1. ESTATÍSTICA DESCRIPTIVA E REGRESIÓN |
Frecuencias. Tratamento de datos: medidas de tendencia central e de dispersión. Folla de cálculo: o modelo de regresión lineal simple e a estimación dos seus parámetros. Coeficientes de correlación e de bondade de axuste. Modelos de regresión non lineal. SPSS: a regresión lineal múltiple.
|
3. VARIABLES ALEATORIAS UNIDIMENSIONAIS
|
Variables aleatorias discretas: función de masa de probabilidade, función de distribución, valor esperado, desviación típica. Tipos: Binomial, Poisson. Variables aleatorias continuas: función de densidade, función de distribución, valor esperado, desviación típica. Tipos: Normal, Exponencial, Log-Normal. Aproximacións normais á Binomial e Poisson (teorema central do límite).
|
4. INFERENCIA |
Estimadores puntuais e estimadores por intervalos de confianza (IC): nivel de confianza, construcción para a media real descoñecida e para a porcentaxe real descoñecida en poblacións normais e binomiais; IC para a diferencia de medias en 2 poblacións normais. Intervalos de control de calidade. SPSS: contrastes de hipótese: nivel de significancia, plantexamento. Contrastes para a diferencia de medias de 2 grupos baixo homocedasticidade (test previo F): t independente, t relacionada, Mann-Whitney, Wilcoxon. Xeneralización a máis de 2 grupos con ANOVA; comparacións múltiples post-hoc (MDS, Tukey, T3 Dunnett). Test Kruskal-Wallis. |