Actualmente, se emplea la estadística en casi todas las áreas del saber, destacando su uso en el campo de las ciencias. La estadística es una rama de las matemáticas encargada de la teoría, procedimiento y metodología empleada para analizar datos, siendo la variabilidad y la incertidumbre parte de su naturaleza. Existen numerosas aplicaciones de ésta, como es el caso de la Ingeniería Aeroespacial. Con la realización del curso de estadística en ingeniería aeroespacial se pretende aportar las competencias necesarias para el conocimiento de la estadística aplicada a la ingeniería aeroespacial.
Transversal
Big Data
20 h
Fundamentos de Estadística
Big Data
20 h
Presentación
Objetivos
-
Conocer los conceptos básicos de la estadística, sus funciones y la medición de los datos.
-
Interpretar correctamente las gráficas estadísticas y la notación científica.
-
Definir los tipos de estadística así como sus variables, diferenciar los tipos de sucesos y el método de muestreo a emplear.
-
Comprender las distribuciones de probabilidad y sus tipos y emplear las herramientas necesarias para su aplicación.
-
Describir el Teorema Central del Límite y su demostración y conocer su desarrollo a lo largo de la historia.
-
Contrastar hipótesis empleando el método específico adecuado y definir los parámetros para identificarlas.
-
Entender las regresiones lineales y su elección en función del tipo de variable, así como seleccionar las variables más adecuadas para la construcción de un modelo de regresión y su posterior validación e interpretación.
Índice de contenidos
UNIDAD DIDÁCTICA 1. Conceptos básicos y organización de datos
1. Aspectos introductorios a la estadística
2. Concepto y funciones de la estadística
2.1. Estadística descriptiva
2.2. Estadística inferencial
3. Medición y escalas de medida
3.1. Escala nominal
3.2. Escala ordinal
3.3. Escala de intervalo
3.4. Escala de razón
4. Variables: Clasificación y notación
5. Distribución de frecuencias
5.1. Distribución de frecuencias por intervalos
6. Representaciones gráficas
Glosario
UNIDAD DIDÁCTICA 2. Estadística descriptiva básica e inferencia
1. Estadística descriptiva
1.1. Descripción de una variable cualitativa
1.2. Descripción de una variable cuantitativa
2. Estadística inferencial
2.1. Conceptos previos
2.2. Métodos de muestreo
2.3. Principales indicadores
Glosario
UNIDAD DIDÁCTICA 3. Distribuciones de probabilidad
1. Conceptos previos de probabilidad
2. Variables discretas de probabilidad
2.1. Función de probabilidad
2.2. Función de distribución
2.3. Media y varianza de una variable aleatoria
3. Distribuciones discretas de probabilidad
3.1. La distribución binomial
3.2. Otras distribuciones discretas
4. Distribución normal
5. Distribuciones asociadas a la distribución normal
5.1. Distribución “Chi-cuadrado” de Pearson
5.2. Distribución “t” de Student
Glosario
UNIDAD DIDÁCTICA 4. Teorema Central del Límite
1. Introducción al Teorema Central del Límite
2. Aproximación normal a la distribución binomial
2.1. Primera versión del Teorema Central del Límite
2.2. Uso de la aproximación normal a la binomial
3. Teorema Central del Límite de Laplace
4. Teorema Central del Límite y primeras demostraciones rigurosas
4.1. Teorema Central del Límite de Liapunov
4.2. Teorema Central del Límite de Lindeberg
4.3. Teorema Central del Límite de Lindeberg-Lévy
4.4. Teorema Central del Límite de Lindeberg-Feller
5. Generalizaciones del Teorema Central del Límite
Glosario
UNIDAD DIDÁCTICA 5. Contraste de hipótesis
1. Introducción a las hipótesis estadísticas
2. Contraste de hipótesis
3. Contraste de hipótesis paramétrico
3.1. Hipótesis en contrastes paramétricos
3.2. Estadístico de contraste
3.3. Potencia de un contraste
3.4. Propiedades del contraste
4. Tipologías de error
5. Contrastes no paramétricos
5.1. Chi-cuadrado
Glosario
UNIDAD DIDÁCTICA 6. Regresión lineal
1. Introducción a los modelos de regresión
2. Modelos de regresión: aplicabilidad
3. Variables a introducir en el modelo de regresión
3.1. Tipos de variables a introducir en el modelo
4. Construcción del modelo de regresión
4.1. Selección de las variables del modelo
4.2. Métodos de construcción del modelo de regresión
4.3. Obtención y validación del modelo más adecuado
5. Modelo de regresión lineal
6. Modelo de regresión logística
7. Factores de confusión
8. Interpretación de los resultados de los modelos de regresión
Glosario
Más cursos relacionados
Transversal
Transversal
Transversal
Tus preguntas respondidas
¿Por qué elegir Educa.Pro?
Educa.Pro permite centralizar la gestión de la formación, personalizar el aprendizaje y obtener datos claros sobre el impacto de los programas formativos. Gracias a su tecnología basada en IA, las organizaciones pueden optimizar sus estrategias de aprendizaje, mejorar el desarrollo del talento y tomar decisiones basadas en datos.
¿Los cursos se pueden realizar a cualquier ritmo?
Sí. La mayoría de los cursos en Educa.Pro son autodidactas y bajo demanda, permitiendo a los usuarios avanzar a su propio ritmo sin perder seguimiento ni evaluaciones, lo que facilita la integración con la jornada laboral o académica.
¿Qué niveles de seguridad y cumplimiento ofrece la plataforma?
Educa.Pro cumple con los estándares de seguridad para proteger datos de usuarios y organizaciones. Además, soporta trazabilidad de certificaciones, firma digital y gestión de evaluaciones, lo que garantiza cumplimiento normativo y legal tanto en entornos educativos como corporativos.
¿Qué soporte y acompañamiento ofrece Educa.Pro?
El equipo de Educa.Pro ofrece asesoría completa durante la implementación, el despliegue y la adopción, asegurando que las organizaciones aprovechen al máximo la plataforma y logren resultados medibles desde el primer día.