• Bienvenida Presentación.
• Brightspace
• Curso (Planeación Docente)

• Examen escrito 1 Parcial = M 30.00

• Examen escrito 2 Parcial = M 30.00

• Examen escrito final 1 Final = F 40.00

• Requisito de asistencia mínima.

• Requisito de asistencia a evaluación final.

• Tareas, ejercicios y trabajos en equipo (40% del parcial)

• Primer parcial: 13 sesiones.
  Evaluar: [Temas: 1-3] Introducción a la estadística descriptiva y representación gráfica..
  Fecha: Jueves 29 febrero.

• Segundo parcial: 11 sesiones.
  Evaluar: [Temas: 4-5] Introducción a la probabilidida y distribuciones estadísticas.
  Fecha: Jueves 9 de mayo.

• Exámen ordinario: (13-21) de mayo.
  Evaluar: [Temas: 1-5]

Las fechas establecidas podrían experimentar modificaciones a lo largo del desarrollo del curso.

Al finalizar el curso, el alumno podrá estimar de forma precisa parámetros para hacer inferencias correctas y mejorar la toma de decisiones en la economía y los negocios.

1. Introducción a la estadística y análisis de datos.
2. Estadística descriptiva.
3. Representación tabular y gráfica de la información.
4. Introducción a la Probabilidad.
5. Distribuciones de probabilidad.

• Ramas de la Estadística.

  • Frecuentista.
  • Bayesiana.

• Población, Muestra, Parámetros y Estimadores.

• Tipos de variables y Escalas.

• Estructura de los datos.

• Tipos de variables

• Tipos de Datos: Cross-Section, una unidad de análisis

• Tipos de Datos: Time-series, una unidad de análisis a traves del tiempo.

• Tipos de Datos: Panel, varias unidaded de análisis a traves del tiempo.

• Scales

• Medidas de tendencia Central

• Medidas de tendencia Central: Mean and Median

• Medidas de tendencia Central: Mean and Armonic Mean

• Tablas de Frecuencia, continous variable

## spc_tbl_ [574 × 7] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ date    : Date[1:574], format: "1967-07-01" "1967-08-01" ...
##  $ pce     : num [1:574] 507 510 516 512 517 ...
##  $ pop     : num [1:574] 198712 198911 199113 199311 199498 ...
##  $ psavert : num [1:574] 12.6 12.6 11.9 12.9 12.8 11.8 11.7 12.3 11.7 12.3 ...
##  $ uempmed : num [1:574] 4.5 4.7 4.6 4.9 4.7 4.8 5.1 4.5 4.1 4.6 ...
##  $ unemploy: num [1:574] 2944 2945 2958 3143 3066 ...
##  $ marital : num [1:574] 0 0 0 0 0 0 1 0 1 0 ...

Venn diagram

Eventos Independientes

A and B. Let \(P(A) = 0.6\) and \(P(B) = 0.4\). Then \(P(A \cup B)\) is given by:

\[P(A) = 0.6\] \[P(B) = 0.4\] \[P(A \cap B) = P(A) \cdot P(B) = 0.6 \cdot 0.4 = 0.24\]

\[P(A \cup B) = P(A) + P(B) - P(A \cap B) = 0.6 + 0.4 - 0.24\]

Hence, \(P(A \cup B)\) is 76%.

Bayes Rule

Dia en la Playa:

Donde: - \(P(Lluvia)\) es la Probabilidad de Lluvia = 10%

- \(P(Nublado|Lluvia)\) es la Probabilidad de Nublado dado que ocurre Lluvia = 50%

- \(P(Nublado)\) es la Probabilidad de Nublado = 40%

Bayes Rule

Segun Bayes:

\[ P(Lluvia|Nublado) = \frac{P(Lluvia) \cdot P(Nublado|Lluvia)}{P(Nublado)} \]

Sustituyendo los valores: \[ P(Lluvia|Nublado) = \frac{0.1 \cdot 0.5}{0.4} = 0.125 \]

Mejor si vamos!

• Binomial, lazar una moneda:

• Número total de lanzamientos: \(n = 10\)

• Número de caras deseadas \(k = 3\)

• Probabilidad de cara en un solo lanzamiento: \(p = 0.5\)

\[ P(k \text{ out of } n) = \frac{{n!}}{{k!(n-k)!}} p^k (1-p)^{n-k} \]

Sustituyendo con los valores dados:

\[ P(3 \text{ out of } 10) = \frac{{10!}}{{3!(10-3)!}} (0.5)^3 (1-0.5)^{10-3} \]

\[ P(3 \text{ out of } 10) = 0.11 \] ## 5 Distribuciones de probabilidad - Binomial, lazar una moneda:

• Poisson, number of events occurring in a given time period. \[ P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \]

• En un partido de football, se meten en promedio 2.5 goles

• ¿Cuál es la prob. de que se metan 4?

\[ P(X = 4) = \frac{e^{-2.5} \cdot 2.5^4}{4!}=0.13 \]

• Smith, G. (2015). Essential statistics, regression, and econometrics.