7.50. Estadística Inferencial (Electivo)

7.50. Estadística Inferencial (Electivo)

Figura 7.50: Mapa de Conexión. STA252 Estadística Inferencial

7.50.1. Justificación ↑ Volver arriba

La estadística inferencial es crucial en ciencias de la computación para analizar datos, extraer conclusiones y tomar decisiones basadas en evidencia. Este curso cubre los principios de la inferencia estadística, incluyendo estimación puntual, intervalos de confianza y pruebas de hipótesis.

7.50.2. Objetivos Generales ↑ Volver arriba

  1. Comprender los conceptos fundamentales de la estadística inferencial.
  2. Aplicar técnicas de estimación puntual e intervalos de confianza.
  3. Realizar pruebas de hipótesis para tomar decisiones basadas en datos.

7.50.3. Contribución a los resultados (Outcomes) ↑ Volver arriba

ABET-1) Habilidad para identificar, formular y resolver problemas técnicos o científicos ampliamente definidos mediante la aplicación de conocimientos de matemáticas y ciencias y/o temas técnicos en áreas relevantes para la disciplina. (Familiarity)

7.50.4. Contenido ↑ Volver arriba

7.50.4.1. Introducción a la Inferencia Estadística (6 horas) [Habilidades ABET-1] ↑ Volver arriba

Referencias Bibliográficas: (Devore, ; Montgomery and Runger, )

Temas

  1. Muestreo y distribuciones muestrales.
  2. Estimación puntual.
  3. Intervalos de confianza.

Aprendizaje esperado (Learning Outcomes)

  1. Describir los principios del muestreo y las distribuciones muestrales. [Familiarizarse]
  2. Calcular estimaciones puntuales para parámetros poblacionales. [Usar]
  3. Construir e interpretar intervalos de confianza. [Evaluar]
7.50.4.2. Prueba de Hipótesis (10 horas) [Habilidades ABET-1] ↑ Volver arriba

Referencias Bibliográficas: (Devore, ; Montgomery and Runger, )

Temas

  1. Hipótesis nula y alternativa.
  2. Errores Tipo I y Tipo II.
  3. Valor p.
  4. Pruebas de hipótesis para medias y proporciones.

Aprendizaje esperado (Learning Outcomes)

  1. Formular hipótesis nula y alternativa. [Familiarizarse]
  2. Calcular e interpretar el valor p. [Usar]
  3. Realizar pruebas de hipótesis para medias y proporciones. [Evaluar]
7.50.4.3. Análisis de Varianza (ANOVA) (8 horas) [Habilidades ABET-1] ↑ Volver arriba

Referencias Bibliográficas: (Devore, ; Montgomery and Runger, )

Temas

  1. ANOVA de una vía.
  2. ANOVA de dos vías.

Aprendizaje esperado (Learning Outcomes)

  1. Aplicar ANOVA de una vía para comparar medias de múltiples grupos. [Familiarizarse]
  2. Realizar ANOVA de dos vías para analizar la influencia de dos variables. [Usar]
7.50.4.4. Regresión Lineal (8 horas) [Habilidades ABET-1] ↑ Volver arriba

Referencias Bibliográficas: (Devore, ; Montgomery and Runger, )

Temas

  1. Regresión lineal simple.
  2. Regresión lineal múltiple.

Aprendizaje esperado (Learning Outcomes)

  1. Ajustar un modelo de regresión lineal simple. [Familiarizarse]
  2. Interpretar los coeficientes de un modelo de regresión lineal. [Usar]
  3. Aplicar regresión lineal múltiple para modelar la relación entre múltiples variables. [Evaluar]
7.50.4.5. Pruebas No Paramétricas (8 horas) [Habilidades ABET-1] ↑ Volver arriba

Referencias Bibliográficas: (Devore, )

Temas

  1. Prueba de chi-cuadrado.
  2. Prueba U de Mann-Whitney.
  3. Prueba de Kruskal-Wallis.

Aprendizaje esperado (Learning Outcomes)

  1. Aplicar pruebas no paramétricas cuando no se cumplen los supuestos de las pruebas paramétricas. [Familiarizarse]
  2. Realizar la prueba de chi-cuadrado para independencia. [Usar]
  3. Usar las pruebas U de Mann-Whitney y Kruskal-Wallis para comparar grupos. [Evaluar]
7.50.4.6. Aplicaciones en Computación (8 horas) [Habilidades ABET-1] ↑ Volver arriba

Referencias Bibliográficas: (Devore, )

Temas

  1. Análisis de datos en experimentos computacionales.
  2. Validación de modelos.
  3. Aprendizaje automático (ej., evaluación de modelos).

Aprendizaje esperado (Learning Outcomes)

  1. Aplicar técnicas de estadística inferencial para analizar datos en experimentos computacionales. [Familiarizarse]
  2. Usar métodos estadísticos para validar modelos computacionales. [Usar]
  3. Aplicar estadística inferencial en la evaluación de modelos de aprendizaje automático. [Evaluar]

7.50.5. Referencias Bibliográficas ↑ Volver arriba

Devore, J. L. Probability and Statistics for Engineering and the Sciences. Cengage Learning, 10th edition.

Montgomery, D. C. and Runger, G. C. Applied Statistics and Probability for Engineers. Wiley, 8th edition.

¿Encontraste una errata, un curso desactualizado, un enlace roto, o tienes una sugerencia? Cuéntanos.

Escanea para abrir en tu teléfono