Que el estudiante conozca y aplique correctamente las pruebas estadísticas paramétricas (z, t, regresión y correlación, análisis de varianza, comparaciones múltiples) y no paramétricas (re-muestreo, frecuencias, conteos, ordinales).

En cada sesión el profesor presenta las bases teóricas del tema y utiliza un conjunto de datos con el fin de ejemplificar la prueba o análisis de interés. El conocimiento adquirido se refuerza con la solución de ejercicios en clase y otros para resolver en casa, con la posterior discusión en clase. Se emplea la dinámica de aprender haciendo, en la que los procedimientos que se exponen en una primera clase, se reafirman gradualmente durante las sesiones de práctica que se incluyen en las clases posteriores. Se usa un enfoque flexible para elegir las técnicas de resolución de los ejemplos. Se introduce al programa R y se enseña cómo resolverlos con ese programa.

Es un curso intensivo. Las clases son impartidas diariamente por 1 profesor durante 4 horas. Después de cada sesión diaria, los alumnos resuelven ejercicios en casa, normalmente en 4 horas.  

Conocimiento de álgebra y manejo de hojas de cálculo o R.

Conocer la naturaleza y estructura de varias pruebas estadísticas y desarrollar ejercicios numéricos.

Cada módulo se evalúa separadamente y la calificación final del curso es el promedio aritmético de las evaluaciones de cada módulo. Los Criterios de Evaluación por Módulo son: Módulo I: Cinco tareas que se califican por puntos de acuerdo al grado de dificultad de cada ejercicio. La calificación del módulo es un promedio ponderado de 5 tareas. Módulo II: Resolución de tareas diarias y examen escrito final de resolución de ejercicios. La escala de calificación del módulo es del 1 al 10. Módulo III: Resolución de tareas diarias y examen escrito final de resolución de ejercicios. La escala de calificación del módulo es del 1 al 10. Módulo IV: Resolución de tareas diarias y examen escrito final de resolución de ejercicios. La escala de calificación del módulo es del 1 al 10.

MÓDULO I. INTRODUCCIÓN A R, PROBABILIDAD Y PRUEBA DE t

Rosario Landgrave.

7 clases, 4 horas = 28 horas.

Clase 1. Temas selectos de matemáticas e introducción a R.

Clase 2. Temas selectos de matemáticas e introducción a R.

Clase 3. Estadística Descriptiva.

Clase 4. Probabilidad Teórica.

Clase 5. Funciones de densidad de probabilidad.

Clase 6. Teorema del límite central.

Clase 7. Prueba de z y prueba de t

MÓDULO II. REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

Oscar Briones.

8 Clases, 4 horas = 32 horas.

Clase 1. Modelo, objetivos y usos de la regresión lineal. Supuestos del modelo. Modelos I y II. Estimación de parámetros por mínimos cuadrados y derivación del coeficiente de regresión (b). Cálculos básicos y ecuaciones principales para obtener el modelo de regresión. 

Clase 2. Sesión práctica con el uso del programa R. Regresión lineal con repeticiones. Pruebas de hipótesis. Análisis de varianza de la regresión. Coeficiente de determinación (r2).

Clase 3. Pruebas de t sobre b y la ordenada (a). Equivalencia entre análisis de varianza y prueba de t para b. Estimación de intervalos de confianza para a, b y valores esperados. 

Clase 4. Comprobación de la adecuación del modelo de regresión: residuales ordinarios, escalados y datos atípicos, prueba de falta de ajuste.

Clase 5. Transformaciones para corregir inadecuaciones del modelo. Funciones linealizables. Predicción inversa.

Clase 6. Comparación entre líneas de regresión. Correlación lineal simple (r). Prueba de hipótesis. Estimación de intervalo de confianza. Comparación entre coeficientes de correlación. Relación matemática entre b, r y r2.

Clase 7. Sesión práctica con el uso del programa R. Modelo II de regresión lineal (ambas variables sujetas a error): método de los 3 grupos. Comparación entre modelos I y II de regresión lineal simple. Relación entre regresión y correlación paramétrica.

Clase 8. Examen.

MÓDULO III. ANÁLISIS DE VARIANZA Y DISEÑO EXPERIMENTAL

Miguel Equihua.

9 Clases, 4 horas = 36 horas.

Clase 1. Diseño de experimentos y ANOVA 1 vía.

Clase 2. Comparaciones múltiples. Transformaciones.

Clase 3. ANOVA 2 vías. Factoriales. Interacciones.

Clase 4.  Efectos fijos aleatorios y mixtos.

Clase 5. Diseños con restricciones a la aleatorización I: Diseño en bloques completamente aleatorizados. 

Clase 6. Diseños con restricciones a la aleatorización II: Diseños anidados.

Clase 7. Diseños con restricciones a la aleatorización III: Parcelas divididas.

Clase 8. Diseños con restricciones a la aleatorización IV: Medidas repetidas.

Clase 9. Examen.

MÓDULO IV. ANÁLISIS “NO PARAMÉTRICOS” Y RE-MUESTREO

Rogelio Macías.

6 Clases, 4 horas = 24 horas.

Clase 1. Introducción y visión general (2 h); Análisis de re-muestreo y generación de distribuciones adhoc (2 h).

Clase 2: Análisis de re-muestreo y generación de distribuciones adhoc (cont.).

Clase 3: Análisis de frecuencias o conteos.

Clase 4: Análisis de frecuencias o conteos (cont.).

Clase 5: Análisis basados en transformaciones ordinales; examen a casa.

Clase 6: Revisión de examen a casa (2 h); Introducción a modelos lineales generalizados (2 h).