Está en la página 1de 16

Posgrados

Sesin 0: Introduccin al Curso Inferencia Estadstica

Dagoberto Arias, Dr.

Tabla de contenidos

INTRODUCCIN CONTENIDOS METODOLOGA BIBLIOGRAFA DAGOBERTO ARIAS CRDITOS

3 6 11 14 15 16

Introduccin
En este curso realizaremos un recorrido por los principales conocimientos estadsticos, para el anlisis de datos relacionados con el manejo de los recursos naturales.

Al finalizar este curso, usted estar en capacidad de: Proveer los conocimientos, las habilidades y las destrezas necesarias para el uso de las tcnicas estadsticas con el fin de la obtencin y anlisis de datos confiables, para la toma de decisiones en el campo de la gestin y manejo de recursos forestales y tecnologas de produccin.

Objetivos de Aprendizaje
Explicar los principales conceptos estadsticos. Comprender y aplicar la inferencia estadstica en el proceso administrativo y para el desarrollo de conocimiento con validez estadstica. Analizar experimentos segn sea el diseo experimental utilizado. Aplicar tcnicas de muestreo e inferencia estadstica.

Contenidos
Tema 1: Introduccin a las tcnicas estadsticas para ciencias naturales

Tablas dinmicas y funciones estadsticas en Excel

Laboratorio 1: Estructuracin de bases de datos, en Excel

Qu es la estadstica? Estadstica descriptiva y estadstica inferencial

Tema 2: Mtodos grficos de anlisis de datos


Poblacin y muestra Unidad muestral Unidad experimental Atributos y variables Escalas de medicin Estimador y parmetro Estimacin puntual y por intervalos Estructura de datos para trabajar con programas estadsticos

Distribuciones de frecuencia Box plots Ploteo de datos Tratamiento de valores inusuales (outliers)

Tratamiento de valores faltantes Estadstica Descriptiva


Medidas de tendencia central Medidas de dispersin Medidas de posicin

Estructura de una base datos

Simetra y kurtosis Laboratorio 2: Aplicacin de la estadstica descriptiva mediante el uso de hoja de clculo y programas

Laboratorio 3: Diseo y anlisis de un experimento con muestreo, mediante el uso de Excel

Tema 4: Distribuciones de probabilidad:


Tema 3: Muestreo Probabilstico Tamao de la Muestra Intensidad de muestreo Muestreo simple al azar Muestreo sistemtico Muestreo estratificado Muestreo por conglomerados Muestreo doble Estimadores para cada tipo de muestreo (S, Sx, E, E%, L.C.)

Distribucin binomial y Poisson Distribucin normal Distribucin t-student Distribucin F-Fisher Distribucin 2Teorema del lmite central Intervalos de confianza Sesgo, Precisin, Exactitud

Tema 5: Procedimientos para verificar el ajuste a una distribucin normal

Laboratorio 5: Verificacin de los supuestos de normalidad y homocedasticidad, mediante el uso de

Prueba de bondad de ajuste 2 Prueba de Kolmogorov-Smirnov Prueba de Shapiro-Wilks Laboratorio 4: Distribuciones de probabilidad, con el uso de Excel y programas estadsticos

Excel y programas estadsticos

Tema 7: Prueba de Hiptesis: dos medias Comparacin de una media muestral contra un valor poblacional

Primer Examen Parcial: 2 horas

Comparacin de dos medias muestrales Comparacin de dos proporciones Comparacin de dos medias pareadas (muestras dependientes)

Tema 6: Prueba de Hiptesis


Regla de decisin Pruebas de una y de dos colas Error tipo I y II

Comparacin de dos varianzas Laboratorio 6: Comparacin de dos medias, con Excel y programas estadsticos

Tema 8: Prueba de hiptesis: tres o ms medias

Tema 9: Asociacin entre variables cuantitativas

Anlisis de la varianza (ANOVA) Para un DCA Para un DBCA Para arreglos factoriales Comparaciones mltiples Pruebas de comparacin mltiple (no planeadas)

Anlisis de correlacin Anlisis de regresin lineal simple Anlisis de regresin lineal mltiple Laboratorio 8: Correlacin y regresin con Excel y programas estadsticos

Contrastes (comparaciones planeadas) Laboratorio 7: Anlisis de varianza y comparacin de promedios con Excel y y programas estadsticos

Tema 10: Pruebas No-paramtricas

Tema 11: Segundo examen parcial: 4 horas

Soluciones cuando se rechaza la hiptesis de normalidad

Transformacin de datos Uso de pruebas no paramtricas Algunas pruebas no paramtricas Prueba de Wilcoxon para contrastar datos pareados

Prueba de Mann-Whitney para muestras independientes

Prueba de Kruskall-Wallis Prueba de Friedman Coeficiente de correlacin de Spearman Laboratorio 9: Uso de pruebas no paramtricas en Excel y programas estadsticos

Metodologa
El curso tiene una naturaleza terica prctica y se ha diseado bajo una modalidad bimodal. El facilitador brinda razonamientos acadmicos y prcticos en las sesiones presenciales, con el objetivo de contextualizar los contenidos a desarrollar en el curso.

y en grupo, con el objetivo de generar en los estudiantes el anlisis, el pensamiento crtico y el trabajo colaborativo.

El estudiante deber cumplir con las fechas de entrega de los laboratorios, exmenes parciales establecidos por el facilitador. Contar con espacios de consulta y aclaracin de dudas

Las sesiones virtuales poseen objetos de aprendizaje disponibles en la plataforma, cuyo propsito es generar espacios para la reflexin, el anlisis y la discusin por parte de los estudiantes a travs de lectura de artculos cientficos, casos, foros, , ejecucin de laboratorios, en los que l o la estudiante hace prcticas de los temas estudiados, etc. La estrategia del curso plantea el trabajo individual

relacionadas con los temas estudiados.

El facilitador orientar el proceso de aprendizaje y proveer al estudiante de recursos y materiales, para que el estudiante pueda analizar, gestionar y desarrollar cada actividad de aprendizaje de forma ptima.

Mapa conceptual

Figura No.1 Mapa Conceptual Inferencia Estadstica

Criterios de Evaluacin

Pruebas cortas 10% Laboratorios 40% Primer examen parcial 20% Segundo examen parcial 30%

El avance en el programa de la maestra se alcanza con un promedio ponderado de los cursos no inferior a 80.

Bibliografa
Daniel, W. 2002. Bioestadstica. Editorial Limusa. 4 Ed. Mxico. 755 p. Fresse, F. 1970. Mtodos Estadsticos para Tcnicos Forestales. Manual de Agricultura No. 317. USDA-FS. Centro Regional de Ayuda Tcnica, AID. Mxico. 104 P. Kllen, A. 2011. Understanding Biostatistics, First Edition. John Wiley & Sons, Ltd. Kuehl, R. 2001. Diseo de experimentos. 2da. Edicin. Thomson Learning. Orozco, L. y Brumer, C. (editores). 2002. Inventarios forestales para bosques latifoliados en Amrica Central. CATIE, Turrialba, C.R. 264p. ISBN 9977-57-384-0. Quinn, G. 2007. Experimental Design and Data Analysis for Biologists. Cambridge University Press.

Ryan, T. 2007. Modern Experimental Design. First Edition. John Wiley & Sons, Inc. Sakal, R and Rohlf, J. 2009 Introduction to biostatistics. Second Edition. Dover Publications INC. Samuels, M; Witmer, J. and Schaffner, A. 2011. Statistics for the life sciences. 4TH ED. Pearson Education Inc. Snedecor, G. 1980. Mtodos Estadsticos. de J.A. Reinas A. Edit. Mxico: Continental. Tr.

Steel, R. and Torrie, J. 1980. Principles and Procedures of Statistics: A Biometrical Approach. McGraw-Hill. N.K. Zar, J. 2006. Biostatiscal Analysis. Pearson Education Inc.

Dagoberto Arias
Profesor de la Escuela de Forestales del TEC, con una amplia trayectoria profesional en docencia e investigacin. Tiene una formacin universitaria de grado licenciatura en ingeniera forestal y silvicultura. Realizo sus estudios doctorales en la Universidad Gttingen, Alemania. Usted lo puede contactar mediante el correo darias@itcr.ac.cr y telfono de oficina 25502142.

Crditos
Facilitador de contenido: Profesor Dagoberto Arias, Dr. Material diseado: CEDA - TEC Digital. Evaluado por: Ing. Yoselyn Walsh Ing. Paula Morales Rodrguez