Probabilidad y estadística. Curso básico para profesionales

Curso

Probabilidad y estadística. Curso básico para profesionales

Departamento Ingeniería Industrial
Inicio / Programas / Probabilidad y estadística. Curso básico para profesionales

Probabilidad y estadística

Este curso busca poner en contexto, actualizar y fortalecer los conceptos de Probabilidad y Estadística necesarios para desarrollar una adecuada comprensión de modelos no determinísticos.

Dirigido a

Personas interesadas en formación profesional en Maestría en Ingeniería Industrial y aquellos interesados en reforzar el tema del curso.

Objetivos

Objetivo General:

Al finalizar el curso, los participantes deben haber identificado su nivel de conocimiento en conceptos básicos de probabilidad y de estadística.

Objetivos Específicos:

  • Familiarizar a los participantes con los conceptos básicos de probabilidad y estadística relevantes para la formulación de modelos.
  • Identificar variables aleatorias discretas y continuas que representen los resultados de diferentes experimentos aleatorios y situaciones en diferentes contexto.
  • Calcular e interpretar probabilidades con base en las distribuciones discretas y continuas de mayor aplicación.
  • Construir, calcular e interpretar prueba de hipótesis e intervalos de confianza identificando los estadísticos apropiados y sus distribuciones muestrales correspondientes.
  • Introducción a la construcción e interpretación de modelos de regresión lineal simple y múltiple.

Metodología

El programa del curso se cubrirá mediante 6 sesiones de tres horas cada una a cargo de un profesor del Departamento de Ingeniería Industrial. Las sesiones serán dedicadas a la exposición de los principales temas. Estas se complementan con el desarrollo de ejercicios ilustrativos y actividades diseñadas que hacen uso de tecnología para favorecer el proceso de aprendizaje y la participación activa durante las sesiones de clase.

Contenido

  • Sesión 1: Concepto de población, muestra y aleatoriedad. Definición de probabilidad, espacios de probabilidad y propiedades. Probabilidad condicional e independencia de eventos. Teorema de Bayes y Árboles de Probabilidad.
  • Sesión 2: Variables aleatorias, definición y propiedades. Distribuciones discretas y continuas. Valor esperado y varianza de una variable aleatoria.
  • Sesión 3: Identificación y uso de distribuciones discretas y continuas de mayor aplicación. Funciones de probabilidad y distribución acumulada .
  • Sesión 4: Estimación puntual: métodos de estimación y propiedades de los estimadores. Distribuciones muestrales. Construcción de intervalos de Confianza.
  • Sesión 5: Formulación de una prueba de hipótesis. Introducción a Regresión Lineal.
  • Sesión 6: Regresión lineal simple y múltiple. Evaluación y retroalimentación de los principales temas del curso.

Profesores

Astrid Johanna Bernal Rueda

Ingeniera Industrial de la Universidad Industrial de Santander con Maestría en Ingeniería Industrial de la Universidad de los Andes. Es profesora de planta del Departamento de Ingeniería Industrial en temas de Probabilidad, Estadística y Análisis de Decisiones; y miembro del grupo de investigación del Centro para la Optimización y Probabilidad Aplicada (COPA). Adicionalmente, es coordinadora académica de la Maestría en Inteligencia Analítica para la Toma de Decisiones del Departamento de Ingeniería Industrial de la Universidad de los Andes.

Tiene ocho años en proyectos de consultoría y entrenamiento en Análisis de Datos, Análisis de Decisiones bajo Riesgo e Incertidumbre y Evaluación Cuantitativa del Riesgo; en empresas del sector público y privado, como Ecopetrol, Equión Energía Limited, Emerald, Mansarovar, Universidad Javeriana, Universidad de Ibagué, Une, Liberty Seguros, Fundación Santa Fé, entre otras.

Ha sido asesora de proyectos a nivel de pregrado, especialización y maestría en diversos temas, entre ellos proyectos relacionados con el análisis estadístico de datos, estructuración de problemas y construcción de modelos cuantitativos orientados a evaluación de riesgos, priorización de proyectos y generación de escenarios para el análisis de alternativas de decisión, definición de estrategias para el desarrollo de competencias analíticas, construcción de modelos estadísticos para el uso eficiente de información, entre otros.