2. Modelos de distribución de probabilidades. |
2.1. Distribuciones discretas: Bernoulli, binomial, Poisson, uniforme. 2.2. Distribuciones continúas: uniforme, exponencial, normal. 2.3. Ley normal general. Ley normal reducida: N(0,1). 2.4. Distribuciones deducidas de la normal: khi-quadrat, t de Student i F de Snedecor. 2.5. Convergencia a la ley normal: teorema del límite central. 2.6. Ejemplos de aproximación de algunas distribuciones a la distribución normal. 2.7. Uso de las tablas estadísticas. |
3. Intervalos de confianza. |
3.1. Concepto de estimador y de parámetro. Estimación puntual y estimación por intervalos. 3.2. Propiedades de los estimadores: sesgo, eficiencia y consistencia. 3.3. Algunos métodos de estimación: el método de los momentos y el método del máximo de verosimilitud. 3.4. Noción de intervalo de confianza. Coeficiente de confianza. 3.5. Determinación de algunos intervalos de confianza para: el promedio, diferencia de promedios, varianza, coeficiente de varianzas, una proporción y la diferencia de proporciones. |
4. Contraste de hipótesis. |
4.1. Hipótesis estadísticas. Tipos de hipótesis. 4.2. Concepto de región crítica y región de aceptación. 4.3. Tipos de errores. Potencia de un contraste. Nivel de significación. 4.4. Aplicación de los contrastes de hipótesis para: el promedio, diferencia de promedios, varianza, coeficiente de varianzas, una proporción y la diferencia de proporciones. |
6. Regresión lineal. |
6.1. Relación entre variables. 6.2. Modelo de regresión muestral simple. 6.3. Regresión lineal simple: estimación de parámetros por el método de los mínimos cuadrados. 6.4. Regresión lineal simple: medidas de bondad de ajuste. 6.5. Regresión lineal simple: construcción de intervalos de predicción. 6.6. Regresión no lineal. 6.7. Regresión lineal múltiple. 6.8. Contrastes de significación. 6.9. Resultados con el programa Excel. 6.10. Resultados con el programa SPSS. |