CONTENIDO MTODOS CUANTITATIVOS DE INVESTIGACIN EN POCAS PALABRAS
ESTADSTICA DESCRIPTIVA Y MOMENTOS DE DISTRIBUCIN
TEORA Y PROBABILIDAD DE LAS DISTRIBUCIONESRUEBAS DE HIPTESIS
MTODOS ESTADSTICOS PARA UNA VARIABLE
MTODOS ESTADSTICOS PARA DOS O MS VARIABLES
SIMULACIN, MODELACIN PREDICTIVA, Y OPTIMIZACIN
MOMENTOS DE DISTRIBUCIN
MEDICIN DEL CENTRO, DISPERSIN, ASIMETRA, EVENTOS EXTREMOS EN UNA DISTRIBUCIN
PRUEBA DE HIPTESIS
PASOS PARA ESTABLECER UNA PRUEBA DE HIPTESIS
TEOREMA DEL LMITE CENTRAL
ERRORES TIPO I, TIPO II, TIPO III, Y TIPO IV, Y SESGOS EN EL MUESTREO DE DATOS ANALTICA MS COMN
PRUEBA-T DE DOS MUESTRAS CON VARIANZA IGUAL
PRUEBA-T DE DOS MUESTRAS CON VARIANZA DESIGUAL
PRUEBA T DE DOS MUESTRAS CON MEDIAS DEPENDIENTES
PRUEBA-F DE VARIANZAS DESDE MUESTRAS INDEPENDIENTES
PRUEBA-Z de PROPORCIONES
PRUEBA Z DE PROPORCIONES Y MEDIAS
ANOVA SIMPLE CON MLTIPLES TRATAMIENTOS
ANOVA CON PRUEBA DE BLOQUES ALEATORIZADOS
ANOVA DE DOS VAS, ANCOVA, MANOVA, Y MANOVA DE DOS VAS
PRUEBAS CHI CUADRADO
CORRELACIONES LINEALES Y NO LINEALES
NORMALIDAD Y AJUSTE DE DISTRIBUCIN: Kolmogorov-Smirnov, Chi-Cuadrado, Criterio de Informacin de Akaike, Anderson-Darling, Estadstico de Kuiper, y Criterio Schwarz/Bayes
PRUEBAS NO PARAMTRICAS: Prueba de Runs para Aleatoriedad, Prueba de Rangos con Signo de Wilcoxon, Prueba de Lilliefors, Prueba de Kruskal-Wallis, Prueba de Friedman
CONFIABILIDAD Y CONSISTENCIA: Kappa de Cohen, Alfa de Cronbach, "Consistencia" Interna, Confiabilidad con Lambda de Guttman, Medidas de Correlacin Inter-Clase (ICC), Medida de Concordancia Entre Evaluadores de la W de Kendall, Diversidad de Datos, Homogeneidad de Shannon, Brillouin, y Simpson, Validez Interna, Validez Externa, Previsibilidad y Exactitud: Akaike, Bayes, Hannan-Quinn, Diebold-Mariano, Pesaran-Timmermann, Precisin y Control de Errores
REGRESIN MULTIVARIADA LINEAL Y NO LINEAL
REGRESIN BIVARIADA
PRUEBAS PARA LA MULTICOLINEALIDAD Y HETEROCEDASTICIDAD
MTODOS AVANZADOS DE REGRESIN, MTODOS RELACIONADOS CON LA REGRESIN, Y SUS VARIACIONES
MS ALL DE LA REGRESIN MLTIPLE: MODELACIN DE ECUACIONES ESTRUCTURALES (SEM) CON MNIMOS CUADRADOS PARCIALES (PLS) SOBRE ESTIMACIN DE RUTAS
MS ALL DE LA REGRESIN MLTIPLE: ENDOGENEIDAD Y MTODOS DE ECUACIONES SIMULTNEAS Y MNIMOS CUADRADOS EN DOS ETAPAS
MS ALL DE LA REGRESIN MLTIPLE: CAUSALIDAD DE GRANGER Y MTODOS ENGLE-GRANGER
MS ALL DE LA REGRESIN MLTIPLE: Regresin Mltiple de Poisson (Poblacin y Frecuencia), Regresin Mltiple (Regresin de Deming con Varianza Conocida), Regresin Mltiple (Regresin Logstica Ordinal), Regresin Mltiple de Ridge (Varianza Baja, Sesgo Alto, Alto VIF), Regresin Mltiple Ponderada (Arreglando la Heterocedasticidad) INTELIGENCIA ARTIFICIAL & MACHINE LEARNING
BAGGING MEDIANTE AJUSTE LINEAL POR BOOTSTRAP
BAGGING MEDIANTE AJUSTE NO LINEAL POR BOOTSTRAP
RBOLES DE CLASIFICACIN Y REGRESIN - CART
CLASIFICACIN CON MEZCLA GAUSSIANA & SEGMENTACIN DE K-MEDIAS (NO SUPERVISADA)
CLASIFICACIN CON LOS K-VECINOS MS CERCANOS
CLASIFICACIN CON RBOLES FILOGENTICOS & AGRUPAMIENTO JERRQUICO (NO SUPERVISADA)
CLASIFICACIN CON MQUINAS DE VECTORES DE SOPORTE
MODELO AJUSTADO PERSONALIZADO
REDUCCIN DE DIMENSIN MEDIANTE EL ANLISIS DE COMPONENTES PRINCIPALES
REDUCCIN DE DIMENSIN MEDIANTE EL ANLISIS FACTORIAL
AJUSTE COMN DE ENSAMBLE (NO LINEAL)
AJUSTE COMPLEJO DE ENSAMBLE (NO LINEAL)
ENSAMBLE DE SERIES DE TIEMPO
MODELO DE AJUSTE LINEAL
ANLISIS DISCRIMINANTE MULTIVARIADO (LINEAL)
ANLISIS MULTIVARIADO DISCRIMINANTE (CUADRTICO)
RED NEURONAL (NEURAL NETWORK)
CLASIFICACIN BINARIA LOGSTICA
CLASIFICACIN BINARIA NORMIT PROBIT
BOSQUE ALEATORIZADO
SEGMENTACIN