¿Qué quieres aprender?
900 49 47 47

Estadística en ingeniería aeroespacial (I17254P09-01)

Home Curso Curso de Ingeniería Curso de Aeronáutico Estadística en ingeniería aeroespacial (I17254P09-01)

Estadística en ingeniería aeroespacial (I17254P09-01)

Psique Group & Business School.

Curso online


462 €

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.




Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad​.

¿Quieres hablar con un asesor sobre este curso?

Temario completo de este curso

UNIDAD DIDÁCTICA 1. CONCEPTOS BÁSICOS Y ORGANIZACIÓN DE DATOS
  1. Aspectos introductorios a la estadística.
  2. Concepto y funciones de la estadística.
  3. - Estadística descriptiva.
  4. - Estadística inferencial.
  5. Medición y escalas de medida.
  6. - Escala nominal.
  7. - Escala ordinal.
  8. - Escala de intervalo.
  9. - Escala de razón.
  10. Variables: Clasificación y notación.
  11. Distribución de frecuencias.
  12. - Distribución de frecuencias por intervalos.
  13. Representaciones gráficas.
UNIDAD DIDÁCTICA 2. ESTADÍSTICA DESCRIPTIVA BÁSICA E INFERENCIA
  1. Estadística descriptiva.
  2. - Descripción de una variable cualitativa.
  3. - Descripción de una variable cuantitativa.
  4. Estadística inferencial.
  5. - Conceptos previos.
  6. - Métodos de muestreo.
  7. - Principales indicadores.
UNIDAD DIDÁCTICA 3. DISTRIBUCIONES DE PROBABILIDAD
  1. Conceptos previos de probabilidad.
  2. Variables discretas de probabilidad.
  3. - Función de probabilidad.
  4. - Función de distribución.
  5. - Media y varianza de una variable aleatoria.
  6. Distribuciones discretas de probabilidad.
  7. - La distribución binomial.
  8. - Otras distribuciones discretas.
  9. Distribución normal.
  10. Distribuciones asociadas a la distribución normal.
  11. - Distribución “Chi-cuadrado” de Pearson.
  12. - Distribución “t” de Student.
UNIDAD DIDÁCTICA 4. TEOREMA CENTRAL DEL LÍMITE
  1. Introducción al Teorema Central del Límite.
  2. Aproximación normal a la distribución binomial.
  3. - Primera versión del Teorema Central del Límite.
  4. - Uso de la aproximación normal a la binomial.
  5. Teorema Central del Límite de Laplace.
  6. Teorema Central del Límite y primeras demostraciones rigurosas.
  7. - Teorema Central del Límite de Liapunov.
  8. - Teorema Central del Límite de Lindeberg.
  9. - Teorema Central del Límite de Lindeberg-Lévy.
  10. - Teorema Central del Límite de Lindeberg-Feller.
  11. Generalizaciones del Teorema Central del Límite.
UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS
  1. Introducción a las hipótesis estadísticas.
  2. Contraste de hipótesis.
  3. Contraste de hipótesis paramétrico.
  4. - Hipótesis en contrastes paramétricos.
  5. - Estadístico de contraste.
  6. - Potencia de un contraste.
  7. - Propiedades del contraste.
  8. Tipologías de error.
  9. Contrastes no paramétricos.
  10. - Chi-cuadrado.
UNIDAD DIDÁCTICA 6. REGRESIÓN LINEAL
  1. Introducción a los modelos de regresión.
  2. Modelos de regresión: aplicabilidad.
  3. Variables a introducir en el modelo de regresión.
  4. - Tipos de variables a introducir en el modelo.
  5. Construcción del modelo de regresión.
  6. - Selección de las variables del modelo.
  7. - Métodos de construcción del modelo de regresión.
  8. - Obtención y validación del modelo más adecuado.
  9. Modelo de regresión lineal.
  10. Modelo de regresión logística.
  11. Factores de confusión.
  12. Interpretación de los resultados de los modelos de regresión.
Ver más

Cursos relacionados