4.3 Las pendientes de las rectas 3:05

M1 -1. Conceptos Previos

• 0. Materiales
• 1.1 Notación 1:53
• 1.2 Tabulación 2:41

M1 - 2. Medidas de centralidad

• 2.1 Media 4:19
• Problema 1
• 2.2 Mediana 2:10
• Problema 2
• 2.3 Diferencia Media-Mediana 3:31
• 2.4 Moda 2:34
• Problema 3

M1- 3. Medidas de dispersión

• 3.1 Rango 0:32
• 3.2 Varianza y Desviación Típica 5:47
• Problema 4
• 3.3 Regla Chebyshev 3:17
• 3.4 Ejemplo Chebyshev 3:24
• Problema 5

M1 - 4. Coeficiente de asimetría y de curtosis

• 4.1 Momento central 2:45
• 4.2 Coeficiente de asimetría 1:37
• 4.3 Coeficiente de curtosis 5:07
• Problema 6

M1 - 5. Histograma, Diagrama de Barras y de Pareto

• 5.1 Descripción y diferencias 0:43
• 5.2 Diagrama de barras 0:40
• 5.3 Histograma 1:05
• 5.4 Ejecución e interpretación 4:45
• 5.5 Diagrama de Pareto 2:39
• 5.6 Gráfica de frecuencias acumuladas 1:31

M1 - 6. Cuantiles, k-índice y diagrama de cajas

• 6.1. Definición Cuartiles, Deciles y Percentiles 1:42
• 6.2 Ejemplos de cuantiles 1:05
• 6.3 K-índice 2:57
• 6.4 Diagrama de cajas 7:52
• Problema 7

M1 - 7. Descriptiva con MS Excel

• 7.1 Instalar el complemento de análisis de datos 3:32
• 7.2 Crear y ajustar histogramas en excel 9:50
• Problema 8
• 7.4 El histograma de Pareto en Excel 2:52
• 7.5 Diagramas de cajas en excel 7:45

M2 - 1. Variable Aleatoria

• 1.1 ¿Qué es una Variable Aleatoria? 3:31
• 1.2 Tipos de Variable Aleatoria 3:25
• 1.3 Funciones de VA Discretas 4:55
• 1.4 Funciones de VA Continuas 5:14
• 1.5 La Covarianza 3:18

M2 - 2. Variable Aleatoria Bidimensional

• 2.1 Variable aleatoria 2D Discreta 3:10
• 2.2 Variable aleatoria 2D Continua 2:40
• 2.3 Medidas de Centralidad y Momentos 4:02
• 2.4 Marginales 3:35

M2 - 3. Introducción a la Regresión

• 3.1 Conceptos previos 2:15
• 3.2 Diagrama de dispersión 2:36
• Problema 9

M2 - 4. Regresión lineal

• 4.1 Mínimos Cuadrados Ordinarios 4:58
• 4.2 Las ecuaciones de las rectas de regresión 2:31
• Problema 10
• 4.3 Las pendientes de las rectas 3:05
• 4.4 Características geométricas de la regresión 1:13
• 4.5 R, la bonanza de ajuste 2:43
• 4.6 R2, el coeficiente de determinación 3:35
• Problema 11

M2 - 5. El Cuarteto de Anscombe

• 5.1 ¿Qué es el Cuarteto de Anscombe? 2:32
• 5.2 Anscombe I: La regresión "buena" 3:12
• 5.3 Anscombe II: La regresión parabólica 1:39
• 5.4 Anscombe III: La recta con un atípico 1:59
• 5.5 Anscombe IV: La recta "vertical" 2:07

M2 - 6. Un caso real

• 6.1 Un ejemplo real de regresión 5:48

M2 - 7. La franja de atípicos

• 7.1 Las limitaciones de R2 6:54
• 7.2 Error estandarizado de la estimación 5:49
• Problema 12

M2 - 8. Regresión con MS Excel

• 8.1 Configurando una regresión en MS Excel parte 1 6:25
• 8.2 Configurando una regresión en MS Excel parte 2 2:48
• 8.3 Configurando una regresión en MS Excel parte 3 6:24
• 8.4 Configurando una regresión en MS Excel parte 4 6:16
• 8.5 Configurando una regresión en MS Excel parte 5 5:53
• Ayúdanos a mejorar ingenio.xyz

M3 - 1. Introducción a modelos

• 1.1 Tipos de Modelos 3:58

M3 - 2. Modelos Discretos

• 2.1 El modelo Hipergeométrico 5:57
• Problema 13
• 2.2 Un ejemplo de Hipergeométrica 5:52
• 2.3 Ejemplo de Hipergeométrica (gráficas) 2:37
• 2.4 El modelo Geométrico 3:33
• Problema 14
• 2.5 Un ejemplo de Geométrica 2:49
• 2.6 El modelo Binomial 4:35
• Problema 15
• 2.7 Un ejemplo de Binomial 4:27
• 2.8 El modelo de Poisson 4:31
• Problema 16
• 2.9 Un ejemplo de Poisson 2:54
• 2.10 Ejemplo de Poisson (gráficas) 2:42
• 2.11 El modelo Binomial Negativo 2:49
• Problema 17
• 2.12 Un ejemplo de Binomial Negativa 4:08
• 2.13 Ejemplo de Binomial Negativa (gráficas) 3:09

M3 - 3. Modelos Continuos

• 3.1 La Normal 7:59
• Problema 18
• 3.2 Un ejemplo de Normal 5:22
• 3.3 Los modelos derivados de la normal 3:01
• 3.4 La Variable Aleatoria Uniforme 4:17
• 3.5 El modelo de Weibull 5:39
• Problema 19
• 3.6 Un ejemplo de Weibull (gráficas) 7:49
• 3.7 El modelo Gamma 3:55
• Problema 20
• 3.8 Un ejemplo de Gamma (gráficas) 4:05
• 3.9 El modelo Beta 3:49
• 3.10 Un ejemplo de Beta (gráficas) 3:09

M3 - 4. El Teorema Central del Límite

• 4.1 El Teorema Central del Límite 4:19
• 4.2 De Binomial a Normal 3:40
• 4.3 La corrección de Yates 3:50
• 4.4 De Poisson a Normal 4:59

M3 - 5. Como usar las tablas de modelos continuos

• 5.1 Normal (0,1) 6:02
• 5.2 t-Student 2:44
• 5.3 Chi-Cuadrado 2:47
• 5.4 F de Fisher 2:40

M4 - 1. Introducción a Inferencia

• 1.1 Estimación puntual y estimación por intervalos 5:08
• 1.2 ¿Qué es la Estimación Puntual? 4:25

M4 - 2. Estimación por Intervalos

• 2.1 Intervalos de Confianza 6:37
• 2.2 El intervalo de confianza de la media 6:03
• 2.3 ¿Qué ocurre si no tengo datos poblacionales? 3:34

M4 - 3. Contrastes de Hipótesis: Conceptos

• 3.1 Las Hipótesis Nula y Alternativa 3:39
• 3.2 Errores de tipo I y II 3:20
• 3.3 Pruebas de una y dos colas 4:42
• 3.4 Un ejemplo (largo) de contraste de hipótesis 6:10
• 3.5 Cálculo de un error de tipo II (Beta) 7:18

M4 - 4. Contrastes de Hipótesis: Casos Frecuentes

• 4.1 Inferir la Media Poblacional (muestra grande) 6:35
• Problema 21
• 4.2 Inferir la Media Poblacional (muestra pequeña) 3:42
• Problema 22
• 4.3 Inferir la p de una Binomial 4:03
• 4.4 Inferir la varianza (parte I) 1:47
• 4.5 Cómo usar la Chi-Cuadrado para contrastes de varianza 4:58
• 4.6 Inferir la varianza (parte II) 3:03
• Problema 23

M4 - 5. El p-valor

• 5.1 El p-valor 1:54
• 5.2 ¿Cómo funciona el p-valor? 3:32
• 5.3 Un ejemplo del uso del p-valor 4:16

M4 - 6. Algunos contrastes habituales

• 6.1 Diferencia de medias en muestras grandes 4:46
• 6.2 Un ejemplo de diferencia de medias con muestra grande 6:08
• 6.3 Diferencia de medias en muestras pequeñas 5:13
• 6.4 Diferencia de medias en pares coincidentes grandes 3:34
• 6.5 Diferencia de medias en pares coincidentes pequeños 3:11
• 6.6 Ratio de varianzas 6:52
• 6.7 Ejemplo de comparativa de varianzas - Parte 1 4:00
• 6.8 Ejemplo de comparativa de varianzas - Parte 2 5:08
• Certificado y opinión del curso

Final del curso. Despedida.

• ¡Hurrah! Has completado el curso
• Danos tu opinión
• ¿Te ha gustado ingenio.xyz? Recomiéndanos
• Solicita tu certificado
• ¿Y ahora qué? 🤔