Este Curso Introductorio o Básico, de la especialidad 'Experto Universitario en Estadística Aplicada a la Toma de Decisiones', está compuesto por 3 Módulos correlativos, de 4 Unidades Temáticas cada uno, planificadas para ser cursadas en 4 meses; está ideado de modo autónomo y auto-suficiente para que los cursantes, logren emplear y aplicar las herramientas y técnicas básicas de Probabilidades y Distribuciones de Probabilidades, tanto Discretas como Continuas, para la Toma de Decisiones, en su propio campo de actividad profesional, sea ésta empresarial o académica.

La característica distintiva y Valor Agregado de estas capacitaciones por eLearning, es que se desarrollan de modo “personalizado” de acuerdo al PERFIL profesional de cada cursante, para que rápidamente puedan transferir los conocimientos, herramientas y aplicaciones a sus respectivas áreas laborales.

Objetivos Generales

En nuestros días, la Estadística se ha convertido en un método efectivo para describir con gran margen de fiabilidad: las tendencias y valores de datos económicos, políticos, sociales, psicológicos, biológicos y físicos, y sirve como herramienta para relacionar y analizar dichos datos. El trabajo del 'Experto en Estadística Aplicada' no consiste ya, sólo en reunir, tabular y graficar los datos, sino fundamentalmente en captar el proceso de interpretación de esa información. 
El desarrollo de la Teoría de la Probabilidad ha aumentado el alcance de las Aplicaciones de la Estadística. Muchos conjuntos de datos se pueden aproximar con gran exactitud, utilizando determinadas Distribuciones Probabilísticas; los resultados de éstas se emplean para analizar bases de datos históricos. La Probabilidad es útil para comprobar la “fiabilidad” de las Inferencias Estadísticas y para predecir el tipo y la cantidad de datos necesarios, en un determinado estudio o investigación estadística, así como regresionar y correlacionar los mismos con cierta “significancia”. 

Objetivos Específicos

Al finalizar este Curso Básico de la especialidad, los cursantes deberán haber adquirido los conocimientos y habilidades necesarias para:

• Asumir la necesidad y utilidad de la Estadística como herramienta en su ejercicio profesional.
• Conocer las distintas escalas de medición y posibilidades de las mismas en el análisis estadístico.
• Aplicar las diferentes Reglas de las Probabilidades para la Toma de Decisiones.
• Reconocer los diferentes Modelos de Distribuciones probabilísticas de VAD y VAC (Variable Aleatoria Discreta y Variable Aleatoria Continua).
• Aplicar las TC (Tablas de Contingencia) y los Árboles de decisión de probabilidades.Modelizar sobre las distribuciones más  importantes, base de la Estadística Inferencial. (Primer Nivel de Profundización)
• Adquirir las destrezas necesarias en el manejo de tablas, calculadoras y paquetes estadísticos especializados.

MÓDULO 1: INTRODUCCIÓN a COMBINATORIA  y PROBABILIDADES

Unidad 1: Cálculo Combinatorio con y sin Repetición

Combinatoria simple: Permutaciones. Combinaciones. Variaciones.Combinatoria con repetición: Permutaciones. Combinaciones. Variaciones.Problemas de conteo.Números combinatorios.Actividades de aplicación específicas para el perfil profesional del cursante.

Unidad 2: Probabilidades y sus Aplicaciones

Probabilidad y posibilidad.Terminología y conceptos básicos en probabilidades.Escuelas de Probabilidad: Clásica, Experimental, Axiomática y Subjetiva.Definiciones de probabilidad. Ventajas e inconvenientes.Actividades de aplicación específicas para el perfil profesional del cursante.

Unidad 3: Operaciones con Probabilidades. Sus aplicaciones prácticas

Tablas de contingencia y Diagramas de árbol.Reglas de la suma y el producto de probabilidades.Sucesos mutuamente excluyentes.Sucesos independientes. Probabilidad condicional.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 4: Probabilidad de las Causas. Modelos de Decisión

Modelo de Bayes. Su importancia en la toma de decisiones.Probabilidad de las causas o “a posteriori”.Regla de la probabilidad total.Modelo de árboles de decisión.Actividades de aplicación y Modelos típicos para el perfil del cursante.

MÓDULO 2: INTRODUCCIÓN a  VARIABLES  ALEATORIAS  DISCRETAS

Unidad 1: Introducción a Variables Aleatorias

Concepto y características de una variable aleatoria.Variable Aleatoria Discreta: Función de Probabilidad y Función de Acumulación.Variable Aleatoria Continua: Función de Densidad y Función de Distribución.Funciones de probabilidad: Acumuladas y Desacumuladas.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 2: Caracterización de una Variable Aleatoria

Esperanza de una VA (Variable Aleatoria). Propiedades de la Esperanza.Varianza y DS (Desvío Estandar) de una Variable Aleatoria. Estandarización de VA.Coeficiente de variación. Su importancia en la comparación de distribuciones.Noción de juego equitativo.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 3: Distribuciones Particulares de Variables Aleatorias Discretas

VA de Bernoullí - Distribución Binomial.Distribución de Pascal o Binomial negativa.Distribución Hipergeométrica.Manejo de Tablas y Calculadoras estadísticas.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 4: Otras Distribuciones Particulares de Variables Aleatorias Discretas

Distribución Multinomial y distribución Multihipergeométrica.Distribución Uniforme Discreta y Distribución Geométrica.Distribución de Poisson.Aproximación de Poisson por la Binomial.Actividades de aplicación y Modelos típicos para el perfil del cursante.

MÓDULO 3: INTRODUCCIÓN a  VARIABLES  ALEATORIAS  CONTINUAS

Unidad 1: Distribución Normal (la famosa “campana de Gauss”)

Propiedades de la Normal de Gauss.Función de densidad y función de distribución de la Normal.Estandarización y desentadarización de la Normal.Manejo de Tablas y calculadoras estadísticas.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 2: Aproximaciones y Otras Distribuciones Particulares de Variables Aleatorias Continuas

Aproximaciones por Normal de Binomial y Poisson.Distribución Chi-Cuadrado.Distribución “t” de Student.Distribución “F” de Fisher/Snedecor.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 3: TCL, Tchebycheff y Otra Distribuciones Particulares de Variables Aleatorias Continuas

TCL (Teorema Central del Límite) sus aplicaciones prácticas.Acotación de Tchebycheff y sus aplicaciones prácticas.Distribución Uniforme – Distribución Triangular.Distribución logNormal – Distribución Gamma.Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 4: Otras Distribuciones Particulares de Variables Aleatorias Continuas

Distribución Exponencial – Distribución Erlang.Distribución Weibull – Distribución Gumbel.Distribución Beta – Distribución de Cauchy.Distribución Logística – Distribución de Laplace – Distribución de Pareto.Actividades de aplicación y Modelos típicos para el perfil del cursante.