión logística
3.2.3 Ejemplo de regresión logística
3.2.4 Uso de regresión logística en gestión

MÓDULO 4: Herramientas computacionales en la aplicación, análisis y representación de la asociación entre variables. Análisis masivo de datos y una reflexión ética sobre la estadística
Unidad 1: Variables categóricas: representación y generación de tablas. Correlaciones y regresiones
4.1.1. Construcción de tablas de frecuencia y gráficos de distribución de frecuencia para variables asociadas
4.1.2. Cálculo de proporciones condicionales y gráficos de dispersión
4.1.3. Cálculo de la correlación entre variables y covarianza. Regresión lineal
4.1.4. Regresiones múltiples y cálculo de coeficientes de regresión múltiple
Unidad 2: Minería de datos y aspectos éticos
4.2.1. Bases de datos masivas. Fuentes
4.2.2. Minería de datos: ¿existen patrones de información inesperados “escondidos” en los conjuntos de datos?
4.2.3. Aspectos básicos y computacionales para el análisis de grandes conjuntos de datos
4.2.4. El compromiso ético por parte de la estadística o los “estadísticos”

MÓDULO 1: Introducción a las distribuciones probabilísticas
Unidad 1: Características generales de las distribuciones probabilísticas
1.1.1. Fundamentos probabilísticos
1.1.2. Variables aleatorias
1.1.3. Media y varianza: un punto de vista probabilístico
1.1.4. Función generatriz
Unidad 2: Distribuciones de variable discreta
1.2.1. Distribución binomial
1.2.2. Distribución geométrica
1.2.3. Distribución de Poisson
1.2.4. Aplicación de las distribuciones de variable discreta

MÓDULO 2: Distribuciones probabilísticas continuas
Unidad 1: Distribuciones de variable continua
2.1.1. El paso de lo discreto a lo continuo
2.1.2. Media y varianza en distribuciones continúas
2.1.3. Distribución normal
2.1.4. Distribución t de Student y distribución de Pearson
Unidad 2: Análisis de distribuciones probabilísticas
2.2.1. Función de distribución acumulada
2.1.2. Teorema del límite central
2.1.3. Pruebas de bondad de ajuste
2.1.4. Aplicaciones de las distribuciones de variable continúa

MÓDULO 3: Contar. Estimar intervalos de confianza
Unidad 1: Contar y estimar intervalos de confianza
3.1.1. Contar: ¿cómo y cuánto?
3.1.2. Intervalos de confianza
3.1.3. Distribuciones de muestreo
3.1.4. Intervalos de fiabilidad o confianza
Unidad 2: Intervalos de confianza para diferencias
3.2.1. Intervalos de confianza para la diferencia entre medias
3.2.2. Intervalos de confianza para la diferencia entre proporciones

MÓDULO 4: Pruebas de hipótesis
Unidad 1: Construcción de la hipótesis. Tipos de errores.
4.1.1. Planteo de la hipótesis
4.1.2. Diseño de la hipótesis
4.1.3. Diferencias significativas
4.1.4. Cuando se confirma o se rechaza la hipótesis nula erróneamente
Unidad 2: Pruebas de hipótesis para la media poblacional con varianza conocida y desconocida.
4.2.1. Cálculo del valor z en la prueba de hipótesis para la media con varianza poblacional conocida
4.2.2. Uso del parámetro t-Student en la prueba de hipótesis para la media con varianza poblacional desconocida

MÓDULO 1: Pronósticos: análisis de series temporales
Unidad 1: Bases generales
1.1.1. Introducción
1.1.2. Patrones en datos de series temporales
1.1.3. Elección del método de pronóstico
1.1.4. Precisión de los pronósticos
Unidad 2: Ejemplos y características para pronósticos
1.2.1. Promedios y suavización de datos
1.2.2. Proyecciones de tendencias
1.2.3. Tendencia y las estaciones
1.2.4. Descomposición de series temporales

MÓDULO 2: Estadística aplicada a la calidad y aceptación de productos
Unidad 1: aplicaciones en el control de calidad
2.1.1. Gráficos de control
2.1.2. Procesamiento de la media y la desviación estándar (conocida y desconocida)
2.1.3. Gráficos de rango y proporciones
2.1.4. Interpretación de los gráficos de control
Unidad 2: Decisiones de aceptación basadas en muestreos
2.2.1. Introducción
2.2.2. Probabilidad de aceptar productos
2.2.3. La selección de un plan de muestreo para los negocios
2.2.4. Planes múltiples de muestreo

MÓDULO 3: La importancia de la toma de decisiones
Unidad 1: Elementos para la toma de decisiones
3.1.1. Introducción a la toma de decisiones
3.1.2. Tablas de pago
3.1.3. Criterios de decisión
3.1.4. Análisis de sensibilidad
Unidad 2: Árboles de decisión y perfiles de riesgo
3.2.1. Árboles de decisión
3.2.2. Perfiles de riesgo
3.2.3. Ejemplo práctico en la toma de decisiones
3.2.4. Herramienta de Microsoft Excel: PrecisionTree

MÓDULO 4: El riesgo de la toma de decisiones
Unidad 1: Toma de decisión multi-etapa
4.1.1. Probabilidad condicional y probabilidad total
4.1.2. Regla de Bayes
4.1.3. Ejemplo práctico en la toma de decisiones multi-etapa
4.1.4. El valor de la información
Unidad 2: Aversión al riesgo y utilidad esperada
4.2.1. Aversión al riesgo
4.2.2. Funciones de utilidad
4.2.3. La toma de decisiones sobre eventos riesgosos
4.2.4. Equivalentes de certeza

¿Qué respaldo tiene este certificado?

Todos los cursos online ofrecidos por Cloud 21 pertenecen a programas de extragrado. Cada uno de ellos fue diseñado por profesionales expertos en la materia y se encuentran avalados por universidades bajo su normativa correspondiente.


Con los certificados de aprobación de Cloud 21 podrás demostrar las competencias que has adquirido y aumentar así tus perspectivas de empleo. Al ser un título curricular, tu certificado tendrá validez dondequiera que vayas.