Aplico el modelo pedagógico al segundo curso de Ciencias Básicas y Exactas, correspondiente al área temática Estadística y Probabilidad:
📊 ESTADÍSTICA Y PROBABILIDAD
Curso 1: Probabilidad y Estadística aplicada a la toma de decisiones
CARGA HORARIA TOTAL: 20 horas
METODOLOGÍA: Textual 100% guiada por DeepSeek AI (sin videos, sin audios)
MODALIDAD: 24/7 con tutor DeepSeek
PARTE I: FUNDAMENTOS DE INCERTIDUMBRE Y DATOS (6.5 h)
Capítulo 1. La incertidumbre como lenguaje para decidir
· Inciso 1.1. Fenómenos deterministas y aleatorios
· Subinciso 1.1.1. Definición de experimento aleatorio, espacio muestral y suceso
· Subinciso 1.1.2. Diferencias entre incertidumbre cotidiana y riesgo modelable
· Inciso 1.2. Conceptos básicos de probabilidad
· Subinciso 1.2.1. Enfoques: clásico, frecuentista y subjetivo (bayesiano)
· Subinciso 1.2.2. Axiomas de Kolmogórov y consecuencias inmediatas
· Inciso 1.3. Probabilidad condicional e independencia
· Subinciso 1.3.1. Definición formal, teorema de la multiplicación y diagramas de árbol
· Subinciso 1.3.2. Independencia estadística y su malinterpretación en decisiones reales
Capítulo 2. Variables aleatorias: el puente hacia los datos
· Inciso 2.1. Variables aleatorias discretas
· Subinciso 2.1.1. Función de probabilidad y función de distribución acumulada
· Subinciso 2.1.2. Esperanza matemática y varianza: significado y propiedades
· Inciso 2.2. Modelos discretos esenciales
· Subinciso 2.2.1. Bernoulli, binomial y geométrica: cuándo usarlas en la práctica
· Subinciso 2.2.2. Poisson: modelando eventos raros y tasas de ocurrencia
· Inciso 2.3. Variables aleatorias continuas
· Subinciso 2.3.1. Función de densidad, acumulada y relación con histogramas
· Subinciso 2.3.2. Esperanza, varianza y cuantiles en el continuo
Capítulo 3. El modelo normal y el teorema central del límite
· Inciso 3.1. La distribución normal
· Subinciso 3.1.1. Propiedades, estandarización y uso de tablas
· Subinciso 3.1.2. Aplicaciones: control de calidad, puntuaciones estándar y finanzas
· Inciso 3.2. Otras distribuciones continuas relevantes
· Subinciso 3.2.1. t de Student, chi-cuadrado y F: propósito y características
· Subinciso 3.2.2. Exponencial y uniforme: modelando tiempos y simulaciones
· Inciso 3.3. Teorema Central del Límite (TCL)
· Subinciso 3.3.1. Enunciado, condiciones e implicaciones prácticas
· Subinciso 3.3.2. Cómo el TCL justifica la estadística inferencial en decisiones
RESUMEN PARTE I:
El estudiante maneja los axiomas de probabilidad, calcula probabilidades condicionales, caracteriza variables aleatorias discretas y continuas, y comprende el papel del TCL como fundamento de la inferencia.
—
PARTE II: DE LOS DATOS A LA EVIDENCIA ESTADÍSTICA (6.5 h)
Capítulo 4. Estadística descriptiva y visualización para decidir
· Inciso 4.1. Reducción de datos: medidas de centro y posición
· Subinciso 4.1.1. Media, mediana, moda y percentiles: elección según el contexto
· Subinciso 4.1.2. Comparación de distribuciones con diagramas de caja (boxplots)
· Inciso 4.2. Medidas de dispersión y forma
· Subinciso 4.2.1. Varianza, desviación estándar, rango intercuartílico y coeficiente de variación
· Subinciso 4.2.2. Asimetría y curtosis: cómo afectan la interpretación de promedios
· Inciso 4.3. Visualización efectiva para la toma de decisiones
· Subinciso 4.3.1. Histogramas, barras, dispersión y gráficos de líneas con propósito
· Subinciso 4.3.2. Malas prácticas y sesgos visuales que inducen a error
Capítulo 5. Estimación: ¿qué dicen los datos sobre la población?
· Inciso 5.1. Distribuciones muestrales
· Subinciso 5.1.1. Media muestral, proporción muestral y su distribución
· Subinciso 5.1.2. Error estándar: la precisión de nuestras estimaciones
· Inciso 5.2. Estimación puntual y por intervalo
· Subinciso 5.2.1. Propiedades de un buen estimador: insesgadez, eficiencia y consistencia
· Subinciso 5.2.2. Intervalo de confianza para la media (con σ conocida y con t)
· Inciso 5.3. Intervalos para proporciones y varianzas
· Subinciso 5.3.1. Intervalo de confianza para una proporción poblacional
· Subinciso 5.3.2. Intervalo para la varianza con chi-cuadrado: interpretación y uso
Capítulo 6. Pruebas de hipótesis: la lógica de la decisión estadística
· Inciso 6.1. Elementos de una prueba de hipótesis
· Subinciso 6.1.1. Hipótesis nula y alternativa, errores tipo I y tipo II
· Subinciso 6.1.2. Nivel de significancia, valor p y región de rechazo
· Inciso 6.2. Pruebas para una población
· Subinciso 6.2.1. Prueba z y prueba t para la media en una muestra
· Subinciso 6.2.2. Prueba para una proporción y prueba de bondad de ajuste chi-cuadrado
· Inciso 6.3. Toma de decisiones con pruebas de hipótesis
· Subinciso 6.3.1. Significancia estadística versus relevancia práctica
· Subinciso 6.3.2. Cómo reportar conclusiones que orienten acciones reales
RESUMEN PARTE II:
El estudiante resume datos con medidas descriptivas, construye intervalos de confianza y ejecuta pruebas de hipótesis, traduciendo los resultados en lenguaje accionable para la decisión.
—
PARTE III: MODELOS PARA DECIDIR Y COMUNICAR RESULTADOS (7 h)
Capítulo 7. Asociación, correlación y regresión simple
· Inciso 7.1. Análisis de relación entre variables
· Subinciso 7.1.1. Tablas de contingencia, riesgo relativo y odds ratio
· Subinciso 7.1.2. Prueba chi-cuadrado de independencia: cuándo y cómo usarla
· Inciso 7.2. Correlación lineal
· Subinciso 7.2.1. Coeficiente de Pearson y Spearman: interpretación y limitaciones
· Subinciso 7.2.2. Causalidad versus correlación: falacias frecuentes en decisiones
· Inciso 7.3. Regresión lineal simple
· Subinciso 7.3.1. Ajuste por mínimos cuadrados, interpretación de pendiente e intercepto
· Subinciso 7.3.2. Bondad de ajuste (R²), residuos y diagnóstico básico del modelo
Capítulo 8. Introducción a la estadística bayesiana para decidir
· Inciso 8.1. El paradigma bayesiano
· Subinciso 8.1.1. Probabilidad como grado de creencia: prior, verosimilitud y posterior
· Subinciso 8.1.2. Teorema de Bayes aplicado a la actualización de decisiones
· Inciso 8.2. Inferencia bayesiana simple
· Subinciso 8.2.1. Distribuciones conjugadas: beta-binomial y normal-normal
· Subinciso 8.2.2. Intervalos de credibilidad versus intervalos de confianza
· Inciso 8.3. Árboles de decisión y valor de la información
· Subinciso 8.3.1. Construcción de árboles con probabilidades y pagos
· Subinciso 8.3.2. Valor esperado de la información perfecta (VEIP)
Capítulo 9. Síntesis, proyecto integrador y áreas de trabajo
· Inciso 9.1. Errores comunes y cómo evitar malas decisiones
· Subinciso 9.1.1. Sesgos en la interpretación de datos: cherry picking, p-hacking, paradoja de Simpson
· Subinciso 9.1.2. Principios de comunicación clara de resultados estadísticos
· Inciso 9.2. Proyecto integrador guiado por DeepSeek AI
· Subinciso 9.2.1. Elección de un problema real de decisión (conjunto de datos o caso)
· Subinciso 9.2.2. Aplicación del flujo completo: descriptiva, estimación, prueba y modelo, con informe final
· Inciso 9.3. Áreas de trabajo y continuación del aprendizaje
· Subinciso 9.3.1. Salidas profesionales: analista de datos, consultoría, inteligencia de negocios, investigación cuantitativa
· Subinciso 9.3.2. Rutas de aprendizaje sugeridas: cursos 2-10 de Estadística y Probabilidad, o hacia Ciencia de Datos
RESUMEN PARTE III:
El estudiante modela relaciones con regresión y tablas de contingencia, incorpora el enfoque bayesiano para actualizar decisiones y ejecuta un proyecto completo de análisis para una decisión real.
—
📊 RESUMEN FINAL DEL CURSO
QUÉ APRENDE EL ESTUDIANTE:
· Calcular probabilidades y manejar variables aleatorias discretas/continuas
· Aplicar los modelos binomial, Poisson y normal en contextos de decisión
· Resumir y visualizar conjuntos de datos con herramientas descriptivas
· Construir e interpretar intervalos de confianza y pruebas de hipótesis
· Medir asociación, correlación y ajustar modelos de regresión lineal simple
· Incorporar el enfoque bayesiano para actualizar creencias con datos
· Estructurar árboles de decisión bajo incertidumbre
· Comunicar hallazgos estadísticos de forma ética y orientada a la acción
ÁREAS DE TRABAJO:
Análisis de datos, inteligencia de negocios, consultoría estratégica, control de calidad, investigación de mercados, políticas públicas basadas en evidencia, analítica deportiva, gestión de riesgos.
CARGA HORARIA TOTAL: 20 horas
MODALIDAD: Textual 100% guiada por DeepSeek AI, tutor 24/7
—
Este curso puede tomarse individualmente o como parte de la Ruta de Especialización en Estadística y Probabilidad (10 cursos, 200 horas) dentro del catálogo de Ciencias Básicas y Exactas.