Somos la Academia Fibonacci, tu puerta de entrada al aprendizaje móvil de alta calidad. Estamos dedicados a proporcionar una experiencia de aprendizaje excepcional en la palma de tu mano.
Nuestros cursos están diseñados para adaptarse a tu ajetreado estilo de vida y brindarte la flexibilidad que necesitas. Ya sea que desees mejorar tus habilidades profesionales, explorar nuevos pasatiempos o alcanzar tus objetivos académicos, estamos aquí para apoyarte en cada paso del camino.
Tema 1 ESTADÍSTICA DESCRIPTIVA UNIVARIANTE.
1.1 Conceptos elementales.
1.2 Distribuciones de frecuencias de un carácter: discretas y continuas.
1.3 Representaciones gráficas: caracteres cualitativos y cuantitativos.
1.4 Medidas de posición: media, mediana, moda y cuantiles.
1.5 Medidas de dispersión: rango, desviación media, varianza, desviación típica y coeficiente de variación. Momentos.
1.6 Medidas de forma: asimetría y apuntamiento.
Tema 2 ESTADÍSTICA DESCRIPTIVA BIVARIANTE. REGRESIÓN Y CORRELACIÓN.
2.1 Distribuciones bidimensionales: representación tabular y gráfica.
2.2 Distribuciones marginales y condicionadas. Momentos.
2.3 Relación entre variables: independencia, dependencia funcional y estadística. Regresión y correlación lineal simple.
2.4 Otros modelos de regresión.
Parte II BLOQUE 2: TEORÍA DE LA PROBABILIDAD.
Tema 3 PROBABILIDAD.
3.1 Espacio muestral y suceso aleatorio.
3.2 Álgebra de Boole de sucesos.
3.3 Función de probabilidad. Probabilidad condicionada. Sucesos independientes.
3.4 Teorema de la probabilidad total y teorema de Bayes.
Tema 4 VARIABLE ALEATORIA Y DISTRIBUCIONES DE PROBABILIDAD.
4.1 Definición. Variable aleatoria discreta y continua: función de masa/densidad y función de distribución.
4.2 Momentos: esperanza matemática, varianza y desviación típica.
4.3 Variable aleatoria bidimensional. Distribuciones marginales y condicionadas. Independencia de variables
aleatorias.
4.4 Momentos de una variable aleatoria bidimensional.
4.5 Distribuciones discretas: uniforme, Bernoulli, Binomial, Poisson, geométrica, Binomial Negativa e Hipergeométrica.
4.6 Distribuciones continuas: uniforme, Normal, exponencial y asociadas a la Normal. Teorema central del límite.
Parte III BLOQUE 3: INFERENCIA ESTADÍSTICA.
Tema 5 TEORÍA DE MUESTRAS. ESTIMACIÓN PUNTUAL Y POR INTERVALOS.
5.1 Muestreo. Parámetros poblacionales y estadísticos muestrales.
5.2 Distribución de estadísticos muestrales.
5.3 Concepto de estimador puntual. Propiedades de los estimadores puntuales. Construcción de estimadores puntuales.
5.4 Concepto de intervalo de confianza. Construcción de intervalos de confianza.
5.5 Intervalos de confianza en poblaciones normales.
Tema 6 CONTRASTES DE HIPÓTESIS.
6.1 Definiciones básicas. Contrastes paramétricos y no paramétricos.
6.2 Contrastes paramétricos para una población normal.
6.3 Contrastes paramétricos para dos poblaciones normales.
6.4 Contrastes no paramétricos.
La asignatura cubre conceptos básicos de estadística, estadística descriptiva, probabilidad, distribuciones de probabilidad, inferencia estadística, regresión y correlación, análisis de series temporales y métodos no paramétricos.
No es estrictamente necesario tener conocimientos previos de estadística, aunque tener una base en matemáticas puede ser muy útil. La asignatura está diseñada para proporcionar una introducción completa a los conceptos estadísticos necesarios.
En las clases prácticas se suele utilizar software estadístico como R, Python (con bibliotecas como pandas, numpy, y matplotlib), o SPSS, dependiendo de las preferencias del profesor y las necesidades del curso.
La evaluación puede incluir una combinación de participación en clases, realización de ejercicios prácticos, proyectos o trabajos en grupo, y exámenes parciales y/o finales. La evaluación continua permite medir el progreso del estudiante a lo largo del curso.
La estadística es fundamental en informática para analizar datos, desarrollar modelos predictivos en machine learning, mejorar la calidad del software, y tomar decisiones informadas basadas en datos. Es esencial en áreas como data science, análisis de datos y investigación.
Cursos de ESTADÍSTICA
La asignatura de Técnicas Cuantitativas en la Universidad de Granada desempeña un papel fundamental al proporcionar a los estudiantes las habilidades y herramientas necesarias para comprender y utilizar datos cuantitativos en una variedad de disciplinas. Además de ser esencial para la investigación y el avance del conocimiento, estas habilidades analíticas son cada vez más valiosas en un mundo impulsado por datos, donde la capacidad de recopilar, analizar y presentar información de manera efectiva es esencial en la toma de decisiones, la resolución de problemas y la empleabilidad. Esta asignatura prepara a los estudiantes para enfrentar los desafíos académicos y profesionales en un entorno cada vez más orientado hacia la información y la toma de decisiones basada en evidencia.
La asignatura de Estadística en el grado de Turismo de la Universidad de Jaén se enfoca en proporcionar a los estudiantes las herramientas y métodos necesarios para analizar y comprender datos relevantes en el ámbito del turismo. A través de esta materia, los estudiantes aprenden a aplicar técnicas estadísticas para la toma de decisiones informadas, interpretar resultados de estudios de mercado, y evaluar tendencias y patrones en la actividad turística. El curso cubre conceptos fundamentales como la recopilación y organización de datos, la utilización de software estadístico, y la presentación de informes analíticos, todo ello con un enfoque práctico orientado a resolver problemas reales del sector turístico.
La asignatura de Estadística del grado de Ingeniería Informática (GII) en la Universidad de Alcalá es fundamental para el desarrollo de habilidades analíticas y de toma de decisiones basadas en datos. Este curso ofrece a los estudiantes una comprensión sólida de los métodos estadísticos y su aplicación en la informática. A lo largo de la asignatura, se cubren temas esenciales como el análisis descriptivo de datos, probabilidades, distribución de variables aleatorias, inferencia estadística y regresión. Los estudiantes aprenden a utilizar herramientas y software estadístico para analizar grandes volúmenes de datos y extraer información relevante.
La asignatura se estructura en clases teóricas y prácticas, donde los conceptos se aplican a problemas reales mediante ejercicios y proyectos. Las clases teóricas proporcionan los fundamentos necesarios, mientras que las sesiones prácticas permiten a los estudiantes trabajar con datos reales y utilizar software especializado para realizar análisis estadísticos. Esta combinación de teoría y práctica asegura que los estudiantes no solo comprendan los conceptos estadísticos, sino que también sean capaces de aplicarlos en el contexto de la ingeniería informática.
Al completar la asignatura, los estudiantes están equipados para utilizar técnicas estadísticas en diversas áreas, como el análisis de datos, la inteligencia artificial y la toma de decisiones empresariales, lo que les proporciona una ventaja competitiva en el ámbito profesional.
