Curso gratis Especialista en Estadística en Ingeniería Aeroespacial
Curso gratis para: Trabajadores y Empresas, consulta próxima convocatoria
Modalidad de realización del curso: Online
Número de Horas: 80 Horas
Titulación: Diploma acreditativo con las horas del curso
Prácticas Profesionales en Empresa: Sí - Opcionales (consulta condiciones)
OBJETIVOS DEL CURSO GRATIS ESPECIALISTA EN ESTADÍSTICA EN INGENIERÍA AEROESPACIAL
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.
PRÁCTICAS EN EMPRESA
El curso Especialista en Estadística en Ingeniería Aeroespacial dispone de 150 a 250 horas de Prácticas Profesionales en Empresa. Consulta con nuestros asesores de formación la posibilidad de realizar estas Prácticas Profesionales en su Provincia tras la finalización del curso. Las prácticas en empresa son opcionales y no obligatorias.
CONTENIDO DEL CURSO GRATIS ESPECIALISTA EN ESTADÍSTICA EN INGENIERÍA AEROESPACIAL
UNIDAD DIDÁCTICA 1. CONCEPTOS BÁSICOS Y ORGANIZACIÓN DE DATOS
- Aspectos introductorios a la estadística
- Concepto y funciones de la estadística
- - Estadística descriptiva
- - Estadística inferencial
- Medición y escalas de medida
- - Escala nominal
- - Escala ordinal
- - Escala de intervalo
- - Escala de razón
- Variables: Clasificación y notación
- Distribución de frecuencias
- - Distribución de frecuencias por intervalos
- Representaciones gráficas
UNIDAD DIDÁCTICA 2. ESTADÍSTICA DESCRIPTIVA BÁSICA E INFERENCIA
- Estadística descriptiva
- - Descripción de una variable cualitativa
- - Descripción de una variable cuantitativa
- Estadística inferencial
- - Conceptos previos
- - Métodos de muestreo
- - Principales indicadores
UNIDAD DIDÁCTICA 3. DISTRIBUCIONES DE PROBABILIDAD
- Conceptos previos de probabilidad
- Variables discretas de probabilidad
- - Función de probabilidad
- - Función de distribución
- - Media y varianza de una variable aleatoria
- Distribuciones discretas de probabilidad
- - La distribución binomial
- - Otras distribuciones discretas
- Distribución normal
- Distribuciones asociadas a la distribución normal
- - Distribución “Chi-cuadrado” de Pearson
- - Distribución “t” de Student
UNIDAD DIDÁCTICA 4. TEOREMA CENTRAL DEL LÍMITE
- Introducción al Teorema Central del Límite
- Aproximación normal a la distribución binomial
- - Primera versión del Teorema Central del Límite
- - Uso de la aproximación normal a la binomial
- Teorema Central del Límite de Laplace
- Teorema Central del Límite y primeras demostraciones rigurosas
- - Teorema Central del Límite de Liapunov
- - Teorema Central del Límite de Lindeberg
- - Teorema Central del Límite de Lindeberg-Lévy
- - Teorema Central del Límite de Lindeberg-Feller
- Generalizaciones del Teorema Central del Límite
UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS
- Introducción a las hipótesis estadísticas
- Contraste de hipótesis
- Contraste de hipótesis paramétrico
- - Hipótesis en contrastes paramétricos
- - Estadístico de contraste
- - Potencia de un contraste
- - Propiedades del contraste
- Tipologías de error
- Contrastes no paramétricos
- - Chi-cuadrado
UNIDAD DIDÁCTICA 6. REGRESIÓN LINEAL
- Introducción a los modelos de regresión
- Modelos de regresión: aplicabilidad
- Variables a introducir en el modelo de regresión
- - Tipos de variables a introducir en el modelo
- Construcción del modelo de regresión
- - Selección de las variables del modelo
- - Métodos de construcción del modelo de regresión
- - Obtención y validación del modelo más adecuado
- Modelo de regresión lineal
- Modelo de regresión logística
- Factores de confusión
- Interpretación de los resultados de los modelos de regresión