Materia	Carrera	Plan	Año	Periodo
MODELOS PARAMÉTRICOS	LICENCIATURA EN ANÁLISIS Y GES	OCS-1-27/22	2024	1° cuatrimestre

Docente	Función	Cargo	Dedicación
LEPORATI, JORGE LEANDRO	Prof. Responsable	P.Asoc Exc	40 Hs
HIDALGO, GABRIEL EDUARDO	Prof. Colaborador	P.Adj Exc	40 Hs
PENNA, FABRICIO ORESTES	Prof. Colaborador	P.Asoc Exc	40 Hs

La ciencia de la estadística es el estudio de cómo aprender de los datos. Te ayuda a recopilar los datos adecuados, realizar el análisis correcto y presentar los resultados de forma eficaz con conocimientos estadísticos. El modelado estadístico es clave para hacer descubrimientos científicos, decisiones basadas en datos y predicciones.
El estudio de la estadística permite comprender en profundidad casi cualquier tema. Los analistas estadísticos aprenden de los datos y se desenvuelven en los problemas más comunes, evitando conclusiones erróneas.
Es crucial evaluar la calidad de los análisis que otros le presentan, teniendo en cuenta lo críticas que se han vuelto las decisiones y opiniones basadas en datos. Las estadísticas son algo más que números y hechos. Se trata de un conjunto de conocimientos y procedimientos que te permiten aprender de los datos de forma fiable.
Los modelos estadísticos te ayudan a diferenciar entre conclusiones razonables y dudosas basadas en pruebas cuantitativas. Los análisis y predicciones realizados por los estadísticos son muy fiables. Un estadístico puede ayudar a los investigadores a evitar varias trampas analíticas en el camino.

A. Conocer y comprender los conceptos básicos de inferencia estadística.
B. Familiarizarse con el vocabulario técnico utilizado en la inferencia estadística
C. Conoce y estudiar los distintos tipos de estimaciones en la inferencia estadistica .

D. Incorporar y entender que El proceso del modelo estadístico es una forma de aplicar el análisis estadístico a los conjuntos de datos en la ciencia de los datos.
E. Saber interpretar los resultados estadístcos de modelado lineal con el uso de una programa computacional.
F. Saber distinguir entre una variable dependiente y otra independiente y saber interpretar la relación entre dos variable utilizando el coeficiente de correlación lineal.

Unidad 1: Inferencia estadistica


Concepto de estimacion, estimación puntual. Estimacion por intervalo: intervalo de confianza. Intervalo de confianza para la distribución Normal. Intervalo de Confianza para la proporción, Intervalo de Confianza para la media si se conoce la varianza, Intervalo de Confianza para la media si se desconoce la varianza. Intervalo de Confianza para la Varianza, Intervalo de confianza para la diferencia de medias. Intervalo de Confianza para la diferencia de proporciones. Estimación del tamaño de la muestra. Problemas


Unidad 2: Prueba de Hipotesis.


Introducción. Error de Tipo I y error de tipo II. Pasos a seguir en un test de hipótesis. Contrastes paramétricos de una población normal: Contrastes para la media, Contrastes para la varianza. Contrastes para la proporción. Contrastes para la diferencia de medias : independientes y apareadas.. Contraste para la diferencia de proporciones. Supuestos de normalidad y homocedasticidad. P.valor. Problemas con aplicación de software..


Unidad 3: Correlación Lineal.


Introduccion, concepto de correlación lineal, propiedades y caracteristicas del coeficiente de correlación lineal, ejemplos. Prueba de hipótesis para el coeficiente de correlación lineal. .


Unidad 4: Analisis de Regresion Lineal.


Ecuacion de regresión: principios de minimos cuadrados, Forma general de la ecuación de regresión lineal. Pendiente de la recta de regresión. Interseccion con el eje y. Trazo de la recta de regresión. Test de hipótesis para la pendiente y la ordenada de una regresión lineal. Evaluacion de la capacidad predictora de una ecuuacion de regresión. Error estándar de estimacion. Coeficiente de Determinacion. Relaciones entre el coeficiente de correlación, el coeficiente de determinación y el error estándar de estimación. Suposiciones de la regresión lineal. Intervalos de confianza e intervalos de predicción. Transformación de datos. Ejemplos practicos en aplicaciones del mundo real.


Unidad 5: Analisis de Regresion no lineal.


Regresión no lineal. Consideraciones sobre datos de regresión no lineal. Distintos tipos de regresión no lineal. interpretación de los resultados de una regression no lineal. Ventajas y desventajas de las tecnicas de regression no lineal. ¿ Como elejir el modelo de regression no lineal correcto?. Regresion no lineal en aplicaciones del mundo real. Desafioa communes en el analisis de regression no lineal. El poder de las tecnicas de regression no lineal

Los Trabajos Prácticos (TP) consisten en la resolución de actividades de aprendizaje elaboradas para cada una de las
Unidades del programa. Cada unidad lleva su trabajo practico, el cual consiste en la presentación a modo de informe/ practico de las actividades propuestas en los mismos:
TP1: Inferencia Estadística
TP2: Prueba de Hipótesis
TP3: Correlación Lineal
TP4: Modelo de Regresion Lineal.
TP5. Modelo de Regresion No lineal.
Los Trabajos Prácticos serán autoevaluados por el alumno con la supervisión del equipo docente.

La asignatura se implementa con condiciones específicas para alumnos regulares, promocionales y libres. (Ordenanza
C.S. 13/03 y modificatoria Ordenanza C.S. 32/14) Evaluaciones parciales:
Los contenidos evaluados en estas pruebas de conocimiento serán:

• Parcial nº1: Unidades 1, 2,
• Parcial nº2: Unidades 3, 4 y 5.
• Recuperación General: Se dará una nueva instancia de recuperación de los parciales n°1 y n°2.


Las dos evaluaciones parciales programadas serán escritas e individuales, cada una de ellas tendrá 2 (dos) recuperaciones.

Normas de promoción: El/la estudiante promocional será aquel/lla que cumpla con la aprobación del 100% de las 2 (dos) evaluaciones parciales, con nota igual o superior al 70%.

Normas de regularidad: El/la estudiante regular será aquel/lla que cumpla con la aprobación del 100% de las 2 (dos) evaluaciones parciales, con nota entre 60% y hasta el 70% (sin incluir el 70%).

Examen final de estudiantes regulares: El examen final para estudiantes regulares consistirá en una evaluación escrita teórico-práctica con temas de las seis unidades previstas en el programa y se aprueba con un porcentaje igual o superior al 40%, equivalente a 4 (cuatro) puntos.

Normas para los estudiantes libres: Serán estudiantes libres quienes no hayan cumplido con algunos de los requisitos fijados para la obtención de la regularidad/promoción. Para rendir la materia bajo esta condición deberá aprobarse una instancia escrita teórico-práctica, con un porcentaje igual o superior al 70%, equivalente a 4 (cuatro) puntos.

[1] • Introduccion a la probabilidad y estadística. Decimo tercera edición. Williams Mendenhall. Robert J. Beaver. Marbara M. Beaber. (2010). Cengage Learning.
[2] • Estadística con SPSS 22. Nel Quezada Lucio. 2014. MACRO.
[3] • Analisis de Datos. Sandra Peña. 2017. Preandina.
[4] • Estadística básica para Ciencias de la Salud. Jesusu Montanero Fernandez. Carmen Minuesa Abril. 2018. Universidad de Extremadura.

[1] • Introduccion a la probabilidad y estadística. Primera Edición. Roberto Dario Biacchini. Lara Viviana Vasquez, Maria Jose Bianco. Javier I. Garcia Fronte (2018) . CMA.
[2] • Estadistica para Ciencias del comportamientos. Ciencias Sociales y de la salud. Tercera edición. Haroldo Elorza Pérez-Tejada (2008). Cengage Learning

I. Comprender los conceptos básicos de la modelizacion tanto lineal como no lineal :
II. Saber interpretar los resultados obtenidos por el siftware y tener poder de decisión.
III. Saber realizar estimaciones por intervalo y realizar test de hipótesis Con el objeto de obtener conclusiones a problemas planteados.
IV. Desarrollar habilidades con el Software.

Unidad 1:Estimacion e inferencia.
Unidad 2: Prueba de Hipotesis
Unidad 3: Correlacion Lineal

Unidad 4: Regresion Lineal
Unidad 5: Regresion No Lineal.