Sesión 1: Introducción a la Estadística y Configuración del Entorno

• Conceptos Básicos de Estadística
  • Definiciones clave: población, muestra, variable, etc.
  • Tipos de datos y medidas descriptivas.
• Configuración del Entorno de Desarrollo en Python
  • Instalación de bibliotecas fundamentales (NumPy, Pandas, Matplotlib, Seaborn).
  • Configuración del entorno de desarrollo.

Sesión 2: Análisis Exploratorio de Datos (EDA) con Pandas y Seaborn

• Exploración de Datos con Pandas
  • Carga y manipulación de datos.
  • Resumen estadístico y análisis descriptivo.
• Visualización de Datos con Seaborn
  • Gráficos de dispersión, histogramas y diagramas de caja.
  • Análisis visual de distribuciones y relaciones.

Sesión 3: Probabilidades y Distribuciones Estadísticas

• Conceptos Básicos de Probabilidad
  • Definición de probabilidad y eventos.
  • Distribuciones discretas y continuas.
• Distribuciones Comunes en Estadística
  • Normal, binomial, Poisson, entre otras.
  • Uso de Python para modelar y visualizar distribuciones.

Sesión 4: Inferencia Estadística

• Pruebas de Hipótesis
  • Definición de hipótesis nula y alternativa.
  • Pruebas t, z, chi-cuadrado, etc.
• Intervalos de Confianza
  • Interpretación y construcción de intervalos de confianza.
  • Aplicación práctica con Python.

Sesión 5: Regresión Lineal y Correlación

• Regresión Lineal Simple y Múltiple
  • Modelado de relaciones lineales.
  • Evaluación de la bondad de ajuste.
• Análisis de Correlación
  • Coeficiente de correlación y su interpretación.
  • Visualización de relaciones con Python.

Sesión 6: Aplicaciones Prácticas y Estudio de Casos

• Resolución de Problemas Prácticos
  • Aplicación de los métodos estadísticos aprendidos en casos específicos.
  • Análisis de estudios de casos en diversas disciplinas.