Diplomado en Estadística Aplicada

Módulo 1. Conceptos básicos de la inferencia y del cómputo estadístico. 
Objetivo
Exponer los elementos básicos de la teoría estadística, así como los conocimientos necesarios para la utilización de un paquete de cómputo estadístico.
Temario
1. Introducción. La noción de incertidumbre. Modelos aleatorios. Variables aleatorias, funciones de densidad y de distribución
2. Funciones generadoras de momentos. Transformaciones de variables. Teorema central del límite
3. Distribuciones de muestreo. Caso normal. Caso de grandes muestras
4. Funciones ?2 , F, t de Student
5. El problema de la estimación de parámetros. Métodos de estimación
6. Intervalos de confianza
7. Contraste de hipótesis
8. Cómputo estadístico. Conceptos generales
9. Manejo de archivos y comandos principales en un paquete estándar de cómputo
10.Ejemplos prácticos

Módulo 2. Estadística no paramétrica y tratamiento de datos nominales. 
Objetivo
Proporcionar la metodología estadística para el tratamiento de datos para los cuales no es posible sostener los supuestos requeridos en la estadística paramétrica. Se hace énfasis en las aplicaciones que involucran variables nominales y ordinales.
Temario 

1. Introducción. Estadística paramétrica y no paramétrica
2. Pruebas de dos muestras independientes involucrando variables de respuesta dicotómicas
3. Pruebas de una muestra o de dos muestras relacionadas
4. Pruebas de varias muestras independientes donde la variable respuesta es ordinal o nominal
5. Pruebas de varias muestras relacionadas donde la variable explicativa es nominal
6. Pruebas de varias muestras relacionadas donde la variable explicativa es ordinal
7. Pruebas de independencia para varias variables categóricas
8. Medidas de asociación, razón de nomios
9. Modulación de la estructura de asociación entre variables nominales
10.Uso de paquetes de cómputo para estadística no paramétrica

Módulo 3. Muestreo. 
Objetivo
Presentar al alumno los métodos y aplicaciones del muestreo probabilístico para que sea capaz de diseñar muestras eficientes y económicas.
Temario
1. Introducción. Definición de conceptos elementales
2. Muestreo aleatorio simple
3. Muestreo estratificado. Estimación y tamaños de muestra
4. Muestreo estratificado. Diferentes tipos de asignación
5. Muestreo de conglomerados. Estimación y selección
6. Muestreo de conglomerados. Conglomerados desiguales. Submuestreo
7. Encuestas complejas
8. Efectos del diseño
9. Diseño de cuestionarios
10. Aplicaciones. Cálculo de tamaños de muestra

Módulo 4. Estadística bayesiana.
Objetivo
Presentar los fundamentos del enfoque bayesiano de la estadística. En particular, los problemas de inferencia se plantean como problemas de decisión. Se introduce la noción de probabilidad subjetiva y se establece el principio de utilidad esperada máxima.
Temario
1. Introducción
2. Estructura de un problema de decisión
3. Procesos de inferencia como problemas de decisión
4. Tratamiento axiomático del problema de decisión
5. Principio de utilidad esperada máxima
6. Información inicial
7. Teorema de Bayes
8. Estimación bayesiana puntual y por regiones
9. Contraste bayesiano de hipótesis
10.Ejemplos ilustrativos

Módulo 5. Modelos lineales
Objetivo
Proporcionar los conceptos teóricos y prácticos necesarios para analizar relaciones lineales entre varias variables, haciendo énfasis en la justificación de los supuestos de los modelos.
Temario
1. Introducción. Modelo lineal simple
2. El problema de estimación. Pruebas de hipótesis. Análisis de residuales
3. Análisis de regresión múltiple. Enfoque matricial
4. Inferencia estadística asociada a los modelos lineales
5. Análisis de los supuestos del modelo. Análisis de residuales
6. Autocorrelación, multicolinealidad, heteroscedasticidad
7. Análisis de la varianza
8. Selección de modelos. Métodos Forward y Backward
9. Método Stepwise
10.Uso de paquetes de cómputo para modelos lineales. Solución de problemas reales

Módulo 6. Análisis multivariado. 
Objetivo
Proporcionar a los asistentes los aspectos básicos de la teoría y de la aplicación con computadora de las principales técnicas del análisis estadístico de varias variables.
Temario
1. Introducción
2. Estadística multivariada descriptiva
3. Análisis en componentes principales
4. La distribución normal multivariada. Inferencia estadística
5. Análisis de cúmulos
6. Escalamiento multidimensional
7. Análisis de factores
8. Análisis de varias variables categóricas
9. Uso de paquetes de cómputo en el análisis multivariado
10.Solución de problemas prácticos

Módulo 7. Aplicaciones del análisis de series de tiempo. 
Objetivo
Proveer al estudiante de la metodología del análisis de series de tiempo que le permitan construir modelos ARIMA con la ayuda de cómputo estadístico.
Temario
1. Introducción y conceptos básicos
2. Modelos de series de tiempo
3. Ecuaciones en diferencia
4. Modelos ARIMA
5. Identificación de modelos ARIMA
6. Estimación de parámetros en modelos ARIMA
7. Verificación del diagnóstico
8. Aplicaciones
9. Funciones dinámicas de intervención
10.Aplicaciones