Máster de formación permanente en Técnicas Estadísticas


La estadística es una rama de las ciencias matemáticas que se centra en el estudio y análisis de la variabilidad, así como del proceso aleatorio que la genera en base a las leyes de la probabilidad. En la actualidad, la estadística en general y la la figura del investigador en particular, resulta de gran utilidad e importancia en prácticamente cualquier ámbito, por lo que la formación que estos profesionales reciban debe ser de calidad para afrontar su trabajo con éxito.

Gracias a la realización de este Máster en Técnicas Estadísticas conocerá los aspectos teóricos y prácticos de la investigación a través del conocimiento de sus componentes. El principal objetivo de este máster universitario es dotar al alumnado de los conocimientos adecuados para llegar a dominar el uso y aplicación de los principales métodos, técnicas y análisis más relevantes de la estadística.

Para ello, cuenta con un programa de estudios ampliamente detallado y ajustado a las demandas y necesidades reales del mercado laboral. Si quieres recibir más información sobre los requisitos de acceso, la titulación recibida, las becas y descuentos disponibles, la metodología de estudio, etc. ponte en contacto con nosotros y una asesora podrá resolver todas tus dudas y consultas de forma detallada y sin compromiso.

Convocatoria

Abierta

Modalidad

ONLINE

Duración

Créditos

Precio

8.000 

Titulación

Titulación Universitaria en Máster en Técnicas Estadísticas expedida por la UNIVERSIDAD ANTONIO DE NEBRIJA con 60 Créditos Universitarios ECTS

Objetivos

A través de este máster universitario se ofrece al alumnado la posibilidad de completar sus estudios y dominar en los métodos y análisis más importantes en el ámbito de la estadística, que le permitirán desarrollar su carrera profesional en uno de los sectores con mayor demanda de personal cualificado. Para ello, a lo largo de este máster se pretenden desarrollar las siguientes competencias:

  • Conocer los métodos o tácticas de la investigación social.
  • Aprender los tipos de encuesta que se encuentran en la investigación social.
  • Conocer las clases de muestreos aleatorios que hay.
  • Aprender los pasos para la elaboración del cuestionario.
  • Conocer los errores asociados al muestreo.
  • Conocer los distintos modelos de probabilidad.
  • Conocer las probabilidades de distribución.
  • Conocer la regresión-correlación.
  • Conocer la programación lineal.
  • Conocer las aplicaciones de la programación lineal.
  • Abordar la optimización de procesos.
  • Conocer la estadística espacial.
  • Conocer las distintas aplicaciones de la estadística espacial.
  • Realizar análisis sobre los procesos productivos.
  • Aplicar controles estadísticos a los procesos productivos.
  • Aprender qué son los datos funcionales.
  • Aprender transformar los datos discretos en funciones.

Perfil

El presente curso de Máster en Técnicas Estadísticas está dirigido a todos aquellos recién titulados en estadística que quieran ampliar sus conocimientos y un sector muy demandado gracias al auge de los análisis estadísticos con fines de investigación y comerciales.

Se dirige a profesionales, estudiantes y titulados en el ámbito de la estadística y otras áreas afines, que quieran ampliar o actualizar sus conocimientos y recibir un título universitario reconocido con 60 créditos ECTS con el que poder acreditar los estudios superados.

Temario


PARTE 1. MODELOS DE PROBABILIDAD Y REGRESIÓN

  • MÓDULO 1. PROBABILIDAD
    • UNIDAD DIDÁCTICA 1. CONCEPTOS BÁSICOS DE PROBABILIDAD Y REGRESIÓN
    • UNIDAD DIDÁCTICA 2. MODELOS DISCRETOS
    • UNIDAD DIDÁCTICA 3. MODELOS CONTINUOS
    • UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE MODELOS
  • MÓDULO 2. REGRESIÓN
    • UNIDAD DIDÁCTICA 1. REGRESIÓN LINEAL
    • UNIDAD DIDÁCTICA 2. REGRESIÓN LOGÍSTICA
    • UNIDAD DIDÁCTICA 3. ANÁLISIS DE SUPERVIVENCIA

PARTE 2. PROGRAMACIÓN LINEAL

  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL. TEOREMA FUNDAMENTAL
  • UNIDAD DIDÁCTICA 2. MODELOS
  • UNIDAD DIDÁCTICA 3. MÉTODOS DE RESOLUCIÓN DE PROBLEMAS EN PROGRAMACIÓN LINEAL
  • UNIDAD DIDÁCTICA 4. ANÁLISIS DE SENSIBILIDAD
  • UNIDAD DIDÁCTICA 5. DUABILIDAD
  • UNIDAD DIDÁCTICA 6. FUNDAMENTOS DEL MÉTODO SIMPLEX
  • UNIDAD DIDÁCTICA 7. PROGRAMACIÓN ENTERA. FUNDAMENTOS

PARTE 3. ESTADÍSTICA ESPACIAL

  • UNIDAD DIDÁCTICA 1. ESTADÍSTICA ESPACIAL Y DATOS ESPACIALES
  • UNIDAD DIDÁCTICA 2. MODELOS LINEALES Y ALGORITMO DE GIBBS SAMPLING</h4><ol><li>- Componentes de un modelo generalizado lineal
  • UNIDAD DIDÁCTICA 3. CORRELACIÓN ESPACIAL MUESTRAL, MODELOS TEÓRICOS DEL SEMIVARIOGRAMA Y MÉTODO KRIGING
  • UNIDAD DIDÁCTICA 4. ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES (AEDE)
  • UNIDAD DIDÁCTICA 5. ANÁLISIS DE PATRONES DE LOCALIZACIÓN DE PUNTOS
  • UNIDAD DIDÁCTICA 6. TEOREMA CENTRAL DEL LÍMITE

PARTE 4. TÉCNICAS PARA EL DISEÑO DE LAS ENCUESTAS Y EL MUESTREO

  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INVESTIGACIÓN SOCIAL
  • UNIDAD DIDÁCTICA 2. LA ENCUESTA COMO TÉCNICA DE INVESTIGACIÓN SOCIAL
  • UNIDAD DIDÁCTICA 3. SELECCIÓN DE MUESTRAS
  • UNIDAD DIDÁCTICA 4. SELECCIÓN DEL ENCUESTADO
  • UNIDAD DIDÁCTICA 5. ELABORACIÓN DEL CUESTIONARIO
  • UNIDAD DIDÁCTICA 6. LA ENTREVISTA
  • UNIDAD DIDÁCTICA 7. TRABAJO DE CAMPO
  • UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL TRATAMIENTO DE DATOS
  • UNIDAD DIDÁCTICA 9. EL INFORME DE INVESTIGACIÓN
  • UNIDAD DIDÁCTICA 10. LA CALIDAD DE LA ENCUESTA

PARTE 5. CONTROL ESTADÍSTICO DE LA CALIDAD

  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE CALIDAD
  • UNIDAD DIDÁCTICA 2. ELEMENTOS DE PROBABILIDAD Y ESTADÍSTICA
  • UNIDAD DIDÁCTICA 3. CONTROL POR VARIABLES Y ATRIBUTOS
  • UNIDAD DIDÁCTICA 4. MUESTREO
  • UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS
  • UNIDAD DIDÁCTICA 6. TEORÍA DE VIABILIDAD

PARTE 6. DATOS FUNCIONALES

  • UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS FUNCIONAL DE DATOS
  • UNIDAD DIDÁCTICA 2. HERRAMIENTAS PARA EXPLORAR DATOS FUNCIONALES
  • UNIDAD DIDÁCTICA 3. ESPACIOS DE BANACH
  • UNIDAD DIDÁCTICA 4. ESPACIOS DE HILBERT
  • UNIDAD DIDÁCTICA 5. REGRESIÓN PARA DATOS FUNCIONALES
  • UNIDAD DIDÁCTICA 6. EJEMPLOS PRÁCTICOS DE ANÁLISIS FUNCIONALES DE DATOS

PARTE 7. PROYECTO FIN DE MÁSTER